Content-Marketing für Automobilmarken

Projekthintergrund

Der Kunde ist eine führende chinesische Joint-Venture-Automobilmarke mit sechs aktuell erhältlichen Modellen, die sowohl Verbrenner als auch New Energy Vehicles abdecken. Im Q3 2024 trat die Marke in eine Phase intensiver Modellpflege ein: Drei Monate in Folge gab es Neueinführungen oder Modellüberarbeitungen. Aufgrund langer Content-Produktionszyklen und fragmentierter Plattformbetreuung blieb das Wachstum der Markenbekanntheit auf den vier großen Content-Plattformen Douyin, Bilibili, Xiaohongshu und WeChat Video Channels jedoch deutlich hinter dem der Wettbewerber zurück. Besonders bei jungen Zielgruppen für NEV-Modelle fiel die Marke aus den Top 5 der Markenbekanntheit – dringend benötigt wurde eine Lösung, die die Content-Produktion schnell skalieren und die plattformübergreifende Distribution vereinheitlichen konnte.

Zentrale Herausforderungen

Content-Kapazität und Markteinführungsrhythmus passen nicht zusammen. Der traditionelle Videoproduktionsprozess – von der Skripterstellung über den Dreh bis zum Schnitt – dauerte für ein einzelnes Produktvideo durchschnittlich 12 Arbeitstage. Der Plan für Q4 2024 sah jedoch vor, innerhalb von 90 Tagen 24 Modellvorstellungsvideos, 18 Kurzvideos zu technischen Highlights und 12 Nutzererfahrungsgeschichten zu produzieren.

Einheitlicher Content-Ton über mehrere Plattformen ist schwierig. Douyin setzt auf 15–30-sekündige, wirkungsstarke Clips, Bilibili-Nutzer bevorzugen 3–5-minütige Tiefenanalysen, Xiaohongshu benötigt szenariobasierte Empfehlungstexte, und WeChat Video Channels betont die Markenidentität. Zuvor wurden die vier Plattformen von verschiedenen Agenturen separat betreut, was dazu führte, dass dasselbe Modell auf verschiedenen Plattformen unterschiedliche Kernverkaufsargumente vermittelte – sogar widersprüchliche technische Angaben kamen vor.

Die Datenfeedback-Kette ist unterbrochen. Die Backend-Daten jeder Plattform wurden separat erfasst, eine aggregierte Analyse, welche Content-Form tatsächlich Lead-Generierung und Conversion vorantreibt, war nicht möglich. Die Marketingabteilung musste wöchentlich vier Berichte manuell exportieren und zusammenführen – Entscheidungen verzögerten sich um mindestens eine Woche.

Lösung

SUPER TRANGO implementierte für die Marke eine Kombination aus „KI-Videoskript-Engine + zentraler Distributions-Hub“:

• KI-Skriptgenerierung: Nach Eingabe von Modellparametern, Zielgruppenprofilen und Plattform-Content-Richtlinien generiert das System automatisch Skriptgerüste, die dem Kontext jeder Plattform entsprechen; nach manueller Prüfung gehen sie in die Produktion. Die Erstellungszeit pro Videoskript sank von 2 Tagen auf 3 Stunden.
• Einheitliche Asset-Bibliothek: Alle Drehmaterialien werden in einer Cloud-Asset-Bibliothek hochgeladen, KI vergibt automatisch Tags (z. B. „Fahrwerkstruktur“, „Intelligente Kabine“, „Reichweitentest“), und die Plattform-Teams rufen sie nach Bedarf ab – so bleibt die Darstellung der Kernverkaufsargumente konsistent.
• Plattformübergreifendes Redaktions-Dashboard: Integriert die Veröffentlichungskalender der vier Plattformen, ermöglicht die Synchronisierung von Zeitplänen per Klick und erkennt automatisch, ob Inhalte, die am selben Tag auf mehreren Plattformen erscheinen, eine zu hohe Ähnlichkeit aufweisen.
• Attributionsmodell für Markenbekanntheit: Über öffentliche APIs und Suchindizes der Plattformen werden Kennzahlen wie Markennennungen, Interaktionen und Suchvolumen zu einem einheitlichen „Markenbekanntheits-Index“ zusammengeführt, der täglich automatisch aktualisiert wird.

Umsetzungshighlights

Launch-Woche für das NEV-Modell: In der Woche der Markteinführung des neuen vollelektrischen SUV generierte die KI-Engine schnell acht Kurzvideoskripte aus verschiedenen Blickwinkeln – von der „Zerlegung des Dreifach-Elektroantriebs“ bis zum „Pendler-Alltag einer Fahrerin“ – jeweils angepasst an Bilibili, Douyin und Xiaohongshu. Ein Xiaohongshu-Video zur „Umgestaltung des Innenraums“ erhielt 23.000 Speicherungen und trieb den Suchindex des Modells im Wochenvergleich um 210 % nach oben.

Live-Streaming-Kopplung am Technologie-Markentag: Zur Vorstellung des selbst entwickelten Fahrassistenzsystems generierte die KI-Skript-Engine im Vorfeld zwölf Teaser-Skripte und verteilte sie am Tag des Live-Streams zeitgleich auf allen vier Plattformen. Innerhalb von 48 Stunden nach Ende des Live-Streams wurden aus den Highlights automatisch sechs weitere Videos für die Zweitverwertung erstellt – der Content-Lebenszyklus einer einzelnen Aktion verlängerte sich von 3 Tagen auf 2 Wochen.

Content-Kooperation mit Händlern: Die KI-Skriptvorlagen wurden für 200 zentrale Händler landesweit freigegeben. Die Händler mussten lediglich lokale Testfahrtaufnahmen und Angebotsinformationen austauschen, um regionale Inhalte im Markenton zu erstellen. Dadurch stieg die Markenkonsistenz der von Händlern selbst erstellten Inhalte von 62 % auf 91 %.

Ergebnisdaten

Neben der zentralen Kennzahl zur Markenbekanntheit ergaben sich zwei weitere deutliche Veränderungen: Das Ranking der Markenbekanntheit von NEV-Modellen in der Zielgruppe stieg von Platz 9 auf Platz 4; nach Vereinheitlichung des Content-Tons auf den vier Plattformen gingen negative Nutzerkommentare über „inkonsistente technische Angaben“ im Vergleich zum Vorquartal um 78 % zurück.

Erkenntnisse

Der Wert von KI-Skripten hängt von der Qualität der Eingaben ab. In der Anfangsphase waren die direkt aus Produkthandbüchern generierten Skripte stark homogen. Erst als die Skriptstrukturen, Hook-Formulierungen und Rhythmusmuster erfolgreicher Videos der vergangenen drei Jahre in die Trainingsdatenbank aufgenommen wurden, verbesserte sich die Ausgabequalität grundlegend. Marken sollten mindestens zwei Wochen für die Aufbereitung ihrer Content-Assets einplanen.

Plattformübergreifende Einheitlichkeit bedeutet nicht Gleichmacherei. Vereinheitlicht werden Kernverkaufsargumente und Datenbasis, nicht die Ausdrucksform. Bei derselben Batteriesicherheitstechnologie betont Douyin die visuelle Wucht von Crashtests, während Bilibili die Zellstruktur und das Funktionsprinzip erklärt. Beide Skripte werden von der KI separat generiert, zitieren aber dieselbe Datenquelle für die entscheidenden Parameter.

Wachstum der Markenbekanntheit muss mit dem Business-Funnel verknüpft sein. Eine Steigerung der Bekanntheit um 450 % ist für die Marke nur eine Vanity-Metrik, wenn sie nicht in Probefahrttermine oder Showroom-Besuche umgewandelt werden kann. Es empfiehlt sich, bereits beim Projektstart den Lead-Pfad mitzuplanen und die Bekanntheitsdaten mit dem CRM-System zu verknüpfen, um den tatsächlichen ROI des Content-Marketings zu belegen.