B2B-ostoaikedataan perustuva personointi alkaa yksinkertaisesta kysymyksestä: mitä tämä kävijä oikeasti haluaa juuri nyt? Firmografinen data kertoo, kuka hän on. Käyttäytymisdata kertoo, mitä hän on tehnyt. Ostoaikedata kertoo, mitä hän aktiivisesti tutkii ja kuinka valmis hän on ostamaan. Kun yhdistät ostoaikesignaalit verkkosivuston personointisääntöihin, lakkaat arvailemasta, mitä sisältöä näyttää, ja alat sovittaa sivustokokemuksen todelliseen ostokäyttäytymiseen.
Useimmat B2B-tiimit käyttävät intent-dataa yhteen asiaan: soitettavien yritysten listan toimittamiseen myyntitiimille. Se on hyödyllistä, mutta ohittaa verkkosivuston. (Kolmannen osapuolen intent-data on myös eri asia kuin hakukyselyn aie; käsittelemme sitä puolta kirjoituksessamme ostoaikeen avainsanoista.) Jos tiedät, että kohdeyritys tutkii aktiivisesti aihetta ”website visitor identification tools”, miksi näyttäisit sille geneerisen etusivun sen sijaan, että aloittaisit kävijätunnistuksen kyvykkyyksistäsi, relevanteista asiakastarinoista ja suorasta polusta demoon?
Alla: intent-datan tyypit, mitkä signaalit ovat tarpeeksi vahvoja muuttamaan sivua, viisi rakentamisen arvoista sääntöä, miten data pidetään puhtaana ja miten selvität, maksaako mikään tästä itsensä takaisin.
Intent-datan kolme tyyppiä
Ostoaikeidata niputetaan yhdeksi kategoriaksi, mutta tyyppejä on kolme, ja niiden luotettavuus, kustannukset ja käyttötavat verkkosivujen personoinnissa eroavat paljon.
Ensimmäisen osapuolen ostoaikedata
Tämä on käyttäytymisdataa omista kanavistasi: verkkosivustoltasi, sähköposteistasi, tuotteestasi ja sisällöstäsi. Se on luotettavinta, koska hallitset keruuta ja tiedät tarkalleen, mitkä toimet sen laukaisivat.
Personoinnin kannalta merkitykselliset signaalit:
- Vieraillut sivut ja käytetty aika (erityisesti tuote-, hinnoittelu- ja vertailusivut)
- Kulutettu sisältö (blogiaiheet, ladatut oppaat, webinaarit, joihin osallistuttu)
- Sivustosi hakukyselyt
- Paluukäyntien tiheys ja tuoreus
- Lomakkeiden käyttö (aloitettu mutta keskeytetty, valmis)
- Sähköpostin sitoutuminen (avattu, klikattu, mitkä linkit)
Ensimmäisen osapuolen intent-datan kerääminen on ilmaista ja erittäin tarkkaa. Rajoitus on kattavuus: näet ostoaikeen vain niiltä, jotka ovat jo löytäneet sivustosi. Et näe yrityksiä, jotka tutkivat kategoriaasi muilla sivustoilla, arvostelualustoilla tai alan julkaisuissa. Olemme käsitelleet tämän datan keräämisen mekaniikkaa ensimmäisen osapuolen datastrategian oppaassamme.
Toisen osapuolen aiedata
Tämä on kumppanin ensimmäisen osapuolen dataa, jonka se jakaa kanssasi. Yleisin lähde ovat arvostelualustat (G2, TrustRadius, Capterra), jotka myyvät dataa siitä, mitkä yritykset tutkivat tuotekategoriaasi tai vertaavat sinua kilpailijoihin.
Personoinnin kannalta merkitykselliset signaalit:
- Kategorian tiedonhakuaktiivisuus (esim. ”Yritys X tutkii verkkosivujen personointityökaluja”)
- Kilpailijavertailuaktiivisuus (esim. ”Yritys X katsoi vertailua sinun ja kilpailija Y:n välillä”)
- Profiilin katselut arvostelualustalla
- Sisällön kulutus kumppanisivustoilla
Toisen osapuolen data on kohtalaisen luotettavaa, koska lähde tunnetaan ja keruutavat ovat läpinäkyviä. Varjopuolena on rajattu kattavuus: kukin kumppani näkee vain oman liikenteensä. Arvostelusivustojen signaalit ovat lähellä ostopäätöstä (joku lukee vertailuja kategoriassasi), mutta ne kattavat vain ostajat, jotka käyttävät kyseistä arvostelusivustoa.
Kolmannen osapuolen ostoaiedata
Tämä on koostettua käyttäytymisdataa eri puolilta verkkoa, ja sitä keräävät Bomboran, 6sensen tai G2:n kaltaiset palveluntarjoajat (laajassa mittakaavassa). Ne seuraavat sisällönkulutusta tuhansilla verkkosivustoilla ja muuntavat sen yritystason ostoaikesignaaleiksi. Jos valitset vielä lähdettä, katso miten B2B-intent-datan tarjoajia vertaillaan.
Personoinnin kannalta merkitykselliset signaalit:
- Aihepiikkipisteet (kuluttaako yritys X enemmän ”verkkosivujen personointiin” liittyvää sisältöä kuin normaalisti?)
- Ostovaiheen indikaattorit (tiedonhakuvaihe vs. aktiivinen vertailu vs. päätös)
- Kilpailijakiinnostuksen signaalit
- Teknologiakategorian tiedonhakuaktiivisuus
Kolmannen osapuolen datalla on laajin kattavuus mutta heikoin luotettavuus signaalia kohden. Se perustuu todennäköisyyspohjaiseen täsmäytykseen (IP-osoitteiden ja evästeiden yhdistämiseen yrityksiin), mikä tuo kohinaa. Kaikki signaalit eivät ole todellista ostoaietta. Osa on vain harjoittelija tekemässä kilpailija-analyysia tai toimittaja kirjoittamassa artikkelia. Näkemyksemme: käsittele kolmannen osapuolen ostoaikeen dataa ensimmäisen osapuolen datan täydennyksenä, ei sen korvikkeena.
Miksi useimmat tiimit tuhlaavat aikomusdatansa
Yleinen aiedatan työnkulku: kolmannen osapuolen palveluntarjoaja lähettää viikoittain listan yrityksistä, jotka osoittavat ostoaikeita. Markkinointi välittää listan myynnille. Myynti lisää ne outbound-sekvenssiin. Useimmat näistä yrityksistä eivät koskaan vastaa.
Heikko kohta on reagointi. Otat digitaalisen signaalin (tämä yritys tutkii aktiivisesti verkossa) ja vastaat siihen analogisella toimenpiteellä (myyjän kylmä sähköposti). Samaan aikaan sama yritys vierailee verkkosivustollasi, ja näytät sille saman geneerisen kokemuksen kuin kaikille muillekin.
Ajoitus pahentaa tilannetta. 6sensen vuoden 2025 Buyer Experience Reportissa ostajat ottivat ensimmäisen yhteyden myyjiin noin 61 %:n kohdalla ostopolkuaan ja aloittivat itse 79 % näistä ensimmäisistä yhteydenotoista (6sense, 2025). Suuri osa sitä edeltävästä tiedonhausta tapahtuu toimittajien verkkosivustoilla, joilla myyjä ei näe sitä.
Näkemyksemme: jos aikomusdataa käytetään vain myynnin yhteydenottoihin, puolet siitä menee hukkaan. Kategoriaanne tutkiva yritys käy jossain vaiheessa verkkosivustollasi, ja se käynti on hetki, jolloin signaali on hyödyllisimmillään, koska voit muuttaa sitä, mitä he näkevät ollessaan siellä.
Aikomusdatan yhdistäminen personointisääntöihin
Se, miten muutat signaalin säännöksi, riippuu siitä, kuinka paljon luotat siihen. Hyödyllinen jako on kolme luotettavuustasoa.
Korkean varmuuden signaalit (toimi suoraan)
Nämä signaalit ovat riittävän vahvoja muuttamaan kävijän kokemusta ilman lisävahvistusta:
- Hinnoittelusivun käynti (ensimmäinen osapuoli): Vierailija on arvioinut tuotettasi ja katsoo hintaa. Personoi kohti päätösvaiheen sisältöä. Nosta esiin ROI-dataa, heidän toimialansa asiakastarinoita ja suora reitti myyntiin.
- Kilpailijavertailu arvostelusivustolla (second-party): He vertaavat sinua aktiivisesti vaihtoehtoon. Näytä erottautumissisältöä, tarvittaessa siirtymäoppaita ja heidän segmenttinsä kannalta relevantteja kilpailuetuja.
- Useita ominaisuussivujen käyntejä yhdessä istunnossa (ensimmäisen osapuolen data): He arvioivat ominaisuuksiasi yksityiskohtaisesti. Nosta esiin juuri ne ominaisuudet, joita he katsoivat, ja näytä, miten ne toimivat yhdessä.
- Lomakkeen hylkääminen (ensimmäisen osapuolen data): He aloittivat konversion ja lopettivat. Vähennä kitkaa heidän seuraavalla käynnillään. Näytä yksinkertaisempi CTA tai tarjoa eri konversiopolku (kuten kalenterilinkki lomakkeen sijaan).
Keskivarmat signaalit (yhdistä muuhun dataan)
Nämä signaalit ovat merkityksellisiä mutta eivät ratkaisevia. Yhdistä ne firmografiseen tai ensimmäisen osapuolen dataan ennen toimimista:
- Aihepiirin kiinnostuspiikki kolmannen osapuolen palveluntarjoajalta: yritys kuluttaa tavallista enemmän tuotekategoriaasi koskevaa sisältöä. Jos yritys vastaa myös ICP:täsi yritysdatan perusteella, personoi segmenttinsä ydinarvolupauksen suuntaan. Jos se ei vastaa ICP:täsi, älä muuta mitään.
- Blogisisällön kulutusmalli (ensimmäinen osapuoli): Kävijä on lukenut vähintään 3 samaa aihetta (esim. ABM) käsittelevää blogikirjoitusta. Nosta esiin syvällisempää sisältöä aiheesta ja linkitä asiaankuuluvaan tuotesivuun (tässä tapauksessa asiakkuuspohjainen markkinointi).
- Sähköpostiklikkaus tiettyyn aiheeseen: He osoittivat kiinnostusta aiheeseen sähköpostin kautta. Kun he käyvät verkkosivustolla, nosta esiin aiheeseen liittyvää sisältöä. Älä kuitenkaan ylireagoi; sähköpostiklikkaukset ovat vähävaivaisia toimintoja.
Heikon luotettavuuden signaalit (käytä priorisointiin, ei personointiin)
Jotkin ostoaikeen signaalit ovat liian kohinaisia verkkosivustokokemuksen muuttamiseen, mutta silti hyödyllisiä päätettäessä, mihin keskittyä:
- Yleinen kategoriapiikki kolmannen osapuolen datassa: ”Yritys X tutkii markkinointiteknologiaa.” Tämä on liian laaja personoinnin pohjaksi. Käytä sitä yrityksen priorisointiin yhteydenotoissa, mutta älä muuta sen verkkosivustokokemusta epämääräisen signaalin perusteella.
- Yksittäinen sivulataus (ensimmäinen osapuoli): Yksi blogikäynti ei kerro merkittävästä ostoaikeesta. Odota mallia ennen personointia.
- Vanhat ostoaikeen signaalit: 60 päivän takainen aihepiikki on vanhentunut. Ostoaikeidata vanhenee nopeasti. Yli 30 päivää vanhojen signaalien ei pitäisi ohjata personointisääntöjä.
Viisi personointisääntöä, jotka hyödyntävät aiedataa hyvin
Jokaisella alla olevalla säännöllä on signaali, toimenpide ja tapa tarkistaa se.
Sääntö 1: kilpailijatutkimus käynnistää erottautumissisällön
Signaali: Toisen osapuolen data näyttää, että yritys katsoi profiiliasi ja kilpailijan profiilia arvostelusivustolla saman viikon aikana.
Toimenpide: kun kuka tahansa kyseisestä yrityksestä vierailee sivustollasi, lisää etusivulle ja olennaisille tuotesivuille vertailuosio. Näytä keskeiset erottautumistekijäsi, asiakkaiden vaihtotarinoita ja CTA "Miksi tiimit vaihtavat meihin".
Mitä mitata: demopyyntöjen osuus kilpailija-aikomusta osoittavilla yrityksillä, jotka näkevät erottautumissisällön, verrattuna vertailuryhmään samoista yrityksistä, joka näkee geneerisen sivun. Pidä sisältö vapaana kilpailijan nimestä ja keskity ominaisuuksiin, joissa tuotteesi on aidosti vahvempi.
Sääntö 2: aiheiden kulutus ohjaa ominaisuuksien painotusta
Signaali: Ensimmäisen osapuolen data näyttää, että kävijä on kuluttanut vähintään 2 sisältöä tietystä aiheesta (esim. kävijätunnistus, segmentointi, analytiikka).
Toimenpide: Järjestä etusivun ominaisuusosio uudelleen niin, että tutkittu aihe tulee ensin. Jos he ovat lukeneet kävijätunnistuksesta, aloita kävijätunnistuksen ominaisuuksilla. Jos he ovat lukeneet segmentoinnista, aloita segmentointiominaisuuksilla.
Mitä mitata: klikkaukset ominaisuussivulta uudelleenjärjestettyyn ominaisuuteen ja eteneminen hinnoitteluun tai demoon verrattuna vertailuryhmään, joka näkee oletusjärjestyksen. Kävijän pitäisi löytää etsimänsä nopeammin.
Sääntö 3: Aikomuspiikki ja ICP-täsmäys käynnistävät prioriteettikokemuksen
Signaali: Kolmannen osapuolen ostoaikeidatan tarjoaja merkitsee asiakkuudelle korkean aihepiikkipistemäärän JA asiakkuus vastaa ICP:täsi firmografisen datan perusteella (oikea toimiala, oikea koko, oikea maantiede).
Toimenpide: näytä prioriteettikokemus: toimialakohtainen asiakastarina sivun yläosassa, suora ”Ota yhteyttä” -CTA pehmeämmän suppilon yläpään CTA:n sijaan ja ohjaa asiakkuus nopeasti nimetylle SDR:lle, jos se konvertoi.
Miksi rakentaa se ensin: suodatin (ostoaie + ICP-vastaavuus) poimii pienen osan liikenteestä, jolla pitäisi olla suurin merkitys myyntiputkelle. JA-ehto tekee työn: pelkkä ostoaikedata on liian kohinaista ja pelkkä ICP-vastaavuus liian laaja. Yhdessä ne tunnistavat yritykset, jotka sekä sopivat hyvin että ovat aktiivisesti ostamassa.
Sääntö 4: paluukäyntien kuvio säätää CTA:n kiireellisyyttä
Signaali: First-party-data näyttää vähintään 3 käyntiä 14 päivän sisällä, joista vähintään yhdessä katsottu tuotesivu.
Toimenpide: Vaihda pehmeät CTA:t (”Lue lisää”, ”Katso, miten se toimii”) suoriin CTA:ihin (”Varaa 20 minuutin läpikäynti”, ”Pyydä personoitu demo”). Lisää kiireellisyysvihjeitä, kuten ”Tiimisi on tutkinut tätä kaksi viikkoa, käydään se läpi yhdessä livenä.”
Mitä testata: asiaankuuluvaa toteamusta (”Tiimisi on tutkinut...”) vastaan yleistä kiireellisyyttä luovaa tekstiä (”Paikkoja rajoitetusti”) usein palaaville kävijöille, mittarina demopyynnöt. Näkemyksemme: relevanssi voittaa painostuksen, ja keinotekoinen niukkuus heikentää luottamusta B2B-ostajien silmissä, sillä he vertailevat toimittajia huolellisesti. CTA:n muokkaus perustuu mekanismeihin, jotka käymme läpi datalähtöisen CTA-personoinnin oppaassamme.
Sääntö 5: Ostovaiheen tunnistus muokkaa koko sivua
Signaali: Yhdistetyt first-party-signaalit, jotka sijoittavat asiakasyrityksen tiettyyn ostopolun vaiheeseen (tietoisuus, harkinta, päätös).
Toimenpide: Mukauta koko sivun asettelu. Tietoisuusvaiheen vierailijat näkevät opettavaista sisältöä ja ajatusjohtajuutta. Harkintavaiheen vierailijat näkevät tuotevertailuja ja käyttötapauksia. Päätösvaiheen vierailijat näkevät hinnoittelun, käyttöönoton yksityiskohdat ja nopean reitin myyntiin.
Kompromissi: koko sivun vaiheeseen perustuva personointi on monimutkaisin toteuttaa ja vaikein mitata, koska kolme versiota jakaa liikenteesi kolmeen osaan. Rakenna se viimeisenä, kun yksinkertaisemmat säännöt ovat osoittaneet tehonsa kontrolliryhmää vastaan, ja odota sen paranevan sitä mukaa, kun ostoaikeen pisteytysmallisi saa lisää dataa.
Intent-datapinon rakentaminen
Et tarvitse kaikkia aikomusdatan tyyppejä ensimmäisestä päivästä lähtien. Tässä järjestys, joka on järkevä useimmille B2B-tiimeille.
Vaihe 1: Vain ensimmäisen osapuolen data (viikot 1–4)
Aloita siitä, mitä sinulla jo on. Verkkoanalytiikkasi ja vierailijoiden tunnistusjärjestelmäsi keräävät jo ensimmäisen osapuolen ostoaikeen signaaleja. Määritä personointialustasi seuraamaan:
- Sivukategorioiden katselut (blogi, tuote, hinnoittelu, asiakastarina)
- Istuntojen määrä ja tuoreus tunnistettua yritystä kohden
- Kulutetut sisällön aihekokonaisuudet
- Korkean ostoaikeen sivujen käynnit (hinnoittelu, vertailu, integraatiodokumentaatio)
Rakenna näiden signaalien pohjalta kaksi tai kolme sääntöä ja testaa ne holdout-ryhmää vastaan. Jos ne eivät tuota nousua omalla liikenteelläsi, lisädatan ostaminen ei korjaa sitä.
Vaihe 2: lisää second-party-data (kuukaudet 2–3)
Yhdistä arvostelualustan integraatio (G2 on yleisin). Tämä lisää kilpailijavertailusignaalit ja kategoriatutkimusdatan. Käytä sitä käynnistämään sääntö 1 (kilpailijoista erottautumisen sisältö) ja tunnistamaan yrityksiä, jotka ovat ostovaiheessa mutta eivät ole vielä löytäneet sivustoasi.
Arvostelusivustojen ostoaiedataa myydään lisäosana, eikä hinnoittelua yleensä julkaista, joten pyydä tarjous ja vertaa sitä siihen, mitä kolmannen osapuolen palveluntarjoaja maksaisi. Kapeassa kategoriassa arvostelusivustojen signaalit (nimettyjen yritysten kategoria- ja vertailututkimus) voivat olla kaikki tarvitsemasi ulkoinen ostoaiedata.
Vaihe 3: lisää third-party-data (kuukaudet 4–6)
Lisää kolmannen osapuolen intent-toimittaja (Bombora, 6sense tai vastaava) saadaksesi laajan kattavuuden yrityksistä, jotka tutkivat kategoriaasi verkossa. Käytä sitä ensisijaisesti sääntöön 3 (ostoaikeen piikki + ICP-vastaavuus) ja yrityspisteytysmallisi syötteenä.
Kolmannen osapuolen ostoaikeidata on yleensä kallein kerros, eikä Bombora tai 6sense julkaise täyttä sopimushinnoittelua (lokakuussa 2026), joten varaudu myyntikeskusteluun. Älä investoi ennen kuin olet varmistanut, että ensimmäisen ja toisen osapuolen ostoaikeidata liikuttavat personointiohjelmasi tuloksia. Jos vaiheet 1 ja 2 eivät tuota tuloksia, ongelma ei ole datan kattavuus. Se on personoinnin toteutuksessa tai segmenteissäsi.
Ostoaikeen datan hygienia: mitä useimmat tiimit ohittavat
Raaka aiedata on kohinaista. Ilman puhdistusta ja validointia personoit väärien signaalien perusteella ja heikennät kävijäkokemuksesi laatua.
Signaalin heikkeneminen
Ostoaikeen signaaleilla on puoliintumisaika. Eilinen hinnoittelusivun käynti on vahva signaali. Sama käynti 45 päivää sitten on kohinaa. Aseta selkeät vanhenemissäännöt. Nämä ikkunat ovat lähtökohtia, eivät vertailulukuja; säädä ne myyntisykliisi:
- Ensimmäisen osapuolen signaalit: täysi paino 7 päivää, puolikas paino päivinä 8–21, hylätään 30 päivän jälkeen
- Toisen osapuolen signaalit: täysi paino 14 päivää, puolikas paino 15–30 päivää, hylkäys 45 päivän jälkeen
- Kolmannen osapuolen signaalit: täysi paino 7 päivää, puolikas paino päivinä 8–14, hylätään 21 päivän jälkeen (ne ovat kohinaisempia, joten ne vanhenevat nopeammin)
Miksei yhtä pitkää aikaikkunaa kaikelle? 90 päivän ikkuna jatkaa toimimista asiakkuuksien kohdalla, jotka ovat jo tehneet päätöksensä tai siirtyneet eteenpäin, joten vierailijat näkevät viestejä, jotka eivät enää sovi heille. Lyhyemmät, signaalikohtaiset ikkunat pitävät kokemuksen relevanttina; tarkista se seuraamalla personoitujen elementtien klikkausprosenttia ennen ja jälkeen ikkunoiden muuttamisen.
Väärien positiivisten suodatus
Kaikki ostoaikeen signaalit eivät kerro ostoaikeesta. Suodata pois yleiset väärät positiiviset:
- Kilpailijat: Jätä tunnetut kilpailijoiden verkkotunnukset personointisääntöjesi ulkopuolelle. Sivustollasi vieraileva kilpailija tekee kilpailija-analyysia, ei ole ostamassa.
- Työnhakijat: Kävijät, jotka katsovat rekrytointisivuasi ja selaavat sitten tuotesivuja, ovat työnhakijoita tutustumassa tuotteeseesi, eivät ostajia. Sulje pois yritykset, joiden ensimmäinen katsottu sivu oli rekrytointiosio.
- Opiskelijat ja tutkijat: .edu-verkkotunnukset ja yritykset, joiden signaalit näyttävät akateemiselta tutkimukselta (paljon blogin lukemista, ei tuotesivuihin sitoutumista), pitäisi suodattaa pois korkean ostoaikomuksen segmenteistä.
- Bottiliikenne: kolmannen osapuolen ostoaiedata on erityisen altis bottien paisuttamille signaaleille. Jos tarjoaja näyttää äkillisiä piikkejä sadoissa asiakkuuksissa samanaikaisesti, kyseenalaista datan laatu.
Signaalien vähimmäiskynnykset
Älä personoi yksittäisen signaalin perusteella. Vaadi vähimmäiskynnys ennen kuin muutat kokemusta:
- Ensimmäisen osapuolen data: vähintään 2 aiesignaalia 14 päivän sisällä (esim. 2 tuotesivun katselua tai 1 tuotesivu + 1 paluukäynti)
- Second-party: vähintään 1 vahva signaali (kilpailijavertailu) tai 2 kohtalaista signaalia (kategorian selaaminen)
- Kolmas osapuoli: ostoaikeen piikkipisteet tarjoajan suositteleman kynnyksen yläpuolella JA vastaava ensimmäisen osapuolen tai firmografinen signaali
Yhteen signaaliin perustuva personointi luo poukkoilevan kokemuksen, jossa vierailija näkee joka kerta eri sisältöä yhden sivun katselun perusteella. Kynnysarvoihin perustuvat säännöt luovat vakaan, asteittain etenevän kokemuksen, joka rakentuu kertyneen näytön varaan.
Ostoaikeisiin perustuvan personoinnin mittaaminen
Merkitykselliset mittarit eroavat yleisestä personoinnin mittaamisesta, koska sinun on seurattava nimenomaan ostoaikeen signaalin vaikutusta.
Signaalin tarkkuus
Mittaa jokaisen aikomussignaalityypin osalta, miten signaalilla merkityt yritykset konvertoivat verrattuna merkitsemättömiin. Jos yritykset, joilla kolmannen osapuolen toimittajasi näyttää ”high topic surge” -signaalia, konvertoivat samalla tahdilla kuin muut, signaali ei ole hyödyllinen markkinallesi. Luovu siitä ja kohdenna budjetti uudelleen.
Tarkista signaalien tarkkuus neljännesvuosittain omasta datastasi: vertaa kunkin signaalin kohdalla sen näyttäneiden asiakkuuksien demopyyntöastetta niihin, jotka eivät sitä näyttäneet. Useimmissa kokoonpanoissa ensimmäisen osapuolen signaalit, kuten hinnoittelusivun käynnit, ennustavat parhaiten, koska ne osoittavat kiinnostusta juuri sinuun; kolmannen osapuolen aihepiikit osoittavat kiinnostusta kategoriaan ja ovat heikompia. Painota sääntöjäsi omien lukujesi perusteella.
Personoinnin tuoma nousu signaalilähteittäin
Aja kontrolloituja kokeita jokaiselle ostoaikeisiin perustuvalle personointisäännölle. Jätä 20 % kriteerit täyttävistä asiakkuuksista kontrolliryhmäksi (he näkevät geneerisen kokemuksen, vaikka heillä on ostoaikeen signaaleja). Vertaa personoidun ryhmän ja kontrolliryhmän konversioasteita.
Tämä kertoo, toimiiko personointi vai selittääkö pelkkä ostoaikeen signaali nousun. On mahdollista, että korkean ostoaikeen asiakkuudet konvertoivat paremmin personoinnista riippumatta. Kontrolloitu testi erottaa korkean ostoaikeen vaikutuksen personoidun kokemuksen näkemisen vaikutuksesta. Vain personoidun ryhmän ja holdout-ryhmän välinen ero on inkrementaalinen nousu, jonka voit lukea personoinnin ansioksi.
Hinta per inkrementaalinen konversio
Ostoaikeen datan tarjoajat ovat kalliita. Laske, oikeuttaako personoinnin tuoma nousu datan kustannuksen:
- Laske ostoaiepohjaisen personoinnin ansioksi luettavat inkrementaaliset konversiot (personoidun ryhmän konversiot miinus verrokkiryhmän konversiot)
- Jaa intent-datan vuosikustannus lisäkonversioilla
- Vertaa keskimääräiseen asiakashankintakustannukseesi
Esimerkki havainnollistavin luvuin: jos kolmannen osapuolen aiedatasi maksaa 50 000 dollaria vuodessa ja tuottaa 20 lisäkonversiota, se tekee 2 500 dollaria lisäkonversiota kohden. Jos keskimääräinen kauppasi on 25 000 dollaria ja voittoaste 25 %, jokainen lisäkonversio on odotetulta liikevaihdoltaan 6 250 dollarin arvoinen. ROI on positiivinen. Jos luvut eivät toimi, pidä ensimmäisen ja toisen osapuolen datasi ja jätä kolmannen osapuolen investointi väliin, kunnes liikenteesi tai voittoasteesi paranee.
Aloita siitä, mitä omistat
Vahvimmat aiesignaalit ovat niitä, joita keräät jo. Verkkosivuanalytiikkasi tallentaa, mitä yritykset tekevät sivustollasi. Kävijätunnistuksesi yhdistää tämän käyttäytymisen yrityksiin. Sisällönkulutuksen kuviot paljastavat, mitkä aiheet kutakin yritystä kiinnostavat.
Rakenna ensimmäiset ostoaikeeseen perustuvat personointisääntösi tämän ensimmäisen osapuolen datan varaan. Varmista, että ne tuottavat mitattavaa nostoa. Lisää sitten arvostelualustoilta saatavaa toisen osapuolen dataa tavoittaaksesi kilpailijavertailusignaalit. Ota kolmannen osapuolen intent-toimittajat mukaan vasta, kun olet todistanut mallin toimivan ja tarvitset laajempaa kattavuutta.
Milloin ei kannata vaivautua: jos sivustollasi on niin vähän tunnistettua liikennettä, ettei yksittäinen sääntö tavoita muutamaa sataa kelpaavaa käyntiä vuosineljänneksessä, et pysty mittaamaan tästä mitään. Käytä vaiva ensin oletussivuihin ja hyödynnä sillä välin ostoaikelistoja myynnin priorisointiin.