A B2B weboldalak legtöbb látogatója űrlapkitöltés nélkül távozik. Nézd meg a saját számaidat: oszd el az elmúlt negyedév űrlapbeküldéseit a munkamenetekkel, és a forgalomnak az a része, amely soha nem fedi fel magát, általában a nagy többség. Az AI-alapú leadgenerálás weboldalas értelemben azoknak a technikáknak az összessége, amelyek erre a csendes többségre hatnak: azonosítják, mely cégek látogatnak, megbecsülik, melyikük van vásárlási ciklusban, és megváltoztatják, mit mutat az oldal, hogy többen lépjenek tovább.
Az „MI” minden részben más mennyiségű munkát végez, és a szolgáltatók lazán használják a szót. Ez a cikk szétválasztja a részeket, elmagyarázza, hogyan működik mindegyik és hol mond csődöt, és ad egy 30 napos tervet az összerakásukra túlépítés nélkül.
Mit jelent az AI-alapú leadgenerálás egy weboldalon
A címke chatbotokat, prediktív pontozást, automatizált megkeresést és még sok mást takar. Egy weboldalra fókuszáló B2B csapat számára három elem számít:
| Elem | Mit csinál | Ahol a gépi tanulás valóban segít |
|---|---|---|
| Látogatóazonosítás | IP-adatok és adatbővítés segítségével cégekhez köti a névtelen munkameneteket | Főleg adatpárosítás, nem gépi tanulás; egyes szolgáltatók modelleket használnak a rekordok tisztítására és párosítására |
| Intent pontozás | Az illeszkedés és a viselkedés alapján megbecsüli, mely fiókok fognak valószínűleg vásárolni | A gépi tanulás fő felhasználása: megtanulni, mely jelzéskombinációk előzték meg a korábbi nyeréseidet |
| Személyre szabott bevonás | A címsorokat, bizonyítékokat és CTA-kat aszerint módosítja, ki látogat és mit csinált | Opcionális; a legtöbb B2B személyre szabás explicit szabályokon fut, néha automatikus variánsválasztással |
Ha egy szállító azt mondja, „AI-alapú”, kérdezd meg, a három közül melyikre vonatkozik, és min tanították a modellt. Egy a saját megnyert üzleti adataidon tanított pontozási modell egészen más, mint egy általános „intent pontszám”, amelyet egy szolgáltató az összes ügyfele adatain számol.
Hogyan működik a látogatóazonosítás
Az űrlapalapú leadgenerálás arra vár, hogy az emberek azonosítsák magukat. A látogatóazonosítás a másik végéről indul: megpróbálja megnevezni a céget, mielőtt bárki bármit kitöltene.
- IP-feloldás. A látogató IP-címét olyan adatbázisokkal vetik össze, amelyek IP-tartományokat rendelnek szervezetekhez. A saját hálózati tartománnyal rendelkező cégek (irodák, céges átjárón keresztül kilépő VPN-ek) jól azonosíthatók. Az otthoni szélessáv, a mobilhálózatok és a közös coworking-hálózatok rosszul vagy egyáltalán nem, ezért térnek el annyira az egyezési arányok az egyes oldalak között. Mielőtt bármit erre építenél, mérd meg a saját egyezési arányodat.
- Firmografikus adatbővítés. Ha egy cég nevét azonosítottuk, az adatbővítés hozzáadja az iparágat, a létszámsávot, a helyet és néha a technológiai stacket. Ezeket a mezőket becslésként kezeld; szúrópróbaszerűen vesd össze egy mintát azzal, amit a valódi accountokról tudsz.
- Viselkedés az oldalon. A megtekintett oldalak, a látogatásszám és a visszatérési gyakoriság a céghez kapcsolódik, így azt látod, hogy „ettől a cégtől hárman olvasták az árazást ezen a héten”, nem pedig három névtelen munkamenetet.
- CRM-párosítás. Ha a cég egyezik egy CRM-beli céggel, a látogatás a felelőséhez és a nyitott üzleteihez kapcsolódik. Az értékesítő láthatja, hogy egy cég, amelyen éppen dolgozik, kétszer megnyitotta a biztonsági oldalt.
A cégszintű azonosítás nem személyszintű azonosítás. Azt mondja meg, melyik szervezet, nem azt, melyik személy, és az értékesítés felé is így kell bemutatni. Az eszközök összehasonlításához lásd a weboldal-látogató azonosító szoftverekről szóló útmutatónkat.
Pontozás: az azonosítottól a minősítettig
A látogató cégek listája még nem pipeline. A pontozási lépés dönti el, melyik érdemel figyelmet. Hogy a modellalapú pontozást hogyan építsd be egy működő pipeline-ba, nézd meg ezt a gyakorlati útmutatót az AI-alapú leadpontozásról.
1. Alapozd a profilt a saját megnyert üzleteidre
Vedd elő az utolsó 50–100 megnyert ügyletedet, és nézd meg az iparágat, a méretsávot, a régiót és az esetleges közös technológiákat. Ez az illeszkedési profilod, és ennek kell felváltania mindazt, amit a pontozási modell korábban feltételezett. Az ideális ügyfélprofil felépítéséről szóló cikkünk végigvezet az elemzésen. Ha néhány tucatnál kevesebb megnyert ügyleted van, egy gépi tanulásos modellnek nagyon kevés tanulnivalója van; egy átlátható, az értékesítésnek elmagyarázható pontrendszer ugyanolyan jól működik.
2. Keresd meg a viselkedést, amely ezeket a nyeréseket megelőzte
Nézd meg a megnyert cégek webes aktivitását a lehetőség létrehozása előtti hetekben. Jelzések, amelyek a B2B-ben gyakran számítanak: ismételt látogatások az árazási oldalon, esettanulmányok a látogató saját iparágából, összehasonlító és integrációs oldalak, ugyanattól a cégtől több ember rövid időn belül. Ezeket a saját adataiddal vesd össze, ne vedd át őket kritikátlanul; egy jelzésnek, amely soha nem jelenik meg a nyeréseid előtt, nem szabad súlyt kapnia.
Itt érdemli ki a helyét a gépi tanulás. Elegendő előzmény mellett egy modell jobban tudja súlyozni az illeszkedés és a viselkedés kombinációit, mint a kézzel beállított pontok. Elegendő előzmény nélkül viszont a zajra illeszkedik túl, ezért kezdd egyszerűen, és akkor válts modellre, amikor az adatok ezt lehetővé teszik.
3. Alakítsd a pontszámokat cselekvésekké
A szinteket aszerint határozd meg, mi történik ezután, ne csak a pontszám alapján:
- Azonnali teendő: ICP-illeszkedés plusz késői fázisú viselkedés. Még aznap értesítsd a fiókfelelőst a megtekintett oldalakkal együtt.
- Melegítés: jó illeszkedés, korai viselkedés. Igazítsd a weboldal-élményt, és ahol van hozzájárulásod, nurture-öld.
- Figyelés: minden más. Gyűjtsd tovább a viselkedést, és értékeld újra, amikor változik.
A határokat úgy állítsd be, hogy az „azonnal cselekedj” szint elég kicsi legyen ahhoz, hogy a sales ténylegesen minden riasztást megnézzen. A magas szándékú accountok pontozásáról és a weboldalas leadek irányításáról szóló útmutatóink részletesebben tárgyalják a küszöbértékeket és az irányítást.
Az adatok felhasználása magán a weboldalon
Az azonosítás és a pontozás megmondja, ki van ott. A personalizáció ezt arra használja, hogy megváltoztassa, mit látnak. Három gyakori felhasználás, és mire figyelj mindegyiknél:
Azonosított, de ismeretlen fiókok: iparághoz illő első benyomás
Ha egy munkamenet egy iparághoz vagy méretsávhoz köthető, a főoldal az adott szegmensnek szóló főcímet, bizonyítékot és felhasználási esetet mutathat. Példa: egy logisztikai látogató általános logófal helyett egy logisztikai ügyféltörténetet lát. Ez csak akkor működik, ha valódi bizonyítékod van az adott szegmensre; egy iparági főcím általános tartalom előtt rosszabb, mint az alapértelmezett változat.
Ismert célfiókok: fiókszintű élmények
Az ABM programban szereplő vagy nyitott üzlettel rendelkező fiókoknak az oldal az adott kapcsolathoz kötődő tartalmat mutathat: bizonyítékot a szektorukból, az integrációt, amelyre rákérdeztek, egy általános demóűrlap helyett az account executive-jükhöz vezető CTA-t. Maradj visszafogott. A cég nevének kiírása egy bannerben megfigyelésnek hathat; a releváns anyagok mutatása általában nem.
Visszatérő látogatók: a következő lépéshez igazítva
Első látogatás: „Nézd meg, hogyan működik”. Visszatérő látogatás termékoldalak után: „Hasonlítsd össze a csomagokat”. Visszatérő látogatás árazás után: „Beszéljünk”, időpontfoglalóval. A konkrét szabályok kevésbé számítanak, mint a tesztelésük; mindegyiket egy olyan holdout csoporttal szemben mérd, amely az alapértelmezettet látja. A személyre szabott CTA-król szóló cikkünk a tesztelési oldalt tárgyalja.
A stack darabról darabra
- Azonosítás és adatbővítés: azonosítja a cégeket és firmografikus adatokat ad hozzájuk. Nélküle a lánc további része nem tudja, ki látogat.
- Viselkedéskövetés: az analitikai eseményeid (oldalkategóriák, látogatások, kulcsműveletek) a cégrekordhoz rendelve.
- Pontozás: vagy általad meghatározott pontok, vagy a saját eredményeiden tanított modell. Élhet a perszonalizációs eszközödben, a CRM-edben vagy egy külön szolgáltatásban.
- Személyre szabás: kiértékeli a szabályokat és kiszolgálja a változatokat. A kliensoldali tagekkel gyorsan el lehet indulni; a szerveroldali vagy edge-alapú kiszolgálás elkerüli a villódzást a kulcsoldalakon.
- Kétirányú CRM-szinkronizálás: az azonosítás és a pontszámok fiókszinten a CRM-be kerülnek; a fiók státusza és felelőse pedig vissza a weboldalra, hogy az például ne mutasson „demó foglalása” CTA-t egy meglévő ügyfélnek.
Az elemek csak együtt hasznosak. Azonosítás cselekvés nélkül csak egy lista. Perszonalizáció azonosítás nélkül csak találgatás. Az a pontszám, amely sosem jut el a CRM-be, az értékesítéshez sem jut el.
Honnan tudod, hogy működik-e
| Kérdés | Mutató | Összehasonlítás |
|---|---|---|
| A megfelelő fiókokat érjük el? | Az azonosított forgalom ICP-nek megfelelő aránya | Hónapról hónapra |
| Különválaszt bármit a pontozás? | Üzletilehetőség-arány pontszámszintenként | A felső szintnek egyértelműen jobban kell teljesítenie az alsóknál; ha nem, a modell nem jelez előre semmit |
| Reagál az értékesítés a riasztásokra? | A riasztástól az első kapcsolatfelvételig eltelt idő; a lekezelt riasztások aránya | A megcélzott válaszidőhöz képest |
| Segít a személyre szabás? | Konverzió szegmensenként, személyre szabott vs. kontrollcsoport | Kontrollcsoport ugyanabból a szegmensből, nem az oldalátlag |
| Megéri az árát? | Értékesítés által elfogadott leadenkénti vagy üzleti lehetőségenkénti költség ebből a folyamatból | A többi csatornáddal szemben, ugyanazzal a definícióval |
Egy várható torzítás: az azonosított fiókok a nagyobb cégek felé tolódnak, mert az ő hálózataikat kezeli legjobban az IP-feloldás. Emiatt az üzletméretek jobbnak tűnhetnek, mint amit a modell valójában megérdemel. Hasonlót hasonlóval vess össze.
30 napos terv
- 1. hét: azonosítás, beavatkozás nélkül. Telepítsd az azonosítást, kösd be a gazdagítást, és rögzítsd, mely cégek látogatnak el, és mit olvasnak. Mérd meg a párosítási arányt, és szúrópróbaszerűen ellenőrizd a pontosságot az általad ismert fiókokon.
- 2. hét: az első pontozási modell. Elemezd a legutóbbi megnyert üzleteket az illeszkedés és a lehetőség előtti viselkedés szempontjából. Építs egy egyszerű, szintekre bontott modellt, és egyeztesd az értékesítéssel a „most kell lépni” definícióját.
- 3. hét: egy personalizáció. Válaszd ki az azonosított forgalmadban leggyakoribb ICP-iparágat vagy méretkategóriát, és szabd személyre neki a kezdőlap főcímét és bizonyítékát. Tarts meg egy holdout csoportot.
- 4. hét: kösd be az értékesítést. Szinkronizáld a fiókszintű azonosítást és a szinteket a CRM-be, kapcsold be a felelősi értesítéseket a legfelső szintre, és tájékoztasd az értékesítőket, mit mutat és mit nem mutat az adat, beleértve azt is, hogyan hivatkozzanak rá tolakodó hatás nélkül (a „Láttam, hogy a csapatod az integrációkat nézegette” mondatot sok vevő furcsának találja; a releváns anyaggal való nyitást általában nem).
Négy hét után megvan az infrastruktúra és egy első teszt. A pontozás csak akkor javul, ha valaki havonta átnézi a szintek teljesítményét és igazít rajta; magától nem lesz jobb.
Elkerülendő hibák
- Pontozás kizárólag illeszkedés alapján. Egy ICP-dbe illő nagyvállalat, amely elolvasott egy blogbejegyzést, nem forró lead. A viselkedés általában jobban elválasztja a vevőket a nézelődőktől, mint a cégjellemzők.
- Riasztás mindenre. Ha az értékesítők naponta több tucat riasztást kapnak, nem olvassák el őket. A legfelső szint maradjon kicsi.
- Perszonalizálás bizonytalan adatok alapján. Ha az adatgazdagítás nem biztos az iparágban, mutasd az alapértelmezettet. Egy rossz iparágnak szóló oldal rosszabb, mint egy általános.
- Az adatvédelmet megoldottnak tekinteni, mert „céges adatról” van szó. Az IP-címek és a viselkedéskövetés a GDPR szerint személyes adatnak minősülhetnek, még ha a célod cégszintű is. Vond be az adatvédelmi felelőst, tartsd tiszteletben a cookie-kra és a követésre vonatkozó hozzájárulási döntéseket, és frissítsd az adatvédelmi tájékoztatót. A B2B perszonalizációról és adatvédelemről szóló cikkünk részletesen tárgyalja.
- Annak feltételezése, hogy a modell karbantartja magát. Az ügyfélköröd, a terméked és az üzeneteid változnak. A pontozást havonta, a személyre szabási szabályokat negyedévente vizsgáld felül.
Hol illeszkedik a Markettailor
A Markettailor ötvözi a cégszintű látogatóazonosítást, a firmográfiai adatgazdagítást és a weboldal-személyre szabást, így az azonosítási adatok közvetlenül táplálják a szegmenseket és a változatokat, az eredmények pedig összevethetők egy kontrollcsoporttal. Bármilyen eszközt használsz, a fenti sorrend érvényes: mérd, ki látogat, tanuld meg, mi előzte meg a nyeréseidet, egy kis, magas szándékú szinten cselekedj, és minden oldalmódosítást tesztelj kontrollcsoporttal szemben.
