Cold outbound levert in 2026 reply rates van 1-3%. Signal-based outbound — gebaseerd op de juiste koopsignalen — haalt 8-15%, en gestapelde signalen 15-25%. Hier zijn de 12 signalen die werken, hun reply-rate impact en hoe je ze detecteert.
Het verschil tussen cold outbound en signal-based outbound is niet incrementeel: het is een orde van grootte. ZoomInfo's onderzoek documenteert dat buying-signal outreach typisch 8-15% reply rates levert versus 2-3% voor cold. Vanderbuild rapporteert dat signal-based personalisatie reply rates naar 15-25% duwt versus 1-5% voor generieke cold email.
Dit artikel is deel van onze GTM Engineering serie. Lees Wat is GTM Engineering? en de waterfall enrichment-stack voor context.
Wat is een buying signal precies?
Een buying signal is een observable die aangeeft dat een account, persoon of buying committee actief in de markt is, of er binnenkort in zal zijn. Niet alle signalen zijn gelijk. Er zijn drie categorieën.
Categorie A: Intent signals. Directe indicatoren van koopinteresse. Iemand bezoekt je pricing page, downloadt een whitepaper, vraagt een demo aan. Of vanuit third-party platforms zoals Bombora of G2: een bedrijf doet research op je categorie.
Categorie B: Context signals. Veranderingen in de organisatie die koopinteresse waarschijnlijker maken. Nieuwe leiders, funding, growth, leadership changes. Niet «ze willen kopen», maar «de situatie is nu rijp».
Categorie C: Trigger signals. Specifieke gebeurtenissen die actie vereisen. Klant vertrekt, contract verloopt, een nieuwe regulering treedt in werking. Tijdsgebonden, vaak met een korte responsewindow.
De grote winst zit niet in één categorie maar in het stapelen ervan. Reachly documenteert dat gestapelde signalen converteren tegen 5-10x het tarief van enkele signalen.
De 12 signalen die in 2026 werken
Hier zijn de 12 buying signals die ik in praktijk consistent zie werken voor B2B. Voor elk: reply-rate lift, hoe je hem detecteert, en wanneer hij relevant is.
1. Nieuwe VP/C-level hire bij target account
Lift: 4-6x cold baseline (zelfs hoger als je je product matched op de rol). Overloop's onderzoek identificeert dit als een van de hoogst converterende combinaties.
Hoe detecteer: LinkedIn Sales Navigator alerts, Common Room, Trigify, of een script dat LinkedIn-data wekelijks pulled voor je top-200 accounts.
Wanneer relevant: Vrijwel altijd. Nieuwe leiders veranderen tooling-stacks, zijn open voor nieuwe oplossingen, en willen vroege wins.
2. Recente funding-ronde
Lift: 2-3x cold baseline. Sterker in combinatie met andere signalen.
Hoe detecteer: Crunchbase, Pitchbook, Dealroom (voor EU), of Techleap-data voor NL. Wekelijkse pull naar je CRM.
Wanneer relevant: Productcategorieën die met groei meer worden gebruikt (HR-tech, dev tools, sales tech). Minder voor pure cost-savings tools.
3. Champion-job-change
Lift: 7x baseline volgens onderzoek. Iemand die jouw product bij een vorig bedrijf gebruikte verhuist naar een nieuw bedrijf. Overloop noemt dit een van de allerhoogste converterende signalen.
Hoe detecteer: Maandelijkse LinkedIn-scan van je oude klantcontacten. Of: Champify of UserGems voor automatisering.
Wanneer relevant: Wanneer je product een «sticky» gebruikerservaring heeft. Een ex-klant die zegt «dit moeten we ook bij m'n nieuwe baan hebben» is goud.
4. Vacature voor een specifieke rol
Lift: 3-5x baseline. Een bedrijf dat een «Head of Customer Success» aanneemt is in de markt voor CS-tools. Een «Marketing Manager»-vacature signaleert marketing-stack investeringen.
Hoe detecteer: LinkedIn Jobs API, Indeed API, of scrapers via Apify. Filter op je ICP-bedrijven en relevante rollen.
Wanneer relevant: Productcategorieën direct gekoppeld aan rol-functies. Sales-tools voor sales-hires, CS-tools voor CS-hires.
5. Tech stack verandering
Lift: 3-4x baseline. Een bedrijf dat van Shopify naar Shopify Plus migreert is in de markt voor enterprise e-commerce tools. Een bedrijf dat HubSpot vervangt voor Salesforce signaleert behoefte aan migratie- en integratie-services.
Hoe detecteer: BuiltWith, Wappalyzer, of scripts die HTTP-headers en JS-payloads scannen op specifieke patronen.
Wanneer relevant: Vooral voor productcategorieën in de aanvulrol: integraties, services-on-top, migratietools.
6. Recente productlancering of feature-aankondiging
Lift: 2-3x baseline. Een bedrijf dat een nieuwe API lanceert heeft developer-resources nodig. Een nieuwe consumer-feature wijst op marketing-investering.
Hoe detecteer: Press releases monitoring (Notified, Meltwater), of company blog scrapers.
7. Recent contract met concurrent (verloopt over 6-12 maanden)
Lift: 5-8x baseline wanneer timing precies klopt. Het probleem: lastig te detecteren.
Hoe detecteer: Reverse-engineer uit case studies van concurrenten, KBR/contract data (waar publiek), of via netwerk-research.
Wanneer relevant: Cruciaal in markten met lange contracten (enterprise software, ERP, financiële tools).
8. LinkedIn-engagement op je content
Lift: 4-7x baseline voor first-degree connection-targets. Iemand die je content leuk vindt of erop reageert is een warmere prospect.
Hoe detecteer: LinkedIn-engagement scrapers (Phantombuster, Trigify), of native als je content op je organisatie-account post.
9. Pricing-page bezoeken (eigen website)
Lift: 6-10x baseline. Iemand die je pricing meermaals bezoekt is dichtbij koopintentie. Combineer met identificatie van anonymous traffic (RB2B, Vector, Albacross).
Hoe detecteer: First-party analytics + visitor identification tool. Vereist GDPR-compliante implementatie.
10. Productgebruik-piek (PLG signal)
Lift: 5-10x baseline. Voor product-led groei bedrijven: een free-tier gebruiker die plots veel meer features gebruikt of meer collega's uitnodigt.
Hoe detecteer: Productdata uit Amplitude, Mixpanel of PostHog naar je CRM syncen, met threshold-alerts.
11. Branche-specifieke regulatory triggers
Lift: 3-6x baseline binnen target-segment. Een nieuwe SOC 2-eis, een wijziging in GDPR-interpretatie, een nieuwe NIS2-deadline: bedrijven moeten reageren, vaak met tools.
Hoe detecteer: Branche-publicaties monitoring, RSS-feeds van toezichthouders, deelname aan branche-communities.
12. M&A-activiteit
Lift: 3-4x baseline. Acquisities of fusies leiden tot stack-rationalisatie en herevaluatie van vendor-relaties.
Hoe detecteer: Mergermarket, Dealroom, of branche-nieuws-monitoring.
Het stapeleffect: combinaties die verdrievoudigen
De hoogste reply rates komen niet van één signaal maar van combinaties. Prospeo's onderzoek documenteert dat de combinatie «nieuwe VP + recente funding bij hetzelfde account» reply rates van 4-6x baseline levert, en daarmee tot de hoogst converterende combinaties in B2B outbound behoort.
Concrete combinaties die ik in praktijk zie werken:
- VP Sales hire + champion job change: 8-10x baseline;
- Funding + tech stack change: 5-7x baseline;
- Vacature relevante rol + pricing-page bezoek: 6-9x baseline;
- Champion job change + LinkedIn-engagement: 7-12x baseline.
De engineering-uitdaging: signaal-overlay. Bouw een systeem dat per account meerdere signaalbronnen combineert en een composite score levert. Niet trivial, maar het verschil tussen 5% en 15% reply rate.
De signal-window: snelheid is alles
Een signaal heeft een vervaldatum. Een nieuwe VP-hire is goud in week 1-4, lauw in week 8, en irrelevant na 12 weken. Funding-rondes blijven 6-9 maanden relevant. Job changes 3-6 maanden.
Wat dit betekent voor je systeem: detectie-frequentie matters. Wekelijks scannen op nieuwe signalen levert vaak betere resultaten dan maandelijks scannen op meer signaalbronnen. Snelheid > volume.
Wat NIET als signaal werkt
Drie veelgenoemde «signalen» die in praktijk niet werken:
1. Generieke website-bezoeken. Een prospect die op je homepage landt is niet automatisch een signaal. Pas wanneer ze dieper gaan (pricing, demo) wordt het bruikbaar.
2. LinkedIn profile views. Mensen kijken om allerlei redenen. Lage signal-to-noise ratio.
3. Een whitepaper download. Als enige signaal vaak research-gedrag, niet koopintentie. Wel waardevol in combinatie met andere signalen.
De implementatie: hoe begin je?
Drie stappen voor een eerste signal-based outbound systeem.
Stap 1: Kies 3 signalen die het beste passen bij jouw product. Niet 12. Drie. Voor de meeste B2B-bedrijven werkt: champion job change, VP hire bij target accounts, pricing-page-bezoeken. Te veel signalen tegelijk = niets goed doen.
Stap 2: Bouw de detectie. Tools: Clay voor signal-detection workflows, Common Room voor cross-channel monitoring, Trigify voor LinkedIn-signalen. Combineer in een centraal data-platform.
Stap 3: Schrijf signaal-specifieke messaging. Een outreach die het signaal expliciet noemt («Ik zag dat jij net Head of Sales bent geworden bij X, gefeliciteerd») converteert beduidend beter dan generieke openers. Vanderbuild's framework benadrukt dit als kritiek: signaal moet expliciet in de boodschap.
De kern: signaal niet alleen detecteren, ook activeren
Veel bedrijven kopen signal-tools en zien geen verbetering. Reden: de detectie zit er wel, maar het activeren niet. Het signaal komt het CRM binnen, niemand reageert binnen het window, het signaal verloopt.
Wat werkt: signaalgebaseerde workflows. Wanneer signaal X gedetecteerd wordt bij ICP-fit account, gebeurt automatisch: 1) account wordt geprioriteerd in CRM, 2) signaal-specifieke sequence start, 3) AE krijgt notificatie. Geen handmatige tussenstap, geen vergeten leads.
Lees ook GTM Engineering in het tijdperk van AI voor hoe AI-agents deze workflows orkestreren. Of bekijk de moderne GTM-stack voor de tools die signal-detection levensvatbaar maken.