Lyhyt vastaus: personoinnin attribuutio toimii kirjaamalla, minkä kokemuksen (version) kukin kävijä ja asiakkuus näki, ja vertaamalla sitten personoidun version nähneiden konversiota ja myyntiputkea satunnaisesti valittuun holdout-ryhmään, joka näki oletuksen. Kanava-attribuutio kertoo, mistä kävijä tuli; kokemusattribuutio kertoo, muuttiko se, mitä hän näki sivustolla, lopputulosta. Tarvitset molempia, ja vain holdout-vertailu mittaa inkrementaalisen vaikutuksen.
Useimmat attribuutioratkaisut rakennettiin yhden hiljaisen oletuksen varaan: jokainen URL-osoitteeseen saapuva näkee saman sivun. Personointi rikkoo sen. Kaksi vierailijaa klikkaa samaa Google-mainosta ja laskeutuu samalle etusivulle. Toinen näkee pääotsikon enterprise-tietoturvasta, toinen API-nopeudesta. Analytiikkatyökalusi kirjaa molemmat muodossa ”homepage, google / cpc”. Jos toinen konvertoi ja toinen ei, mikään kirjauksessa ei kerro, ratkaisiko kanava, sivun versio vai jokin muu.
Tämän kirjoituksen loppuosa käsittelee, miksi vakiomallit eivät huomaa tätä, miten kysymys jaetaan kahtia, miten holdoutit asetetaan, miten kokemusdata viedään CRM:ään ja miten siitä raportoidaan liioittelematta.
Miksi tavalliset attribuutiomallit ohittavat personoinnin
Ensimmäisen kosketuksen, viimeisen kosketuksen, lineaarinen, ajan mukaan heikkenevä ja sijaintiin perustuva malli jakavat kaikki tunnustusta liikenteen lähteiden ja sivustolla tehtyjen toimintojen kesken. Itse sivua käsitellään vakiona. Ne myös ohittavat vaikutuksen, joka ei koskaan synnytä seurattavaa kosketusta, mitä käsittelemme artikkelissamme B2B:n pimeästä suppilosta. Jos tarvitset kertauksen siitä, miten mallit jakavat tunnustusta, katso tämä käytännön opas monikosketusattribuutioon.
Esimerkki (havainnollistava): yritys vierailee kolme kertaa ennen demopyyntöä. Käynti 1 tulee orgaanisesta hausta ja näkee yleisen etusivun. Käynti 2 tulee LinkedIn-mainoksesta; siihen mennessä yritys on tunnistettu, joten se näkee valmistavan teollisuuden otsikon. Käynti 3 on suora, ja sivusto näyttää asiakastarinan yrityksen nykyisen työkalun korvaamisesta. Lineaarinen malli antaa orgaaniselle haulle, LinkedInille ja suoralle liikenteelle kullekin kolmanneksen kunniasta. Siinä ei ole kenttää tiedolle ”näki valmistavan teollisuuden variantin” tai ”näki kilpailija-asiakastarinan”, joten jos juuri nuo sivut tekivät vakuuttamisen, raportti ei pysty näyttämään sitä.
Se on mittausaukko, ei todiste personoinnin toimimisesta. Ehkä yritys olisi varannut tapaamisen joka tapauksessa. Pointti on, ettei vakioraportti pysty vastaamaan kumpaankaan suuntaan.
Jaa se kahdeksi kysymykseksi
| Kanava-attribuutio | Kokemuksen attribuutio | |
|---|---|---|
| Kysymys | Mitkä kanavat tuovat oikeat asiakkuudet? | Kun he saapuvat, muuttaako personoitu kokemus sitä, mitä he tekevät? |
| Päätös, jota se tukee | Asiakashankinnan budjetti | Mitkä personointisäännöt säilytetään, muutetaan tai kytketään pois |
| Menetelmä | Nykyinen MTA-mallisi tai alustojen raportit | Satunnaistettu verrokkiryhmä oletussivua vastaan |
| Pääyleisö | Maksettu media ja kysynnän luonti | Verkko, CRO ja tuotemarkkinointi |
Aja niitä rinnakkain ja raportoi erikseen. Kanava-attribuutiolla on omat rajoituksensa, mutta sen voi pitää ennallaan. Kokemusattribuutio tarvitsee vertailuryhmän, koska "personoidun sivun nähneet konvertoivat enemmän" näkyisi myös, jos olisit yksinkertaisesti personoinut parhaiten sopiville yrityksillesi. Oppaamme B2B-markkinointikanavista käsittelee kanavapuolta.
Vertailuryhmät: se osa, joka mittaa todellista lisävaikutusta
Pidätä personointi satunnaiselta joukolta kelpoisia asiakasyrityksiä ja anna niiden nähdä oletussivusto. Kaikki muu pysyy samana: samat mainokset, samat sähköpostit, sama myynnin jatkotoiminta.
Tärkeät asetukset:
- Jaa asiakkuuden, ei istunnon mukaan. Jos neljän hengen ostoryhmä jakautuu varianttien kesken, molemmat ryhmät kontaminoituvat. Hashaa yritystunnus (tai ensimmäisen osapuolen eväste, kun yritystä ei tunneta), jotta jako pysyy samana käynnistä toiseen.
- Mitoita kontrolliryhmä liikenteesi mukaan, älä nyrkkisäännöllä. Suurempi kontrolliryhmä luetaan nopeammin, mutta useampi yritys jää ilman personoitua sivua. Laske A/B-testin otoskoko -laskelmalla, kuinka monta yritystä ryhmää kohden tarvitset nähdäksesi sinulle merkityksellisen parannuksen, ja päätä sitten, kuinka suuri osuus se on.
- Lukitse "kelpoisuuden" määritelmä. Jos segmenttisääntö muuttuu kesken testin, ryhmät lakkaavat olemasta vertailukelpoisia.
Vertaa sitten ryhmiä jokaisessa suppilon vaiheessa, jonka pystyt oikeasti laskemaan:
- Sivuston lomake- tai demokonversioaste.
- MQL:stä SQL:ksi -aste. Tämä paljastaa version, joka lisää lomaketäyttöjä mutta houkuttelee heikompia liidejä.
- Myyntimahdollisuuksien syntymisaste asiakkuutta kohden.
- Voittoprosentti ja kaupan koko, kun riittävästi kauppoja on suljettu. Useimmissa B2B-yrityksissä tämä vaihe vaatii täyden myyntisyklin ennen kuin se kertoo mitään.
Lue tulokset segmenteittäin sekä kokonaisuutena. Kokonaisnousu voi tulla kokonaan yhdestä segmentistä, kun toinen segmentti ei hyödy mitään tai jopa heikkenee hieman. Jos segmenttikohtaiset ryhmät ovat liian pieniä luettaviksi, sano se sen sijaan, että raportoisit kokonaisluvun ikään kuin se pätisi kaikkialla.
Kun puhdasta yritystason vertailuryhmää ei voi toteuttaa
Maantieteellinen jako
Personoi joillakin alueilla ja jätä vertailukelpoiset alueet ilman. Hyödyllinen, kun asiakkuusmäärät ovat liian pieniä tai tunnistuksen kattavuus on epätasainen. Riskinä on, että alueet eroavat syistä, joilla ei ole mitään tekemistä sivustosi kanssa (myynnin kattavuus, paikalliset tapahtumat, valuutta), joten valitse toisiaan vastaavat alueet ja aja testiä pidempään.
Päälle/pois-jaksot
Vuorottele personointia päälle ja pois kiinteissä jaksoissa, esimerkiksi kaksi viikkoa kerrallaan, useamman kierroksen ajan. Näin yhtäkään kohdeyritystä ei tarvitse pitää pysyvästi holdout-ryhmässä. Kampanjoiden käynnistykset, lomat ja kvartaalin loppu liikuttavat lukuja, joten kirjaa jokaisen ison kampanjan päivämäärä ja jätä pois jaksot, jotka osuvat niiden kanssa päällekkäin.
Variantti varianttia vastaan
Kun tiedät personoinnin voittavan oletuksen jossakin segmentissä, testaa personointistrategioita toisiaan vastaan: toimialaotsikko vs. yrityskoko-otsikko tai relevantti asiakastarina vs. räätälöity hero. Se kertoo, mitä sääntöä skaalata, mikä on yleensä hyödyllisempi kysymys kuin "toimiiko personointi?"
Kokemusdatan vieminen CRM:ään
Lomaketäytöt eivät ole se tulos, josta B2B-tiimeille maksetaan, joten versiodatan on päädyttävä pipeline-raportteihin.
- Laukaise tapahtuma jokaisesta personointipäätöksestä. Lähetä GA4:ssä (tai analytiikkatyökalussasi) mukautettu tapahtuma, jossa on säännön tunniste, segmentti, versio ja merkintä siitä, onko kyseessä verrokkiryhmä vai personoitu. Rekisteröi parametrit mukautetuiksi ulottuvuuksiksi, jotta voit raportoida niistä.
- Kirjoita kentät CRM:ään konversion yhteydessä. Välitä lomakkeen lähetyksessä segmentti, viimeksi nähty variantti ja holdout-merkintä piilokenttiin, jotka on kytketty rakenteisiin kontaktikenttiin. Ei muistiinpanokenttään; sinun on voitava suodattaa niillä.
- Kokoa tiedot asiakasyrityksen tasolle. Synkronoi yritystason historia, jos työkalusi tukee sitä: personoidut istunnot, nähdyt versiot sekä ensimmäisen ja viimeisen näkymän päivämäärä.
- Merkitse myyntimahdollisuudet. Lisää myyntimahdollisuuteen kenttä, joka on tosi, kun kuka tahansa myyntimahdollisuuden kontakteista näki personoidun istunnon määritetyn ajan sisällä ennen myyntimahdollisuuden luomista. Valitse aikaikkuna syklisi mukaan ja kirjaa se ylös; 30 tai 60 päivää ovat yleisiä valintoja. Täytä kenttä työnkululla, ei käsin.
- Rakenna kolme raporttia. Nykyinen kanavaraporttisi ennallaan. Viikoittainen personointiraportti: konversio segmenteittäin, personoitu vs. kontrolliryhmä. Neljännesvuosittainen pipeline-raportti: vaikutettu pipeline segmenteittäin ja vaiheittain.
Siistit UTM-parametrit ovat edellytys. Jos lähde- ja kampanjadata ovat epäjohdonmukaisia, et pysty erottamaan kanavan vaikutusta sivun vaikutuksesta; yhteinen UTM-työkalun käytäntö korjaa suurimman osan siitä.
”Vaikutti” ei ole sama kuin ”aiheutti”
Kutsu myyntimahdollisuuden merkintää nimellä ”personoinnin vaikuttama”, älä ”attribuoitu”. Vaikuttaminen kertoo vain, että joku kaupan osapuoli näki personoidun sivun. Personointi kohdistuu yleensä parhaiten sopiviin asiakkuuksiisi, jotka konvertoivat paremmin muutenkin, joten vaikutettu myyntiputki näyttää hyvältä, teki versioista mitään tai ei. Holdout-ryhmä antaa kausaalisen osuuden.
Kun nämä yhdistetään keksityillä luvuilla laskutoimituksen havainnollistamiseksi: vaikutetut myyntimahdollisuudet tuottivat vuosineljänneksessä 4,2 miljoonaa dollaria myyntiputkea, ja holdout näyttää 18 %:n inkrementaalisen konversionousun. Inkrementaalinen osuus on 0,18 / 1,18, joten noin 640 000 dollaria tuosta myyntiputkesta ei olisi syntynyt ilman personointia. Loput 3,56 miljoonaa dollaria olisi todennäköisesti tullut joka tapauksessa. Talousosasto kysyy jälkimmäistä lukua; kerro se ennen kuin he kysyvät. Sama kurinalaisuus pätee maksettuun mediaan: ROAS-laskuri bruttokatteellasi näyttää, kattaako attribuoitu liikevaihto edes kulut.
Raportointi eri ihmisille
| Yleisö | Mitä he tarvitsevat | Mitä jättää pois |
|---|---|---|
| CMO / markkinointijohtaja | Segmenttikohtainen nousu verrokkiryhmästä, mitkä säännöt skaalataan, miten personoidut sivut muuttavat konversiota kussakin pääkanavassa | Raaka vaikutettu pipeline ilman kontrolliryhmän kontekstia |
| Myyntijohto | Luovatko personoidut asiakasyritykset enemmän myyntimahdollisuuksia ja etenevätkö ne nopeammin segmenteittäin, kun kokonainen sykli on päättynyt | Istuntotason sitoutumismittarit |
| Talous | Vertailuryhmästä saatu inkrementaalinen myyntiputki, kokonaiskustannus (työkalu ja henkilöstön aika), tuloksena oleva tuotto ja luottamusväli | Bruttovaikutusluvut sellaisenaan |
| Hallitus | Yksi rivi: inkrementaalinen myyntiputki, kustannus, trendi vuosineljännesten yli | Menetelmän yksityiskohdat |
Hyödyllinen tapa jokaiselle yleisölle: raportoi verrokkiryhmän luvut personoidun ryhmän lukujen vieressä, jotta vertailu on näkyvä eikä vain oletettu.
Kuinka pitkälle mennä ja milloin
- Seuranta: näet, mitkä asiakkuudet näkivät personoitua sisältöä. Käyttöönotto vie päiviä. Hyödyllinen vianetsinnässä, ei vaikutuksen osoittamisessa.
- Holdout-ryhmä: voit mitata inkrementaalisen nousun sivustolla. Vaatii riittävästi liikennettä segmenttiä kohden; vähäisen liikenteen segmenteistä ei ehkä koskaan saa selvää tulosta, ja sen voi rehellisesti myöntää.
- Yhteys myyntiputkeen: varianttidata päätyy CRM:ään, ja voit seurata vaikutettua ja lisäävää myyntiputkea. Vaatii vähintään yhden täyden myyntisyklin dataa.
- Uusien segmenttien ennustaminen: segmentin vaikutuksen arvioiminen ennen sen käynnistämistä. Kannattaa yrittää vasta, kun sinulla on useita segmenttejä, joiden holdoutit on viety loppuun ja joista voi oppia.
Älä rakenna myyntiputkikerrosta ennen kuin verrokkiryhmä on olemassa. Ilman kontrolliryhmää se näyttää aina vain korrelaatiota, ja korrelaatiota parhaiten sopivien yritysten personointi tuottaa ilmaiseksi.
Mistä aloittaa
Tarkista, lähettääkö personointityökalusi analytiikkatyökaluusi tapahtumia, joissa on variantin tunniste ja vertailuryhmän merkintä. Jos ei, korjaa se ensin; mikään muu ei toimi ilman sitä. Aseta sitten vertailuryhmä liikenteeltään suurimmalle segmentillesi ja anna sen olla käynnissä niin kauan, että laskemasi otoskoko täyttyy. Markettailorin A/B-testaus hoitaa yritystason vertailuryhmät ja lähettää varianttidatan analytiikkaan, jos et halua rakentaa jakologiikkaa itse.
Usein kysytyt kysymykset
Miten personoinnin attribuutio toimii?
Aina kun kävijä näkee personoidun kokemuksen, personointityökalu lähettää tapahtuman kokemuksen ja version tunnisteella. Tapahtuma tallennetaan istunnon yhteyteen ja, kun kävijä on tunnistettu, asiakasyritykselle CRM:ssä. Kun verrataan konversiota ja pipelinea version nähneiden kävijöiden ja oletussivun nähneen satunnaisen kontrolliryhmän välillä, saadaan personoinnin inkrementaalinen vaikutus.
Mitä eroa on kanava-attribuutiolla ja kokemusattribuutiolla?
Kanava-attribuutio antaa kunnian lähteille, jotka toivat kävijän, kuten hakumainonnalle, LinkedInille tai sähköpostille. Kokemusattribuutio mittaa sen vaikutusta, mitä kävijä näki saavuttuaan. Personoitu sivu voi muuttaa sitä, miten jokainen kanava konvertoi, joten pelkkä kanava-attribuution raportointi piilottaa verkkosivustokokemuksen osuuden.
Kuinka suuri personoinnin vertailuryhmän pitäisi olla?
Tarpeeksi suuri havaitsemaan sinulle merkityksellisen nousun kohtuullisessa ajassa, eikä yhtään suurempi. Tee A/B-testin otoskokolaskelma liikenteellesi ja lähtötason konversioasteellesi, ja määritä verrokkiryhmä yritystasolla, jotta sama yritys näkee johdonmukaisen kokemuksen käynnistä toiseen.
Voivatko monikosketusattribuutiomallit mitata personointia?
Vain epäsuorasti. Monikosketusmallit jakavat kunnian kosketuspisteiden kesken mutta olettavat jokaisen kosketuspisteen olevan sama kaikille. Kokemustunnisteen lisääminen kosketuspisteen ominaisuudeksi antaa raportoida vaikutetun myyntiputken, mutta inkrementaalisen vaikutuksen on silti tultava vertailuryhmävertailusta. Suuri osa B2B-tiedonhausta tapahtuu myös pimeässä suppilossa, jossa kosketuspisteitä ei kirjata lainkaan.