Stručná odpověď: atribuce personalizace funguje tak, že zaznamenává, jaký zážitek (variantu) každý návštěvník a účet viděl, a pak porovnává konverze a pipeline u lidí, kteří viděli personalizovanou verzi, s náhodně přiřazeným holdoutem, který viděl výchozí verzi. Atribuce kanálů vám říká, odkud návštěvník přišel; atribuce zážitků říká, zda to, co na webu viděl, změnilo výsledek. Potřebujete obojí a inkrementální efekt měří jen srovnání s holdoutem.
Většina nastavení atribuce stojí na jednom tichém předpokladu: každý, kdo přijde na určitou URL, vidí stejnou stránku. Personalizace ho bourá. Dva návštěvníci kliknou na stejnou reklamu Google a přistanou na stejné homepage. Jeden vidí nadpis o enterprise bezpečnosti, druhý nadpis o rychlosti API. Váš analytický nástroj zaznamená obě návštěvy jako „homepage, google / cpc“. Pokud jeden konvertuje a druhý ne, nic v tom záznamu neřekne, zda rozdíl udělal kanál, verze stránky, nebo něco jiného.
Zbytek článku popisuje, proč to standardní modely přehlížejí, jak otázku rozdělit na dvě, jak nastavit kontrolní skupiny, jak přenést data o zobrazené verzi do CRM a jak o tom reportovat bez přehánění.
Proč standardní atribuční modely personalizaci přehlížejí
Modely first touch, last touch, lineární, s časovým útlumem i poziční rozdělují zásluhy mezi zdroje návštěvnosti a akce na webu. Samotnou stránku berou jako konstantu. Unikne jim také vliv, který nikdy nevytvoří sledovatelný kontakt, čemuž se věnujeme v článku o dark funnelu v B2B. Pokud si potřebujete osvěžit, jak modely připisují zásluhy, podívejte se na tohoto praktického průvodce multi-touch atribucí.
Příklad (ilustrativní): účet navštíví web třikrát, než požádá o demo. Návštěva 1 přichází z organického vyhledávání a vidí obecnou domovskou stránku. Návštěva 2 přichází z reklamy na LinkedInu; v té době už je firma identifikovaná, takže vidí titulek pro výrobu. Návštěva 3 je přímá a web zobrazí případovou studii o nahrazení nástroje, který účet aktuálně používá. Lineární model přidělí organickému vyhledávání, LinkedInu i přímé návštěvě každému třetinu zásluh. Nemá žádné pole pro „viděl variantu pro výrobu“ nebo „viděl případovou studii o konkurenci“, takže pokud přesvědčily právě tyto stránky, report to ukázat nedokáže.
To je mezera v měření, ne důkaz, že personalizace fungovala. Možná by si účet schůzku zarezervoval i tak. Jde o to, že standardní report nedokáže odpovědět ani jedním směrem.
Rozdělte to na dvě otázky
| Atribuce kanálů | Atribuce zážitku | |
|---|---|---|
| Otázka | Které kanály přinášejí správné účty? | Když přijdou, změní personalizovaný zážitek to, co udělají? |
| Rozhodnutí, ke kterému slouží | Rozpočet na akvizici | Která pravidla personalizace ponechat, změnit nebo vypnout |
| Metoda | Váš stávající MTA model nebo reporty platforem | Randomizovaná kontrolní skupina proti výchozí stránce |
| Hlavní publikum | Placená média a generování poptávky | Web, CRO a produktový marketing |
Provozujte je vedle sebe a reportujte zvlášť. Atribuce kanálů má svá omezení, ale může zůstat, jak je. Atribuce zážitků potřebuje kontrolní skupinu, protože „lidé, kteří viděli personalizovanou stránku, konvertovali víc“ byste viděli i tehdy, kdybyste jednoduše personalizovali pro nejlépe odpovídající účty. Kanálovou stránku věci popisuje náš průvodce marketingovými kanály v B2B.
Kontrolní skupiny: část, která měří inkrementalitu
Náhodné podmnožině kvalifikovaných firem personalizaci nezobrazujte a nechte je vidět výchozí web. Vše ostatní zůstává stejné: stejné reklamy, stejné e-maily, stejný follow-up od obchodu.
Nastavení, na kterých záleží:
- Přiřazujte podle účtu, ne relace. Pokud se nákupní skupina čtyř lidí rozdělí mezi varianty, jsou obě skupiny kontaminované. Hashujte ID firmy (nebo first-party cookie, když firma není známá), aby přiřazení vydrželo napříč návštěvami.
- Velikost kontrolní skupiny určete podle návštěvnosti, ne podle orientačního pravidla. Větší kontrolní skupina se vyhodnotí rychleji, ale personalizovanou stránku pak neuvidí víc firem. Výpočtem velikosti vzorku pro A/B test zjistěte, kolik firem na skupinu potřebujete, abyste viděli nárůst, na kterém vám záleží, a pak rozhodněte, jaký je to podíl.
- Zmrazte definici „kvalifikace“. Pokud se pravidlo segmentu změní uprostřed testu, skupiny přestanou být srovnatelné.
Poté porovnejte skupiny v každé fázi funnelu, kterou skutečně dokážete spočítat:
- Konverzní poměr formulářů nebo dem na webu.
- Míra MQL → SQL. Zachytí variantu, která zvyšuje počet vyplněných formulářů, ale přitahuje slabší leady.
- Míra vzniku příležitostí na účet.
- Úspěšnost obchodů a velikost obchodu, jakmile se uzavře dost obchodů. Ve většině B2B firem tato fáze potřebuje celý obchodní cyklus, než o něčem vypovídá.
Výsledky čtěte za každý segment i celkově. Souhrnný nárůst může pocházet celý z jednoho segmentu, zatímco jiný segment nezaznamená nic, nebo se mírně zhorší. Pokud jsou skupiny v segmentech příliš malé na vyhodnocení, řekněte to, místo abyste souhrn reportovali, jako by platil všude.
Když nemůžete mít čistou kontrolní skupinu účtů
Geografické rozdělení
V některých regionech personalizujte a ve srovnatelných regionech ne. Hodí se, když jsou objemy účtů příliš malé nebo je pokrytí identifikací nerovnoměrné. Riziko je, že se regiony liší z důvodů, které s vaším webem nesouvisejí (obchodní pokrytí, místní akce, měna), proto vybírejte odpovídající regiony a testujte déle.
Období zapnuto/vypnuto
Střídejte zapnutou a vypnutou personalizaci v pevných oknech, například po dvou týdnech, během několika cyklů. Tím se vyhnete tomu, aby kterýkoli cílový účet zůstal trvale v kontrolní skupině. Spuštění kampaní, svátky a konec čtvrtletí čísla posunou, proto si zapisujte data všech významných kampaní a okna, která se s nimi překrývají, vyřaďte.
Varianta proti variantě
Jakmile víte, že personalizace u segmentu poráží výchozí verzi, testujte personalizační strategie proti sobě: odvětvový nadpis vs nadpis podle velikosti firmy nebo relevantní případová studie vs vlastní hero sekce. Dozvíte se tak, které pravidlo škálovat, což je obvykle užitečnější otázka než „funguje personalizace?“
Přenos dat o zobrazené verzi do CRM
Vyplněné formuláře nejsou výsledkem, za který jsou B2B týmy placeny, takže data o variantách se musí dostat do reportů pipeline.
- Pro každé personalizační rozhodnutí odešlete událost. V GA4 (nebo ve svém analytickém nástroji) posílejte vlastní událost s ID pravidla, segmentem, variantou a příznakem kontrolní skupina vs. personalizace. Parametry zaregistrujte jako vlastní dimenze, abyste z nich mohli reportovat.
- Při konverzi zapište pole do CRM. Při odeslání formuláře předejte segment, naposledy zobrazenou variantu a příznak holdout skupiny do skrytých polí, která se mapují na strukturovaná pole kontaktu. Ne do poznámky; potřebujete podle nich filtrovat.
- Agregujte data na úroveň účtu. Pokud to váš nástroj umí, synchronizujte historii na úrovni účtu: personalizované relace, zobrazené varianty, datum prvního a posledního zobrazení.
- Označte příležitosti. Přidejte k příležitosti pole, které má hodnotu true, když kterýkoli kontakt u příležitosti viděl personalizovanou relaci v určeném okně před vytvořením příležitosti. Okno zvolte podle svého cyklu a zapište si ho; běžnou volbou je 30 nebo 60 dní. Vyplňujte ho workflow, ne ručně.
- Vytvořte tři reporty. Váš stávající report kanálů beze změny. Týdenní report personalizace: konverze podle segmentu, personalizovaná verze vs kontrolní skupina. Čtvrtletní report pipeline: ovlivněná pipeline podle segmentu a fáze.
Čisté UTM jsou předpokladem. Pokud jsou data o zdroji a kampani nekonzistentní, nedokážete oddělit vliv kanálu od vlivu stránky; většinu toho vyřeší sdílená konvence UTM builderu.
„Ovlivněno“ neznamená „způsobeno“
Příznak příležitosti nazvěte „ovlivněno personalizací“, ne „připsáno“. Ovlivnění říká jen to, že někdo z obchodu viděl personalizovanou stránku. Personalizace obvykle cílí na vaše nejlépe odpovídající účty, které konvertují lépe tak jako tak, takže ovlivněná pipeline bude vypadat dobře bez ohledu na to, zda varianty něco udělaly. Kauzální část dává holdout.
Spojení obou, s vymyšlenými čísly pro ukázku výpočtu: ovlivněné příležitosti vytvořily za čtvrtletí pipeline 4,2 mil. USD a kontrolní skupina ukazuje přírůstkový nárůst konverzí o 18 %. Přírůstkový podíl je 0,18 / 1,18, takže zhruba 640 tis. USD z této pipeline by bez personalizace neexistovalo. Zbylých 3,56 mil. USD by s největší pravděpodobností přišlo tak jako tak. Finanční oddělení se zeptá na to druhé číslo; uveďte ho dřív, než se zeptají. Stejná disciplína platí pro placená média: kalkulačka ROAS s vaší hrubou marží ukáže, zda přiřazené tržby vůbec pokryjí výdaje.
Reportování různým lidem
| Publikum | Co potřebují | Co vynechat |
|---|---|---|
| CMO / vedoucí marketingu | Nárůst podle segmentu oproti kontrolní skupině, která pravidla škálovat, jak personalizované stránky mění konverze pro každý hlavní kanál | Hrubá ovlivněná pipeline bez kontextu kontrolní skupiny |
| Vedení obchodu | Zda personalizované firmy vytvářejí více příležitostí a postupují rychleji, podle segmentu, jakmile proběhne celý cyklus | Metriky zapojení na úrovni relací |
| Finance | Přírůstková pipeline z kontrolní skupiny, celkové náklady (nástroj plus čas lidí), výsledná návratnost a interval spolehlivosti | Samotná hrubá čísla o ovlivnění |
| Představenstvo | Jeden řádek: přírůstková pipeline, náklady, trend napříč čtvrtletími | Podrobnosti metodiky |
Užitečný zvyk pro každé publikum: čísla kontrolní skupiny uvádějte vedle čísel personalizované skupiny, aby bylo srovnání vidět, a ne jen naznačené.
Jak daleko jít a kdy
- Sledování: vidíte, které účty viděly personalizovaný obsah. Nastavení trvá dny. Užitečné pro ladění, ne pro prokazování dopadu.
- Holdout: můžete měřit inkrementální nárůst na webu. Potřebuje dostatečnou návštěvnost v každém segmentu; segmenty s nízkou návštěvností nemusí nikdy dát čistý výsledek, a je v pořádku to přiznat.
- Napojení na pipeline: data o variantách se dostanou do CRM a můžete sledovat ovlivněnou a přírůstkovou pipeline. Vyžaduje data alespoň za jeden celý obchodní cyklus.
- Prognóza nových segmentů: odhad efektu segmentu ještě před jeho spuštěním. Má smysl se o to pokoušet, až když máte několik segmentů s dokončenými kontrolními skupinami, ze kterých se můžete učit.
Nestavte vrstvu pipeline dřív, než existuje kontrolní skupina. Bez ní bude ukazovat jen korelaci, a korelaci personalizace nejvhodnějších účtů vytvoří sama od sebe.
Kde začít
Ověřte, zda váš personalizační nástroj odesílá do analytického nástroje události s ID varianty a příznakem kontrolní skupiny. Pokud ne, opravte to jako první; bez toho nic jiného nefunguje. Pak na segment s nejvyšší návštěvností nasaďte kontrolní skupinu a nechte ji běžet dost dlouho na to, abyste dosáhli vypočtené velikosti vzorku. A/B testování v Markettailoru zvládá kontrolní skupiny na úrovni účtů a odesílá data o variantách do analytiky, pokud nechcete logiku přiřazování stavět sami.
Časté dotazy
Jak funguje atribuce personalizace?
Pokaždé, když návštěvník uvidí personalizovaný zážitek, personalizační nástroj odešle událost s ID zážitku a varianty. Tato událost se uloží k relaci a po identifikaci návštěvníka i k firmě ve vašem CRM. Porovnání konverzí a pipeline mezi návštěvníky, kteří viděli variantu, a náhodnou kontrolní skupinou, která viděla výchozí stránku, ukazuje přírůstkový efekt personalizace.
Jaký je rozdíl mezi atribucí kanálů a atribucí zážitků?
Atribuce kanálů přiděluje zásluhy zdrojům, které návštěvníka přivedly, jako je placené vyhledávání, LinkedIn nebo e-mail. Atribuce zážitků měří efekt toho, co návštěvník po příchodu viděl. Personalizovaná stránka může změnit konverze každého kanálu, takže reportování jen atribuce kanálů skrývá přínos zážitku na webu.
Jak velká by měla být kontrolní skupina pro personalizaci?
Dost velká, aby v rozumném čase zachytila nárůst, na kterém vám záleží, a ne větší. Pro svou návštěvnost a výchozí konverzní poměr si spočítejte velikost vzorku pro A/B test a kontrolní skupinu přiřazujte na úrovni účtu, aby stejná firma viděla napříč návštěvami konzistentní verzi.
Dokážou modely vícedotykové atribuce měřit personalizaci?
Jen nepřímo. Modely s více dotyky rozdělují zásluhy mezi kontaktní body, ale předpokládají, že každý kontaktní bod je pro všechny stejný. Když přidáte ID zážitku jako vlastnost kontaktního bodu, můžete reportovat ovlivněnou pipeline, ale přírůstkový efekt musí stále vzejít ze srovnání s kontrolní skupinou. Velká část B2B průzkumu navíc probíhá v dark funnelu, kde se žádný kontaktní bod vůbec nezaznamená.