Useimmat B2B-verkkosivuston kävijät poistuvat täyttämättä lomaketta. Tarkista omat lukusi: jaa viime vuosineljänneksen lomakkeiden lähetykset istunnoilla, niin itseään tunnistamattoman liikenteen osuus on yleensä valtaosa. Tekoälypohjainen liidien generointi verkkosivuston merkityksessä on joukko tekniikoita, jotka toimivat tähän hiljaiseen enemmistöön: tunnistetaan, mitkä yritykset vierailevat, arvioidaan, mitkä niistä ovat ostosyklissä, ja muutetaan sivuston sisältöä niin, että useampi niistä ottaa seuraavan askeleen.
"Tekoäly" tekee eri määrän työtä kussakin osassa, ja toimittajat käyttävät sanaa löyhästi. Tämä artikkeli erottelee osat, selittää, miten kukin toimii ja missä se pettää, ja antaa 30 päivän suunnitelman niiden yhdistämiseen ilman ylirakentamista.
Mitä tekoälyavusteinen liidien hankinta tarkoittaa verkkosivustolla
Termi kattaa chatbotit, ennakoivan pisteytyksen, automatisoidut yhteydenotot ja paljon muuta. Verkkosivustoon keskittyvälle B2B-tiimille kolme osaa on tärkeitä:
| Sisältö | Mitä se tekee | Missä koneoppiminen oikeasti auttaa |
|---|---|---|
| Vierailijoiden tunnistaminen | Yhdistää anonyymit istunnot yrityksiin IP-datan ja rikastuksen avulla | Enimmäkseen datan täsmäytystä, ei koneoppimista; osa tarjoajista käyttää malleja tietueiden puhdistamiseen ja täsmäyttämiseen |
| Ostoaikeen pisteytys | Arvioi sopivuuden ja käyttäytymisen perusteella, mitkä yritykset todennäköisesti ostavat | Koneoppimisen pääkäyttö: oppia, mitkä signaaliyhdistelmät edelsivät aiempia voittojasi |
| Personoitu sitoutuminen | Muuttaa otsikoita, todisteita ja CTA:ita sen mukaan, kuka vierailee ja mitä hän teki | Valinnainen; useimmat B2B-personoinnit toimivat eksplisiittisillä säännöillä, joskus automaattisella varianttivalinnalla |
Jos toimittaja sanoo ”tekoälypohjainen”, kysy, mihin näistä kolmesta se liittyy ja millä datalla malli on koulutettu. Omalla voitettujen kauppojen datallasi koulutettu pisteytysmalli on eri asia kuin geneerinen ”ostoaikepistemäärä”, jonka toimittaja laskee kaikkien asiakkaidensa yli.
Näin kävijöiden tunnistaminen toimii
Lomakepohjainen liidien hankinta odottaa, että ihmiset kertovat itse, keitä he ovat. Kävijöiden tunnistaminen toimii toisesta päästä: se yrittää nimetä yrityksen ennen kuin kukaan täyttää mitään.
- IP-tunnistus. Kävijän IP-osoitetta verrataan tietokantoihin, jotka liittävät IP-alueet organisaatioihin. Yritykset, joilla on omat verkkoalueensa (toimistot, yrityksen yhdyskäytävän kautta kulkevat VPN:t), tunnistuvat hyvin. Kotilaajakaistat, mobiiliverkot ja jaetut coworking-verkot tunnistuvat huonosti tai eivät lainkaan, minkä vuoksi tunnistusasteet vaihtelevat sivustojen välillä niin paljon. Mittaa oma tunnistusasteesi ennen kuin suunnittelet mitään sen varaan.
- Firmografinen rikastus. Kun yritys on nimetty, rikastus lisää toimialan, henkilöstöhaarukan, sijainnin ja joskus teknologiapinon. Pidä näitä kenttiä arvioina; tarkista otos sitä vasten, mitä tiedät oikeista asiakkuuksista.
- Käyttäytyminen sivustolla. Katsotut sivut, käyntien määrä ja paluutiheys liitetään yritykseen, joten näet "kolme tämän yrityksen henkilöä luki hinnoittelusivua tällä viikolla" kolmen anonyymin istunnon sijaan.
- CRM-täsmäys. Jos yritys vastaa CRM:si asiakkuutta, käynti liitetään sen omistajaan ja avoimiin kauppoihin. Myyjä näkee, että hänen työstämänsä yritys avasi tietoturvasivun kahdesti.
Yritystason tunnistus ei ole henkilötason tunnistusta. Se kertoo, mikä organisaatio, ei kuka henkilö, ja se pitää esittää myynnille sellaisena. Työkaluvertailun löydät oppaastamme verkkosivuston kävijätunnistusohjelmistoista.
Pisteytys: tunnistetusta kvalifioiduksi
Lista vierailevista yrityksistä ei ole myyntiputki. Pisteytysvaihe ratkaisee, mitkä niistä ansaitsevat huomiota. Mallipohjaisen pisteytyksen viemisestä toimivaan putkeen kerrotaan tässä käytännönläheisessä oppaassa tekoälypohjaiseen liidipisteytykseen.
1. Perusta profiili omiin voitettuihin kauppoihisi
Hae viimeiset 50–100 voitettua kauppaasi ja tarkastele toimialaa, kokoluokkaa, aluetta ja mahdollisia yhteisiä teknologioita. Se on sopivuusprofiilisi, ja sen pitäisi korvata se, mitä pisteytysmalli aiemmin oletti. Kirjoituksemme ihanneasiakasprofiilin rakentamisesta käy analyysin läpi. Jos voitettuja kauppoja on alle muutama kymmenen, koneoppimismallilla on hyvin vähän opittavaa; läpinäkyvä pistemalli, jonka voit selittää myynnille, toimii yhtä hyvin.
2. Etsi käyttäytyminen, joka edelsi näitä voittoja
Katso voitettujen yritysten verkkoaktiivisuutta viikkoina ennen myyntimahdollisuuden luomista. B2B:ssä usein merkitseviä signaaleja: toistuvat käynnit hinnoittelussa, asiakastarinat kävijän omalta toimialalta, vertailu- ja integraatiosivut, useita henkilöitä samasta yrityksestä lyhyen ajan sisällä. Tarkista ne omaa dataasi vasten sen sijaan, että ottaisit ne käyttöön sellaisenaan; signaalilla, joka ei koskaan esiinny ennen voittojasi, ei pitäisi olla painoarvoa.
Tässä koneoppiminen ansaitsee paikkansa. Kun historiaa on riittävästi, malli osaa painottaa sopivuuden ja käyttäytymisen yhdistelmiä paremmin kuin käsin asetetut pisteet. Ilman riittävää historiaa se ylisovittuu kohinaan, joten aloita yksinkertaisesti ja siirry malliin, kun data sen sallii.
3. Muuta pisteet toimenpiteiksi
Määritä tasot sen mukaan, mitä seuraavaksi tapahtuu, ei pelkän pistemäärän mukaan:
- Toimi heti: ICP-sopivuus ja loppuvaiheen käyttäytyminen. Hälytä asiakkuuden omistaja samana päivänä katsottujen sivujen kanssa.
- Lämmitä: hyvä sopivuus, varhainen käyttäytyminen. Mukauta verkkosivukokemusta ja, kun suostumus on olemassa, nurture-viestintää.
- Seuraa: kaikki muu. Jatka käyttäytymisen keräämistä ja arvioi uudelleen, kun se muuttuu.
Aseta rajat niin, että ”toimi nyt” -taso on niin pieni, että myynti oikeasti katsoo jokaisen hälytyksen. Oppaamme korkean ostoaikeen asiakkuuksien pisteyttämisestä ja verkkosivuliidien ohjauksesta käsittelevät kynnysarvot ja ohjauksen tarkemmin.
Datan käyttäminen itse verkkosivustolla
Tunnistus ja pisteytys kertovat, kuka on paikalla. Personointi käyttää sitä muuttaakseen sitä, mitä he näkevät. Kolme yleistä käyttötapaa ja mitä niissä kannattaa seurata:
Tunnistetut mutta tuntemattomat yritykset: toimialaan osuva ensivaikutelma
Kun istunto yhdistyy toimialaan tai kokoluokkaan, etusivu voi näyttää kyseiselle segmentille sopivan otsikon, näytön ja käyttötapauksen. Esimerkki: logistiikka-alan kävijä näkee logistiikka-asiakkaan tarinan geneerisen logoseinän sijaan. Tämä toimii vain, jos sinulla on todellista näyttöä segmentistä; toimialaotsikko geneerisen sisällön päällä on huonompi kuin oletusversio.
Tunnetut kohdeasiakkaat: asiakaskohtaiset kokemukset
Yrityksille, jotka ovat ABM-ohjelmassa tai joilla on avoin kauppa, sivusto voi näyttää kyseiseen suhteeseen liittyvää sisältöä: todisteita heidän toimialaltaan, integraation, josta he kysyivät, CTA:n heidän myyjälleen geneerisen demolomakkeen sijaan. Pidä se maltillisena. Yrityksen nimeäminen bannerissa voi tuntua valvonnalta; relevantin materiaalin näyttäminen ei yleensä tunnu.
Palaavat vierailijat: seuraavan askeleen sovittaminen
Ensimmäinen käynti: ”Katso, miten se toimii”. Paluukäynti tuotesivujen jälkeen: ”Vertaa paketteja”. Paluukäynti hinnoittelun jälkeen: ”Keskustele kanssamme” ajanvarauksella. Yksittäiset säännöt ovat vähemmän tärkeitä kuin niiden testaaminen; mittaa jokaista oletusversion näkevää holdout-ryhmää vastaan. Artikkelimme personoiduista CTA:ista käsittelee testauspuolen.
Pino pala palalta
- Tunnistus ja rikastus: tunnistaa yritykset ja lisää firmografiset tiedot. Ilman sitä mikään myöhempi vaihe ei tiedä, kuka vierailee.
- Käyttäytymisen seuranta: analytiikkatapahtumasi (sivukategoriat, käynnit, keskeiset toiminnot) yhdistettynä yritystietueeseen.
- Pisteytys: joko itse määrittelemäsi pisteet tai tuloksillasi koulutettu malli. Se voi olla personointityökalussasi, CRM:ssäsi tai erillisessä palvelussa.
- Personointi: arvioi säännöt ja tarjoilee versiot. Asiakaspuolen tageilla pääsee nopeasti alkuun; palvelinpuolen tai reunapalvelimen toimitus välttää välkkymisen tärkeillä sivuilla.
- CRM-synkronointi molempiin suuntiin: tunnistus ja pisteet CRM:ään asiakkuustasolla; asiakkuuden tila ja omistaja takaisin verkkosivustolle, jotta se ei esimerkiksi näytä ”varaa demo” -CTA:ta nykyiselle asiakkaalle.
Osat ovat hyödyllisiä vain yhdessä. Tunnistus ilman toimintaa on lista. Personointi ilman tunnistusta arvailee. Pisteet, jotka eivät koskaan päädy CRM:ään, eivät koskaan päädy myynnille.
Miten tiedät, toimiiko se
| Kysymys | Mittari | Vertailu |
|---|---|---|
| Tavoitammeko oikeat yritykset? | ICP:tä vastaavan tunnistetun liikenteen osuus | Kuukaudesta kuukauteen |
| Erotteleeko pisteytys mitään? | Myyntimahdollisuuksien osuus pistetasoittain | Ylimmän tason pitäisi selvästi päihittää alemmat tasot; jos näin ei käy, malli ei ennusta |
| Toimiiko myynti hälytysten perusteella? | Aika hälytyksestä ensimmäiseen yhteydenottoon; käsiteltyjen hälytysten osuus | Verrattuna tavoitevasteaikaasi |
| Auttaako personointi? | Konversio segmenteittäin, personoitu vs. vertailuryhmä | Vertailuryhmä samasta segmentistä, ei sivuston keskiarvo |
| Onko se hintansa arvoinen? | Hinta per myynnin hyväksymä liidi tai myyntimahdollisuus tästä toimintamallista | Muihin kanaviisi verrattuna, samalla määritelmällä |
Yksi odotettava vinouma: tunnistetut yritykset painottuvat suurempiin yrityksiin, koska IP-tunnistus toimii parhaiten niiden verkoissa. Se voi saada kauppojen koot näyttämään paremmilta kuin malli ansaitsee. Vertaa samanlaisia keskenään.
30 päivän suunnitelma
- Viikko 1: tunnistus, ei toimenpiteitä. Asenna tunnistus, yhdistä rikastaminen ja kirjaa, mitkä yritykset käyvät ja mitä ne lukevat. Mittaa tunnistusasteesi ja tarkista pistokokein tarkkuus tuntemiasi asiakkuuksia vasten.
- Viikko 2: ensimmäinen pisteytysmalli. Analysoi tuoreiden voitettujen kauppojen sopivuus ja myyntimahdollisuutta edeltänyt käyttäytyminen. Rakenna yksinkertainen tasomalli ja sovi myynnin kanssa ”toimi nyt” -määritelmä.
- Viikko 3: yksi personointi. Valitse tunnistetun liikenteesi yleisin ICP-toimiala tai -kokoluokka ja personoi etusivun pääotsikko ja todisteet sille. Pidä holdout-ryhmä.
- Viikko 4: kytke myynti mukaan. Synkronoi yritystason tunnistus ja tasot CRM:ään, ota käyttöön omistajahälytykset ylimmälle tasolle ja perehdytä myyjät siihen, mitä data näyttää ja mitä ei, myös siihen, miten siihen voi viitata kuulostamatta tunkeilevalta ("huomasin, että tiimisi on katsonut integraatioita" on lause, jota moni ostaja pitää outona; relevantilla materiaalilla aloittaminen ei yleensä ole).
Neljän viikon jälkeen sinulla on putkisto ja ensimmäinen testi. Pisteytys paranee vain, jos joku tarkastelee tasojen suorituskykyä kuukausittain ja säätää sitä; se ei parane itsestään.
Vältettävät virheet
- Pisteytys pelkän sopivuuden perusteella. ICP:hen kuuluva suuri yritys, joka lukee yhden blogikirjoituksen, ei ole kuuma liidi. Käyttäytyminen erottaa ostajat selailijoista yleensä paremmin kuin firmografiset tiedot.
- Hälytykset kaikesta. Jos myyjät saavat kymmeniä hälytyksiä päivässä, he lakkaavat lukemasta niitä. Pidä ylin taso pienenä.
- Personointi epävarman datan perusteella. Jos rikastus ei ole varma toimialasta, näytä oletusversio. Väärän toimialan sivu on huonompi kuin yleinen.
- Yksityisyyden pitäminen ratkaistuna, koska kyse on ”yritysdatasta”. IP-osoitteet ja käyttäytymisen seuranta voivat olla GDPR:n mukaan henkilötietoja, vaikka tavoitteesi olisi yritystasolla. Ota tietosuojavastaava mukaan, kunnioita evästeitä ja seurantaa koskevia suostumusvalintoja ja päivitä tietosuojaselosteesi. Kirjoituksemme B2B-personoinnista ja tietosuojasta käy yksityiskohdat läpi.
- Oletus, että malli ylläpitää itseään. Asiakaskuntasi, tuotteesi ja viestintäsi muuttuvat. Tarkastele pisteytystä kuukausittain ja personointisääntöjä neljännesvuosittain.
Mihin Markettailor sopii
Markettailor yhdistää yritystason kävijätunnistuksen, firmografisen rikastuksen ja verkkosivuston personoinnin, joten tunnistusdata syöttää segmenttejä ja versioita suoraan ja tuloksia voidaan verrata vertailuryhmään. Käytit mitä työkalua tahansa, yllä oleva järjestys pätee: mittaa, kuka vierailee, opi, mikä edelsi voittojasi, toimi pienen korkean ostoaikeen tason kanssa ja testaa jokainen sivumuutos kontrolliryhmää vastaan.
