Většina návštěvníků B2B webu odejde, aniž by vyplnila formulář. Ověřte si vlastní čísla: vydělte odeslané formuláře počtem relací za poslední čtvrtletí a podíl návštěvnosti, která se nikdy neidentifikuje, obvykle tvoří většinu. Generování leadů pomocí AI ve smyslu webu je soubor technik, které pracují s touto mlčící většinou: zjišťují, které firmy web navštěvují, odhadují, které z nich jsou v nákupním cyklu, a mění, co web zobrazuje, aby víc z nich udělalo další krok.
„AI“ v každé části odvádí různé množství práce a dodavatelé to slovo používají volně. Tento článek jednotlivé části odděluje, vysvětluje, jak každá funguje a kde selhává, a dává 30denní plán, jak je spojit bez zbytečného přestavění.
Co znamená generování leadů pomocí AI na webu
Toto označení zahrnuje chatboty, prediktivní skórování, automatizované oslovování a další. Pro B2B tým zaměřený na web jsou důležité tři části:
| Materiál | Co dělá | Kde strojové učení skutečně pomáhá |
|---|---|---|
| Identifikace návštěvníků | Přiřazuje anonymní relace k firmám pomocí IP dat a obohacení | Převážně párování dat, ne ML; někteří poskytovatelé používají modely k čištění a párování záznamů |
| Skórování záměru | Odhaduje, které účty pravděpodobně nakoupí, na základě shody s profilem a chování | Hlavní využití ML: zjistit, které kombinace signálů předcházely vašim minulým úspěchům |
| Personalizované zapojení | Mění titulky, důkazy a CTA podle toho, kdo web navštěvuje a co udělal | Volitelné; většina B2B personalizace běží na explicitních pravidlech, někdy s automatickým výběrem variant |
Pokud dodavatel tvrdí „poháněno AI“, zeptejte se, na kterou z těchto tří věcí se to vztahuje a na čem je model trénovaný. Skórovací model trénovaný na vašich vlastních vyhraných obchodech je něco jiného než obecné „skóre záměru“, které poskytovatel počítá napříč všemi svými zákazníky.
Jak funguje identifikace návštěvníků
Generování leadů přes formuláře čeká, až se lidé sami identifikují. Identifikace návštěvníků postupuje z opačné strany: snaží se určit firmu dřív, než kdokoli cokoli vyplní.
- Přiřazení IP adresy. IP adresa návštěvníka se porovná s databázemi, které přiřazují rozsahy IP adres k organizacím. Firmy s vlastními síťovými rozsahy (kanceláře, VPN vycházející přes firemní brány) se určují dobře. Domácí připojení, mobilní sítě a sdílené sítě coworkingů se určují špatně nebo vůbec, a proto se míra shody mezi weby tolik liší. Než kolem toho začnete cokoli plánovat, změřte si vlastní míru shody.
- Firmografické obohacení. Jakmile je firma pojmenovaná, obohacení doplní odvětví, rozsah zaměstnanců, lokalitu a někdy technologický stack. Tato pole berte jako odhady; namátkově ověřte vzorek proti tomu, co víte o skutečných účtech.
- Chování na webu. Zobrazené stránky, počet návštěv a frekvence návratů se přiřadí k firmě, takže místo tří anonymních relací vidíte „tento týden si ceník přečetli tři lidé z této firmy“.
- Párování s CRM. Pokud firma odpovídá účtu ve vašem CRM, návštěva se propojí s jeho vlastníkem a otevřenými obchody. Obchodník vidí, že účet, se kterým pracuje, dvakrát otevřel stránku o bezpečnosti.
Identifikace na úrovni firem není identifikace na úrovni osob. Řekne vám, která organizace, ne který jednotlivec, a tak by se měla obchodu i prezentovat. Srovnání nástrojů najdete v našem průvodci softwarem pro identifikaci návštěvníků webu.
Skórování: od identifikovaného ke kvalifikovanému
Seznam navštěvujících firem není pipeline. Krok skórování rozhoduje, které si zaslouží pozornost. Jak zapojit skórování založené na modelu do fungující pipeline, popisuje tento pragmatický průvodce AI skórováním leadů.
1. Postavte profil na vlastních vyhraných obchodech
Vytáhněte svých posledních 50 až 100 vyhraných obchodů a podívejte se na odvětví, velikostní pásmo, region a technologie, které sdílejí. To je váš profil shody a měl by nahradit cokoli, co model skórování předpokládal dřív. Analýzu krok za krokem popisuje náš článek o sestavení profilu ideálního zákazníka. Pokud máte méně než několik desítek vyhraných obchodů, model strojového učení se nemá z čeho učit; transparentní bodový model, který dokážete obchodu vysvětlit, poslouží stejně dobře.
2. Najděte chování, které těmto výhrám předcházelo
Podívejte se na webovou aktivitu vyhraných účtů v týdnech před vznikem příležitosti. Signály, které v B2B často hrají roli: opakované návštěvy ceníku, případové studie z odvětví návštěvníka, srovnávací stránky a stránky s integracemi, několik lidí ze stejného účtu v krátkém období. Ověřte je na svých datech, místo abyste je převzali vcelku; signál, který se před vašimi úspěchy nikdy neobjeví, by neměl mít váhu.
Tady si strojové učení zaslouží své místo. S dostatečnou historií dokáže model vážit kombinace shody a chování lépe než ručně nastavené body. Bez dostatečné historie se přeučí na šum, proto začněte jednoduše a k modelu přejděte, až to data umožní.
3. Proměňte skóre v akce
Úrovně definujte podle toho, co bude následovat, ne jen podle skóre:
- Jednejte hned: shoda s ICP plus chování z pozdní fáze. Ještě týž den upozorněte vlastníka účtu se seznamem zobrazených stránek.
- Zahřát: dobrá shoda, rané chování. Upravte zážitek na webu a tam, kde máte souhlas, nasaďte nurturing.
- Sledovat: vše ostatní. Pokračujte ve sběru chování a vyhodnoťte znovu, až se změní.
Hranice nastavte tak, aby úroveň „jednat hned“ byla dost malá na to, aby se obchod na každé upozornění skutečně podíval. Prahy a směrování podrobněji popisují naši průvodci skórováním účtů s vysokým záměrem a směrováním leadů z webu.
Využití dat přímo na webu
Identifikace a skórování vám řeknou, kdo na webu je. Personalizace to využije ke změně toho, co vidí. Tři běžná využití a na co si dát pozor:
Identifikované, ale neznámé účty: první dojem relevantní pro odvětví
Když se relace přiřadí k odvětví nebo velikostnímu pásmu, může domovská stránka zobrazit nadpis, důkazy a případ užití pro daný segment. Příklad: návštěvník z logistiky uvidí příběh zákazníka z logistiky místo obecné stěny log. Funguje to jen tehdy, když pro segment máte skutečné důkazy; oborový nadpis před obecným obsahem je horší než výchozí verze.
Známé cílové firmy: zážitky na úrovni účtu
U účtů v ABM programu nebo s otevřeným obchodem může web zobrazit obsah navázaný na tento vztah: důkazy z jejich sektoru, integraci, na kterou se ptali, CTA k jejich account executive místo obecného formuláře pro demo. Držte se při zemi. Uvedení názvu firmy v banneru může působit jako sledování; zobrazení relevantních materiálů obvykle ne.
Vracející se návštěvníci: sladění dalšího kroku
První návštěva: „Podívejte se, jak to funguje“. Opakovaná návštěva po produktových stránkách: „Porovnat tarify“. Opakovaná návštěva po ceníku: „Promluvte si s námi“ s plánovačem. Na konkrétních pravidlech záleží méně než na jejich testování; každé měřte proti holdout skupině, která vidí výchozí verzi. Testování popisuje náš článek o personalizovaných CTA.
Stack kousek po kousku
- Identifikace a obohacení: přiřadí firmy a doplní firmografická data. Bez ní žádná navazující vrstva neví, kdo web navštěvuje.
- Sledování chování: vaše analytické události (kategorie stránek, návštěvy, klíčové akce), přiřazené k záznamu firmy.
- Skórování: buď body, které sami definujete, nebo model natrénovaný na vašich výsledcích. Může být ve vašem personalizačním nástroji, v CRM nebo v samostatné službě.
- Personalizace: vyhodnocuje pravidla a doručuje varianty. Tagy na straně klienta se rychle spouštějí; doručení na straně serveru nebo na edge zabrání blikání na klíčových stránkách.
- Obousměrná synchronizace s CRM: identifikace a skóre do CRM na úrovni účtu; stav účtu a vlastník zpět na web, aby například neukazoval CTA „rezervovat demo“ stávajícímu zákazníkovi.
Jednotlivé části jsou užitečné jen dohromady. Identifikace bez akce je jen seznam. Personalizace bez identifikace hádá. Skóre, která se nikdy nedostanou do CRM, se nikdy nedostanou k obchodu.
Jak poznat, že to funguje
| Otázka | Metrika | Srovnání |
|---|---|---|
| Oslovujeme správné účty? | Podíl identifikovaného provozu, který odpovídá vašemu ICP | Meziměsíčně |
| Rozlišuje skórování vůbec něco? | Míra příležitostí podle úrovně skóre | Nejvyšší úroveň by měla jasně překonávat nižší; pokud ne, model nic nepředpovídá |
| Reaguje obchod na upozornění? | Doba od upozornění k prvnímu kontaktu; podíl upozornění, na která se reagovalo | Oproti vaší cílové době odezvy |
| Pomáhá personalizace? | Konverze podle segmentu, personalizace vs. kontrolní skupina | Kontrolní skupina ze stejného segmentu, ne průměr webu |
| Stojí to za ty peníze? | Cena za obchodem přijatý lead nebo příležitost z tohoto modelu | Oproti ostatním kanálům, se stejnou definicí |
Jedno zkreslení počítejte předem: identifikované účty se přiklánějí k větším firmám, protože jejich sítě rozpoznávání IP zvládá nejlépe. Velikosti obchodů pak mohou vypadat lépe, než si daný model zaslouží. Srovnávejte srovnatelné.
30denní plán
- Týden 1: identifikace, žádná akce. Nainstalujte identifikaci, připojte obohacení a zaznamenávejte, které firmy přicházejí a co čtou. Změřte míru spárování a namátkově ověřte přesnost na účtech, které znáte.
- 2. týden: první skórovací model. Analyzujte nedávno vyhrané obchody z hlediska shody s profilem a chování před vznikem příležitosti. Postavte jednoduchý model s úrovněmi a s obchodem se dohodněte na definici „jednat hned“.
- Týden 3: jedna personalizace. Vyberte nejčastější ICP odvětví nebo velikostní pásmo ve vaší identifikované návštěvnosti a personalizujte pro ně nadpis a důkazy na homepage. Ponechte holdout skupinu.
- 4. týden: zapojte obchod. Synchronizujte identifikaci na úrovni firem a úrovně do CRM, zapněte upozornění vlastníkům pro nejvyšší úroveň a vysvětlete obchodníkům, co data ukazují a co ne, včetně toho, jak se na ně odkazovat, aniž by to působilo dotěrně („Všiml jsem si, že se váš tým díval na integrace“ bude mnohým kupujícím připadat zvláštní; začít relevantním materiálem obvykle ne).
Po čtyřech týdnech máte infrastrukturu a první test. Skórování se zlepší, jen pokud někdo každý měsíc zhodnotí výkon úrovní a upraví ho; samo od sebe se nezlepší.
Chyby, kterým se vyhnout
- Skórování jen podle shody. Velká firma odpovídající vašemu ICP, která si přečte jeden článek na blogu, není horký lead. Chování obvykle odliší kupující od prohlížejících lépe než firmografické údaje.
- Upozornění na všechno. Pokud obchodníci dostávají desítky upozornění denně, přestanou je číst. Nejvyšší úroveň udržujte malou.
- Personalizace na základě nejistých dat. Pokud si obohacení dat není jisté odvětvím, zobrazte výchozí verzi. Stránka pro špatné odvětví je horší než obecná.
- Považovat ochranu soukromí za vyřešenou, protože jde o „firemní data“. IP adresy a sledování chování mohou být podle GDPR osobními údaji, i když vaším cílem je úroveň firmy. Zapojte odpovědnou osobu za ochranu údajů, respektujte volby souhlasu s cookies a sledováním a aktualizujte informace o ochraně osobních údajů. Podrobnosti popisuje náš článek o B2B personalizaci a ochraně dat.
- Předpoklad, že se model udržuje sám. Vaše zákaznická základna, produkt i sdělení se mění. Skórování revidujte měsíčně a pravidla personalizace čtvrtletně.
Kam zapadá Markettailor
Markettailor kombinuje identifikaci návštěvníků na úrovni firem, firmografické obohacení a personalizaci webu, takže identifikační data přímo plní segmenty a varianty a výsledky lze porovnat s kontrolní skupinou. Ať používáte jakýkoli nástroj, výše uvedené pořadí platí: měřte, kdo web navštěvuje, zjistěte, co předcházelo vašim výhrám, jednejte s malou skupinou s vysokým záměrem a každou změnu stránky testujte proti kontrolní verzi.
