Generische Kampagnenbotschaften mit Gemini-gestützter Personalisierung beheben
Marketing-Teams wissen, dass generische E-Mails und Anzeigentexte nicht mehr funktionieren, aber hunderte personalisierte Varianten manuell zu erstellen und zu testen, ist unmöglich. Dieser Leitfaden zeigt, wie Sie Gemini mit Google Ads und Analytics nutzen, um Ihre Daten in maßgeschneiderte Botschaften in großem Umfang zu verwandeln. Sie lernen strategische Prinzipien, konkrete Workflows und realistische Erwartungen kennen, um Kampagnen zu personalisieren, ohne Ihr Team zu überlasten.
Inhalt
Die Herausforderung: Generische Kampagnenbotschaften
Marketing-Teams stehen unter dem Druck, die Kampagnenperformance zu steigern, aber die meisten verschicken weiterhin dieselben breiten E-Mail-Sequenzen und Anzeigentexte an alle. Unterschiedliche Zielgruppen mit unterschiedlichen Bedürfnissen und Intentionen erhalten identische Botschaften. Das Ergebnis: Die Relevanz sinkt, das Engagement geht zurück und selbst starke Angebote werden ignoriert, weil sie in Botschaften verpackt sind, die nach „One-Size-fits-nobody“ klingen.
Traditionelle Lösungen skalieren nicht mehr. Manuelles Erstellen von Segmenten und das Formulieren von Varianten für jede Persona, jede Phase im Lebenszyklus und jeden Kanal wird schnell unbeherrschbar. Tabellen mit Message-Matrizen, endlose Textüberarbeitungen und langsame A/B-Tests machen es unmöglich, mit sich ändernder Suchintention und Nutzungsverhalten Schritt zu halten. Selbst wenn Teams versuchen zu personalisieren, enden sie oft mit wenigen groben Segmenten, die sich für den einzelnen Nutzer trotzdem generisch anfühlen.
Die geschäftlichen Auswirkungen sind erheblich. Geringe Relevanz führt zu unterperformenden Werbeausgaben, höheren CPAs und steigenden Abmelderaten. Vertriebspipelines leiden unter schlechter Leadqualität, und die Markenwahrnehmung erodiert, wenn Zielgruppen Ihre Kommunikation als „nur noch mehr Spam“ erleben. Gleichzeitig lernen Wettbewerber, die KI-gestützte Personalisierung nutzen, schneller, iterieren schneller und gewinnen leise Marktanteile, indem sie Botschaften ausspielen, die sich maßgeschneidert und zeitlich passend anfühlen.
Diese Herausforderung ist real, aber absolut lösbar. Mit modernen Modellen wie Gemini, integriert in Ihren Google-Ads- und Analytics-Stack, können Sie die Signale, die Sie ohnehin sammeln, nutzen, um differenzierte Botschaften in großem Umfang zu generieren. Bei Reruption haben wir Organisationen dabei geholfen, von statischen Kampagnen zu KI-first-Workflows zu wechseln. Im weiteren Verlauf dieser Seite führen wir Sie durch praktische Schritte, um generische Botschaften in eine strukturierte, datengetriebene Personalisierungsmaschine zu verwandeln.
Bauen Sie jetzt ein KI-System mit uns!
Wir bauen einen Proof of Concept für Ihr Problem für 5.000–8.000€. Sie bekommen eine handfeste Demo statt Folien mit Versprechen.
Innovatoren bei diesen Unternehmen vertrauen uns:
Unsere Einschätzung
Eine strategische Einschätzung der Herausforderung und High-Level-Tipps, wie Sie sie angehen können.
Aus Reruption’s praktischer Arbeit beim Aufbau von KI-first-Marketing-Workflows wissen wir, dass der eigentliche Wert von Gemini für Kampagnenpersonalisierung nicht aus „mehr Text“ entsteht, sondern aus der engen Verknüpfung von Gemini mit Ihren Google-Ads- und Analytics-Daten. Wenn Sie Gemini als Teil Ihres Performance-Stacks und nicht als isolierten Textgenerator behandeln, können Sie jede Botschaft in echter Intention, Verhalten und Conversion-Ergebnissen verankern.
Personalisierung an Geschäftsergebnissen ausrichten, nicht nur an Kreativität
Es ist verlockend, Gemini in erster Linie als leistungsstarken Textassistenten zu sehen, aber für personalisierte Kampagnen, die generische Botschaften beheben sollen, müssen Sie zuerst die Geschäftsergebnisse definieren, die Sie erreichen wollen. Wollen Sie einen niedrigeren CPA in der Suche, höhere E-Mail-Klickrate oder mehr Mikrokonversionen auf Landingpages? Klare Kennzahlen stellen sicher, dass Gemini sich an Performance orientiert – nicht nur am Stil.
Übersetzen Sie diese Geschäftsziele in explizite Optimierungssignale: Welche Conversions in Google Analytics zählen, welche Zielgruppen in Google Ads strategisch sind und welche Customer Journeys Sie priorisieren wollen. Diese Perspektive verhindert die Falle, Varianten „um der Kreativität willen“ zu erzeugen, und fokussiert Ihren Gemini-Einsatz auf Botschaften, die konkrete Zahlen bewegen.
Eine Datenbasis entwerfen, bevor KI-gestützte Varianten skaliert werden
Gemini ist nur so effektiv wie die Zielgruppen- und Intention-Signale, die Sie einspeisen. Bevor Sie das Modell bitten, Botschaften zu personalisieren, stellen Sie sicher, dass Ihre Google-Analytics-Ereignisse und Google-Ads-Conversions sauber, dedupliziert und sinnvollen Lifecycle-Phasen zugeordnet sind. Wenn Ihre Quelldaten verrauscht sind, verstärkt KI dieses Rauschen.
Auf strategischer Ebene sollten Sie planen, wie Sie Nutzer gruppieren möchten: nach Akquisekanal, Produktinteresse, Verhaltensschwellen (z. B. Seitenaufrufe, Warenkorbereignisse) oder prognostiziertem Wert. Nutzen Sie dies als Blaupause, mit der Gemini arbeitet. Einige Wochen Investition in saubereres Tracking und schärfere Segmentdefinitionen zahlen sich schnell aus, sobald Sie beginnen, KI-gestützte Nachrichtenvarianten zu generieren und zu testen.
Mit kontrollierten Piloten in ein bis zwei Journeys starten
Statt zu versuchen, Ihren gesamten Marketing-Stack auf einmal zu transformieren, wählen Sie ein bis zwei kritische Journeys, in denen generische Botschaften die Performance klar beeinträchtigen – zum Beispiel generische Suchanzeigen für High-Intent-Suchanfragen oder One-Size-fits-all-Remarketing-Kampagnen. Nutzen Sie Gemini, um zunächst nur diese Bereiche zu personalisieren, und definieren Sie einen kontrollierten Testplan.
Dieser fokussierte Ansatz macht Veränderung für Ihr Team handhabbar und reduziert das Risiko. Sie können validieren, ob Ihr Gemini + Google-Ads/Analytics-Workflow technisch funktioniert, wie viel menschliche Prüfung erforderlich ist und welcher Uplift realistisch ist, bevor Sie auf weitere Segmente und Kanäle skalieren.
Rollen klären: Wo Menschen entscheiden und Gemini unterstützt
Um Chaos zu vermeiden, sollten Sie Gemini als strategischen Assistenten innerhalb eines klar definierten Entscheidungsrahmens behandeln – nicht als vollständig autonomes System. Legen Sie im Voraus fest, welche Teile des Prozesses automatisiert werden und welche unter menschlicher Kontrolle bleiben: Gemini kann beispielsweise keyword-spezifische Anzeigentexte vorschlagen, aber Ihr Marketing-Team bestimmt weiterhin Positionierung, Compliance-Vorgaben und Brand-Guidelines.
Bringen Sie Ihr Team in Bezug auf Review-Workflows und Freigabeschwellen in Einklang. So könnten etwa Kampagnen mit hohem Mediabudget eine strengere menschliche Prüfung von Gemini-generierten Botschaften erfordern, während risikoärmere Experimente autonomer laufen können. Klare Governance beruhigt Stakeholder und sorgt dafür, dass Rechts- und Brand-Teams sich mit KI-gestützter Personalisierung wohlfühlen.
Risiken mit Guardrails steuern, nicht mit Verboten
Viele Organisationen reagieren auf KI mit Verboten oder übermäßigen Einschränkungen – was Experimente lediglich in unkontrollierte Nebenkanäle verdrängt. Eine bessere Strategie ist, explizite Gemini-Guardrails zu definieren: was es sagen darf und was nicht, auf welche Daten es zugreifen darf und wie Outputs getestet werden, bevor sie breit ausgerollt werden.
Nutzen Sie Policy-Prompts und Templates, die regulatorische und Markenanforderungen direkt in die Anweisungen für Gemini einbetten. Kombinieren Sie dies mit systematischen A/B-Tests in Google Ads und kontrollierten Rollouts. So können Sie die Vorteile KI-generierter Personalisierung nutzen und gleichzeitig Risiken durch nicht markenkonforme oder nicht regelkonforme Botschaften minimieren.
Durchdacht eingesetzt kann Gemini generische Kampagnenbotschaften in eine messbare Personalisierungsmaschine verwandeln, die auf Ihren echten Zielgruppen- und Performancedaten basiert. Entscheidend ist nicht nur, mehr Text zu generieren, sondern zu gestalten, wie Gemini mit Google Ads, Analytics und den Workflows Ihres Teams interagiert. Reruption’s KI-Engineering und Co-Preneur-Ansatz sind genau auf diese Art eingebetteter Veränderung ausgelegt – wenn Sie einen Piloten prüfen oder die Machbarkeit anhand eines konkreten Use Cases validieren möchten, helfen Ihnen unser AI PoC und unsere Implementierungsunterstützung dabei, schnell und sicher vom Konzept zur funktionierenden Lösung zu kommen.
Bauen Sie jetzt ein KI-System mit uns!
Wir bauen einen Proof of Concept für Ihr Problem für 5.000–8.000€. Sie bekommen eine handfeste Demo statt Folien mit Versprechen.
Fallbeispiele aus der Praxis
Von Halbleiter bis Bankwesen: Erfahren Sie, wie Unternehmen Gemini erfolgreich einsetzen.
Best Practices
Erfolgreiche Implementierungen folgen bewährten Mustern. Werfen Sie einen Blick auf unsere taktischen Ratschläge für den Einstieg.
Gemini mit Google Ads nutzen, um intent-spezifische Anzeigenvarianten zu generieren
Beginnen Sie damit, Ihre Google-Ads-Suchbegriffe und Zielgruppendaten mit Gemini zu verknüpfen, sodass das Modell Anzeigenvarianten erzeugen kann, die an reale Intentionen angepasst sind. Exportieren Sie stark nachgefragte, unterperformende Suchanfragen zusammen mit den zugehörigen Zielgruppenlisten oder demografischen Daten. Geben Sie diese in Gemini ein und lassen Sie sich pro Suchanfrage mehrere Messaging-Ansätze generieren, zugeschnitten auf die Nutzerintention und die Funnel-Phase.
Prompt-Beispiel für Gemini:
Sie sind Performance-Marketing-Texter und optimieren Google Search Ads.
Input:
- Suchanfrage: "enterprise marketing automation platform"
- Zielgruppe: B2B, 200+ Mitarbeitende, Marketing-Führungskräfte
- Marke: <Markenbeschreibung einfügen>
- Ziel: Demo-Anmeldungen zum Ziel-CPA generieren
Aufgaben:
1. Erstellen Sie 5 RSA-Überschriften (max. 30 Zeichen) mit Fokus auf Wert und Intention.
2. Erstellen Sie 4 Beschreibungen (max. 90 Zeichen), zugeschnitten auf diese Suchanfrage.
3. Verwenden Sie eine Sprache, die über Skalierung, Integrationen und ROI spricht.
4. Beachten Sie diese Brand-Regeln: <Richtlinien einfügen>.Laden Sie die vielversprechendsten Kandidaten als Responsive Search Ads hoch und lassen Sie Google die Kombinationen optimieren. Überwachen Sie CTR und Conversion-Rate nach Suchanfrage und Zielgruppe, um zu identifizieren, welche von Gemini generierten Botschaften Ihre generische Ausgangsbasis übertreffen.
Remarketing-Creatives anhand von Analytics-Verhaltenssignalen personalisieren
Nutzen Sie Google Analytics, um Verhaltenssegmente zu definieren (z. B. Produktbetrachter, Warenkorbabbrecher, Content-Engager) und exportieren Sie Verhaltensattribute wie besuchte Kategorien, Verweildauer und frühere Conversions. Verwenden Sie diese als strukturierte Eingabe für Gemini, um maßgeschneiderte Remarketing-Texte und visuelle Konzepte zu entwickeln.
Prompt-Beispiel für Gemini:
Sie erstellen Texte für Display-Remarketing-Banner.
Nutzersegment:
- Besuchte Seiten: Preisseite + Produktseite A
- Hat NICHT konvertiert
- Verweildauer auf der Website: 3–5 Minuten
- Vorheriger Besuch: las 2 Blogartikel zu "Lead Nurturing"
Aufgaben:
1. Schlagen Sie 3 Banner-Konzepte (Headline + Subline) vor, die
Bedenken beim Toolwechsel adressieren.
2. Inklusive: ein Konzept mit zeitlich begrenztem Angebot, eines mit
Social Proof und eines mit CTA zur Produkttour.
3. Halten Sie Headlines < 35 Zeichen, Sublines < 60 Zeichen.Erstellen Sie Anzeigengruppen, die diesen Segmenten zugeordnet sind, und laden Sie die entsprechenden, von Gemini generierten Creatives hoch. So wird zuvor generisches Remarketing in verhaltensbasierte Personalisierung verwandelt, die reale Nutzerreisen widerspiegelt.
Lebenszyklus-spezifische E-Mail-Sequenzen in großem Umfang generieren
Definieren Sie Lifecycle-Stufen in Ihrem CRM oder Marketing-Automation-Tool (z. B. neuer Lead, MQL, SQL, Kunde, Abwanderungsrisiko) und verknüpfen Sie diese mit Ereignissen in Google Analytics. Briefen Sie Gemini für jede Stufe mit Nutzerkontext, Haupt-Einwänden und der gewünschten nächsten Aktion. Lassen Sie Gemini mehrstufige E-Mail-Flows generieren, die Sie anschließend verfeinern und freigeben, bevor Sie sie in Ihre E-Mail-Plattform importieren.
Prompt-Beispiel für Gemini:
Sie sind E-Mail-Marketer und entwerfen eine 3-E-Mail-Sequenz.
Lifecycle-Stufe: Neuer Lead, hat den Leitfaden "Marketing Automation ROI" heruntergeladen.
Zielpersona: Head of Marketing, mittelgroßes B2B-SaaS.
Ziel: Buchung einer 30-minütigen Demo.
Haupteinwände: Migrationsaufwand, Integration mit CRM, versteckte Kosten.
Aufgaben:
1. Erstellen Sie 3 E-Mails (Betreff + Inhalt).
2. E-Mail 1: Fokus auf Mehrwert und Insights aus dem Leitfaden.
3. E-Mail 2: Adressieren Sie die 2 wichtigsten Einwände mit Proof.
4. E-Mail 3: Starker CTA mit zeitlich begrenztem Bonus.
5. Tonalität: klar, autoritativ, nicht aufdringlich.Testen Sie von Gemini generierte Sequenzen gegen Ihre generischen Nurture-Flows, indem Sie Öffnungsrate, Klickrate und Demo-Buchungen pro 1.000 Leads messen. Bauen Sie im Zeitverlauf eine Bibliothek von stufenspezifischen Templates auf, die Sie wiederverwenden und anpassen können, statt jeden Flow von Grund auf neu zu schreiben.
Persona- und branchenspezifische Landingpage-Module erstellen
Anstatt dutzende separate Landingpages zu pflegen, erstellen Sie modulare Sektionen, die Gemini für verschiedene Personas oder Branchen anpassen kann, während Struktur und Design stabil bleiben. Nutzen Sie UTM-Parameter, Google-Ads-Kampagnennamen oder Zielgruppenlabels, um zu bestimmen, welche Variante ein Besucher sieht.
Prompt-Beispiel für Gemini:
Sie schreiben Landingpage-Texte für einen Hero-Bereich und 3 Feature-Blöcke.
Basistexte:
<fügen Sie hier Ihren generischen Landingpage-Text ein>
Zielpersona: Performance Marketing Manager
Branche: E-Commerce
Zentrale Pain Points: steigende CPAs, Datensilos, langsame Berichte.
Ziel: Anmeldung für eine 14-tägige Testphase.
Aufgaben:
1. Schreiben Sie Hero-Headline + Subheadline für diese Persona + Branche um.
2. Schreiben Sie 3 Feature-Blöcke neu mit Fokus auf Effizienz der Werbeausgaben,
Attribution und schnelle Insights.
3. Struktur beibehalten, Sprache und Beispiele anpassen.
4. Halten Sie diese Zeichenlimits ein: <Limits ergänzen>.Integrieren Sie die freigegebenen Varianten in Ihr CMS oder Ihr Experimentation-Tool und führen Sie A/B-Tests für jede Persona/Branchenkombination durch. So erhalten Sie hochrelevante Landing-Erlebnisse mit einem gut beherrschbaren Designsystem.
Brand- und Compliance-Guardrails in System-Prompts standardisieren
Um inkonsistente oder riskante Outputs zu vermeiden, definieren Sie einen wiederverwendbaren System-Prompt, der Ihre Markenstimme, rechtliche Vorgaben und Messaging-Do’s-and-Don’ts codiert. Dieser Prompt sollte jedem Gemini-Request vorangestellt werden – egal ob für Anzeigen, E-Mails oder Landingpages.
System-Prompt-Template für Gemini:
Sie sind der KI-Marketingassistent für <Brand>.
Befolgen Sie immer diese Regeln:
- Markenstimme: <3–5 Bulletpoints>
- Zu vermeidende Wörter/Aussagen: <Liste>
- Sie dürfen NICHT: nicht verifizierbare Versprechen machen, Wettbewerber
erwähnen oder für <Branchenregulierung> verbotene Begriffe verwenden.
- Pflichtbestandteile: klarer CTA, nutzenorientierte Sprache, kein Clickbait.
- Tonalität: professionell, prägnant, vertrauenswürdig.
Im Zweifel wählen Sie die sicherere, konservativere Formulierung.Durch die Zentralisierung dieser Regeln verkürzen Sie Review-Zyklen und stellen sicher, dass alle Gemini-generierten personalisierten Botschaften auch bei wachsender Variantenanzahl innerhalb marken- und compliance-sicherer Grenzen bleiben.
Den Kreis schließen: Performance-Daten in Gemini-Briefings zurückspielen
Nutzen Sie Ihre Analytics- und Ads-Daten schließlich nicht nur, um personalisierte Inhalte auszuspielen, sondern auch, um künftige Outputs von Gemini zu verfeinern. Exportieren Sie regelmäßig Performance-Summaries: welche Headlines, CTAs oder Messaging-Winkel für welche Segmente A/B-Tests gewonnen haben. Nutzen Sie diese Informationen, um Gemini anzuweisen, was beim nächsten Content-Durchlauf stärker betont oder vermieden werden soll.
Prompt-Beispiel für Gemini:
Sie optimieren Anzeigentexte auf Basis von Performance-Daten.
Ergebnisübersicht der letzten 30 Tage:
- Zielgruppe A: Pain-Point-Headlines + ROI-fokussierte CTAs → +22% CTR
- Zielgruppe B: Social-Proof-Headlines performten -15% schlechter
- Top-Performer erwähnten "verkürzte Reporting-Zeiten".
Aufgaben:
1. Analysieren Sie Muster darin, was funktioniert hat und was nicht.
2. Erstellen Sie 5 neue Headlines und 3 Beschreibungen für Zielgruppe B,
die überstrapazierten Social Proof vermeiden und stattdessen
Geschwindigkeits- und Einfachheitsvorteile in den Fokus stellen.
3. Erklären Sie in 3 Bulletpoints, warum diese Varianten voraussichtlich
besser funktionieren werden.Erwarteter Effekt: Über 1–3 Quartale hinweg sehen Teams, die diese Praktiken systematisch anwenden, typischerweise 10–30 % Verbesserungen bei CTR und Conversion-Raten in zuvor generischen Kampagnen – bei gleichzeitig deutlich geringerem manuellen Textaufwand pro Variante. Exakte Zahlen hängen von Ihrem Ausgangsniveau und Traffic-Volumen ab, aber die Kombination aus Gemini, Google Ads und Analytics macht aus Personalisierung verlässlich einen wiederholbaren Performance-Hebel statt einer Ad-hoc-Aktivität.
Bauen Sie jetzt ein KI-System mit uns!
Wir bauen einen Proof of Concept für Ihr Problem für 5.000–8.000€. Sie bekommen eine handfeste Demo statt Folien mit Versprechen.
Häufig gestellte Fragen
Gemini verbindet Ihre Zielgruppen- und Intent-Daten aus Google Ads und Analytics mit leistungsstarker Sprachgenerierung. Anstatt eine generische Anzeige oder E-Mail für alle zu schreiben, briefen Sie Gemini mit konkreten Suchanfragen, Zielgruppensegmenten, Lifecycle-Phasen und Verhaltenssignalen.
Das Modell generiert daraufhin maßgeschneiderte Headlines, Beschreibungen, E-Mail-Sequenzen und Landingpage-Module, die direkt zu diesen Kontexten sprechen. In Kombination mit A/B-Tests in Google Ads und Ihrem Marketing-Automation-Tool wechseln Sie von One-Size-fits-all-Kommunikation zu systematischer Personalisierung in großem Maßstab.
Sie brauchen zu Beginn kein großes Data-Science-Team, aber drei Dinge sind entscheidend: eine Marketingperson, die Ihre Funnels und Kennzahlen versteht, jemanden, der sich mit Google-Ads-/Analytics-Konfigurationen wohlfühlt, und grundlegenden Zugriff auf Gemini (über die UI oder API, je nach Setup).
Marketingverantwortliche steuern typischerweise Prompts, Segmentdefinitionen und Review-Prozess. Ein Marketing-Ops- oder Analytics-Profil kann beim Event-Tracking, bei Zielgruppenlisten und Datenexporten unterstützen. Für tiefere Integrationen – etwa dynamische Landingpages oder automatisierte Workflows – ist technische Unterstützung hilfreich, um Tools zu verbinden und Gemini in Ihren bestehenden Stack einzubetten.
Viele Teams sehen die ersten messbaren Verbesserungen bei CTR und Conversion-Raten innerhalb von 2–4 Wochen in einem fokussierten Piloten, zum Beispiel einer Gruppe von High-Intent-Suchkampagnen oder einem Remarketing-Flow. Der größte Initialaufwand liegt in der Segmentdefinition, der Erstellung von Guardrails und dem Aufsetzen der Tests.
Strukturellere Effekte – wie eine Bibliothek persona-spezifischer Templates oder vollständig personalisierte Lifecycle-Journeys – entstehen typischerweise in 2–3 Monaten. Dieser Zeitraum ermöglicht es, auf Basis von Performance-Daten zu iterieren, Prompts zu verfeinern und den Workflow fest in Ihre Standard-Kampagnenprozesse zu integrieren.
Gemini selbst macht in der Regel nur einen kleinen Teil Ihres Budgets im Vergleich zu den Mediakosten aus. Der ROI entsteht durch den Einsatz von KI-generierten personalisierten Botschaften, um die Effizienz dieser Ausgaben zu steigern: Höhere Relevanz führt zu besseren Klickraten, Quality Scores und Conversion-Raten, was den CPA senken und bestehende Budgets weiter strecken kann.
Operativ reduziert die Automatisierung der Erstellung von Nachrichtenvarianten den Aufwand für Textarbeit und Kampagnensetup. Anstatt Stunden auf jede einzelne Variante zu verwenden, kann sich Ihr Team auf Strategie, Experimente und Optimierung konzentrieren. Über einige Quartale hinweg resultiert daraus in der Regel ein spürbarer Performance-Uplift bei gleichbleibendem oder reduziertem manuellen Aufwand.
Reruption unterstützt Organisationen End-to-End – vom ersten Konzept bis zur funktionierenden Lösung. Mit unserem AI-PoC-Angebot (9.900 €) validieren wir zunächst, ob Ihr konkreter Personalisierungs-Use-Case technisch und wirtschaftlich tragfähig ist: Wir definieren den Scope, wählen das passende Gemini-Setup, prototypen Workflows und messen die initiale Performance.
Über den PoC hinaus bedeutet unser Co-Preneur-Ansatz, dass wir uns wie ein Mitgründer in Ihr Team einbetten: Wir helfen, die Datenbasis zu konzipieren, die Gemini-Integrationen rund um Google Ads und Analytics aufzubauen, Guardrails und Prompts zu codifizieren und so lange zu iterieren, bis der neue Workflow echte Ergebnisse in Ihrer GuV liefert. Sie erhalten nicht nur ein Folienset, sondern eine funktionierende Personalisierungsmaschine, die generische Botschaften durch KI-first-Kampagnen ersetzt.
Kontaktieren Sie uns!
Direkt Kontaktieren
Philipp M. W. Hoffmann
Founder & Partner
Adresse
Reruption GmbH
Falkertstraße 2
70176 Stuttgart
Kontakt
Telefon