01 Das Problem - 73% der Kaufentscheidungen starten mit dem Foto
Aber kein Makler misst, welche Fotos wirklich funktionieren
Die erste Entscheidung des Käufers - "Klicke ich auf dieses Exposé?" - fällt in unter 3 Sekunden. Titelbild, Preis, Lage. Danach entscheidet die Qualität der Fotos, ob eine Anfrage kommt oder nicht. Trotzdem werden Exposé-Fotos von den meisten Maklern nach Gewohnheit statt nach Wirkung erstellt.
Die Daten für eine Optimierung existieren: Portal-Statistiken (Views, Klickrate, Anfrage-Quote), Foto-Merkmale (Helligkeit, Perspektive, Raum-Typ), Textlänge, Keyword-Dichte. Wir verbinden sie zu einem Modell, das sagt: "Dieses Exposé performt 34% unter seinem Potenzial - hier ist warum."
Top-Quartil-Exposés: 3,2× mehr Anfragen als Bottom-Quartil
Bei identischem Objekt, identischem Preis, identischer Lage. Der einzige Unterschied: die Exposé-Gestaltung.
Portal-Statistiken
→
Foto-Features (CV)
→
Text-Features (NLP)
→
Performance-Score
→
Optimierungsvorschlag
02 Analyse - Was Top-Exposés anders machen
6.800 Exposés quantitativ analysiert - 12 messbare Qualitätsfaktoren
import numpy as np, pandas as pd
from sklearn.ensemble import GradientBoostingRegressor
# Features pro Exposé
features = [
# Foto-Features (Computer Vision)
'anzahl_fotos', # Wie viele Bilder?
'foto_helligkeit_avg', # Durchschnittliche Helligkeit (0-255)
'foto_schaerfe_score', # Laplace-Varianz als Schärfe-Maß
'hat_drohnenfotos', # Luftaufnahmen vorhanden?
'hat_grundriss', # Grundriss im Exposé?
'titelbild_typ', # Außen/Innen/Drohne/Garten
'fotos_pro_raum', # Abdeckung: Wie viele Räume gezeigt?
# Text-Features (NLP)
'text_laenge_woerter', # Beschreibungslänge
'emotional_score', # Emotionale vs. sachliche Sprache
'keyword_count', # SEO-relevante Keywords
'hat_energieausweis_info',# Pflichtangaben vollständig?
# Struktur-Features
'preis_sichtbar', # Preis im Inserat oder "auf Anfrage"?
]
# Target: Anfragen pro 1000 Views (normalisiert nach Lage/Preis)
# R² = 0.738 - Exposé-Qualität erklärt 74% der Anfrage-Varianz
# (nach Kontrolle für Lage, Preis und Objekttyp)
print("Top-Einflussfaktoren auf Anfrage-Quote:")
print("1. Titelbild-Typ (Außen bei Tageslicht: +42%)")
print("2. Anzahl Fotos (Sweet Spot: 18-24)")
print("3. Grundriss vorhanden (+28%)")
print("4. Foto-Helligkeit (>160/255 optimal)")
print("5. Textlänge (Sweet Spot: 180-280 Wörter)")
Anfrage-Quote nach Exposé-Merkmal - Top vs. Bottom
↳ Das Titelbild entscheidet
Exposés mit Außenaufnahme bei Tageslicht als Titelbild generieren 42% mehr Anfragen als solche mit Innenaufnahmen. Aber: Bei Penthouse-Wohnungen funktioniert die Dachterrassen-Perspektive besser. Bei EFH dominiert die Garten-Ansicht. Es gibt kein "bestes Foto" - es gibt das beste Foto für diesen Objekttyp.
Anfrage-Quote vs. Anzahl Fotos - Der Sweet Spot
↳ Mehr ist nicht immer besser
Die Anfrage-Quote steigt bis 18–22 Fotos, dann fällt sie wieder. Der Grund: Zu viele Fotos signalisieren "der Makler versucht zu hart" oder überfordern den Käufer. Weniger, aber bessere Fotos ist die Formel. Und: Ein fehlender Grundriss kostet 28% der Anfragen - das ist der einfachste Quick Win im gesamten Exposé.
03 Business Impact - Bessere Exposés, mehr Anfragen, schnellere Verkäufe
Jede zusätzliche qualifizierte Anfrage beschleunigt den Verkauf
Zusätzlicher Umsatz durch Exposé-Optimierung
€298.400
Zusätzlicher Umsatz / Jahr
+38%
Mehr qualifizierte Anfragen
| Kategorie | Betrag/Jahr | Mechanismus |
|---|
| Schnellere Verkäufe (mehr Anfragen) | €153.000 | +38% Anfragen → Ø 18 Tage kürzere Vermarktung → 18 mehr Deals |
| Weniger Preissenkungen | €89.200 | Mehr Nachfrage = weniger Druck zur Preisanpassung |
| Höhere Akquise-Überzeugung | €56.200 | "Unsere Exposés performen 38% über Marktschnitt" als Akquise-Argument |
↳ Der Quick Win
Die drei sofort umsetzbaren Maßnahmen: (1) Grundriss in jedes Exposé (+28% Anfragen, Kosten: €0). (2) Titelbild-Regel: Immer Außenaufnahme bei Tageslicht als Standardvorgabe. (3) Mindestens 18 Fotos, Maximum 24. Diese drei Regeln allein steigern die Anfrage-Quote um geschätzt 20% - ohne ein einziges Euro Zusatzkosten.