B2B 웹사이트 방문자 대부분은 양식을 작성하지 않고 떠납니다. 직접 확인해 보세요. 지난 분기의 양식 제출 수를 세션 수로 나누면, 신원을 밝히지 않는 트래픽이 대개 대부분을 차지합니다. 웹사이트 관점의 AI 리드 생성은 이 침묵하는 다수에 작용하는 기법들입니다. 어떤 기업이 방문하는지 식별하고, 그중 어느 기업이 구매 주기에 있는지 추정하고, 더 많은 기업이 다음 단계로 나아가도록 사이트에 보이는 것을 바꿉니다.
각 부분에서 “AI”가 하는 일의 양은 다르며, 벤더들은 이 단어를 느슨하게 사용합니다. 이 글에서는 각 부분을 분리해, 각각이 어떻게 작동하고 어디서 실패하는지 설명하고, 과도하게 구축하지 않고 이들을 결합하는 30일 계획을 제시합니다.
웹사이트에서 AI 리드 생성이 의미하는 것
이 명칭은 챗봇, 예측 스코어링, 자동화된 아웃리치 등을 모두 포괄합니다. 웹사이트에 집중하는 B2B 팀에게는 세 가지가 중요합니다.
| 구성 요소 | 기능 | 머신러닝이 실제로 도움이 되는 곳 |
|---|---|---|
| 방문자 식별 | IP 데이터와 데이터 보강으로 익명 세션을 회사와 연결합니다 | 대부분 ML이 아닌 데이터 매칭. 일부 제공업체는 레코드 정리와 매칭에 모델을 사용 |
| 인텐트 스코어링 | 적합도와 행동을 바탕으로 구매 가능성이 높은 계정을 추정 | 머신러닝의 주요 활용: 과거 수주 직전에 나타난 신호 조합 학습 |
| 개인화된 참여 | 방문자가 누구인지, 무엇을 했는지에 따라 헤드라인, 증거, CTA를 변경 | 선택 사항. 대부분의 B2B 개인화는 명시적 규칙으로 운영되며, 때로 변형 자동 선택을 함께 씁니다 |
공급업체가 'AI 기반'이라고 말한다면, 이 세 가지 중 어디에 적용되는지, 그리고 모델이 무엇으로 학습되었는지 물어보십시오. 자사 수주 데이터로 학습한 스코어링 모델은 제공업체가 모든 고객에 걸쳐 계산하는 범용 '인텐트 점수'와는 다른 것입니다.
방문자 식별의 작동 방식
양식 기반 리드 생성은 사람들이 스스로 정체를 밝히기를 기다립니다. 방문자 식별은 반대쪽에서 접근해, 누군가 무언가를 입력하기 전에 기업을 파악하려고 합니다.
- IP 확인. 방문자의 IP 주소를 IP 대역과 조직을 매핑한 데이터베이스와 대조합니다. 자체 네트워크 대역을 가진 기업(사무실, 회사 게이트웨이를 거쳐 나가는 VPN)은 잘 식별됩니다. 가정용 인터넷, 모바일 네트워크, 공유 코워킹 네트워크는 잘 식별되지 않거나 전혀 식별되지 않으며, 그래서 사이트마다 매칭률이 크게 다릅니다. 이를 바탕으로 계획을 세우기 전에 자사의 매칭률부터 측정하세요.
- 기업 속성 데이터 보강. 회사가 확인되면 데이터 보강으로 업종, 직원 수 구간, 위치, 때로는 기술 스택이 추가됩니다. 이 필드들은 추정치로 취급하고, 실제 계정에 대해 알고 있는 정보와 일부 표본을 대조해 확인하십시오.
- 사이트 내 행동. 조회한 페이지, 방문 횟수, 재방문 빈도가 회사에 연결되므로, 익명 세션 세 개가 아니라 “이번 주 이 회사에서 세 명이 요금 페이지를 봤다”는 식으로 보입니다.
- CRM 매칭. 기업이 CRM의 계정과 일치하면, 방문이 담당자와 진행 중인 딜에 연결됩니다. 영업 담당자는 자신이 관리하는 계정이 보안 페이지를 두 번 열었다는 것을 볼 수 있습니다.
기업 단위 식별은 개인 단위 식별이 아닙니다. 어떤 개인이 아니라 어떤 조직인지 알려 주며, 영업팀에도 그렇게 전달해야 합니다. 도구 비교는 웹사이트 방문자 식별 소프트웨어 가이드를 참고하세요.
스코어링: 식별에서 검증까지
방문 기업 목록이 곧 파이프라인은 아닙니다. 어떤 기업에 주목해야 할지는 스코어링 단계에서 결정됩니다. 모델 기반 스코어링을 실제 파이프라인에 적용하는 방법은 AI 리드 스코어링 실무 가이드를 참고하세요.
1. 자사 수주 사례를 기반으로 프로필을 만드세요
최근 수주한 거래 50~100건을 가져와 산업, 규모 구간, 지역, 공통 기술을 살펴보세요. 그것이 적합 프로필이며, 기존 스코어링 모델의 가정을 대체해야 합니다. 이상적인 고객 프로필 구축 글에서 분석 과정을 안내합니다. 수주 건수가 수십 건 미만이라면 머신러닝 모델이 학습할 데이터가 거의 없습니다. 영업팀에 설명할 수 있는 투명한 점수 모델도 그만큼의 성과를 냅니다.
2. 그 수주에 앞서 나타난 행동을 찾으세요
수주한 계정이 영업 기회가 생성되기 전 몇 주 동안 보인 웹 활동을 살펴보세요. B2B에서 자주 중요한 신호는 요금 페이지 재방문, 방문자 업종의 사례 연구, 비교 및 연동 페이지, 짧은 기간 안에 같은 계정의 여러 사람 방문입니다. 그대로 채택하지 말고 자사 데이터와 대조하세요. 수주 전에 한 번도 나타나지 않는 신호에는 가중치를 두면 안 됩니다.
이 지점에서 머신러닝이 제 역할을 합니다. 이력이 충분하면 모델이 수작업으로 정한 점수보다 적합도와 행동의 조합을 더 잘 평가할 수 있습니다. 이력이 부족하면 잡음에 과적합되므로, 단순하게 시작하고 데이터가 뒷받침될 때 모델로 넘어가세요.
3. 점수를 행동으로 바꾸기
점수만이 아니라 다음에 무엇이 일어나는지를 기준으로 티어를 정의하세요.
- 즉시 대응: ICP 적합 + 후반 단계 행동. 당일 계정 담당자에게 조회 페이지와 함께 알림을 보냅니다.
- 관심 키우기: 적합도는 높지만 행동은 초기 단계. 웹사이트 경험을 조정하고, 동의를 받은 경우 육성 활동을 진행하십시오.
- 관찰: 나머지 전부. 행동 데이터를 계속 수집하고 변화가 생기면 다시 평가하세요.
'지금 조치' 티어가 영업팀이 모든 알림을 실제로 확인할 만큼 작도록 기준을 정하십시오. 임계값과 배정은 고의도 계정 스코어링과 웹사이트 리드 배정 가이드에서 더 자세히 다룹니다.
웹사이트 자체에서 데이터 활용하기
식별과 스코어링은 누가 왔는지 알려줍니다. 개인화는 이를 활용해 그들이 보는 것을 바꿉니다. 대표적인 세 가지 활용법과 주의할 점은 다음과 같습니다.
식별되었지만 알려지지 않은 어카운트: 업종에 맞는 첫인상
세션이 특정 업종이나 규모 구간으로 식별되면, 홈페이지에 그 세그먼트에 맞는 헤드라인, 증거, 활용 사례를 보여 줄 수 있습니다. 예를 들어 물류 업계 방문자는 일반적인 로고 모음 대신 물류 고객 사례를 봅니다. 단, 해당 세그먼트에 대한 실제 증거가 있을 때만 효과가 있습니다. 일반 콘텐츠 앞에 업종 헤드라인만 붙이면 기본 페이지보다 못합니다.
알려진 타깃 계정: 계정 단위 경험
ABM 프로그램에 포함되었거나 진행 중인 딜이 있는 어카운트라면, 사이트는 그 관계와 연결된 콘텐츠를 보여 줄 수 있습니다. 해당 업계의 증거, 문의했던 연동, 일반 데모 양식이 아닌 담당 어카운트 이그제큐티브로 연결되는 CTA입니다. 절제하세요. 배너에 회사 이름을 넣으면 감시당하는 느낌을 줄 수 있지만, 관련 자료를 보여 주는 것은 대개 그렇지 않습니다.
재방문자: 다음 단계에 맞추기
첫 방문: '작동 방식 보기'. 제품 페이지를 본 후 재방문: '요금제 비교하기'. 요금 페이지를 본 후 재방문: 일정 예약 도구가 있는 '문의하기'. 구체적인 규칙보다 테스트가 더 중요합니다. 각 규칙을 기본 버전을 보는 홀드아웃과 비교해 측정하십시오. 테스트 방법은 개인화된 CTA 글에서 다룹니다.
스택을 하나씩 살펴보기
- 식별 및 데이터 보강: 회사를 확인하고 기업 속성 데이터를 추가합니다. 이것이 없으면 이후 단계의 어떤 도구도 누가 방문하는지 알 수 없습니다.
- 행동 추적: 애널리틱스 이벤트(페이지 카테고리, 방문, 주요 행동)를 기업 레코드에 매핑한 것.
- 스코어링: 직접 정한 점수 또는 자사 성과 데이터로 학습한 모델. 개인화 도구, CRM, 별도 서비스 어디에든 둘 수 있습니다.
- 개인화: 규칙을 평가하고 버전을 제공합니다. 클라이언트 측 태그는 시작이 빠르고, 서버 사이드나 엣지 제공은 주요 페이지에서 깜빡임을 방지합니다.
- CRM 양방향 동기화: 식별 정보와 점수는 계정 단위로 CRM에, 계정 상태와 담당자는 웹사이트로 돌려보내 기존 고객에게 '데모 예약' CTA를 보여 주는 일 등을 방지합니다.
이 요소들은 함께할 때만 유용합니다. 행동 없는 식별은 목록일 뿐입니다. 식별 없는 개인화는 추측입니다. CRM에 도달하지 않는 점수는 영업팀에도 도달하지 않습니다.
효과가 있는지 판단하는 방법
| 질문 | 지표 | 비교 |
|---|---|---|
| 적합한 기업에 도달하고 있나요? | 식별된 트래픽 중 ICP에 부합하는 비율 | 전월 대비 |
| 스코어링이 실제로 무언가를 구분하나요? | 점수 등급별 영업 기회 전환율 | 상위 티어가 하위 티어보다 확실히 앞서야 합니다. 그렇지 않다면 모델이 예측을 하지 못하고 있는 것입니다 |
| 영업팀이 알림에 따라 행동하나요? | 알림부터 첫 접촉까지의 시간, 응대한 알림 비율 | 목표 응답 시간 대비 |
| 개인화가 도움이 되나요? | 세그먼트별 전환율: 개인화 vs 홀드아웃 | 사이트 평균이 아니라 같은 세그먼트의 홀드아웃 |
| 비용을 들일 가치가 있나요? | 이 방식에서 발생한 영업 수락 리드 또는 영업 기회당 비용 | 같은 정의를 사용해 다른 채널과 비교 |
예상해야 할 편향이 하나 있습니다. 식별된 어카운트는 대기업 쪽으로 치우칩니다. IP 확인이 가장 잘 처리하는 네트워크가 대기업의 네트워크이기 때문입니다. 그 결과 딜 규모가 실제 영업 방식의 성과보다 좋아 보일 수 있습니다. 같은 조건끼리 비교하세요.
30일 계획
- 1주차: 식별만, 조치 없음. 식별 기능을 설치하고 데이터 보강을 연결한 뒤, 어떤 기업이 방문해 무엇을 읽는지 기록하세요. 매칭률을 측정하고 이미 알고 있는 계정과 비교해 정확도를 표본 점검하세요.
- 2주 차: 첫 스코어링 모델. 최근 수주한 딜의 적합도와 영업 기회 이전 행동을 분석하세요. 간단한 등급형 모델을 만들고, '지금 움직일 대상'의 정의를 영업팀과 합의하세요.
- 3주차: 하나의 개인화. 식별된 트래픽에서 가장 흔한 ICP 업종이나 규모 구간을 골라 홈페이지 헤드라인과 근거 자료를 그에 맞게 개인화하십시오. 홀드아웃을 유지하십시오.
- 4주차: 영업팀 연결. 계정 단위 식별 정보와 등급을 CRM에 동기화하고, 최상위 등급에 대한 담당자 알림을 켜고, 데이터가 보여 주는 것과 보여 주지 않는 것을 영업 담당자에게 설명하세요. 거슬리지 않게 언급하는 방법도 포함합니다(“귀사 팀이 연동 페이지를 보고 계시더군요”는 많은 구매자가 이상하게 느끼는 문장이고, 관련 자료로 시작하는 편이 대개 낫습니다).
4주가 지나면 기반 시설과 첫 테스트가 갖춰집니다. 스코어링은 누군가 매달 티어별 성과를 검토하고 조정해야만 나아지며, 저절로 개선되지는 않습니다.
피해야 할 실수
- 적합도만으로 점수 매기기. ICP에 속하는 대기업이 블로그 글 하나를 읽었다고 유망 리드가 되지는 않습니다. 구매자와 단순 탐색자를 구분하는 데는 보통 기업 속성보다 행동이 더 낫습니다.
- 모든 것에 알림 보내기. 영업 담당자가 하루에 수십 건의 알림을 받으면 더 이상 읽지 않습니다. 최상위 티어는 작게 유지하세요.
- 신뢰도가 낮은 데이터로 개인화하기. 데이터 보강 결과가 산업을 확신하지 못하면 기본 버전을 보여주세요. 잘못된 산업 페이지는 일반 페이지보다 나쁩니다.
- "기업 데이터"라는 이유로 개인정보 문제가 해결되었다고 여기기. 목표가 기업 수준이더라도 IP 주소와 행동 추적은 GDPR상 개인정보가 될 수 있습니다. 개인정보 담당자를 참여시키고, 쿠키 및 추적에 대한 동의 선택을 존중하며, 개인정보 처리방침을 업데이트하세요. 자세한 내용은 B2B 개인화와 데이터 프라이버시 글에서 다룹니다.
- 모델이 스스로 유지된다고 가정하는 것. 고객 기반, 제품, 메시지는 바뀝니다. 스코어링은 매월, 개인화 규칙은 분기마다 검토하세요.
Markettailor의 위치
Markettailor는 기업 단위 방문자 식별, firmographic 보강, 웹사이트 개인화를 결합하므로 식별 데이터가 세그먼트와 변형에 바로 반영되고 결과를 홀드아웃과 비교할 수 있습니다. 어떤 도구를 쓰든 위의 순서는 유효합니다. 누가 방문하는지 측정하고, 수주 전에 무엇이 있었는지 배우고, 구매 의도가 높은 소수 티어에 대응하고, 페이지의 모든 변경을 대조군과 비교해 테스트하세요.
