Stensul lässt E-Mails aus Bausteinen lernen. Der Betreff-Test ist zu klein

Kennst du das? Das Team testet seit Jahren zwei Betreffzeilen gegeneinander. Gewinner: Variante B, 0,8 Prozentpunkte mehr Öffnungen. Learning für die nächste Kampagne: keins. Denn niemand weiß, ob es am Wort, an der Länge oder am Wochentag lag.

Genau da setzt Stensul an.

Was Stensul angekündigt hat

Am 6. November hat Stensul, eine Plattform zum Erstellen von E-Mails in größeren Marketing-Teams, sein November-Release vorgestellt. Die Eckpunkte laut Pressemitteilung:

• Self-Improving Email (Early Access): Die Performance jeder Mail wird mit den konkreten Inhaltsbausteinen darin verknüpft. Marketer und KI-Agenten sollen erkennen, welche Muster bei personalisierten und lokalisierten Varianten besser laufen, und das in die nächsten Sendungen übernehmen. Review und Freigabe bleiben beim Menschen.
• Betreff und Preheader je Segment in einer Kampagne, selbst geschrieben, per KI-Vorschlag oder gemischt.
• Compliance-Checks vor dem Versand, die fehlende Pflichtinhalte schon beim Erstellen melden.
• Salesforce Marketing Cloud Next: Die Integration ist allgemein verfügbar.

Was fehlt: Leistungszahlen, Preise und ein Termin für die allgemeine Verfügbarkeit. Das sind also Ankündigungen, keine Ergebnisse.

Die Lerneinheit wird kleiner. Das ändert alles dahinter

Was ich daran spannend finde: Die Einheit, aus der ein Team lernt, schrumpft von der Kampagne auf den Baustein. Hero-Bild, Angebotsbox, Kundenstimme, Button-Text. Jeder Block bekommt seine eigene Performance-Historie.

Heißt: Wer so arbeiten will, braucht zuerst eine saubere Bausteinbibliothek. Gleiche Blöcke, gleiche Namen, wiederverwendet statt jedes Mal neu gebaut. Ich baue meine eigenen Mails auf i4u.business genau so, aus Bausteinen per Skript. Der Grund ist banal: Nur was sich wiederholt, kann man vergleichen.

Für viele Teams ist das der eigentliche Wake-up-Call. Die KI ist nicht das Nadelöhr. Das Nadelöhr ist die Mail, die jedes Mal als Einzelstück in einer Agentur-Vorlage entsteht.

Der Haken: Der Optimierer kennt nur Klicks

Ein System, das immer wieder übernimmt, was gestern geklickt wurde, landet irgendwann bei der Mail, die alle schicken. Rabatt oben, Countdown, roter Button. Kurzfristig gut für die Klickrate. Langfristig schlecht für die Brand.

Die Ehrenberg-Bass-Forschung zu Distinctive Brand Assets sagt seit Jahren: Wiedererkennbarkeit entsteht durch Konsistenz, nicht durch das Optimieren jedes einzelnen Kontakts. Wenn ein Agent die Bausteine wählt, muss jemand festlegen, welche Elemente nie zur Disposition stehen.

Dazu kommt die Messung. Öffnungen sind seit Apples Mail Privacy Protection ein wackliges Signal. Wer Bausteine daran bewertet, optimiert auf Rauschen. Aus meiner Sicht taugen nur Klicks und Conversions als Grundlage, und auch die erst ab einer Listengröße, bei der Unterschiede nicht Zufall sind.

Was ich jetzt tun würde

• Baustein-Inventur. Zähle die Blöcke, die in euren letzten zehn Mails wirklich wiederkehren. Unter fünf? Dann gibt es noch nichts, woraus eine KI lernen kann.
• Feste Brand-Elemente definieren. Logo-Platzierung, Tonalität, ein wiedererkennbarer Block. Die schreibt ihr fest, bevor ein Tool optimieren darf.
• Auf Klicks messen, nicht auf Öffnungen. Und pro Baustein mitschreiben, was er leisten soll.

Bottom Line: Selbstlernende E-Mails belohnen Teams, die modular arbeiten, und bestrafen alle anderen mit einer Mail, die aussieht wie jede andere.