A B2B szándékadat-alapú személyre szabás egy egyszerű kérdéssel kezdődik: mit akar valójában ez a látogató most? A cégjellemző adatok azt mondják meg, ki ő. A viselkedési adatok azt, mit csinált. A szándékadatok azt, mit kutat éppen aktívan, és mennyire áll készen a vásárlásra. Ha a szándékjelzéseket összekapcsolod a weboldal-személyre szabási szabályaiddal, nem kell többé találgatnod, milyen tartalmat mutass, hanem a valódi vásárlási viselkedéshez igazíthatod az oldalélményt.
A legtöbb B2B csapat egyetlen dologra használja az intent adatokat: hogy az értékesítési csapatnak felhívandó fiókok listáját adja. Ez hasznos, de figyelmen kívül hagyja a weboldalt. (A harmadik féltől származó intent adat egyébként más, mint a keresési lekérdezésben rejlő szándék; ezt az oldalt a vásárlási szándékot jelző kulcsszavakról szóló cikkünkben tárgyaljuk.) Ha tudod, hogy egy célfiók aktívan kutatja a „website visitor identification tools” témát, miért mutatnál neki általános kezdőlapot ahelyett, hogy a látogatóazonosítási képességeiddel, releváns esettanulmányokkal és egy demóhoz vezető közvetlen úttal kezdenél?
Alább: az intent data típusai, mely jelek elég erősek egy oldal megváltoztatásához, öt érdemes szabály, hogyan tartsd tisztán az adatokat, és hogyan állapítsd meg, megtérül-e mindez.
Az intent data három típusa
Az intent adatokat egy kategóriába szokás sorolni, de három különböző típusuk van, nagyon eltérő megbízhatósággal, költséggel és felhasználási móddal a weboldal-personalizációban.
First-party szándékadatok
Ez a saját felületeidről származó viselkedési adat: a weboldaladról, az e-mailjeidből, a termékedből és a tartalmaidból. Ez a legmegbízhatóbb, mert te irányítod a gyűjtést, és pontosan tudod, milyen műveletek váltották ki.
A személyre szabás szempontjából fontos jelek:
- Meglátogatott oldalak és eltöltött idő (különösen termék-, árazási és összehasonlító oldalak)
- Fogyasztott tartalom (blogtémák, letöltött útmutatók, látogatott webinárok)
- Keresések az oldaladon
- A visszatérő látogatások gyakorisága és frissessége
- Űrlapinterakciók (elkezdett, de félbehagyott, illetve kitöltött)
- E-mail-aktivitás (megnyitotta, kattintott, mely linkekre)
A first-party intent adatok gyűjtése ingyenes és nagyon pontos. A korlát a lefedettség: csak azoknak a szándékát látod, akik már megtalálták az oldaladat. Vak vagy azokra a fiókokra, amelyek más oldalakon, értékelőplatformokon vagy iparági kiadványokban kutatják a kategóriádat. Ezeknek az adatoknak a gyűjtési mechanikáját a first-party adatstratégiai útmutatónkban tárgyaltuk.
Second-party szándékadatok
Ez egy partnertől származó first-party adat, amelyet megoszt veled. A leggyakoribb forrás az értékelő platformok (G2, TrustRadius, Capterra), amelyek adatot értékesítenek arról, mely cégek kutatnak a termékkategóriádban, vagy hasonlítanak össze téged a versenytársaiddal.
A személyre szabás szempontjából fontos jelek:
- Kategóriával kapcsolatos tájékozódási aktivitás (pl. „az X cég weboldal-perszonalizációs eszközök után tájékozódik”)
- Versenytárs-összehasonlítási aktivitás (pl. „X cég megnézte a te és Y versenytárs összehasonlítását”)
- Profilmegtekintések az értékelőplatformon
- Tartalomfogyasztás partneroldalakon
A second-party adat közepesen megbízható, mert a forrás ismert, és az adatgyűjtési módszerek átláthatók. A hátránya a korlátozott hatókör: minden partner csak a saját forgalmát látja. Az értékelő oldalakról származó jelek közel vannak a vásárlási döntéshez (valaki összehasonlításokat olvas a kategóriádban), de csak azokat a vásárlókat fedik le, akik az adott értékelő oldalt használják.
Harmadik féltől származó szándékadat
Ez a weben összegyűjtött, aggregált viselkedési adat, amelyet olyan szolgáltatók gyűjtenek, mint a Bombora, a 6sense vagy a G2 (nagy léptékben). Ezek a szolgáltatók több ezer weboldalon követik a tartalomfogyasztást, és cégszintű szándékjelekhez rendelik. Ha még forrást választasz, nézd meg, hogyan hasonlítsd össze a B2B intent data szolgáltatókat.
A személyre szabás szempontjából fontos jelek:
- Témafelfutási pontszámok (az X cég több tartalmat fogyaszt-e a „weboldal-perszonalizáció” témában, mint a szokásos szintje?)
- A vásárlási szakasz jelzői (kutatási fázis vs. aktív összehasonlítás vs. döntés)
- Versenytársak iránti érdeklődésre utaló jelek
- Technológiai kategóriával kapcsolatos tájékozódási aktivitás
A harmadik féltől származó adatok lefedettsége a legszélesebb, de jelzésenként a legkevésbé megbízhatók. Valószínűségi párosításon alapulnak (IP-címek és sütik cégekhez rendelésén), ami zajt visz be. Nem minden jelzés valódi vásárlási szándék: néha csak egy gyakornok végez versenytárs-kutatást, vagy egy újságíró ír cikket. Szerintünk a harmadik féltől származó szándékadat a first-party adatok kiegészítése, nem a helyettesítője.
Miért pazarolja el a legtöbb csapat a szándékadatait
Egy gyakori szándékadat-munkafolyamat: egy külső szolgáltató hetente küld egy listát a szándékot mutató fiókokról. A marketing továbbadja a listát az értékesítésnek. Az értékesítés felveszi őket egy outbound sorozatba. A legtöbb fiók sosem válaszol.
A gyenge pont a reakció. Egy digitális jelre (ez a fiók aktívan kutat online) analóg lépéssel válaszolsz (egy értékesítő hideg e-mailjével). Közben ugyanez a fiók ellátogat a weboldaladra, és ugyanazt az általános élményt mutatod neki, mint mindenki másnak.
Az időzítés ezt csak rontja. A 6sense 2025-ös Buyer Experience Reportja szerint a vásárlók a vásárlási útjuk nagyjából 61%-ánál vették fel először a kapcsolatot az értékesítőkkel, és ezeknek az első kapcsolatfelvételeknek a 79%-át ők kezdeményezték (6sense, 2025). Az ezt megelőző tájékozódás nagy része a szolgáltatók weboldalain zajlik, ahol az értékesítő nem látja.
Szerintünk ha a szándékadatot csak értékesítési megkeresésre használod, a felét elpazarolod. A kategóriádat kutató cég előbb-utóbb ellátogat a weboldaladra, és ekkor a leghasznosabb a jelzés, mert még ott-tartózkodása alatt megváltoztathatod, mit lát.
A szándékadatok összekapcsolása a perszonalizációs szabályokkal
Az, hogy egy jelzésből hogyan lesz szabály, attól függ, mennyire bízol benne. Hasznos felosztás a három megbízhatósági szint.
Nagy bizonyosságú jelek (azonnal cselekedj)
Ezek a jelzések elég erősek ahhoz, hogy további validálás nélkül megváltoztasd a látogató élményét:
- Árazási oldal látogatása (first-party): a látogató már értékelte a termékedet, és a költségeket nézi. Szabd személyre döntési szakaszra szánt tartalom felé. Hozz elő ROI-adatokat, az iparágából származó esettanulmányokat és egy közvetlen utat a saleshez.
- Versenytárs-összehasonlítás egy értékelőoldalon (második fél): aktívan összehasonlítanak egy alternatívával. Mutass megkülönböztető tartalmat, adott esetben migrációs útmutatókat, és a szegmensük szempontjából releváns versenyelőnyöket.
- Több funkcióoldal megtekintése egy munkamenetben (first-party): részletesen értékelik a képességeidet. Emeld ki az általuk megnézett funkciókat, és mutasd meg, hogyan működnek együtt.
- Űrlapelhagyás (first-party): elkezdték a konverziót, majd abbahagyták. A következő látogatásukkor csökkentsd a súrlódást. Mutass egyszerűbb CTA-t, vagy kínálj más konverziós utat (például naptárlinket űrlap helyett).
Közepes megbízhatóságú jelek (más adatokkal együtt használd)
Ezek a jelzések jelentősek, de nem perdöntők. Cselekvés előtt kombináld őket firmográfiai vagy first-party adatokkal:
- Témaérdeklődés-ugrás egy harmadik fél szolgáltatótól: egy fiók a szokásosnál több tartalmat fogyaszt a kategóriádról. Ha ez a fiók a cégadatok alapján is illeszkedik az ICP-dhez, szabd személyre az adott szegmensre vonatkozó alap értékajánlatod felé. Ha nem illeszkedik, ne változtass semmin.
- Blogtartalom-fogyasztási minta (first-party): A látogató 3+ blogbejegyzést olvasott el ugyanarról a témáról (pl. ABM). Emelj ki haladóbb tartalmat a témában, és linkeld a releváns termékoldalt (ebben az esetben: account-based marketing).
- E-mail-kattintás egy konkrét témára: E-mailben érdeklődést mutattak egy téma iránt. Amikor ellátogatnak a weboldalra, az ahhoz kapcsolódó tartalommal indíts. De ne ess túlzásba: az e-mail-kattintás kis erőfeszítést igénylő művelet.
Alacsony megbízhatóságú jelek (priorizálásra használd, ne personalizációra)
Egyes szándékjelzések túl zajosak ahhoz, hogy megváltoztassák a weboldal-élményt, de annak eldöntésében még hasznosak, hová fókuszálj:
- Harmadik féltől származó általános kategóriás érdeklődési hullám: „Az X cég marketingtechnológiáról tájékozódik.” Ez túl tág ahhoz, hogy személyre szabj rá. Használd a fiók priorizálására a megkereséshez, de egy homályos jelzés alapján ne változtasd meg a weboldal-élményét.
- Egyetlen oldalmegtekintés (first-party): egyetlen blogbejegyzés meglátogatása nem jelez érdemi szándékot. Várj egy mintára, mielőtt személyre szabnál.
- Régi intent jelek: egy 60 nappal ezelőtti témakeresési kiugrás már elavult. Az intent adatok gyorsan avulnak. A 30 napnál régebbi jelek ne vezéreljenek personalizációs szabályokat.
Öt perszonalizációs szabály, amely jól használja a szándékadatokat
Az alábbi szabályok mindegyikéhez tartozik egy jel, egy cselekvés és egy ellenőrzési mód.
1. szabály: a versenytárs-kutatás megkülönböztető tartalmat indít
Jel: a second-party adatok szerint a fiók ugyanazon a héten megnézte a te és egy versenytárs profilját egy értékelőoldalon.
Teendő: Amikor bárki ettől a fióktól meglátogatja a weboldaladat, adj egy összehasonlító szekciót a kezdőlaphoz és a releváns termékoldalakhoz. Mutasd meg a fő megkülönböztető előnyeidet, az ügyfelek váltási történeteit és egy „Miért váltanak hozzánk a csapatok” CTA-t.
Mit mérj: a versenytársra irányuló szándékot mutató, a megkülönböztető tartalmat látó cégek demókérési arányát, ugyanazon cégek általános oldalt látó kontrollcsoportjához képest. A tartalomban ne szerepeljen a versenytárs neve, és azokra a képességekre fókuszáljon, amelyekben a terméked valóban erősebb.
2. szabály: a fogyasztott témák határozzák meg, mely funkciók kapnak hangsúlyt
Jel: a first-party adatok szerint a látogató legalább 2 tartalmat fogyasztott egy adott témában (pl. látogatóazonosítás, szegmentáció, analitika).
Teendő: rendezd át a kezdőlap funkciószakaszát úgy, hogy azzal a témával kezdődjön, amelyet kutatnak. Ha a látogatóazonosításról olvastak, a látogatóazonosítási képességeiddel indíts. Ha a szegmentálásról, a szegmentálási funkciókkal.
Mit mérj: az átkattintást a funkcióoldalról az előre sorolt funkcióra, és a továbblépést az árazásra vagy a demóra, egy alapértelmezett sorrendet látó kontrollcsoporthoz képest. A látogatónak gyorsabban meg kell találnia, amit keres.
3. szabály: a szándékfelfutás és az ICP-egyezés együtt kiemelt élményt indít
Jel: egy third-party intent szolgáltató magas témakiugrási pontszámmal jelöli meg az accountot, ÉS az account a firmografikus adatok alapján megfelel az ICP-dnek (megfelelő iparág, méret és földrajzi terület).
Művelet: mutass kiemelt élményt: iparágspecifikus esettanulmány az oldal tetején, közvetlen „Beszélj velünk” CTA egy visszafogottabb, tölcsértetejű CTA helyett, és ha konvertál, a fiókot gyorsított úton egy dedikált SDR-hez irányítsd.
Miért ezt építsd elsőként: a szűrő (szándék + ICP-egyezés) a forgalom egy kis részét fogja meg, amely a pipeline szempontjából a legfontosabb kell, hogy legyen. Az ÉS feltétel végzi a munkát: a szándékadat önmagában túl zajos, az ICP-egyezés önmagában túl tág. Együtt azokat a fiókokat azonosítják, amelyek jól illeszkednek, és aktívan vásárolnak is.
4. szabály: a visszatérési minta a CTA sürgetését igazítja
Jel: a first-party adatok legalább 3 látogatást mutatnak 14 napon belül, legalább egy termékoldal-megtekintéssel.
Lépés: válts a puha CTA-król („Tudj meg többet”, „Nézd meg, hogyan működik”) a közvetlen CTA-kra („Foglalj egy 20 perces bemutatót”, „Kérj személyre szabott demót”). Adj hozzá sürgetést jelző elemeket, például: „A csapatod 2 hete kutat ebben a témában, mutassuk meg élőben.”
Mit tesztelj: egy releváns visszajelzést („A csapatod már utánanézett...”) az általános sürgető szöveggel („Korlátozott számú hely”) szemben a gyakran visszatérő látogatóknál, demókérésekre mérve. A mi véleményünk: a relevancia többet ér a nyomásgyakorlásnál, a hamis szűkösség pedig rombolja a bizalmat azoknál a B2B vásárlóknál, akik alaposan összehasonlítják a szolgáltatókat. A CTA-k igazítása az adatvezérelt CTA-perszonalizációs útmutatónkban bemutatott mechanikára épül.
5. szabály: a vásárlási szakasz felismerése az egész oldalt alakítja
Jel: kombinált first-party jelek, amelyek a fiókot egy adott vásárlói út szakaszba helyezik (figyelemfelkeltés, mérlegelés, döntés).
Művelet: igazítsd a teljes oldalelrendezést. A tudatossági szakaszban lévők oktató tartalmat és thought leadershipet látnak. A mérlegelők termék-összehasonlításokat és felhasználási eseteket. A döntési szakaszban lévők árazást, bevezetési részleteket és gyors utat a saleshez.
Kompromisszum: a teljes oldalas, fázisalapú személyre szabás a legbonyolultabban megvalósítható és a legnehezebben mérhető szabály, mert három változat háromfelé osztja a forgalmadat. Utoljára építsd meg, miután az egyszerűbb szabályok bizonyították a javulásukat a kontrollcsoporttal szemben, és számíts rá, hogy javulni fog, ahogy a szándékpontozási modelled több adatot kap.
Az intent adat stack felépítése
Nem kell az első naptól minden típusú szándékadat. Íme a sorrend, amely a legtöbb B2B csapatnak értelmes.
1. fázis: csak first-party adatok (1–4. hét)
Abból indulj ki, ami már megvan. A weboldal-analitikád és a látogatóazonosító rendszered már most rögzít first-party intent jeleket. Állítsd be a personalizációs platformodat, hogy kövesse:
- Oldalkategória-megtekintések (blog, termék, árazás, esettanulmány)
- Munkamenetek száma és frissessége azonosított cégenként
- Fogyasztott tartalmi témaklaszterek
- Magas szándékú oldalak látogatásai (árazás, összehasonlítás, integrációs dokumentáció)
Építs két-három szabályt ezekre a jelzésekre, és teszteld őket egy kontrollcsoporthoz képest. Ha a saját forgalmadon nem mutatnak növekedést, több adat vásárlása sem fogja ezt megoldani.
2. fázis: második féltől származó adatok hozzáadása (2–3. hónap)
Kapcsolj be egy értékelőplatform-integrációt (a G2 a leggyakoribb). Ez versenytárs-összehasonlítási jeleket és kategóriakutatási adatokat ad hozzá. Használd az 1. szabály (versenytárstól megkülönböztető tartalom) aktiválására, és olyan fiókok azonosítására, amelyek a piacon vannak, de még nem találták meg az oldaladat.
Az értékelőoldalak vásárlási szándékadata kiegészítőként érhető el, az ára általában nem nyilvános, ezért kérj ajánlatot, és vesd össze egy harmadik fél szolgáltató költségével. Szűk kategóriában az értékelőoldalak jelzései (megnevezett fiókok kategória- és összehasonlító kutatása) akár az összes szükséges külső szándékadatot is jelenthetik.
3. fázis: harmadik féltől származó adatok hozzáadása (4–6. hónap)
Vegyél fel egy harmadik féltől származó intent szolgáltatót (Bombora, 6sense vagy hasonló), hogy széles lefedettséget kapj azokról a fiókokról, amelyek a weben kutatják a kategóriádat. Elsősorban a 3. szabályhoz (kiugró szándék + ICP-egyezés) és a fiókpontozási modelled táplálásához használd.
A third-party intent általában a legdrágább réteg, és sem a Bombora, sem a 6sense nem teszi közzé a teljes szerződéses árazást (2026 októberi állapot), ezért számolj egy sales beszélgetéssel. Ne fektess be, amíg nem igazoltad, hogy a first-party és second-party intent adatok érdemben javítják a personalizációs programodat. Ha az 1. és 2. fázis nem hoz eredményt, a probléma nem az adatlefedettség, hanem a personalizáció végrehajtása vagy a szegmenseid.
A szándékadatok higiéniája: amit a legtöbb csapat kihagy
A nyers szándékadat zajos. Tisztítás és validálás nélkül hamis jelek alapján fogsz perszonalizálni, és rontod a látogatói élmény minőségét.
A jelzések elévülése
A szándékjeleknek felezési idejük van. Egy tegnapi árazásioldal-látogatás erős jel. Ugyanez a látogatás 45 nappal ezelőttről zaj. Állíts be kifejezett elavulási szabályokat. Ezek az ablakok kiindulópontok, nem benchmarkok; hangold őket a sales ciklusodhoz:
- First-party jelek: 7 napig teljes súly, 8–21 nap között fél súly, 30 nap után elvetendő
- Second-party jelzések: 14 napig teljes súly, 15–30 nap között fél súly, 45 nap után elvetés
- Harmadik féltől származó jelek: 7 napig teljes súly, 8–14 nap között fél súly, 21 nap után elvetés (ezek zajosabbak, ezért gyorsabban évülnek el)
Miért nem egyetlen hosszú időablak mindenre? Egy 90 napos ablak továbbra is olyan accountokra reagál, amelyek már döntöttek vagy továbbléptek, így a látogatók már nem rájuk illő üzeneteket látnak. A rövidebb, jelspecifikus ablakok relevánsan tartják az élményt; ellenőrizd úgy, hogy figyeled a személyre szabott elemek átkattintását az ablakok módosítása előtt és után.
Téves találatok szűrése
Nem minden szándékjelzés jelent vásárlási szándékot. Szűrd ki a gyakori téves pozitívokat:
- Versenytársak: zárd ki az ismert versenytárs-domaineket a personalizációs szabályaidból. Egy versenytárs, aki az oldaladon jár, versenyelemzést végez, nem vásárol.
- Álláskeresők: azok a látogatók, akik megnézik a karrieroldaladat, majd termékoldalakat böngésznek, álláskeresők, akik a termékedről tájékozódnak, nem vevők. Zárd ki azokat a fiókokat, ahol az első megtekintett oldal a karrierszekció volt.
- Diákok és kutatók: az .edu domaineket és az akadémiai kutatásra emlékeztető jelzéseket mutató fiókokat (sok blogolvasás, termékoldalakkal való foglalkozás nélkül) szűrd ki a magas szándékú szegmensekből.
- Botforgalom: a third-party szándékadatok különösen ki vannak téve a botok által felfújt jelzéseknek. Ha egy szolgáltató egyszerre több száz fióknál mutat hirtelen kiugrásokat, kérdőjelezd meg az adatminőséget.
Minimális jelküszöbök
Ne szabj személyre egyetlen jel alapján. Követelj meg egy minimális küszöböt, mielőtt megváltoztatod az élményt:
- First-party: legalább 2 szándékjel 14 napon belül (pl. 2 termékoldal-megtekintés, vagy 1 termékoldal + 1 visszatérő látogatás)
- Második fél: legalább 1 erős jel (versenytárs-összehasonlítás) vagy 2 közepes jel (kategóriaböngészés)
- Third-party: a szándékkiugrás pontszáma a szolgáltató által ajánlott küszöb felett, ÉS egy hozzá illő first-party vagy firmográfiai jelzés
Az egyetlen jelre épülő personalizáció kapkodó élményt ad: a látogató egyetlen oldalmegtekintés alapján minden alkalommal mást lát. A küszöbértékre épülő szabályok stabil, fokozatos élményt adnak, amely a felhalmozott bizonyítékokra épít.
Az intent alapú personalizáció mérése
A fontos mérőszámok eltérnek az általános személyre szabás mérésétől, mert kifejezetten a szándékjelzés hozzájárulását kell követned.
Jelpontosság
Minden szándékjelzés-típusnál mérd meg, hogy az adott jelzéssel megjelölt cégek milyen arányban konvertálnak a jelzés nélküliekhez képest. Ha a harmadik fél szolgáltatódtól „magas témafelfutás” jelzést kapott cégek ugyanolyan arányban konvertálnak, mint azok, amelyek nem kaptak ilyet, akkor ez a jelzés a te piacodon nem hasznos. Hagyd el, és csoportosítsd át a keretet.
Negyedévente ellenőrizd a jelek pontosságát a saját adataidban: minden jelnél hasonlítsd össze a jelet mutató és nem mutató accountok demókérési arányát. A legtöbb beállításban a first-party jelek, például az árazási oldal látogatása, a legprediktívebbek, mert kifejezetten irántad mutatott érdeklődést jeleznek; a third-party témakiugrások a kategória iránti érdeklődést mutatják, és gyengébbek. A szabályaidat aszerint súlyozd, amit a saját számaid mutatnak.
A személyre szabás okozta növekedés jelzésforrás szerint
Minden intent alapú personalizációs szabályhoz futtass kontrollált kísérletet. A feltételeknek megfelelő accountok 20%-át tartsd vissza kontrollcsoportként (ők az általános élményt látják, annak ellenére, hogy vannak intent jeleik). Hasonlítsd össze a konverziós rátákat a személyre szabott és a kontrollcsoport között.
Ebből kiderül, hogy a személyre szabás működik-e, vagy pusztán a szándékjelzés magyarázza a javulást. Lehetséges, hogy a nagy szándékú fiókok a személyre szabástól függetlenül jobban konvertálnak. A kontrollált teszt elválasztja a nagy szándék hatását a személyre szabott élmény hatásától. Csak a személyre szabott csoport és a kontrollcsoport közötti különbség az a növekményes javulás, amelyet a személyre szabásnak tulajdoníthatsz.
Növekményes konverziónkénti költség
A szándékadat-szolgáltatók drágák. Számold ki, hogy a személyre szabásból származó javulás indokolja-e az adatköltséget:
- Számold meg a szándékalapú személyre szabásnak tulajdonítható növekményes konverziókat (a személyre szabott csoport konverziói mínusz a kontrollcsoport konverziói)
- Oszd el az éves intent adat költségedet a növekményes konverziókkal
- Vesd össze az átlagos ügyfélszerzési költségeddel
Példa szemléltető számokkal: ha a külső szándékadataid évi 50 000 USD-be kerülnek, és 20 növekményes konverziót hoznak, az növekményes konverziónként 2500 USD. Ha az átlagos ügyletméreted 25 000 USD 25%-os zárási aránnyal, minden növekményes konverzió 6250 USD várható bevételt ér. A ROI pozitív. Ha a számok nem jönnek ki, tartsd meg a first-party és second-party adataidat, és hagyd ki a külső adatokba való befektetést, amíg a forgalmad vagy a zárási arányod nem javul.
Kezdd azzal, ami már a tiéd
A legerősebb szándékjelek azok, amelyeket már most is gyűjtesz. A weboldal-analitikád rögzíti, mit csinálnak a fiókok az oldaladon. A látogatóazonosítás ezt a viselkedést cégekhez köti. A tartalomfogyasztási mintázatok pedig megmutatják, milyen témák érdeklik az egyes fiókokat.
Az első szándékalapú személyre szabási szabályaidat erre a first-party adatra építsd. Ellenőrizd, hogy mérhető javulást hoznak-e. Ezután vedd hozzá az értékelőplatformokról származó second-party adatokat, hogy a versenytárs-kutatási jeleket is elkapd. Harmadik féltől származó intent szolgáltatókat csak akkor vonj be, ha már bizonyítottad, hogy a modell működik, és szélesebb lefedettségre van szükséged.
Mikor ne foglalkozz vele: ha az oldaladon annyira kevés az azonosított forgalom, hogy egyetlen szabály sem ér el negyedévente néhány száz megfelelő látogatást, ebből semmit sem fogsz tudni mérni. Először az alapértelmezett oldalakra fordítsd az energiát, közben pedig használd a szándéklistákat az értékesítési priorizáláshoz.