Apa Itu Personalisasi Situs Web? Jenis dan Contoh B2B

Setiap situs web B2B memiliki masalah struktural yang sama. Satu beranda, satu set halaman produk, satu tata letak harga, semuanya melayani populasi pembeli yang mencakup berbagai industri, ukuran perusahaan, peran, dan tingkat kesiapan membeli. Hasilnya adalah situs web yang dioptimalkan untuk pengunjung rata-rata yang sebenarnya tidak ada. Personalisasi situs web mengatasi hal ini dengan menampilkan konten berbeda kepada pengunjung berbeda berdasarkan siapa mereka, di perusahaan mana mereka bekerja, dan apa yang telah mereka lakukan di situs Anda sebelumnya.

Apakah hal ini memberikan hasil untuk situs Anda adalah sesuatu yang perlu diukur, bukan diasumsikan. Angka peningkatan yang dipublikasikan berasal dari vendor dan konsultan yang mengukur klien mereka sendiri, dan angkanya sangat bervariasi. Angka yang berguna adalah peningkatan yang Anda lihat pada segmen Anda sendiri dibandingkan grup holdout, dan panduan ini menjelaskan cara mendapatkannya. Panduan ini membahas apa itu personalisasi website, cara kerjanya di balik layar, jenis-jenis utama di B2B, elemen halaman mana yang perlu diubah, cara memilih kasus penggunaan pertama, implementasi pertama dalam dua minggu, privasi, dan cara mengukur hasilnya.

Apa Itu Personalisasi Website (dan Apa yang Bukan)

Personalisasi website (dalam bahasa Inggris juga dieja website personalisation, atau cukup web personalization) adalah praktik mengubah secara dinamis apa yang dilihat pengunjung di website Anda berdasarkan data tentang pengunjung tersebut. Data itu bisa berasal dari sumber firmografis (nama perusahaan, industri, ukuran), sumber perilaku (halaman yang dikunjungi, konten yang diunduh, waktu di situs), sumber kontekstual (lokasi geografis, jenis perangkat, sumber rujukan), atau data CRM (tahap penjualan, tier akun, interaksi sebelumnya).

Perubahannya bisa kecil (mengganti headline atau tombol CTA) hingga besar (menampilkan tata letak halaman yang sama sekali berbeda dengan studi kasus, pesan, dan gambar yang berbeda). Ciri utamanya adalah pengunjung tidak memilih variasinya. Sistemlah yang memilihnya berdasarkan data yang tersedia.

Inilah yang membedakan personalisasi dari kustomisasi. Nielsen Norman Group mendefinisikan perbedaannya dengan jelas: personalisasi digerakkan oleh sistem (situs menyesuaikan diri secara otomatis), sedangkan kustomisasi digerakkan oleh pengguna (pengunjung membuat pilihan manual seperti mengatur preferensi). Keduanya dapat meningkatkan pengalaman. Personalisasi bekerja tanpa memerlukan tindakan apa pun dari pengunjung, yang sangat penting di B2B karena sebagian besar pengunjung tidak pernah membuat akun atau login.

Personalisasi website juga berbeda dari personalisasi email. Personalisasi email bekerja pada kontak yang sudah dikenal di database Anda. Personalisasi website juga bisa bekerja pada pengunjung anonim yang belum pernah mengisi formulir, dan di sebagian besar situs B2B mereka adalah mayoritas besar traffic (bandingkan jumlah pengiriman formulir dengan jumlah sesi untuk melihat porsi Anda sendiri). Jika Anda hanya mempersonalisasi untuk kontak yang dikenal, Anda hanya menjangkau sebagian kecil orang di situs Anda.

Ada dua hal lain yang sering dikacaukan dengan personalisasi, dan kekacauan itu menyebabkan cakupan proyek yang buruk:

Konsekuensi praktisnya: personalisasi adalah sekumpulan A/B test yang dijalankan di dalam segmen. A/B testing bertanya "versi mana yang terbaik secara rata-rata?"; personalisasi menerima bahwa varian A bisa menang untuk pengunjung enterprise sementara varian B menang untuk mid-market, dan memakai tes di setiap segmen untuk membuktikannya. Jika Anda tidak bisa menyebutkan untuk segmen mana sebuah varian dibuat dan bagaimana Anda tahu varian itu mengalahkan versi default untuk segmen tersebut, yang Anda lakukan hanyalah konten dinamis dengan langkah tambahan.

Personalisasi juga bukan token nama depan. "Selamat datang kembali, Sarah" tidak mengubah apa pun dalam keputusan pembelian. Perubahan yang penting di B2B adalah perubahan relevansi: buktinya, cara membingkai masalahnya, dan langkah selanjutnya.

Cara Kerja Personalisasi Website B2B

Di baliknya ada tiga bagian: lapisan data yang mengetahui siapa yang berkunjung, rules engine yang memutuskan varian mana yang mereka dapatkan, dan metode penayangan yang menampilkan varian tersebut di layar. Mengetahui di mana setiap bagian bisa gagal membuat jauh lebih mudah untuk menilai tool dan menghindari menghabiskan satu kuartal untuk segmen yang tidak pernah cocok dengan siapa pun.

Lapisan data: empat input

Setiap aturan personalisasi dipicu oleh salah satu dari empat jenis input. Keempatnya berbeda dalam cakupan, akurasi, dan bobot hukum, dan banyak program macet karena memilih use case yang membutuhkan input yang tidak mereka miliki secara andal.

Resolusi IP ke perusahaan adalah langkah pertama yang umum untuk traffic anonim. Setiap permintaan halaman membawa alamat IP, dan layanan identifikasi pengunjung memetakannya ke organisasi menggunakan registri rentang IP perusahaan, data ISP, dan kecocokan yang diamatinya sendiri. Tidak perlu cookie, formulir, atau kunjungan sebelumnya. Seberapa baik cara ini bekerja tergantung pada cara pembeli Anda terhubung: seseorang di jaringan perusahaan dengan rentang IP terdaftar sendiri mudah dicocokkan, sedangkan seseorang yang bekerja dari rumah dengan internet konsumen atau di jaringan seluler biasanya teridentifikasi sebagai ISP, bukan perusahaan tempat ia bekerja. Tingkat kecocokan vendor diukur pada komposisi pelanggan mereka sendiri, jadi jalankan alat tersebut pada traffic Anda sendiri selama dua minggu dan lihat berapa porsi sesi yang teridentifikasi sebagai perusahaan nyata, dipecah berdasarkan segmen ICP Anda.

Enrichment mengubah nama perusahaan menjadi sesuatu yang bisa Anda tindak lanjuti: industri, jumlah karyawan, rentang pendapatan, negara kantor pusat, terkadang stack teknologi. Clearbit (kini bagian dari HubSpot), ZoomInfo, Apollo, dan 6sense semuanya menjual data semacam ini. Atribut umum seperti industri dan rentang ukuran cenderung paling bisa diandalkan; data technographic yang detail paling tidak, karena sering disimpulkan dari lowongan kerja atau skrip website. Buat aturan pertama Anda berdasarkan atribut umum, dan periksa acak dua puluh atau tiga puluh record yang diperkaya terhadap perusahaan yang Anda kenal sebelum memercayai suatu field.

Sinyal perilaku membutuhkan riwayat. Kunjungan pertama hanya memberi Anda referrer dan satu halaman, tidak lebih, itulah sebabnya aturan perilaku bekerja paling baik untuk pengunjung yang kembali dan mengapa sebagian besar pengaturan menggabungkannya dengan firmografi (lihat segmentasi perilaku). Data CRM hanya mencakup pengunjung yang sudah dihubungkan oleh cookie marketing automation Anda ke kontak atau akun, tetapi kelompok itu mencakup pipeline aktif dan pelanggan Anda, tepat orang-orang yang paling tidak ingin Anda tampilkan halaman "pesan demo" generik. Panduan integrasi CRM membahas pemetaan kolomnya.

Ada dua aturan yang mengikutinya. Mulailah dengan konteks perilaku dan kampanye: cakupannya paling banyak sesi, tidak memerlukan data pihak ketiga, dan paling mudah dibenarkan secara hukum. Pengunjung yang datang dari iklan "SOC 2 automation" Anda harus melihat bukti SOC 2 terlepas dari apakah Anda tahu perusahaannya. Dan jangan pernah mengabaikan halaman default: jika identifikasi hanya mencakup sebagian sesi Anda, sisanya melihat versi default, sehingga versi itu tetap menjadi versi halaman terpenting Anda.

Mesin aturan: mencocokkan pengunjung dengan pengalaman

Mesin aturan mengambil apa yang diketahui lapisan data dan memilih varian. Secara konsep, ini adalah daftar pernyataan if-then yang diperiksa sesuai urutan prioritas:

JIKA ukuran perusahaan lebih dari 500 karyawan DAN industrinya Layanan Keuangan DAN pengunjung telah melihat halaman harga MAKA tampilkan hero layanan keuangan, studi kasus perbankan, dan CTA "Bicara dengan tim layanan keuangan kami".

Ketika pengunjung cocok dengan beberapa aturan, prioritas tertinggi yang menang. Pengunjung yang tidak cocok dengan aturan apa pun mendapat halaman default, begitu juga pengunjung yang menolak persetujuan dan crawler mesin pencari. Mesin berbasis aturan seperti ini sudah cukup untuk sebagian besar implementasi B2B; mesin machine learning yang memprediksi varian terbaik per pengunjung membutuhkan traffic yang jauh lebih banyak untuk dilatih daripada yang dimiliki sebagian besar situs B2B.

Jaga agar aturan tetap sederhana. "Tampilkan konten manufaktur kepada perusahaan manufaktur" dapat ditayangkan dalam satu sore dan mendapatkan traffic yang cukup untuk dibaca dalam hitungan minggu. "Tampilkan hero tertentu kepada fintech Seri B dengan 200 hingga 500 karyawan yang telah mengunjungi halaman harga dua kali" mungkin hanya cocok dengan beberapa sesi per bulan, sehingga Anda tidak akan pernah tahu apakah aturan itu berhasil. Setiap aturan juga menambah beban pemeliharaan: sepuluh aturan di homepage berarti sepuluh versi yang harus diperbarui saat positioning berubah dan sepuluh kombinasi yang harus di-QA. Mulailah dengan segmen (jasa keuangan enterprise, SaaS mid-market), bukan akun individu; halaman tingkat akun hanya masuk akal untuk daftar ABM yang cukup pendek sehingga ukuran deal membenarkan konten per akun.

Penayangan: client-side, server-side, atau edge

Cara varian sampai ke browser memengaruhi kecepatan, flicker, SEO, dan seberapa banyak kerja engineering yang Anda butuhkan.

Dengan tag client-side, solusi yang lazim untuk flicker adalah pre-hiding: aturan CSS inline kecil yang menyembunyikan hanya elemen yang Anda personalisasi sampai skrip menerapkan perubahannya, dengan timeout agar konten default muncul jika skrip lambat atau diblokir. Hero kosong lebih buruk daripada hero generik. Pandangan kami: sebagian besar tim marketing sebaiknya memulai dari client-side dengan pre-hiding, membuktikan bahwa personalisasi menggerakkan sebuah metrik, dan baru setelah itu menghabiskan waktu engineering untuk penayangan server-side atau edge. Apa pun yang Anda gunakan, ukur Largest Contentful Paint dengan dan tanpa personalisasi; varian tidak boleh muncul jauh lebih lambat daripada default.

Lihat bagaimana personalisasi real-time menggunakan pipeline ini pada tampilan halaman pertama, dan bandingkan tool personalisasi situs web berdasarkan cara masing-masing menangani setiap lapisan. Personalisasi berbasis AI terutama menurunkan biaya penulisan varian dan membantu memilih di antaranya setelah Anda memiliki banyak segmen; untuk program pertama, aturan sudah cukup. Artikel kami tentang AI dalam lead generation membahas sisi B2B-nya.

Jenis-jenis Personalisasi Website di B2B

Personalisasi B2B berbeda dari personalisasi B2C dalam beberapa hal penting. Personalisasi B2C dibangun di sekitar perilaku konsumen individu: apa yang Anda jelajahi, apa yang Anda beli, apa yang Anda masukkan ke keranjang. Personalisasi B2B dibangun di sekitar atribut tingkat perusahaan dan dinamika komite pembelian. Pengunjung adalah salah satu dari beberapa orang dari perusahaan yang sama yang mengevaluasi Anda (CTO peduli pada integrasi dan keamanan, pimpinan pemasaran pada hasil dan kemudahan penggunaan, bagian pengadaan pada persyaratan), siklus penjualan berlangsung berminggu-minggu atau berbulan-bulan, dan traffic diukur dalam ribuan, bukan jutaan, sehingga segmen harus cukup kasar untuk dapat mengumpulkan data.

Personalisasi Firmografis

Jenis yang paling umum untuk B2B. Personalisasi firmografis menggunakan data tingkat perusahaan (industri, ukuran, pendapatan, lokasi) untuk menyesuaikan website. Pengunjung dari perusahaan kesehatan melihat studi kasus kesehatan, pesan yang berfokus pada kepatuhan, dan tangkapan layar fitur yang relevan dengan layanan kesehatan. Pengunjung dari perusahaan teknologi melihat pesan yang berfokus pada integrasi, tautan dokumentasi developer, dan studi kasus SaaS. Panduan kami tentang personalisasi industri dan personalisasi berdasarkan ukuran perusahaan membahasnya lebih dalam.

Personalisasi firmografis bekerja sejak pemuatan halaman pertama karena datanya sudah tersedia dari resolusi IP sebelum pengunjung berinteraksi dengan apa pun. Ini menjadikannya titik awal yang wajar bagi tim yang baru pertama kali menerapkan personalisasi.

Personalisasi Berbasis Perilaku

Personalisasi perilaku menyesuaikan pengalaman berdasarkan apa yang sudah dilakukan pengunjung di situs Anda, baik di sesi saat ini maupun di kunjungan sebelumnya. Pengunjung yang sudah membaca tiga artikel blog tentang analitik melihat konten terkait analitik ditonjolkan di homepage. Pengunjung yang melihat halaman harga dua kali dalam seminggu terakhir melihat CTA yang menawarkan konsultasi harga, bukan tombol generik "Pelajari Lebih Lanjut".

Personalisasi perilaku membutuhkan data pelacakan yang terakumulasi, sehingga makin baik seiring bertambahnya kunjungan. Di kunjungan pertama, personalisasi firmografis yang bekerja. Di kunjungan berikutnya, data perilaku menambah ketepatan.

Personalisasi Berbasis ABM

Bagi perusahaan yang menjalankan program account-based marketing, personalisasi dapat dikaitkan langsung dengan daftar akun dan tier akun. Akun target Tier 1 melihat pengalaman yang sepenuhnya disesuaikan: pesan dengan nama akun, studi kasus yang relevan, dan CTA untuk menjadwalkan waktu dengan account executive yang ditugaskan. Akun Tier 2 melihat pesan yang disesuaikan per industri dengan opsi demo mandiri. Akun non-target melihat pengalaman default. Playbook personalisasi situs web ABM membahas strategi untuk setiap tier.

Personalisasi Berbasis Rujukan

Menyesuaikan halaman berdasarkan dari mana pengunjung datang. Pengunjung yang datang dari iklan LinkedIn tentang account-based marketing melihat pesan berfokus ABM di landing page. Pengunjung yang datang dari pencarian organik "analitik B2B" melihat pesan tentang analitik. Pengunjung yang datang dari kampanye email tentang fitur tertentu melihat fitur tersebut disorot. Ini menciptakan kesinambungan antara konten yang menarik pengunjung dan pengalaman situs web yang menyambut mereka. Inilah padanan situs web dari token personalisasi dalam kampanye email.

Personalisasi Berbasis Tahap

Menyesuaikan pengalaman berdasarkan posisi pengunjung dalam proses pembelian. Pengunjung pertama kali melihat konten edukatif dan CTA top-of-funnel. Pengunjung yang kembali dan sudah membaca konten produk melihat panduan perbandingan dan CTA demo. Pengunjung dari akun yang sedang dalam percakapan sales aktif melihat konten yang mendukung deal: kalkulator ROI, panduan implementasi, dokumentasi keamanan. Lihat personalisasi berdasarkan tahap perjalanan pembeli.

Apa yang Dipersonalisasi: Elemen Berdampak Tinggi

Tidak setiap elemen di halaman perlu berbeda per segmen. Elemen dengan dampak terbesar untuk dipersonalisasi adalah yang pertama kali diproses pengunjung dan yang mendorong tindakan konversi.

Headline dan subheadline hero. Ini teks pertama yang dibaca pengunjung. Mengubahnya dari value proposition generik menjadi pesan khusus industri atau khusus masalah menciptakan sinyal relevansi seketika. “Personalisasi Website Anda untuk Setiap Pengunjung” itu generik. “Tunjukkan kepada Setiap Pembeli Manufaktur Produk yang Mereka Butuhkan” berbicara langsung kepada pengunjung dari manufaktur. Panduan personalisasi homepage berisi lebih banyak contoh per segmen.

Gambar hero. Gambar sering terlihat sebelum headline dibaca. Menampilkan gambar yang relevan dengan industri (lantai pabrik, meja trading, dashboard rumah sakit) memberi sinyal relevansi sebelum headline dibaca. Untuk pembahasan lebih lanjut, lihat panduan tentang gambar dan grafis landing page.

Studi kasus dan social proof. Studi kasus dari industri yang sama lebih meyakinkan daripada yang generik. Pengunjung SaaS yang melihat studi kasus dari perusahaan SaaS lain menangkap sinyal "perusahaan seperti kami memakai ini" yang lebih kuat daripada carousel logo dari berbagai industri. Jika belum ada studi kasus untuk suatu vertikal, itu celah konten yang perlu ditutup sebelum melakukan personalisasi untuk vertikal tersebut.

Call-to-action. Menyesuaikan CTA dengan tingkat kesiapan pengunjung mengurangi friksi. Pengunjung pertama kali mendapat "Lihat Cara Kerjanya". Pengunjung yang kembali mendapat "Pesan Demo". Pengunjung dari akun yang sedang dalam percakapan sales mendapat "Hubungi Tim Akun Anda". Artikel kami tentang CTA yang dipersonalisasi membahas cara mengujinya.

Navigasi dan rekomendasi konten. Menonjolkan sumber daya, halaman produk, atau artikel blog yang berbeda berdasarkan industri atau riwayat perilaku pengunjung membantu mereka menemukan konten yang relevan lebih cepat. Biarkan navigasi lengkap tetap tersedia: personalisasi seharusnya mengubah urutan, bukan menyembunyikan.

Halaman harga. Tangani dengan hati-hati. Menonjolkan paket yang sesuai dengan ukuran perusahaan, atau mengganti pendaftaran swalayan dengan “Hubungi sales” di atas ambang ukuran tertentu, masih wajar. Menampilkan harga yang berbeda kepada perusahaan yang berbeda adalah hal lain, dan biasanya ketahuan saat dua pembeli saling membandingkan. Lihat personalisasi halaman harga.

Contoh apa yang diubah oleh sebuah varian, untuk perusahaan perangkat lunak keamanan ilustratif dan segmen kesehatan:

Jangan ubah semuanya sekaligus: varian yang mengganti headline, bukti, CTA, dan tata letak tidak bisa memberi tahu Anda perubahan mana yang berpengaruh.

Memilih Use Case Pertama Anda

Tim sering ingin memulai dengan beranda khusus akun bernama. Itu biasanya bukan tes pertama yang tepat. Use case pertama yang baik memiliki traffic yang cukup untuk diukur, event konversi yang jelas, dan perbedaan konten yang benar-benar bisa Anda buat. Misalnya, agensi desain web dapat menampilkan karya platformnya kepada pengunjung enterprise dan layanan desain web untuk bisnis kecil kepada perusahaan yang lebih kecil. Salah satu cara memeringkat kandidat adalah memberi skor masing-masing dari 1 hingga 5 untuk jangkauan (porsi sesi yang memenuhi syarat), nilai (seberapa dekat halaman dengan event pendapatan), keyakinan (bukti dari panggilan sales, data win/loss, atau tiket support bahwa segmen tersebut membutuhkan sesuatu yang berbeda), dan upaya, lalu urutkan berdasarkan (Jangkauan x Nilai x Keyakinan) / Upaya.

Skor ilustratif untuk perusahaan software keamanan hipotetis yang menjual ke mid-market dan enterprise:

Yang berguna adalah urutannya, bukan skor absolutnya. Di sini dua play kontekstual menang dan beranda untuk akun bernama berada di posisi terakhir karena hampir tidak menjangkau siapa pun dan biayanya paling besar. Urutan kematangan kasar mengikuti logika yang sama: kontekstual (kampanye, perujuk, baru vs kembali) lebih dulu, lalu segmen firmografis setelah identifikasi aktif dan satu uji holdout yang bersih selesai, lalu pengalaman akun berbasis CRM setelah sales menyepakati tier dan pemiliknya, dan baru setelah itu orkestrasi lintas web, iklan, email, dan sales.

Segmen yang bertahan

Sebuah segmen layak mendapat varian hanya jika orang-orang di dalamnya menginginkan sesuatu yang berbeda secara terukur, Anda bisa mengenali mereka dengan andal, dan jumlahnya cukup untuk dipelajari. Tuliskan masing-masing sebagai definisi satu baris sebelum membangun apa pun:

1. Mulailah dari perbedaan dalam keputusan pembelian, bukan kolom data. "Kesehatan" adalah kolom data. "Pembeli yang akan bertanya tentang HIPAA dan BAA sebelum demo apa pun" adalah perbedaan pembelian.
2. Buat segmen saling eksklusif pada elemen yang sama. Jika seorang pengunjung bisa sekaligus “Enterprise” dan “Layanan Kesehatan”, tentukan sejak awal aturan mana yang mengendalikan hero.
3. Utamakan segmen kasar di awal. Tiga industri ditambah "lainnya" lebih baik daripada dua belas industri yang sembilan di antaranya hanya mendapat beberapa kunjungan per minggu.
4. Tentukan cadangan untuk data yang tidak lengkap. Industri diketahui, ukuran tidak diketahui: apa yang ditampilkan?
5. Cek volume sebelum menulis copy. Hitung berapa sesi dalam 90 hari terakhir yang akan memenuhi syarat. Jika jumlah itu tidak bisa mencapai ukuran sampel di bagian pengukuran di bawah dalam satu kuartal, gabungkan segmen tersebut dengan segmen terdekatnya.

Panduan strategi segmentasi situs web B2B membahas cara memetakan segmen ke ICP Anda.

Implementasi: Alur Kerja Langkah demi Langkah

Menerapkan personalisasi website tidak memerlukan proyek berbulan-bulan. Berikut alur kerja praktis yang membuat pengalaman personalisasi pertama live dalam dua minggu.

Minggu 1: Fondasi

Langkah 1: Pilih satu halaman dan dua segmen. Beranda atau landing page utama Anda adalah titik awal terbaik. Pilih dua segmen yang mewakili audiens berbeda dengan volume traffic yang cukup untuk diukur. Contoh: "Perusahaan enterprise (500+ karyawan)" dan "Perusahaan menengah (50-499 karyawan)".

Langkah 2: Tentukan perubahan kontennya. Untuk setiap segmen, tulis headline varian, pilih studi kasus yang ditampilkan, dan tentukan CTA-nya. Pertahankan struktur halaman yang sama. Hanya konten di dalam slot tertentu yang berubah. Tulis semua copy varian sebelum menyentuh teknologi apa pun.

Langkah 3: Siapkan identifikasi pengunjung. Hubungkan sumber data identifikasi pengunjung yang mengaitkan alamat IP dengan data perusahaan. Verifikasi akurasinya dengan menguji menggunakan perusahaan yang sudah dikenal. Pastikan datanya mencakup atribut yang Anda butuhkan untuk segmentasi (industri, ukuran perusahaan).

Minggu 2: Peluncuran dan Pengukuran

Langkah 4: Konfigurasikan aturan segmentasi dan pemetaan konten. Di platform personalisasi Anda, buat segmen dan petakan masing-masing ke varian kontennya. Siapkan pengalaman default untuk pengunjung yang tidak cocok dengan segmen mana pun. Pratinjau setiap varian di desktop dan mobile, dan periksa juga alur ketika persetujuan ditolak.

Langkah 5: Luncurkan dengan holdback group. Jangan langsung mempersonalisasi semua traffic yang memenuhi syarat. Sisihkan sebagian dari setiap segmen sebagai kelompok kontrol yang melihat pengalaman default; tentukan ukurannya dengan perhitungan ukuran sampel A/B test agar pengujian benar-benar bisa mencapai hasil dengan traffic Anda.

Langkah 6: Ukur hingga sampel yang direncanakan tercapai, dan setidaknya selama dua minggu penuh. Lacak tingkat konversi (pengiriman formulir, permintaan demo), metrik engagement (waktu di halaman, halaman per sesi, kedalaman gulir), dan bounce rate untuk setiap segmen yang dipersonalisasi dibandingkan kelompok holdback-nya. Jika varian yang dipersonalisasi berkinerja lebih baik, pendekatan Anda tervalidasi dan dapat diperluas.

Jika hasilnya datar, penyebab umumnya adalah segmen yang kurang berbeda, varian yang terlalu mirip dengan default, atau trafik di segmen yang terlalu sedikit. Perbaiki salah satunya sebelum menambah halaman. Saat Anda siap merencanakan lebih jauh dari tes-tes pertama, template playbook personalisasi memberi Anda struktur untuk segmen, aturan, penanggung jawab, dan tanggal tinjauan.

Apa yang Bisa Diharapkan, Secara Realistis

Bersikaplah skeptis terhadap angka peningkatan yang mencolok. Sebagian besar angka yang dipublikasikan berasal dari vendor atau konsultan yang menggambarkan klien mereka sendiri, menggunakan definisi “konversi” yang berbeda-beda, dan tidak dibandingkan dengan holdout. Angka itu memberi tahu Anda bahwa personalisasi bisa berhasil, bukan apa hasilnya di situs Anda.

Yang bisa Anda nalar: personalisasi mengubah tingkat konversi traffic yang sudah Anda miliki, jadi nilainya bergantung pada seberapa banyak traffic terkualifikasi yang mencapai halaman yang dipersonalisasi dan seberapa besar perbedaan antara apa yang dikatakan halaman default dan apa yang dibutuhkan setiap segmen. Situs dengan satu produk yang dijual ke satu jenis pembeli tidak banyak mendapat manfaat; situs yang melayani beberapa industri dan ukuran perusahaan dari satu homepage mendapat lebih banyak. Sebelum memulai, hitung dengan angka Anda sendiri. Contoh: jika 30% traffic homepage berasal dari satu industri dan halaman khusus industri menaikkan tingkat demo segmen itu dari 2% menjadi 2,5%, total permintaan demo dari homepage akan naik sekitar 7,5%. Apakah Anda benar-benar mendapatkan lift itu, itulah yang dijawab oleh uji holdout.

Personalisasi tidak mengharuskan Anda mengeluarkan biaya lebih untuk mendatangkan kunjungan; personalisasi bekerja pada orang-orang yang sudah datang. Dalam flywheel HubSpot, personalisasi website tercantum sebagai kekuatan di fase engage. Panduan kami tentang mengukur ROI personalisasi mengubah hasil pengujian menjadi business case.

Mengukur Keberhasilan Personalisasi

Perbandingan sebelum-sesudah hampir tidak berguna untuk personalisasi: musim, perubahan kampanye dan aktivitas sales menggerakkan conversion rate lebih besar daripada kebanyakan varian. Metrik utamanya adalah conversion rate per segmen, dibandingkan dengan holdout: sebagian acak dari segmen yang memenuhi syarat yang tetap melihat versi default selama periode yang sama.

Seberapa besar holdout yang dibutuhkan?

Misalkan sebuah segmen berkonversi 2,0% di halaman default dan Anda ingin mendeteksi lift relatif 20% (menjadi 2,4%) dengan tingkat kepercayaan 95% dan power 80% yang biasa. Rumus standar dua proporsi menghasilkan:

n per kelompok = (1,96 + 0,84)² x (0,02 x 0,98 + 0,024 x 0,976) / (0,004)² = 7,84 x 0,0430 / 0,000016, sekitar 21.100 pengunjung per kelompok.

Itu berarti sekitar 42.000 pengunjung yang memenuhi syarat dengan pembagian 50/50. Dengan pembagian 90/10, holdout membutuhkan sekitar 11.700 pengunjung dan kelompok yang dipersonalisasi sekitar 105.500, total sekitar 117.000, hampir tiga kali lipat trafiknya (untuk rasio alokasi k = 9, kelompok yang lebih kecil membutuhkan n x (1 + 1/k) / 2). Jadi buktikan variannya dengan pembagian 50/50, lalu pertahankan holdout permanen yang kecil (5-10%) hanya untuk memastikan kenaikannya bertahan. Jika sebuah segmen tidak bisa mencapai sampel dalam satu kuartal, gabungkan segmen yang memiliki struktur varian sama, ukur langkah dengan volume lebih tinggi (klik CTA alih-alih demo yang dipesan), atau anggap hasilnya sebagai petunjuk arah dan nyatakan demikian. Hitung angka Anda sendiri di kalkulator A/B test.

Ukur per segmen, jangan hanya secara agregat: rata-rata yang positif bisa menyembunyikan varian yang kalah untuk satu segmen. Metrik pendukung meliputi:

Kedalaman engagement. Halaman per sesi, waktu di situs, dan kedalaman scroll untuk pengunjung yang dipersonalisasi dibandingkan yang tidak.

Bounce rate per segmen. Personalisasi seharusnya menurunkan bounce rate untuk segmen yang ditargetkan karena pengalaman yang didapat sesuai dengan konteks pengunjung. Pantau per segmen, bukan hanya untuk seluruh situs.

Kecepatan pipeline. Untuk pengunjung dari akun target, lacak seberapa cepat mereka bergerak melalui pipeline penjualan, dibandingkan dengan akun target yang ditahan sebagai grup kontrol.

Penemuan konten. Apakah pengunjung yang dipersonalisasi melihat lebih banyak halaman produk atau halaman sumber daya dibandingkan pengunjung yang tidak dipersonalisasi?

Pendapatan per pengunjung. Metrik pamungkas. Pantau bagaimana personalisasi memengaruhi rata-rata pendapatan dari setiap pengunjung website, dipisahkan per audiens.

Privasi, Kepatuhan, dan Batasan Personalisasi

Personalisasi website B2B sebagian besar bekerja pada atribut tingkat perusahaan (industri, ukuran, status akun), bukan pada siapa individunya. Menyesuaikan halaman untuk menampilkan konten manufaktur kepada pengunjung dari perusahaan manufaktur berbeda dengan melacak penjelajahan seseorang di berbagai situs. Namun itu tidak membuatnya berada di luar hukum privasi. Ini adalah peta dari sudut pandang praktisi, bukan nasihat hukum:

• Alamat IP bisa termasuk data pribadi. GDPR Recital 30 menyebut alamat IP sebagai online identifier, dan Pengadilan Uni Eropa memutuskan dalam Breyer (siaran pers CJEU, 2016) bahwa alamat IP dinamis bisa menjadi data pribadi bagi operator website. "Kami hanya mengidentifikasi perusahaan" memang mengurangi risiko, tetapi tidak membuat Anda keluar dari cakupan GDPR ketika pemrosesannya dimulai dari alamat IP.
• Dasar hukum. Personalisasi tingkat perusahaan biasanya didasarkan pada kepentingan sah, GDPR Article 6(1)(f), yang memerlukan uji keseimbangan yang terdokumentasi; panduan ICO tentang kepentingan sah menjelaskan uji tiga bagiannya.
• Cookie dan akses perangkat memerlukan persetujuan, terpisah dari GDPR. Menyimpan atau membaca informasi di perangkat pengunjung, termasuk cookie dan local storage yang digunakan untuk mengingat segmen atau jumlah kunjungan, termasuk dalam Pasal 5(3) ePrivacy Directive (2002) dan umumnya memerlukan persetujuan kecuali benar-benar diperlukan. EDPB menafsirkan cakupan itu secara luas dalam Guidelines 2/2023 on the technical scope of Art. 5(3). Di Inggris, aturan yang setara ada dalam PECR; lihat panduan cookie dari ICO.

Dalam praktiknya: sebutkan identifikasi pengunjung dan personalisasi di pemberitahuan privasi Anda, miliki perjanjian pemrosesan data dengan vendor Anda, pastikan tool tersebut menghormati banner persetujuan Anda dan tidak menjalankan enrichment untuk pengunjung yang menolak, dan libatkan penanggung jawab privasi Anda sebelum peluncuran. Rancang pengalaman agar tetap berfungsi dengan baik dalam kondisi terbatas: apa pun yang bergantung pada pengenal tersimpan harus kembali ke default jika persetujuan ditolak. Panduan kepatuhan privasi data kami membahasnya lebih jauh.

Hindari "faktor menyeramkan" dengan mempersonalisasi pada tingkat spesifisitas yang tepat. Menampilkan konten yang relevan dengan industri itu membantu. Menampilkan nama perusahaan pengunjung di headline sebelum mereka mengidentifikasi diri bisa terasa mengganggu. Simpan copy yang menyebut nama akun untuk akun yang sudah berdiskusi dengan sales, dan gunakan pembingkaian industri untuk lainnya.

Data first-party (data yang Anda kumpulkan langsung dari interaksi pengunjung di situs Anda sendiri) menjadi semakin penting seiring hilangnya cookie pihak ketiga. Personalisasi berbasis resolusi IP-ke-perusahaan dan perilaku di situs mengandalkan sinyal first-party, sehingga lebih tahan lama dibanding pendekatan yang bergantung pada pelacakan pihak ketiga. Panduan strategi data first-party untuk personalisasi B2B kami membahas apa yang perlu dikumpulkan dan bagaimana caranya.

Kesalahan Umum dan Cara Menghindarinya

Memulai terlalu besar. Tim yang mencoba mempersonalisasi setiap halaman untuk setiap segmen sejak peluncuran menciptakan beban pemeliharaan yang membuat proyek mandek. Mulailah dengan satu halaman dan dua segmen. Buktikan dampaknya. Baru kemudian perluas.

Kualitas data yang buruk. Jika identifikasi pengunjung Anda mencocokkan pengunjung dengan perusahaan yang salah, atau data CRM Anda sudah usang, personalisasi akan terasa acak. Periksa tingkat kecocokan, verifikasi sampel identifikasi secara manual, dan tetapkan ambang kepercayaan minimum yang di bawahnya pengalaman default akan ditampilkan.

Tidak ada kelompok holdback. Tanpa kelompok kontrol yang melihat pengalaman default, Anda tidak bisa memisahkan dampak personalisasi dari tren musiman, perubahan komposisi trafik, atau variabel lainnya.

Membiarkan versi default menurun. Versi default tetap yang dilihat sebagian besar pengunjung. Terus tingkatkan dengan A/B test biasa sambil Anda membangun varian.

Tidak ada konten untuk segmen yang Anda definisikan. Mendefinisikan segmen "Healthcare Enterprise" itu mudah. Menyiapkan studi kasus kesehatan, screenshot yang relevan, dan pesan khusus kesehatan adalah pekerjaan yang sebenarnya. Bangun kontennya sebelum Anda membangun aturannya.

Melaporkan klik sebagai keberhasilan. CTA yang dipersonalisasi sering mendapat lebih banyak klik tetapi jumlah meeting terkualifikasi yang sama. Ukur event yang paling dekat dengan pendapatan yang bisa didukung traffic Anda.

Tidak ada umpan balik dengan tim sales. Jika tim sales tidak tahu apa yang dilihat suatu akun, website dan sales menyampaikan cerita yang berbeda. Kirimkan pengalaman yang ditampilkan ke catatan aktivitas di CRM.

Kecepatan halaman dan flicker. Setiap alat sisi klien menambahkan skrip yang harus dimuat, mencari data pengunjung, dan mengedit halaman. Jalankan Lighthouse atau WebPageTest pada halaman-halaman utama dengan tag diaktifkan dan dinonaktifkan, lalu bandingkan Largest Contentful Paint dan Cumulative Layout Shift. Sembunyikan terlebih dahulu hanya elemen yang dipersonalisasi, jangan seluruh halaman.

Kesalahan SEO. Google merender JavaScript (dokumentasi JavaScript SEO mereka menjelaskan Chromium headless yang mengeksekusi skrip Anda). Googlebot melakukan crawl tanpa cookie Anda dan dari alamat IP yang tidak teridentifikasi sebagai perusahaan target, sehingga tidak cocok dengan aturan apa pun dan mendapat halaman default seperti pengunjung tak teridentifikasi lainnya. Jangan membuat aturan yang mendeteksi Googlebot dan menyajikan sesuatu yang khusus untuknya: kebijakan spam Google mendefinisikan cloaking sebagai menyajikan konten berbeda kepada pengguna dan mesin pencari. Lihat personalisasi situs web dan SEO.

Melewatkan QA. Lima aturan berarti enam kondisi halaman, masing-masing di berbagai browser dan perangkat. Periksa bahwa setiap aturan aktif pada kondisi yang benar, setiap varian tampil tanpa tata letak yang rusak, dan analitik mencatat varian mana yang ditampilkan. Mode pratinjau yang menyimulasikan segmen menghemat banyak waktu.

Tanpa tata kelola. Setahun kemudian, tidak ada yang tahu mana dari empat puluh aturan aktif yang masih penting, dan separuh buktinya merujuk ke pelanggan yang sudah churn. Sejak aturan pertama, beri setiap aturan pemilik, tanggal tinjauan (90 hari adalah default yang masuk akal), posisi dalam urutan prioritas yang terdokumentasi (misalnya peluang terbuka, lalu pelanggan, lalu akun target, lalu industri, lalu kampanye, lalu default), dan nama seperti page_element_segment_version. Pada skala yang lebih besar, ini menjadi disiplin tersendiri, yang dibahas dalam personalisasi dalam skala besar dan playbook peluncuran personalisasi enterprise.

Memulai Personalisasi Situs Web

Mulailah dengan implementasi paling sederhana yang menghasilkan hasil terukur, lalu perluas berdasarkan data.

Jika Anda memiliki kampanye berbayar atau email, pengujian pertama yang paling murah adalah menyesuaikan copy landing page dengan iklan atau email yang membawa pengunjung. Jika sebagian besar traffic Anda organik dan Anda menjual ke beberapa industri, personalisasikan beranda untuk dua segmen industri menggunakan data firmografis dari identifikasi pengunjung. Ubah headline hero, gambar hero, dan studi kasus unggulan. Sisihkan kelompok kontrol yang ukurannya sesuai dengan traffic Anda, dan ukur sampai sampel yang direncanakan tercapai. Jika varian yang dipersonalisasi mengungguli default, perluas ke segmen dan halaman tambahan.

Markettailor menyediakan lapisan identifikasi pengunjung, segmentasi, dan penyajian konten yang dibutuhkan alur kerja ini dalam satu platform. Markettailor menghubungkan identifikasi perusahaan berbasis IP dengan perubahan konten di halaman, sehingga pengalaman personalisasi pertama bisa diluncurkan dalam hitungan hari, bukan bulan.

Pertanyaan yang Sering Diajukan

Apa itu personalisasi website secara sederhana?

Personalisasi situs web berarti menampilkan konten berbeda kepada pengunjung berbeda di halaman yang sama, berdasarkan apa yang Anda ketahui tentang mereka: perusahaan, industri, lokasi, sumber rujukan, atau apa yang pernah mereka lakukan di situs sebelumnya. URL halaman tetap sama; headline, bukti pendukung, call to action, atau rekomendasinya yang berubah.

Apa saja jenis utama personalisasi website?

Untuk situs B2B, jenis utamanya adalah firmografis (industri, ukuran perusahaan), berbasis akun (target account bernama), perilaku (halaman yang dilihat, kunjungan kembali), siklus hidup (prospek, peluang terbuka, pelanggan), referral atau kampanye (iklan, email, tautan mitra), dan geografis. Sebagian besar tim memulai dengan kesesuaian pesan kampanye atau personalisasi industri, karena keduanya menjangkau sesi terbanyak dan langsung terhubung ke penjualan.

Bagaimana cara kerja personalisasi situs web B2B?

Lapisan data mencari tahu siapa pengunjungnya (pencocokan IP-ke-perusahaan, enrichment, perilaku di situs, catatan CRM), mesin aturan memeriksa aturan jika-maka sesuai urutan prioritas lalu memilih varian, dan metode pengiriman (tag client-side, panggilan API server-side, atau edge worker) menampilkan varian itu di halaman. Pengunjung yang tidak cocok dengan aturan mana pun melihat halaman default.

Apa saja langkah-langkah personalisasi web?

Identifikasi pengunjung atau segmennya, tentukan segmen mana yang penting, pilih satu atau dua halaman dengan traffic tinggi, tulis satu varian per segmen untuk elemen-elemen yang menjawab "apakah ini untuk saya?" (headline, bukti, CTA), luncurkan dengan kelompok holdout, dan ukur konversi per segmen terhadap holdout sebelum memperluas.

Apa saja contoh personalisasi situs web B2B?

Contoh umum: hero homepage yang menyebutkan industri pengunjung, studi kasus dan logo dari sektor pengunjung, halaman harga yang secara default menampilkan paket yang sesuai dengan ukuran perusahaan, CTA yang berubah dari "Pesan demo" menjadi "Hubungi tim akun Anda" untuk opportunity terbuka, dan rekomendasi sumber daya berdasarkan halaman yang sudah dilihat. Lihat panduan personalisasi homepage dan contoh konten dinamis kami untuk lebih lanjut.

Berapa banyak traffic yang Anda butuhkan untuk personalisasi situs web?

Tergantung pada conversion rate dasar Anda dan kenaikan yang perlu dideteksi. Dengan baseline 2% dan kenaikan relatif 20%, Anda membutuhkan sekitar 21.000 pengunjung per kelompok pada tingkat kepercayaan 95% dan power 80%. Segmen yang tidak bisa mencapai angka itu dalam satu kuartal sebaiknya digabungkan, diukur dengan event bervolume lebih tinggi, atau dianggap sebagai indikasi arah saja.

Apakah personalisasi website sama dengan A/B testing?

Tidak. A/B testing mencari satu versi terbaik untuk semua orang; personalisasi menampilkan versi berbeda untuk segmen berbeda. Keduanya saling melengkapi: gunakan A/B test dengan holdout untuk membuktikan bahwa setiap varian yang dipersonalisasi mengalahkan versi default untuk segmennya.

Apakah personalisasi website patuh GDPR?

Bisa, tetapi tidak otomatis. Alamat IP bisa merupakan data pribadi, sehingga personalisasi tingkat perusahaan tetap membutuhkan dasar hukum, biasanya kepentingan sah dengan uji keseimbangan yang didokumentasikan. Apa pun yang menyimpan atau membaca cookie atau identifier serupa di perangkat umumnya memerlukan persetujuan menurut aturan ePrivacy. Rancang pengalaman default untuk pengunjung yang menolak.