Lavender ist ein KI-Coach für Vertriebs-E-Mails. Das Unternehmen hilft Revenue-Teams, bessere Outbound-Mails zu schreiben, die häufiger Antworten bekommen – mit Bewertung in Echtzeit, Vorschlägen zur Personalisierung und Coaching direkt im Postfach, etwa in Gmail und Outlook.
Als Lavender begann, zwei sehr unterschiedliche Go-to-Market-Motions zu skalieren – ein Self-Service-PLG-Produkt neben einem vertriebsgeführten Enterprise-Ansatz –, stieß das Team auf ein Problem, das bei wachsenden SaaS-Unternehmen überraschend häufig auftritt: Es konnte grundlegende Fragen nicht mehr sicher beantworten.
Wie hoch war der ARR?
Die Umsätze liefen über Stripe, doch die Kennzahlen darunter ließen sich über Produkte, Preismodelle und Kundentypen hinweg immer schwerer in Einklang bringen.
Elliott Fisher, COO von Lavender, beschreibt es so:
“When I joined the company in 2024… there was never full confidence in what our ARR number was.”
Wie kam es dazu?
Überkonstruierte RevOps
Bei Lavender war die Unsicherheit rund um den ARR nicht die Folge eines einzelnen kaputten Systems, sondern von Jahren voller Ad-hoc-Entscheidungen, wechselnder Zuständigkeiten und gut gemeinter Behelfslösungen.
Zwei unterschiedliche Go-to-Market-Motions zu skalieren bedeutet ständiges Experimentieren – mit Botschaften, Wachstumstaktiken und Preisstrategien.
“We had consultants and we paid them a fortune. We hired a RevOps director… we had another SaaS tool for analysis and forecasting… All of this contributed to us over-architecting how we did RevOps.”
Sobald man verschiedene Kundentypen über verschiedene Abläufe und mit verschiedenen Abrechnungswegen im Hintergrund bedient, ist Umsatz keine einfache Zahl mehr. Er wird zu einer permanenten Koordinationsaufgabe.
Der Moment, in dem Lavender alles „in die Luft sprengen“ musste
Eines Tages stellte der CEO eine einfache Frage: “What’s our current ARR number?”
Und niemand konnte sie mit Überzeugung beantworten.
“None of the leadership could give him an answer… and at that point it was like, alright, we have to essentially blow this up and rebuild it from scratch.”
Für Elliott war das ein entscheidender Moment. Das Team musste aufhören, immer neue Korrekturen auf ein schon zu komplexes System zu schichten. Anstatt Widersprüche weiter zu übertünchen, entschied sich Lavender für einen Neuanfang.
Es kehrte zur einzigen Datenquelle zurück, der es noch vollständig vertraute: Stripe.
Das Team exportierte vier Jahre Rechnungshistorie und baute sein ARR-Wasserfallmodell Zeile für Zeile manuell in Excel neu auf. Ein mühsamer Prozess – aber er lieferte etwas, das vorher gefehlt hatte: eine saubere Ausgangsbasis.
Noch wichtiger: Er zwang Lavender dazu, intern verbindlich zu klären, wie Umsatz definiert wird, welche Daten einfließen und wer verantwortlich ist. Damit war die Grundlage für belastbare Prozesse gelegt.
ChartMogul als Rettungsboot und Single Source of Truth
Nachdem Lavender eine saubere Ausgangsbasis für seine Abonnementdaten geschaffen hatte, ging es darum, diese Arbeit nie wieder manuell erledigen zu müssen.
Der CFO bei Pilot empfahl, den ARR sauber zu automatisieren. Da kam ChartMogul ins Spiel.
Das Onboarding war in weniger als einer Woche abgeschlossen.
“ChartMogul was so straightforward and intuitive… It was very relieving. Here we finally can have this number calculated for us in real time.”
Anders als die Tools, die das Team vorher ausprobiert hatte, brachte ChartMogul keine zusätzliche Komplexität mit. Es lieferte Lavender sofort eine verlässliche ARR-Zahl – mit der Möglichkeit, später in tiefere Analysen hineinzuwachsen.
“ChartMogul could be as simple as telling us ARR, and as dynamic as analyzing revenue by product or customer type as we grew”
Aufräumen, wo Automatisierung sonst an ihre Grenzen kommt
Besonders komplex war das Setup von Lavender, weil die Abonnementdaten nicht an einem Ort lagen. Für das Self-Service-Geschäft gab es mehrere Stripe-Konten, für Enterprise-Deals zusätzlich SalesBricks. Häufig tauchte ein einzelner Kunde in allen drei Systemen auf: Ein Enterprise-Kunde konnte als Vertrag in SalesBricks existieren, eine Einmalzahlung in einem Stripe-Konto haben und ein wiederkehrendes Abonnement in einem anderen.
Vor ChartMogul bedeutete es, diesen Wildwuchs zusammenzuführen: Tabellen, Behelfslösungen – oder die Einsicht, dass die Zahlen nie ganz zusammenpassen würden. Mit ChartMogul kann das Team Rechnungsdaten direkt bearbeiten, mehrere Datensätze zu einem Kunden zusammenführen, Abonnements manuell anlegen, wo keine existieren, und Einmalzahlungen bei Bedarf in Abonnementumsatz umwandeln.
Diese Flexibilität war entscheidend. Statt Lavender zu zwingen, die eigenen Prozesse um ein starres Datenmodell herum neu zu bauen, konnte das Unternehmen mit ChartMogul abbilden, wie der Umsatz tatsächlich durch das Geschäft fließt – und ihn von dort aus standardisieren.
Das Geschäft mit ChartMogul steuern
Heute ist ChartMogul für Elliott die Kennzahlen-Grundlage von Lavender.
“ChartMogul is our source of truth… because it aggregates the information across products.”
Elliott nutzt es täglich – vom Reporting für die Führungsebene bis zum Überblick über anstehende Vertragsverlängerungen. Die wöchentlichen Meetings der Geschäftsführung drehen sich um Churn, Retention, Renewals und ARR. Neue Abonnements werden in Echtzeit geprüft, und anstehende Renewals gehen frühzeitig an den Vertrieb.
Mit dem wachsenden Produktportfolio half ChartMogul dem Team außerdem zu verstehen, woher das Wachstum kam und wer es trieb. Über Enrichment und Segmentierung konnte Lavender Kohorten nach folgenden Kriterien analysieren:
- Branche
- Unternehmensgröße
- Region
- Kundensegment
“Jordan said, ‘we can actually do data enrichment for you.’ Another life-saving miracle for us.”
Das Ergebnis: klarere Kohortenanalysen, präzisere Go-to-Market-Entscheidungen und ein Reporting, auf das sich das ganze Unternehmen verlassen kann.
Elliotts Rat: erst vereinfachen, dann automatisieren
Für Elliott ist die Lehre einfach und hart erarbeitet. Saubere Kennzahlen entstehen nicht durch komplexe Tools, sondern durch konsistente Prozesse, klare Verantwortlichkeiten und operative Disziplin.
“You need to simplify the workflow. Create a process where the data can be consistent. Assign an owner… then look for tools like ChartMogul to automate the work.”
Am Ende ging es nicht um mehr Software. Es ging um Klarheit, Konsistenz und ein System, dem das Unternehmen vertrauen kann.