La personalizzazione B2B basata sui dati di intento parte da una domanda semplice: cosa vuole davvero questo visitatore in questo momento? I dati firmografici ti dicono chi è. I dati comportamentali ti dicono cosa ha fatto. I dati di intento ti dicono cosa sta studiando attivamente e quanto è pronto a comprare. Quando colleghi i segnali di intento alle regole di personalizzazione del sito, smetti di indovinare quali contenuti mostrare e inizi ad adattare l'esperienza sul sito al comportamento d'acquisto reale.
La maggior parte dei team B2B usa gli intent data per una sola cosa: fornire al commerciale una lista di account da chiamare. È utile, ma ignora il sito. (Gli intent data di terze parti sono anche diversi dall'intenzione contenuta in una query di ricerca; trattiamo quell'aspetto nel nostro articolo sulle parole chiave di intenzione d'acquisto.) Se sai che un account target sta cercando attivamente “strumenti di identificazione dei visitatori del sito”, perché mostrargli una homepage generica invece di mettere in primo piano le tue funzionalità di identificazione dei visitatori, case study pertinenti e un percorso diretto verso una demo?
Di seguito: i tipi di intent data, quali segnali sono abbastanza forti da cambiare una pagina, cinque regole che vale la pena costruire, come mantenere puliti i dati e come capire se tutto questo si ripaga.
I tre tipi di intent data
Gli intent data vengono raggruppati in un'unica categoria, ma esistono tre tipi distinti con livelli di affidabilità, costi e usi molto diversi per la personalizzazione del sito.
Dati di intento di prima parte
Si tratta di dati comportamentali provenienti dalle tue proprietà: sito web, email, prodotto e contenuti. Sono i più affidabili perché controlli la raccolta e sai esattamente quali azioni li hanno generati.
I segnali che contano per la personalizzazione:
- Pagine visitate e tempo trascorso (soprattutto pagine prodotto, prezzi e confronto)
- Contenuti fruiti (argomenti del blog, guide scaricate, webinar seguiti)
- Ricerche interne al sito
- Frequenza e recenza delle visite di ritorno
- Interazioni con i moduli (iniziati ma abbandonati, completati)
- Engagement con le email (aperte, cliccate, quali link)
Gli intent data di prima parte sono gratuiti da raccogliere e molto accurati. Il limite è la copertura: vedi solo l'intenzione di chi ha già trovato il tuo sito. Sei cieco rispetto agli account che fanno ricerche sulla tua categoria su altri siti, piattaforme di recensioni o pubblicazioni di settore. Abbiamo illustrato come raccogliere questi dati nella nostra guida alla strategia dei dati di prima parte.
Intent data second-party
Si tratta di dati first-party di un partner che li condivide con te. La fonte più comune sono le piattaforme di recensioni (G2, TrustRadius, Capterra), che vendono dati su quali aziende stanno facendo ricerche nella tua categoria di prodotto o ti stanno confrontando con i concorrenti.
I segnali che contano per la personalizzazione:
- Attività di ricerca sulla categoria (es. "L'azienda X sta cercando strumenti di personalizzazione del sito")
- Attività di confronto con i concorrenti (es. "L'azienda X ha visualizzato il confronto tra te e il concorrente Y")
- Visualizzazioni del profilo sulla piattaforma di recensioni
- Consumo di contenuti sui siti dei partner
I dati di seconda parte sono moderatamente affidabili perché la fonte è nota e i metodi di raccolta sono trasparenti. Lo svantaggio è la portata limitata: ogni partner vede solo il proprio traffico. I segnali dei siti di recensioni sono vicini a una decisione d'acquisto (qualcuno sta leggendo confronti nella tua categoria), ma coprono solo gli acquirenti che usano quel sito di recensioni.
Dati di intento di terze parti
Si tratta di dati comportamentali aggregati provenienti da tutto il web, raccolti da provider come Bombora, 6sense o G2 (su larga scala). Questi provider tracciano il consumo di contenuti su migliaia di siti e lo associano a segnali di intent a livello aziendale. Se stai ancora scegliendo una fonte, scopri come confrontare i provider di intent data B2B.
I segnali che contano per la personalizzazione:
- Punteggi di picco per argomento (l'azienda X sta consumando più contenuti su "personalizzazione del sito" rispetto alla sua baseline?)
- Indicatori della fase d'acquisto (fase di ricerca vs confronto attivo vs decisione)
- Segnali di interesse per i concorrenti
- Attività di ricerca su categorie tecnologiche
I dati di terze parti hanno la copertura più ampia ma l'affidabilità più bassa per singolo segnale. Si basano su un abbinamento probabilistico (associazione di indirizzi IP e cookie alle aziende), che introduce rumore. Non ogni segnale è un vero intento d'acquisto. A volte è solo uno stagista che fa ricerca sulla concorrenza, o un giornalista che scrive un articolo. Il nostro punto di vista: tratta l'intento di terze parti come un'integrazione dei dati di prima parte, non come un loro sostituto.
Perché la maggior parte dei team spreca i propri intent data
Un flusso di lavoro comune con gli intent data: un fornitore terzo invia ogni settimana una lista di account che mostrano intento. Il marketing passa la lista alle vendite. Le vendite li inseriscono in una cadenza outbound. La maggior parte di quegli account non risponde mai.
Il punto debole è la risposta. Prendi un segnale digitale (questo account sta facendo ricerche online) e rispondi con un'azione analogica (una cold email da un commerciale). Nel frattempo lo stesso account visita il tuo sito, e gli mostri la stessa esperienza generica di tutti gli altri.
La tempistica peggiora le cose. Nel Buyer Experience Report 2025 di 6sense, i buyer hanno avuto il primo contatto con i venditori a circa il 61% del loro percorso d'acquisto e hanno avviato il 79% di quei primi contatti (6sense, 2025). Gran parte della ricerca precedente avviene sui siti dei fornitori, dove il commerciale non può vederla.
Secondo noi, usare gli intent data solo per l'outreach commerciale ne spreca metà. L'account che sta facendo ricerche sulla tua categoria prima o poi visiterà il tuo sito, e quella visita è il momento in cui il segnale è più utile, perché puoi cambiare ciò che vede mentre è lì.
Collegare gli intent data alle regole di personalizzazione
Il modo in cui trasformi un segnale in una regola dipende da quanto ti fidi di esso. Una suddivisione utile prevede tre livelli di confidenza.
Segnali ad alta affidabilità (agisci direttamente)
Questi segnali sono abbastanza forti da cambiare l'esperienza di un visitatore senza ulteriori verifiche:
- Visita alla pagina prezzi (first-party): il visitatore ha valutato il tuo prodotto e sta guardando i costi. Personalizza verso contenuti per la fase decisionale. Metti in evidenza dati sul ROI, case study del suo settore e un percorso diretto verso le vendite.
- Confronto con un concorrente su un sito di recensioni (second-party): ti stanno confrontando attivamente con un'alternativa. Mostra contenuti di differenziazione, guide alla migrazione se pertinenti e vantaggi competitivi rilevanti per il loro segmento.
- Più visite alle pagine delle funzionalità nella stessa sessione (first-party): stanno valutando nel dettaglio le tue capacità. Metti in evidenza le funzionalità specifiche che hanno visto e mostra come lavorano insieme.
- Abbandono del modulo (first-party): hanno iniziato a convertire e si sono fermati. Alla visita successiva, riduci l'attrito. Mostra una CTA più semplice o offri un percorso di conversione diverso (come un link al calendario invece di un modulo).
Segnali di affidabilità media (da combinare con altri dati)
Questi segnali sono significativi ma non definitivi. Combinali con dati firmografici o first-party prima di agire:
- Picco di interesse su un argomento da un fornitore terzo: un account sta consumando più contenuti del solito sulla tua categoria. Se questo account corrisponde anche al tuo ICP in base ai dati firmografici, personalizza puntando sulla tua proposta di valore principale per il suo segmento. Se non corrisponde al tuo ICP, non cambiare nulla.
- Schema di lettura dei contenuti del blog (prima parte): un visitatore ha letto 3 o più articoli del blog sullo stesso argomento (ad es. ABM). Proponi contenuti più avanzati su quell'argomento e inserisci un link alla pagina prodotto pertinente (in questo caso account-based marketing).
- Clic in email su un argomento specifico: hanno mostrato interesse per un argomento tramite email. Quando visitano il sito, apri con contenuti legati a quell'argomento. Ma senza esagerare: i clic nelle email sono azioni che richiedono poco impegno.
Segnali a bassa affidabilità (da usare per le priorità, non per la personalizzazione)
Alcuni segnali di intento sono troppo rumorosi per modificare l'esperienza sul sito, ma restano utili per decidere dove concentrarsi:
- Picco generico di categoria da dati di terze parti: "L'azienda X sta facendo ricerche sulla marketing technology." È troppo generico per personalizzare. Usalo per dare priorità all'account nell'outreach, ma non cambiare la sua esperienza sul sito in base a un segnale vago.
- Singola visualizzazione di pagina (prima parte): una sola visita a un articolo del blog non indica un intento significativo. Aspetta uno schema prima di personalizzare.
- Segnali di intento vecchi: un picco di interesse su un argomento di 60 giorni fa è superato. Gli intent data perdono valore in fretta. I segnali più vecchi di 30 giorni non dovrebbero guidare le regole di personalizzazione.
Cinque regole di personalizzazione che usano bene gli intent data
Ogni regola qui sotto ha un segnale, un'azione e un modo per verificarla.
Regola 1: la ricerca sui concorrenti attiva contenuti di differenziazione
Segnale: i dati di seconda parte mostrano che l'account ha visto il tuo profilo e quello di un concorrente su un sito di recensioni nella stessa settimana.
Azione: quando qualcuno di quell'account visita il tuo sito, aggiungi una sezione di confronto alla homepage e alle pagine prodotto pertinenti. Mostra i tuoi principali elementi distintivi, le storie di clienti che hanno cambiato fornitore e una CTA “Perché i team passano a noi”.
Cosa misurare: il tasso di richieste demo degli account con intent verso i concorrenti che vedono i contenuti di differenziazione, rispetto a un gruppo di controllo degli stessi account che vede la pagina generica. Non citare il nome del concorrente nei contenuti e concentrali sulle funzionalità in cui il tuo prodotto è davvero più forte.
Regola 2: gli argomenti fruiti determinano quali funzionalità mettere in evidenza
Segnale: i dati di prima parte mostrano che il visitatore ha fruito di 2 o più contenuti su un argomento specifico (ad es. identificazione dei visitatori, segmentazione, analytics).
Azione: riordina la sezione funzionalità della homepage in modo che si apra con l'argomento su cui stanno facendo ricerca. Se hanno letto di identificazione dei visitatori, apri con le tue funzionalità di identificazione dei visitatori. Se hanno letto di segmentazione, apri con le funzionalità di segmentazione.
Cosa misurare: i clic dalla pagina funzionalità alla funzionalità riordinata e il passaggio ai prezzi o alla demo, rispetto a un gruppo di controllo che vede l'ordine predefinito. Il visitatore dovrebbe trovare più in fretta ciò che cerca.
Regola 3: picco di intent più corrispondenza ICP attiva l'esperienza prioritaria
Segnale: un provider di intent data di terze parti segnala l'account con un punteggio elevato di picco di interesse su un argomento E l'account corrisponde al tuo ICP in base ai dati firmografici (settore, dimensione e area geografica giusti).
Azione: mostra un'esperienza prioritaria: case study specifico per settore in cima alla pagina, una CTA diretta "Parla con noi" invece di una CTA più morbida da top of funnel, e corsia preferenziale verso un SDR dedicato se l'account converte.
Perché costruirlo per primo: il filtro (intento + corrispondenza con l'ICP) intercetta una piccola quota di traffico che dovrebbe contare di più per la pipeline. È la condizione AND a fare il lavoro: i soli dati di intento sono troppo rumorosi e la sola corrispondenza con l'ICP è troppo ampia. Insieme individuano gli account che sono sia adatti sia attivamente in fase d'acquisto.
Regola 4: il pattern delle visite di ritorno regola l'urgenza della CTA
Segnale: i dati first-party mostrano 3 o più visite in 14 giorni, con almeno una visualizzazione di una pagina prodotto.
Azione: passa da CTA soft ("Scopri di più", "Guarda come funziona") a CTA dirette ("Prenota una presentazione di 20 minuti", "Richiedi una demo personalizzata"). Aggiungi segnali di urgenza come "Il tuo team ci sta studiando da 2 settimane: mostriamoglielo dal vivo."
Cosa testare: un riconoscimento pertinente ("Il tuo team sta facendo ricerche su...") contro un testo di urgenza generico ("Posti limitati") per i visitatori che tornano spesso, misurato sulle richieste di demo. Il nostro parere: la pertinenza batte la pressione, e la falsa scarsità danneggia la fiducia dei buyer B2B, che confrontano i fornitori con attenzione. L'approccio all'adattamento delle CTA si basa sui meccanismi trattati nella nostra guida alla personalizzazione delle CTA basata sui dati.
Regola 5: il rilevamento della fase d'acquisto plasma l'intera pagina
Segnale: segnali first-party combinati che collocano l'account in una specifica fase del percorso d'acquisto (consapevolezza, considerazione, decisione).
Azione: adatta l'intero layout della pagina. I visitatori in fase di awareness vedono contenuti educativi e di thought leadership. Quelli in fase di considerazione vedono confronti tra prodotti e casi d'uso. Quelli in fase decisionale vedono prezzi, dettagli di implementazione e un percorso rapido verso le vendite.
Compromesso: la personalizzazione dell'intera pagina in base alla fase è la regola più complessa da implementare e la più difficile da misurare, perché tre varianti dividono il traffico in tre. Costruiscila per ultima, dopo che le regole più semplici hanno dimostrato il loro incremento rispetto a un gruppo di controllo, e aspettati che migliori man mano che il tuo modello di scoring dell'intento accumula dati.
Costruire il tuo stack di intent data
Non ti servono tutti i tipi di intent data fin dal primo giorno. Ecco l'ordine che ha senso per la maggior parte dei team B2B.
Fase 1: solo dati di prima parte (settimane 1-4)
Parti da ciò che hai già. Gli analytics del tuo sito e il sistema di identificazione dei visitatori rilevano già segnali di intento first-party. Configura la piattaforma di personalizzazione per monitorare:
- Visualizzazioni per categoria di pagina (blog, prodotto, prezzi, caso studio)
- Numero di sessioni e recenza per ogni azienda identificata
- Cluster di argomenti dei contenuti consumati
- Visite alle pagine ad alto intento (prezzi, confronti, documentazione sulle integrazioni)
Costruisci due o tre regole su questi segnali e testale rispetto a un holdout. Se non mostrano incrementi sul tuo traffico, comprare altri dati non risolverà il problema.
Fase 2: aggiungi i dati second-party (mesi 2-3)
Collega un'integrazione con una piattaforma di recensioni (G2 è la più comune). Aggiunge segnali di confronto con i concorrenti e dati di ricerca sulla categoria. Usala per attivare la Regola 1 (contenuti di differenziazione rispetto ai concorrenti) e per identificare gli account in fase d'acquisto che non hanno ancora trovato il tuo sito.
L'intento d'acquisto dei siti di recensioni viene venduto come componente aggiuntivo e i prezzi in genere non sono pubblici, quindi chiedi un preventivo e confrontalo con quanto costerebbe un fornitore terzo. Per una categoria ristretta, i segnali dei siti di recensioni (ricerche di categoria e di confronto da parte di account identificati) potrebbero essere tutto l'intento esterno di cui hai bisogno.
Fase 3: aggiungi i dati third-party (mesi 4-6)
Aggiungi un fornitore di intent di terze parti (Bombora, 6sense o simili) per avere un'ampia copertura degli account che fanno ricerche sulla tua categoria in tutto il web. Usalo soprattutto per la regola 3 (picco di intent + corrispondenza ICP) e per alimentare il tuo modello di account scoring.
Gli intent data di terze parti sono di solito il livello più costoso, e né Bombora né 6sense pubblicano i prezzi completi dei contratti (dati di ottobre 2026), quindi metti in conto una conversazione commerciale. Non investire finché non hai verificato che gli intent data first-party e di seconda parte facciano la differenza per il tuo programma di personalizzazione. Se le fasi 1 e 2 non producono risultati, il problema non è la copertura dei dati, ma l'esecuzione della personalizzazione o i tuoi segmenti.
Igiene dei dati di intento: cosa trascurano la maggior parte dei team
Gli intent data grezzi sono rumorosi. Senza pulizia e validazione, personalizzerai sulla base di segnali falsi e peggiorerai la qualità dell'esperienza dei visitatori.
Decadimento del segnale
I segnali d'intenzione hanno un'emivita. Una visita alla pagina prezzi di ieri è un segnale forte. La stessa visita di 45 giorni fa è rumore. Fissa regole di decadimento esplicite. Queste finestre sono punti di partenza, non benchmark; adattale al tuo ciclo di vendita:
- Segnali di prima parte: peso pieno per 7 giorni, metà peso dall'8° al 21° giorno, scartati dopo 30 giorni
- Segnali di seconda parte: peso pieno per 14 giorni, metà peso per 15-30 giorni, da scartare dopo 45 giorni
- Segnali di terze parti: peso pieno per 7 giorni, metà peso tra 8 e 14 giorni, scartati dopo 21 giorni (sono più rumorosi, quindi decadono più in fretta)
Perché non una finestra lunga per tutto? Una finestra di 90 giorni continua ad agire su account che hanno già preso una decisione o sono passati oltre, così i visitatori vedono messaggi che non li riguardano più. Finestre più brevi e specifiche per segnale mantengono l'esperienza pertinente; verificalo osservando il click-through sugli elementi personalizzati prima e dopo aver modificato le finestre.
Filtro dei falsi positivi
Non tutti i segnali di intento rappresentano un'intenzione d'acquisto. Filtra i falsi positivi più comuni:
- Concorrenti: escludi dalle regole di personalizzazione i domini dei concorrenti noti. Un concorrente che visita il tuo sito sta facendo analisi competitiva, non sta comprando.
- Persone in cerca di lavoro: i visitatori che vedono la pagina Lavora con noi e poi navigano tra le pagine prodotto sono candidati che studiano il tuo prodotto, non acquirenti. Escludi gli account in cui la prima pagina vista è stata la sezione carriere.
- Studenti e ricercatori: i domini .edu e gli account con segnali che sembrano ricerca accademica (molta lettura del blog, nessuna interazione con le pagine prodotto) vanno esclusi dai segmenti ad alto intento.
- Traffico bot: i dati di intento di terze parti sono particolarmente esposti a segnali gonfiati dai bot. Se un fornitore mostra picchi improvvisi su centinaia di account contemporaneamente, metti in dubbio la qualità dei dati.
Soglie minime dei segnali
Non personalizzare in base a un singolo segnale. Richiedi una soglia minima prima di cambiare l'esperienza:
- First-party: almeno 2 segnali di intento entro 14 giorni (es. 2 visualizzazioni di pagine prodotto, oppure 1 pagina prodotto + 1 visita di ritorno)
- Second-party: almeno 1 segnale forte (confronto con concorrenti) o 2 segnali moderati (navigazione della categoria)
- Terza parte: punteggio di picco di intento sopra la soglia consigliata dal fornitore, E un segnale di prima parte o firmografico corrispondente
La personalizzazione basata su un solo segnale crea un'esperienza discontinua, in cui i visitatori vedono contenuti diversi ogni volta in base a una singola visualizzazione di pagina. Le regole basate su soglie creano un'esperienza stabile e progressiva, costruita su prove accumulate.
Misurare la personalizzazione basata sull'intento
Le metriche che contano sono diverse da quelle della misurazione generica della personalizzazione, perché devi tracciare nello specifico il contributo del segnale di intento.
Accuratezza del segnale
Per ogni tipo di segnale di intent, misura il tasso di conversione degli account segnalati rispetto a quelli non segnalati. Se gli account con un “picco di interesse elevato” secondo il tuo fornitore di terze parti convertono allo stesso tasso degli altri, il segnale non è utile per il tuo mercato. Abbandonalo e rialloca il budget.
Verifica l'accuratezza dei segnali ogni trimestre sui tuoi dati: per ogni segnale, confronta il tasso di richieste di demo degli account che lo hanno mostrato con quello degli account che non lo hanno mostrato. Nella maggior parte dei casi i segnali first-party, come le visite alla pagina prezzi, sono i più predittivi, perché mostrano interesse proprio per te; i picchi di interesse su argomenti di terze parti mostrano interesse per la categoria e sono più deboli. Pondera le regole in base a ciò che mostrano i tuoi numeri.
Incremento della personalizzazione per fonte del segnale
Esegui esperimenti controllati per ogni regola di personalizzazione basata sull'intento. Tieni da parte il 20% degli account idonei come gruppo di controllo (vedono l'esperienza generica anche se presentano segnali di intento). Confronta i tassi di conversione tra il gruppo personalizzato e quello di controllo.
Questo ti dice se la personalizzazione funziona o se è il solo segnale di intento a spiegare l'aumento. È possibile che gli account ad alto intento convertano meglio a prescindere dalla personalizzazione. Il test controllato separa l'effetto di essere ad alto intento dall'effetto di vedere un'esperienza personalizzata. Solo la differenza tra il gruppo personalizzato e l'holdout è l'aumento incrementale che puoi attribuire alla personalizzazione.
Costo per conversione incrementale
I fornitori di dati di intento sono costosi. Calcola se l'aumento dato dalla personalizzazione giustifica il costo dei dati:
- Conta le conversioni incrementali attribuibili alla personalizzazione basata sull'intento (conversioni nel gruppo personalizzato meno conversioni nel gruppo di controllo)
- Dividi il costo annuo degli intent data per le conversioni incrementali
- Confronta con il tuo costo medio di acquisizione cliente
Esempio con numeri illustrativi: se i tuoi intent data di terze parti costano 50.000 $ all'anno e generano 20 conversioni incrementali, sono 2.500 $ per conversione incrementale. Se il valore medio del contratto è 25.000 $ con un tasso di chiusura del 25%, ogni conversione incrementale vale 6.250 $ di ricavi attesi. Il ROI è positivo. Se i numeri non tornano, tieni i dati first-party e second-party e rinuncia all'investimento in dati di terze parti finché traffico o tassi di chiusura non migliorano.
Parti da ciò che possiedi
I segnali di intento più forti sono quelli che già raccogli. I tuoi analytics del sito registrano cosa fanno gli account sul tuo sito. L'identificazione dei visitatori collega quel comportamento alle aziende. I modelli di consumo dei contenuti rivelano quali argomenti interessano a ciascun account.
Costruisci le tue prime regole di personalizzazione basate sull'intent su questi dati di prima parte. Verifica che producano un incremento misurabile. Poi aggiungi dati di seconda parte dalle piattaforme di recensioni per cogliere i segnali di ricerca sui concorrenti. Aggiungi fornitori di intent di terze parti solo dopo aver dimostrato che il modello funziona e quando ti serve una copertura più ampia.
Quando non vale la pena: se il tuo sito riceve così poco traffico identificato che una singola regola non raggiunge qualche centinaio di visite qualificate a trimestre, non potrai misurare nulla di tutto questo. Investi prima sulle pagine predefinite e, nel frattempo, usa le liste di intento per dare priorità al lavoro delle vendite.