Value Proposition entwickeln: Mit Message-Mining zur perfekten Kundenansprache

Message-Mining bedeutet: Du nimmst die Sprache deiner Kunden – aus Mails, Support-Tickets, Bewertungen und Verkaufsgesprächen – und baust daraus deine Marketing-Botschaften. Nicht Brainstorming, nicht Bauchgefühl. Die stärkste Value Proposition erfindest du nicht, du entdeckst sie in dem, was deine Kunden dir längst gesagt haben.

Das Wichtigste in Kürze

• Message-Mining nutzt echte Kundenstimmen als Rohmaterial statt interner Annahmen über das, was wichtig klingt.
• Die wertvollsten Quellen sind E-Mail-Antworten, Support-Tickets, Onboarding-Gespräche und Bewertungsportale.
• Erst ab einer ausreichenden Datenbasis zeigen sich belastbare Muster – einzelne Kundenstimmen allein sind kein verlässliches Signal.
• ActiveCampaign eignet sich als zentrale Datenbank für Sammeln, Segmentieren und Testen.
• Eine starke Value Proposition deckt drei Ebenen ab: das konkrete Problem, das dahinterliegende Gefühl und den sozialen Nutzen.

Was Message-Mining von internem Brainstorming unterscheidet

Die meisten Value-Proposition-Workshops beginnen mit der Frage: "Was macht uns besonders?" Das Team sammelt Antworten, clustert sie auf Post-its und einigt sich auf Formulierungen, die sich gut anfühlen. Das Ergebnis klingt dann oft nach "ganzheitlicher Betreuung", "innovativen Lösungen" oder "maximaler Effizienz" – Sätze, die kein Kunde je so verwendet hat.

Message-Mining beginnt an der entgegengesetzten Stelle. Nicht das Unternehmen beschreibt sich selbst, sondern die Kunden beschreiben das Unternehmen. Du suchst in der Kommunikation, die bereits existiert: in Mails, die Kunden als Antwort auf deine Newsletter schreiben, in Tickets, in denen sie Probleme schildern, in Bewertungen, die sie auf Portalen hinterlassen haben. Diese Quellen sind unzensiert – niemand hat den Text auf Marketingtauglichkeit geprüft, bevor er ihn geschrieben hat.

Der entscheidende Unterschied liegt in der Richtung des Erkenntniswegs. Beim Brainstorming setzt du voraus, dass du weißt, was deine Kunden antreibt. Beim Message-Mining überprüfst du diese Annahme am vorhandenen Material. Oft zeigt sich dabei, dass das, womit du dich intern identifizierst – etwa "schnelle Umsetzung" oder "hohe Qualität" – im Kundenfeedback so gut wie nicht vorkommt. Was dagegen häufig auftaucht, sind sehr konkrete Alltagsprobleme, die du vielleicht nie explizit in deiner Kommunikation adressiert hast.

Message-Mining setzt voraus, dass ausreichend schriftliche Kommunikation mit Kunden existiert. Für junge Produkte oder Märkte, in denen Kunden selten schreiben, eignet sich der Ansatz weniger direkt – dazu mehr im Abschnitt über die Grenzen des Verfahrens.

Wo die besten Kundenstimmen liegen

Die qualitativ wertvollsten Quellen für Message-Mining sind nicht die, bei denen Kunden zur Aussage aufgefordert werden. Strukturierte Umfragen mit Antwortoptionen liefern das, was du erwartest – nämlich deine eigenen Kategorien, bestätigt oder nicht. Das Material, das zählt, entsteht, wenn Kunden spontan und ohne vorgegebenes Format schreiben.

E-Mail-Antworten und ActiveCampaign-Exporte

Wenn du Newsletter versendest und deine Abonnenten auf diese Mails antworten können, sammeln sich dort Texte, die direkt aus dem Kopf des Lesers kommen. Schreib einen Newsletter, in dem du eine konkrete Frage stellst – "Was hat euch dazu bewogen, ActiveCampaign zu wählen?" oder "Welches Problem wolltet ihr damit lösen?" – und lies die Antworten. In ActiveCampaign kannst du diese Conversations in CRM-Deals anhängen oder als Notizen im Kontaktprofil hinterlegen.

Besonders ergiebig sind Automationssequenzen nach einem Kauf oder Onboarding: Eine einfache Mail mit der Frage "Was hat euch überzeugt?" wenige Tage nach dem Abschluss liefert Antworten, in denen Kunden gerade noch emotional zugänglich sind. Der zeitliche Abstand zur Entscheidung ist kurz genug, dass die Formulierungen noch frisch und spezifisch sind.

Support-Tickets und Onboarding-Gespräche

Support-Tickets enthalten zwei Arten wertvoller Information. Zum einen die Formulierungen, mit denen Kunden Probleme beschreiben – diese Sprache taugt direkt für Pain-Point-Messaging in Landing Pages oder Betreffzeilen. Zum anderen die Momente, in denen ein Ticket mit einer positiven Aussage schließt: "Danke, jetzt läuft es endlich" oder "Das hat uns viel Zeit gespart." Diese Schlusssätze sind häufig präziser als jede geplante Testimonial-Erhebung.

Onboarding-Gespräche – ob per Video-Call oder Schriftverkehr – enthalten oft die Sätze, die Kunden im Nachgang selten wiederholen. In diesem frühen Stadium artikulieren sie den Grund für die Entscheidung noch frisch: "Wir haben XY probiert, aber das hat nicht funktioniert, weil..." – genau diese Wenn-Dann-Konstruktionen zeigen dir, welche Alternativen du verdrängt hast und welche Schwäche dieser Alternativen du in deiner Kommunikation ansprechen kannst.

Bewertungsportale und öffentliche Kanäle

Bewertungen auf Google, Trustpilot, G2 oder Capterra haben einen besonderen Vorteil: Sie sind öffentlich und ohne Erwartungshaltung des Unternehmens entstanden. Kunden schreiben dort, ohne dass sie eine Beziehung zu dir pflegen wollen. Schlechte Bewertungen sind dabei genauso auswertbar wie gute – sie zeigen, welche Versprechen du machst, die du nicht einlöst, und damit auch, wo Kommunikationslücken bestehen.

Für SaaS-Produkte ist G2 besonders ergiebig, weil die Rezensionen strukturiert sind und häufig Vorteile und Nachteile getrennt abfragen. Diese Trennung macht das Clustern erheblich leichter als bei Freitexten, weil die Kategorien schon vorsortiert vorliegen.

Umfragen direkt im Automations-Flow

Eine kurze Umfrage – nicht mehr als zwei bis drei offene Fragen – direkt in einer ActiveCampaign-Automation eingebettet, liefert gezieltes Material. Der Unterschied zu klassischen Umfragen liegt im Timing: Du fragst nicht irgendwann, sondern genau dann, wenn ein Kunde gerade eine relevante Erfahrung gemacht hat – kurz nach dem ersten Login, nach dem ersten Ergebnis oder nach dem Abschluss eines Projekts. Das erhöht sowohl die Rücklaufquote als auch die emotionale Tiefe der Antworten erheblich.

So baust du eine Message-Mining-Datenbank auf – Schritt für Schritt

Message-Mining als Einmalaktion bringt wenig. Als laufender Prozess liefert es Material, aus dem du Botschaften kontinuierlich verfeinern kannst. Der folgende Prozess richtet sich an Teams, die ActiveCampaign bereits nutzen und ihre bestehende Kundenkommunikation systematisch auswerten wollen.

1. Datenquellen bestimmen: Lege fest, welche Quellen du in den ersten vier Wochen erschließt. Sinnvoll ist, mit zwei oder drei Quellen zu beginnen – aktiviere Reply-Tracking für deine letzten Newsletter, exportiere die Support-Tickets der letzten sechs Monate und ruf die Bewertungsseite deines Produkts ab. Zu viele Quellen gleichzeitig führen zu unstrukturiertem Material, das schwer auszuwerten ist.
2. Sammeltabelle anlegen: Erstelle eine Tabelle mit den Spalten: Originalzitat, Quelle, Kategorie, Stimmung, Verwendbarkeit. Sinnvolle Kategorien sind "Ausgangsproblem", "Entscheidungsgrund", "Ergebnis", "Einwand" und "Emotion". Trage jedes Zitat ein, das etwas aussagt – auch dann, wenn es auf den ersten Blick banal klingt. Die Muster entstehen durch Häufung, nicht durch Einzeltreffer.
3. Ausreichend sammeln, bevor du auswertest: Wer zu früh auswertet, hält Ausreißer für Muster. Plane eine Sammelphase ein, bevor du anfängst zu clustern. Bei bereits vorhandenen Quellen – gespeichertem Schriftverkehr, Support-Archiv – geht das schneller als beim Neuaufbau.
4. Cluster bilden: Lies die gesammelten Zitate durch und markiere ähnliche Formulierungen. Typische Cluster entstehen um Zeitersparnis, Komplexitätsreduktion, Kontrolle und Vermeidung von Fehlern. Achte besonders auf Formulierungen, die mehrfach in ähnlicher Form auftauchen – das sind die Kandidaten für deine Headlines und Einstiegsformulierungen.
5. Treffer-Formulierungen identifizieren: Ein Treffer ist ein Zitat, das beim Lesen sofort ein Wiedererkennen erzeugt – du weißt, dass andere Kunden genau so denken, auch wenn sie es nicht geschrieben haben. Diese Formulierungen werden zu Kandidaten für Betreffzeilen, Hero-Headlines und Einstiegsformulierungen in E-Mail-Sequenzen.
6. Botschaften formulieren und testen: Übersetze die stärksten Zitate in konkrete Botschaften und teste diese gegen deine bisherigen Formulierungen in ActiveCampaign-A/B-Tests. Miss nicht nur Öffnungsraten, sondern auch Klicks und – wenn deine Automation das erlaubt – Conversion-Events danach. Öffnungsraten sagen dir, ob die Betreffzeile resoniert; Klicks zeigen, ob der Text darunter dasselbe leistet.

Die drei Ebenen einer wirksamen Value Proposition

Eine Value Proposition, die nur einen Aspekt beschreibt, greift zu kurz. Die Sprache, die Kunden in Message-Mining-Material verwenden, lässt sich fast immer drei Ebenen zuordnen. Starke Botschaften kombinieren alle drei – aber in der richtigen Reihenfolge, weil der Einstieg über die funktionale Ebene die breiteste Wiedererkennbarkeit erzeugt.

Funktionale Ebene: das konkrete Problem und seine Lösung

Hier geht es um das, was ein Produkt oder eine Dienstleistung im Alltag des Kunden konkret verändert. Typische Formulierungen auf dieser Ebene sind sehr spezifisch: "Wir haben früher drei Systeme für das gepflegt, was jetzt in ActiveCampaign an einem Ort liegt" oder "Der Report, den ich früher manuell erstellt habe, läuft jetzt automatisch." Diese Aussagen sind direkt verwertbar für Feature-Beschreibungen, Betreffzeilen und Landing-Page-Bullets.

Viele Unternehmen halten sich ausschließlich auf dieser Ebene auf und vergessen die anderen beiden. Das ist ein Problem, weil rein funktionale Botschaften leicht kopierbar sind – ein Wettbewerber kann immer behaupten, dasselbe zu leisten. Erst die Kombination mit den anderen Ebenen macht eine Botschaft distinktiv.

Emotionale Ebene: das Gefühl, das die Veränderung auslöst

Kundenstimmen auf dieser Ebene klingen wie: "Ich muss nicht mehr abends kontrollieren, ob die Mails rausgegangen sind" oder "Ich habe endlich das Gefühl, den Überblick zu haben." Diese Aussagen beschreiben nicht das Produkt, sondern den emotionalen Zustand nach der Entscheidung. Sie sind besonders wertvoll für Headline-Tests, weil sie das Ergebnis emotionalisieren, nicht nur beschreiben.

Emotionale Botschaften treffen stärker, wenn sie konkret bleiben. "Du hast endlich Ruhe" ist präziser als "maximale Sicherheit". Die Vagheit von Begriffen wie "Sicherheit" oder "Frieden" verwäscht die Aussage; konkrete Situationen – "Du musst nicht mehr abends nachschauen" – erzeugen das Bild direkt im Kopf des Lesers.

Soziale Ebene: die Wirkung auf das Umfeld

Auf dieser Ebene geht es darum, wie sich die Entscheidung auf die Position des Kunden im Unternehmen oder Markt auswirkt. Formulierungen sind etwa: "Mein Vorgesetzter fragt mich jetzt, wie ich das mache" oder "Ich kann im nächsten Meeting zeigen, was die Kampagne gebracht hat." Diese Aussagen sind besonders relevant für B2B-Kommunikation, in der der direkte Nutzer oft nicht der Budget-Entscheider ist. Wer dem Einkäufer zeigen muss, warum das Budget sinnvoll eingesetzt ist, braucht diese dritte Ebene explizit.

Vom Rohzitat zur Botschaft: wie der Übersetzungsprozess funktioniert

Das Rohmaterial aus dem Message-Mining ist selten direkt einsetzbar. Kundenzitate sind oft zu lang, zu situationsgebunden oder zu informell für einen professionellen Marketingtext. Die Aufgabe besteht darin, den Kern zu destillieren, ohne die Authentizität zu verlieren – und das ist genau der Punkt, an dem die meisten Teams den Vorteil des Verfahrens wieder verspielen.

Was am Rohzitat schützenswert ist

Das Schützenswerte ist die spezifische Formulierung, nicht die allgemeine Idee dahinter. Wenn ein Kunde schreibt "Ich hatte ständig Angst, dass ich jemandem eine Mail schicke, die nicht für ihn war", dann steckt darin eine sehr konkrete Formulierung von Listenhygiene-Angst. "Relevanz sicherstellen" beschreibt dieselbe Idee, transportiert aber nicht die Emotion. Das Original liefert dir den Ton; die überarbeitete Version muss diesen Ton erhalten, auch wenn der Satz kürzer und allgemeiner formuliert wird.

Was du verändern darfst

Länge, Grammatikfehler, Dialektausdrücke und überflüssige Kontextinformation kannst du kürzen oder bereinigen. Das Ziel ist eine Botschaft, die sofort verständlich ist, ohne Vorwissen über die spezifische Situation des Kunden. "Seitdem wir das für unsere 12-köpfige Marketingabteilung im Vergleich zu früher eingeführt haben" wird zu "Seitdem wir es eingeführt haben" – oder in der Botschaftsversion direkt zur Frage: "Was würde das für dein Team bedeuten?"

Die Testfrage für jede Botschaft

Bevor du eine Botschaft in deine Kommunikation übernimmst, stell dir die Frage: Könnte mein direkter Wettbewerber denselben Satz unverändert auf seine Website stellen? Wenn ja, ist die Botschaft nicht distinktiv genug. Sie beschreibt dann eine Kategorieeigenschaft, keine Value Proposition. Der nächste Schritt ist dann, tiefer in das Rohmaterial zu gehen und nach Formulierungen zu suchen, die spezifischer auf dein Produkt, deine Zielgruppe oder deinen Markt zugeschnitten sind.

ActiveCampaign als Werkzeug für systematisches Message-Mining

ActiveCampaign ist mehr als ein Versandwerkzeug. Wer es als Message-Mining-Zentrale nutzt, bekommt einen strukturierten Zugang zu Kundenkommunikation, der sich direkt mit Testing verbinden lässt – und zwar innerhalb desselben Systems, ohne Datenexport in externe Tools.

Conversations und Deal-Notizen als Datenbasis

Im Bereich Conversations kannst du Kundenmail-Verläufe direkt im Tool lesen und kommentieren. Verknüpfe auffällige Formulierungen direkt mit dem Kontaktprofil über ein Custom Field "Message-Mining-Treffer" – so kannst du später nach diesen Kontakten filtern und sehen, ob es Muster in deren Profil gibt: Branche, Unternehmensgröße, Kaufzeitpunkt oder Segmentzugehörigkeit.

Deal-Notizen in der CRM-Ansicht sind besonders wertvoll, wenn dein Sales-Team konsequent mitschreibt, welche Formulierungen Interessenten in Erstterminen verwenden. Ein kurzes Protokollformat – "Haupteinwand", "Überzeugungsmoment", "Formulierung des Ziels" – reicht aus, um systematisch auswertbares Material zu erzeugen, das ansonsten nach dem Gespräch verloren geht.

Umfragen in Automationen einbetten

In ActiveCampaign kannst du innerhalb einer Automation eine E-Mail mit offener Fragestellung versenden und die Antworten direkt als Automations-Trigger nutzen. Eine einfache Methode: Sende nach dem Onboarding eine Mail mit der Frage "Was hat dich bei deiner Entscheidung am meisten überzeugt?" und lass Antworten in ein Custom Field schreiben oder als Tag setzen. Für offene Antworten reicht ein Mailto-Link mit vorbefülltem Betreff, dessen Antworten du manuell auswertest.

A/B-Tests als Validierungswerkzeug

Jede Botschaft, die du aus dem Message-Mining ableitest, ist zunächst eine Hypothese. ActiveCampaign erlaubt es, Betreffzeilen und E-Mail-Texte gegeneinander zu testen. Erstelle eine Variante mit deiner bisherigen Formulierung und eine Variante mit der Kundenstimmen-Version. Miss nicht nur Öffnungsrate, sondern auch Klicks und Conversion-Events danach. Wie du einen solchen Test strukturiert aufbaust und auswertest, beschreibt der Leitfaden zu A/B-Tests im E-Mail-Marketing im Detail.

Typische Fehler beim Message-Mining – und wie du sie erkennst

Zu wenige Daten vor der Auswertung

Einige Teams beginnen nach zehn oder zwanzig Einträgen zu clustern und ziehen Schlüsse, die sich mit größerem Material nicht bestätigen. Die Ursache: Bei kleinen Stichproben fallen zufällige Formulierungsähnlichkeiten als Muster auf. Das Gegenmittel ist diszipliniert zu warten – sammle aus mindestens zwei verschiedenen Quellen, bevor du anfängst auszuwerten.

Selektive Quellen: nur positives Feedback einbeziehen

Wer ausschließlich Lob-Mails und positive Bewertungen sammelt, bekommt ein verzerrtes Bild. Beschwerden und Kündigungsgründe sind genauso auswertbar. Hinter einer Kündigung "zu kompliziert" verbirgt sich oft nicht die Kritik an der Bedienung, sondern die Information, dass die Onboarding-Botschaft ein falsches Erwartungsbild erzeugt hat. Das ist direktes Feedback auf deine Value Proposition, nicht auf das Produkt selbst.

Übersetzung, die das Original auflöst

Dieser Fehler passiert bei der Überarbeitung: Das authentische Rohzitat wird so weit geglättet, dass am Ende eine Marketingfloskel steht. "Das hat mir viel Nerven gespart" wird zu "Effizienzsteigerung im Tagesgeschäft". Das Zitat hat damit seinen Wert verloren. Prüfe jede überarbeitete Botschaft gegen das Original: Ist noch erkennbar, aus welcher echten Erfahrung sie stammt?

Kein Testprozess nach dem Sammeln

Message-Mining endet nicht mit der Formulierung neuer Botschaften. Wer die Ergebnisse direkt auf der Website oder im Funnel umsetzt, ohne zu testen, setzt auf Hypothesen, die möglicherweise nur für eine Untergruppe der Kunden gelten. Botschaften, die im Feedback einer bestimmten Branche dominant sind, treffen nicht notwendigerweise für alle Segmente gleich. Der Testprozess ist deshalb kein optionaler letzter Schritt, sondern integraler Teil der Methode.

Wann Message-Mining nicht ausreicht oder nicht passt

Message-Mining funktioniert hervorragend, wenn ausreichend historische Kundenkommunikation vorliegt und das Produkt bereits Nutzer hat, die es in konkreten Situationen einsetzen. Es gibt jedoch Szenarien, in denen die Methode an ihre Grenzen stößt.

Neue Produkte ohne Bestandskunden

Wer ein Produkt kurz vor oder nach dem Launch positionieren will, hat schlicht noch kein ausreichendes Rohmaterial. In diesem Fall greifen Interviews: strukturierte Gespräche mit potenziellen Kunden, die das Problem kennen, auch wenn sie das eigene Produkt noch nicht nutzen. Die gesammelten Formulierungen aus diesen Gesprächen lassen sich nach denselben Prinzipien auswerten wie schriftliches Feedback.

Märkte mit geringer schriftlicher Kommunikation

In Branchen, in denen Geschäfte überwiegend telefonisch oder persönlich abgewickelt werden, entsteht wenig schriftliches Material spontan. Hier muss Message-Mining aktiv induziert werden – etwa durch E-Mail-Nachfragen nach persönlichen Gesprächen oder durch strukturierte Onboarding-Protokolle, die das Sales-Team befüllt. Das ist möglich, erfordert aber mehr Disziplin bei der Erfassung und funktioniert erst nach mehreren Wochen konsistenter Protokollierung.

Wenn die Value Proposition korrekt ist, aber die Ausführung fehlt

Message-Mining verbessert Botschaften, nicht Produkte. Wenn Kunden ein grundlegendes Qualitätsproblem oder eine strukturelle Lücke im Angebot haben, hilft auch die präziseste Formulierung nicht dauerhaft. Die Sprache kann ein Versprechen schärfen – einlösen muss es das Produkt. Wenn Message-Mining dabei hilft, eine Diskrepanz zwischen kommuniziertem Versprechen und tatsächlicher Erfahrung sichtbar zu machen, ist das ein wertvolles Ergebnis – auch wenn es zunächst unangenehm ist.

Häufige Fragen

Wie viele Kundenstimmen brauche ich für verlässliche Ergebnisse?

Wichtiger als eine genaue Zahl ist die Quellenvielfalt: Wer ausschließlich Support-Tickets auswertet, sieht primär Probleme – wer auch Onboarding-Feedback und positive Bewertungen einbezieht, bekommt ein vollständigeres Bild. Erste Muster zeigen sich, wenn aus mehreren Quellen ähnliche Formulierungen wiederkehren. Wer zu früh auswertet, riskiert, Zufallstreffer für Trends zu halten.

Dürfen gesammelte Kundenstimmen wörtlich in Texten verwendet werden?

Wörtliche Zitate von Kunden dürfen nur mit ausdrücklicher Zustimmung der Person veröffentlicht werden – das gilt für Testimonials auf Websites, in Newslettern und in Werbung. Für das interne Auswerten und Ableiten von Botschaften braucht es keine Zustimmung. Wenn du eine Formulierung als Inspiration nimmst und daraus eine eigene Botschaft entwickelst, ohne das Original zu reproduzieren, ist das rechtlich unproblematisch und methodisch die richtige Vorgehensweise.

Wie unterscheidet sich Message-Mining von klassischer Marktforschung?

Klassische Marktforschung erhebt Daten durch vorstrukturierte Instrumente wie Fragebögen mit Antwortoptionen oder repräsentative Panels. Das liefert quantifizierbare Ergebnisse, aber selten die konkreten Formulierungen, die du für Texte brauchst. Message-Mining wertet vorhandene Kommunikation aus, die Kunden ohne Aufforderung verfasst haben. Es ist ein qualitativer Ansatz, der keine Repräsentativität anstrebt, sondern konkrete Sprache. Beide Methoden schließen sich nicht aus.

Wie lange dauert ein vollständiger Message-Mining-Zyklus?

Von der Einrichtung der Sammelstruktur bis zu ersten getesteten Botschaften vergehen realistisch vier bis acht Wochen. Zwei bis vier Wochen gehen für das Sammeln drauf, wenn du Quellen erst aufbaust. Bereits vorhandene Quellen – Support-Archiv, gespeicherte Mails – lassen sich in wenigen Tagen auswerten. Auswertung und Übersetzung in Botschaften nehmen nochmals eine bis zwei Wochen in Anspruch. Das Testing braucht je nach Listenqualität weitere zwei bis vier Wochen.

Kann ich Message-Mining für verschiedene Kundensegmente getrennt durchführen?

Ja, und es lohnt sich ausdrücklich. Kunden aus dem B2B-Bereich formulieren Probleme und Ergebnisse anders als Einzelunternehmer; Kunden aus dem Dienstleistungssektor anders als aus dem E-Commerce. Wenn du in ActiveCampaign Segmente nach Branche oder Unternehmensgröße pflegst, kannst du das Rohmaterial nach diesen Segmenten filtern und segmentspezifische Botschaften ableiten. Das ist aufwendiger, führt aber zu präziseren Value Propositions für jedes Segment.

Wer Message-Mining als laufenden Prozess versteht, arbeitet mit einem Vorteil: Die Sprache, die resoniert, kommt nicht aus dem Brainstorming-Raum, sondern aus dem tatsächlichen Erleben der Kunden. Wie du diese Botschaften dann in wirksame Headlines für E-Mail und Landing Pages übersetzt, ist der nächste konkrete Schritt. Wer dabei Unterstützung bei der Einrichtung und Strukturierung in ActiveCampaign sucht, findet die nächsten Schritte auf der Kontaktseite von Advertal.