Jawaban singkat: atribusi personalisasi bekerja dengan mencatat pengalaman (varian) mana yang dilihat setiap pengunjung dan akun, lalu membandingkan konversi dan pipeline orang yang melihat versi yang dipersonalisasi dengan holdout acak yang melihat versi default. Atribusi channel memberi tahu dari mana pengunjung datang; atribusi pengalaman memberi tahu apakah apa yang mereka lihat di situs mengubah hasilnya. Anda membutuhkan keduanya, dan hanya perbandingan dengan holdout yang mengukur efek inkremental.
Sebagian besar pengaturan atribusi dibangun di atas satu asumsi diam-diam: semua orang yang mendarat di sebuah URL melihat halaman yang sama. Personalisasi mematahkan asumsi itu. Dua pengunjung mengklik iklan Google yang sama dan mendarat di beranda yang sama. Satu melihat headline tentang keamanan enterprise, yang lain headline tentang kecepatan API. Alat analitik Anda mencatat keduanya sebagai "homepage, google / cpc". Jika satu berkonversi dan yang lain tidak, tidak ada apa pun dalam catatan itu yang memberi tahu apakah channel, versi halaman, atau hal lain yang membuat perbedaan.
Sisa artikel ini membahas mengapa model standar melewatkan hal ini, cara memecah pertanyaannya menjadi dua, cara menyiapkan holdout, cara membawa data pengalaman ke CRM, dan cara melaporkannya tanpa klaim berlebihan.
Mengapa Model Atribusi Standar Melewatkan Personalisasi
Model first touch, last touch, linear, time-decay, dan position-based semuanya membagi kredit di antara sumber traffic dan tindakan di situs. Halamannya sendiri diperlakukan sebagai konstanta. Model-model ini juga melewatkan pengaruh yang tidak pernah menghasilkan sentuhan yang bisa dilacak, yang kami bahas dalam artikel tentang dark funnel di B2B. Jika Anda perlu penyegaran tentang cara model-model tersebut membagi kredit, lihat panduan praktis atribusi multi-touch ini.
Contoh (ilustratif): sebuah akun berkunjung tiga kali sebelum meminta demo. Kunjungan 1 berasal dari pencarian organik dan melihat homepage generik. Kunjungan 2 berasal dari iklan LinkedIn; saat itu perusahaan sudah teridentifikasi, sehingga melihat headline untuk manufaktur. Kunjungan 3 bersifat langsung, dan situs menampilkan studi kasus tentang penggantian alat yang saat ini digunakan akun tersebut. Model linear memberikan masing-masing sepertiga kredit kepada organik, LinkedIn, dan langsung. Model ini tidak punya kolom untuk "melihat varian manufaktur" atau "melihat studi kasus kompetitor", jadi jika halaman-halaman itulah yang meyakinkan pembeli, laporan tidak dapat menunjukkannya.
Itu adalah celah pengukuran, bukan bukti bahwa personalisasi berhasil. Mungkin akun tersebut tetap akan memesan demo. Intinya, laporan standar tidak dapat menjawab ke arah mana pun.
Pecah Menjadi Dua Pertanyaan
| Atribusi kanal | Atribusi pengalaman | |
|---|---|---|
| Pertanyaan | Channel mana yang mendatangkan akun yang tepat? | Setelah mereka tiba, apakah pengalaman yang dipersonalisasi mengubah apa yang mereka lakukan? |
| Keputusan yang didukungnya | Anggaran akuisisi | Aturan personalisasi mana yang dipertahankan, diubah, atau dimatikan |
| Metode | Model MTA atau laporan platform yang sudah Anda miliki | Holdout acak terhadap halaman default |
| Audiens utama | Paid media dan demand gen | Web, CRO, dan product marketing |
Jalankan keduanya berdampingan dan laporkan secara terpisah. Atribusi saluran punya keterbatasannya sendiri, tetapi bisa dibiarkan apa adanya. Atribusi pengalaman membutuhkan kelompok kontrol, karena "orang yang melihat halaman yang dipersonalisasi lebih banyak berkonversi" juga yang akan Anda lihat jika Anda hanya mempersonalisasi untuk akun yang paling cocok. Panduan kami tentang saluran pemasaran B2B membahas sisi saluran.
Holdout Group: Bagian yang Mengukur Inkrementalitas
Jangan berikan personalisasi kepada sebagian akun yang memenuhi syarat yang dipilih secara acak, dan biarkan mereka melihat situs default. Semua hal lain tetap sama: iklan yang sama, email yang sama, tindak lanjut sales yang sama.
Pengaturan yang penting:
- Tetapkan berdasarkan akun, bukan sesi. Jika buying group berisi empat orang terbagi di antara varian, kedua grup terkontaminasi. Lakukan hashing pada ID perusahaan (atau cookie first-party jika perusahaannya tidak diketahui) agar penetapannya tetap konsisten di setiap kunjungan.
- Tentukan ukuran holdout dari traffic Anda, bukan dari patokan umum. Holdout yang lebih besar lebih cepat terbaca, tetapi berarti lebih banyak akun yang tidak melihat halaman yang dipersonalisasi. Hitung berapa akun per kelompok yang Anda butuhkan untuk melihat kenaikan yang Anda pedulikan dengan perhitungan ukuran sampel A/B test, lalu tentukan berapa porsinya.
- Bekukan definisi "memenuhi syarat". Jika aturan segmen berubah di tengah pengujian, kelompok-kelompoknya tidak lagi bisa dibandingkan.
Lalu bandingkan kelompok-kelompok tersebut di setiap tahap funnel yang benar-benar bisa Anda hitung:
- Conversion rate formulir atau demo di situs.
- Tingkat MQL-ke-SQL. Ini menangkap varian yang menaikkan pengisian formulir tetapi menarik lead yang lebih lemah.
- Tingkat pembuatan peluang per akun.
- Win rate dan ukuran deal, setelah cukup banyak deal yang ditutup. Di sebagian besar bisnis B2B, tahap ini membutuhkan satu siklus penjualan penuh sebelum bisa menunjukkan sesuatu.
Baca hasil per segmen sekaligus secara total. Kenaikan agregat bisa saja seluruhnya berasal dari satu segmen sementara segmen lain tidak berubah, atau sedikit memburuk. Jika kelompok per segmen terlalu kecil untuk dibaca, katakan saja, alih-alih melaporkan angka agregat seolah-olah berlaku di mana-mana.
Jika Anda Tidak Bisa Menjalankan Holdout Akun yang Bersih
Pembagian geografis
Lakukan personalisasi di beberapa wilayah dan tahan di wilayah yang sebanding. Berguna ketika volume akun terlalu kecil atau cakupan identifikasi tidak merata. Risikonya, wilayah bisa berbeda karena alasan yang tidak ada hubungannya dengan situs Anda (cakupan sales, acara lokal, mata uang), jadi pilih wilayah yang sepadan dan jalankan lebih lama.
Periode aktif/nonaktif
Nyalakan dan matikan personalisasi secara bergantian dalam jendela waktu tetap, misalnya masing-masing dua minggu, selama beberapa siklus. Ini menghindari penempatan akun target mana pun dalam holdout permanen. Peluncuran kampanye, hari libur, dan akhir kuartal akan menggeser angka, jadi catat setiap tanggal kampanye besar dan buang jendela waktu yang bertepatan dengannya.
Varian lawan varian
Setelah Anda tahu personalisasi mengalahkan versi default untuk suatu segmen, uji strategi personalisasi satu sama lain: headline industri vs headline ukuran perusahaan, atau studi kasus relevan vs hero kustom. Hal ini memberi tahu aturan mana yang perlu ditingkatkan skalanya, yang biasanya merupakan pertanyaan yang lebih berguna daripada "apakah personalisasi berhasil?"
Membawa Data Pengalaman ke CRM
Isian formulir bukanlah hasil yang menjadi dasar penilaian tim B2B, jadi data varian harus sampai ke laporan pipeline.
- Picu event untuk setiap keputusan personalisasi. Di GA4 (atau tool analitik Anda), kirim custom event dengan ID aturan, segmen, varian, dan penanda holdout vs dipersonalisasi. Daftarkan parameternya sebagai custom dimension agar Anda bisa membuat laporan berdasarkan parameter tersebut.
- Tulis kolom ke CRM saat konversi. Saat formulir dikirim, teruskan segmen, varian terakhir yang dilihat, dan flag holdout ke hidden field yang dipetakan ke kolom kontak terstruktur. Bukan kolom catatan; Anda perlu memfilter berdasarkan kolom tersebut.
- Gabungkan ke tingkat akun. Sinkronkan riwayat tingkat akun jika tool Anda mendukungnya: sesi yang dipersonalisasi, varian yang dilihat, serta tanggal paparan pertama dan terakhir.
- Tandai peluang. Tambahkan kolom peluang yang bernilai true ketika ada kontak pada peluang tersebut yang melihat sesi yang dipersonalisasi dalam jangka waktu tertentu sebelum peluang dibuat. Pilih jangka waktu yang sesuai dengan siklus Anda dan catat; 30 atau 60 hari adalah pilihan yang umum. Isi kolom itu dengan workflow, bukan secara manual.
- Bangun tiga laporan. Laporan channel Anda yang sudah ada, tanpa perubahan. Laporan personalisasi mingguan: konversi per segmen, versi personal vs holdout. Laporan pipeline kuartalan: pipeline yang dipengaruhi per segmen dan tahap.
UTM yang rapi adalah prasyarat. Jika data sumber dan kampanye tidak konsisten, Anda tidak bisa memisahkan efek channel dari efek halaman; konvensi UTM builder bersama memperbaiki sebagian besar masalah itu.
"Dipengaruhi" Bukan Berarti "Disebabkan"
Sebut penanda peluang itu "dipengaruhi personalisasi", bukan "diatribusikan". Pengaruh hanya menyatakan bahwa seseorang dalam deal tersebut melihat halaman yang dipersonalisasi. Personalisasi biasanya menargetkan akun yang paling cocok, yang memang berkonversi lebih baik, sehingga pipeline yang dipengaruhi akan tampak bagus terlepas dari apakah variannya berdampak atau tidak. Holdout memberikan bagian kausalnya.
Menggabungkan keduanya, dengan angka rekaan untuk menunjukkan perhitungannya: peluang yang dipengaruhi menghasilkan pipeline US$4,2 juta dalam satu kuartal, dan holdout menunjukkan peningkatan konversi inkremental 18%. Porsi inkrementalnya adalah 0,18 / 1,18, sehingga sekitar US$640 ribu dari pipeline tersebut tidak akan ada tanpa personalisasi. Sisanya, US$3,56 juta, kemungkinan besar tetap akan datang. Tim keuangan akan menanyakan angka kedua; berikan sebelum mereka bertanya. Disiplin yang sama berlaku untuk paid media: kalkulator ROAS dengan margin kotor Anda menunjukkan apakah pendapatan yang diatribusikan bahkan menutupi biayanya.
Melapor kepada Orang yang Berbeda
| Audiens | Apa yang mereka butuhkan | Yang tidak perlu dicantumkan |
|---|---|---|
| CMO / kepala pemasaran | Kenaikan per segmen dari holdout, aturan mana yang perlu diperluas, bagaimana halaman yang dipersonalisasi mengubah konversi untuk setiap channel utama | Pipeline yang dipengaruhi secara mentah tanpa konteks holdout |
| Pimpinan sales | Apakah akun yang dipersonalisasi menghasilkan lebih banyak peluang dan bergerak lebih cepat, per segmen, setelah satu siklus penuh closing | Metrik engagement tingkat sesi |
| Keuangan | Pipeline inkremental dari holdout, total biaya (tool ditambah waktu SDM), imbal hasil yang dihasilkan, dan interval kepercayaan | Angka influenced kotor saja |
| Dewan direksi | Satu baris: pipeline inkremental, biaya, tren antarkuartal | Detail metodologi |
Kebiasaan yang berguna untuk setiap audiens: laporkan angka kelompok holdout di samping angka kelompok yang dipersonalisasi, agar perbandingannya terlihat jelas, bukan sekadar tersirat.
Seberapa Jauh, dan Kapan
- Pelacakan: Anda bisa melihat akun mana yang melihat konten personal. Butuh beberapa hari untuk disiapkan. Berguna untuk debugging, bukan untuk mengklaim dampak.
- Holdout: Anda bisa mengukur peningkatan inkremental di situs. Membutuhkan traffic yang cukup per segmen; segmen dengan traffic rendah mungkin tidak pernah memberikan hasil yang jelas, dan tidak masalah untuk mengakuinya.
- Koneksi ke pipeline: data varian masuk ke CRM dan Anda bisa melacak pipeline yang dipengaruhi dan pipeline inkremental. Membutuhkan data setidaknya satu siklus penjualan penuh.
- Memperkirakan segmen baru: mengestimasi efek suatu segmen sebelum Anda meluncurkannya. Hanya layak dicoba setelah Anda memiliki beberapa segmen dengan holdout yang telah selesai untuk dijadikan pembelajaran.
Jangan bangun lapisan pipeline sebelum holdout tersedia. Tanpa kelompok kontrol, lapisan itu hanya akan menunjukkan korelasi, dan korelasi persis adalah apa yang dihasilkan secara cuma-cuma oleh personalisasi pada akun yang paling cocok.
Dari Mana Memulai
Periksa apakah tool personalisasi Anda mengirim event yang sampai ke tool analitik, lengkap dengan ID varian dan penanda holdout. Jika belum, perbaiki itu dulu; tanpa itu tidak ada yang berfungsi. Lalu terapkan holdout pada segmen dengan trafik tertinggi dan biarkan berjalan cukup lama hingga mencapai ukuran sampel yang Anda hitung. A/B testing Markettailor menangani holdout tingkat akun dan mengirim data varian ke analitik, jika Anda tidak ingin membangun logika pembagiannya sendiri.
Pertanyaan yang Sering Diajukan
Bagaimana atribusi personalisasi bekerja?
Setiap kali pengunjung melihat pengalaman yang dipersonalisasi, tool personalisasi memicu event dengan ID pengalaman dan varian. Event itu disimpan bersama sesi dan, setelah pengunjung teridentifikasi, bersama akun di CRM Anda. Membandingkan konversi dan pipeline antara pengunjung yang melihat varian dan holdout acak yang melihat halaman default memberikan efek inkremental dari personalisasi.
Apa perbedaan antara atribusi channel dan atribusi pengalaman?
Atribusi saluran memberi kredit pada sumber yang membawa pengunjung, seperti paid search, LinkedIn, atau email. Atribusi pengalaman mengukur efek dari apa yang dilihat pengunjung setelah mereka tiba. Halaman yang dipersonalisasi dapat mengubah konversi setiap saluran, sehingga melaporkan atribusi saluran saja menyembunyikan kontribusi pengalaman website.
Seberapa besar kelompok holdout personalisasi seharusnya?
Cukup besar untuk mendeteksi kenaikan yang Anda pedulikan dalam waktu yang wajar, dan tidak lebih besar dari itu. Jalankan perhitungan ukuran sampel A/B test untuk traffic dan conversion rate dasar Anda, lalu tetapkan holdout di tingkat akun agar perusahaan yang sama melihat pengalaman yang konsisten di setiap kunjungan.
Bisakah model atribusi multi-touch mengukur personalisasi?
Hanya secara tidak langsung. Model multi-touch membagi kredit di antara titik sentuh tetapi mengasumsikan setiap titik sentuh sama bagi semua orang. Menambahkan ID pengalaman sebagai properti titik sentuh memungkinkan Anda melaporkan pipeline yang terpengaruh, tetapi efek inkrementalnya tetap harus berasal dari perbandingan holdout. Banyak riset B2B juga terjadi di dark funnel, tempat tidak ada titik sentuh yang tercatat sama sekali.