De meeste bezoekers van een B2B-website vertrekken zonder een formulier in te vullen. Controleer je eigen cijfers: deel de formulierinzendingen door de sessies van het afgelopen kwartaal, en het aandeel verkeer dat zich nooit bekendmaakt is meestal het overgrote deel. AI-leadgeneratie, in websitezin, is het geheel van technieken dat op die zwijgende meerderheid werkt: achterhalen welke bedrijven er op bezoek zijn, inschatten welke daarvan in een koopcyclus zitten en aanpassen wat de site toont, zodat meer van hen een volgende stap zetten.
"AI" doet in elk onderdeel een verschillende hoeveelheid werk, en leveranciers gebruiken het woord nogal los. Dit artikel haalt de onderdelen uit elkaar, legt uit hoe elk werkt en waar het faalt, en geeft een plan van 30 dagen om ze samen te brengen zonder te veel te bouwen.
Wat AI-leadgeneratie op een website betekent
Onder dit label vallen chatbots, voorspellende scoring, geautomatiseerde outreach en meer. Voor een B2B-team dat zich op de website richt, zijn drie onderdelen van belang:
| Onderdeel | Wat het doet | Waar machine learning echt helpt |
|---|---|---|
| Bezoekersidentificatie | Herleidt anonieme sessies tot bedrijven via IP-data en verrijking | Vooral datamatching, geen ML; sommige aanbieders gebruiken modellen om records op te schonen en te matchen |
| Intentscoring | Schat in welke accounts waarschijnlijk gaan kopen, op basis van fit plus gedrag | De belangrijkste ML-toepassing: leren welke signaalcombinaties aan je eerdere successen voorafgingen |
| Gepersonaliseerde betrokkenheid | Past koppen, bewijs en CTA's aan op basis van wie er bezoekt en wat diegene deed | Optioneel; de meeste B2B-personalisatie draait op expliciete regels, soms met automatische variantselectie |
Als een leverancier "AI-powered" zegt, vraag dan op welke van deze drie het van toepassing is en waarop het model is getraind. Een scoringmodel dat is getraind op je eigen gewonnen deals is iets heel anders dan een algemene "intentscore" die een provider over al zijn klanten berekent.
Zo werkt bezoekersidentificatie
Leadgeneratie via formulieren wacht tot mensen zichzelf bekendmaken. Bezoekersidentificatie werkt van de andere kant: het probeert het bedrijf te benoemen voordat iemand iets invult.
- IP-resolutie. Het IP-adres van de bezoeker wordt vergeleken met databases die IP-reeksen aan organisaties koppelen. Bedrijven met eigen netwerkreeksen (kantoren, VPN's die via bedrijfsgateways naar buiten gaan) worden goed herkend. Thuisinternet, mobiele netwerken en gedeelde coworkingnetwerken worden slecht of helemaal niet herkend. Daarom verschillen matchpercentages zo sterk tussen sites. Meet je eigen matchpercentage voordat je er iets omheen plant.
- Firmografische verrijking. Zodra een bedrijf bekend is, voegt verrijking branche, aantal medewerkers, locatie en soms de technologiestack toe. Zie deze velden als schattingen; controleer steekproefsgewijs met wat je over echte accounts weet.
- Gedrag op de site. Bekeken pagina's, aantal bezoeken en bezoekfrequentie worden aan het bedrijf gekoppeld, zodat je "drie mensen van dit bedrijf lazen deze week de prijspagina" ziet in plaats van drie anonieme sessies.
- CRM-matching. Komt het bedrijf overeen met een account in je CRM, dan wordt het bezoek gekoppeld aan de eigenaar en open deals. Een verkoper ziet dan dat een account waar hij mee bezig is de securitypagina twee keer opende.
Identificatie op bedrijfsniveau is geen identificatie op persoonsniveau. Het vertelt je welke organisatie, niet welk individu, en zo moet het ook aan sales worden gepresenteerd. Voor een vergelijking van tools, zie onze gids over software voor identificatie van websitebezoekers.
Scoring: van geïdentificeerd naar gekwalificeerd
Een lijst met bezoekende bedrijven is geen pipeline. De scoringsstap bepaalt welke aandacht verdienen. Hoe je modelgebaseerde scoring in een werkende pipeline zet, lees je in deze pragmatische gids over AI-leadscoring.
1. Baseer het profiel op je eigen gewonnen deals
Haal je laatste 50 tot 100 gewonnen deals op en kijk naar branche, grootteklasse, regio en eventuele gedeelde technologie. Dat is je fitprofiel, en het moet vervangen wat het scoremodel eerder aannam. Ons artikel over een ideaal klantprofiel opstellen loopt de analyse door. Heb je minder dan een paar dozijn gewonnen deals, dan heeft een machine-learningmodel weinig om van te leren; een transparant puntenmodel dat je aan sales kunt uitleggen werkt dan net zo goed.
2. Zoek het gedrag dat aan die gewonnen deals voorafging
Bekijk de webactiviteit van gewonnen accounts in de weken voordat de opportunity werd aangemaakt. Signalen die in B2B vaak tellen: herhaalde bezoeken aan prijzen, case studies uit de eigen branche van de bezoeker, vergelijkings- en integratiepagina's, meerdere mensen van hetzelfde account binnen korte tijd. Toets ze aan je eigen data in plaats van ze klakkeloos over te nemen; een signaal dat nooit voor je gewonnen deals opduikt, hoort geen gewicht te krijgen.
Hier bewijst machine learning zijn waarde. Met genoeg historie kan een model combinaties van fit en gedrag beter wegen dan handmatig ingestelde punten. Zonder genoeg historie past het zich aan ruis aan, dus begin eenvoudig en stap over op een model zodra de data dat ondersteunt.
3. Zet scores om in acties
Definieer niveaus op basis van wat er daarna gebeurt, niet alleen op score:
- Nu handelen: ICP-fit plus gedrag uit een late fase. Waarschuw de accounteigenaar dezelfde dag, met de bekeken pagina's.
- Opwarmen: goede fit, vroeg gedrag. Pas de website-ervaring aan en, waar je toestemming hebt, start een nurturetraject.
- Volgen: al het andere. Blijf gedrag verzamelen en beoordeel opnieuw als het verandert.
Stel de grenzen zo in dat de tier "nu handelen" klein genoeg is dat sales echt naar elke alert kijkt. Onze gidsen over accounts met hoge intentie scoren en websiteleads routeren gaan dieper in op de drempels en de routering.
De data op de website zelf gebruiken
Identificatie en scoring vertellen je wie er is. Personalisatie gebruikt dat om te veranderen wat ze zien. Drie veelvoorkomende toepassingen, met waar je op moet letten:
Geïdentificeerde maar onbekende accounts: een eerste indruk die past bij de branche
Als een sessie aan een branche of grootteklasse is gekoppeld, kan de homepage een kop, bewijs en use case voor dat segment tonen. Voorbeeld: een bezoeker uit de logistiek ziet een klantverhaal uit de logistiek in plaats van een generieke logowand. Dit werkt alleen als je echt bewijs voor het segment hebt; een branchekop boven generieke content is erger dan de standaardversie.
Bekende targetaccounts: ervaringen op accountniveau
Voor accounts in een ABM-programma of met een open deal kan de site content tonen die bij die relatie hoort: bewijs uit hun sector, de integratie waarnaar ze vroegen, een CTA naar hun accountmanager in plaats van een generiek demoformulier. Houd het bescheiden. De bedrijfsnaam in een banner noemen kan als surveillance aanvoelen; relevant materiaal tonen meestal niet.
Terugkerende bezoekers: aansluiten op de volgende stap
Eerste bezoek: "Bekijk hoe het werkt". Terugkerend bezoek na productpagina's: "Vergelijk abonnementen". Terugkerend bezoek na de prijzen: "Praat met ons" met een agenda. De specifieke regels zijn minder belangrijk dan dat je ze test; meet elke regel tegen een holdout die de standaardversie ziet. Ons artikel over gepersonaliseerde CTA's behandelt de testkant.
De stack, stuk voor stuk
- Identificatie en verrijking: herleidt bedrijven en voegt firmografische data toe. Zonder deze laag weet niets verderop wie er op bezoek is.
- Gedragstracking: je analytics-events (paginacategorieën, bezoeken, belangrijke acties), gekoppeld aan het bedrijfsrecord.
- Scoring: punten die je zelf bepaalt, of een model dat op je resultaten is getraind. Het kan in je personalisatietool, je CRM of een aparte dienst zitten.
- Personalisatie: evalueert regels en toont varianten. Client-side tags zijn snel om mee te beginnen; levering via de server of de edge voorkomt flikkering op belangrijke pagina's.
- CRM-synchronisatie in beide richtingen: identificatie en scores naar het CRM op accountniveau; accountstatus en eigenaar terug naar de website, zodat die bijvoorbeeld geen CTA "plan een demo" toont aan een bestaande klant.
De onderdelen zijn alleen samen nuttig. Identificatie zonder actie is een lijst. Personalisatie zonder identificatie is gissen. Scores die nooit in het CRM belanden, bereiken nooit sales.
Hoe je ziet of het werkt
| Vraag | Metric | Vergelijking |
|---|---|---|
| Bereiken we de juiste accounts? | Aandeel geïdentificeerd verkeer dat bij je ICP past | Maand op maand |
| Maakt de scoring onderscheid? | Opportunitypercentage per scoreniveau | De bovenste tier moet de lagere tiers duidelijk verslaan; zo niet, dan voorspelt het model niets |
| Doet sales iets met alerts? | Tijd van melding tot eerste contact; aandeel meldingen dat is opgevolgd | Ten opzichte van je beoogde reactietijd |
| Helpt personalisatie? | Conversie per segment, gepersonaliseerd vs holdout | Holdout uit hetzelfde segment, niet het sitegemiddelde |
| Is het de kosten waard? | Kosten per door sales geaccepteerde lead of opportunity uit deze aanpak | Ten opzichte van je andere kanalen, met dezelfde definitie |
Eén vertekening om rekening mee te houden: geïdentificeerde accounts neigen naar grotere bedrijven, omdat IP-resolutie die netwerken het best aankan. Daardoor kunnen dealgroottes er beter uitzien dan de aanpak verdient. Vergelijk appels met appels.
Een plan voor 30 dagen
- Week 1: identificatie, geen actie. Installeer identificatie, koppel verrijking en leg vast welke bedrijven langskomen en wat ze lezen. Meet je matchratio en controleer steekproefsgewijs de nauwkeurigheid aan de hand van accounts die je kent.
- Week 2: een eerste scoringsmodel. Analyseer recent gewonnen deals op fit en gedrag vóór de opportunity. Bouw een eenvoudig model met tiers en spreek met sales af wat "nu handelen" betekent.
- Week 3: één personalisatie. Kies de meest voorkomende ICP-branche of omvangscategorie in je geïdentificeerde verkeer en personaliseer daarvoor de homepagekop en het bewijs. Houd een holdout aan.
- Week 4: betrek sales. Synchroniseer identificatie en tiers op accountniveau met het CRM, zet eigenaaralerts aan voor de hoogste tier, en leg verkopers uit wat de data wel en niet laat zien, inclusief hoe ze ernaar kunnen verwijzen zonder opdringerig over te komen ("Ik zag dat je team naar integraties keek" vinden veel kopers vreemd; openen met relevant materiaal meestal niet).
Na vier weken heb je de basisinfrastructuur en een eerste test. De scoring wordt alleen beter als iemand elke maand de prestaties per tier bekijkt en bijstelt; vanzelf verbetert hij niet.
Fouten die je moet vermijden
- Alleen op fit scoren. Een groot bedrijf binnen je ICP dat één blogartikel leest, is geen warme lead. Gedrag onderscheidt kopers meestal beter van rondkijkers dan firmografie.
- Op alles alerts zetten. Krijgen salesmedewerkers tientallen alerts per dag, dan lezen ze ze niet meer. Houd de bovenste tier klein.
- Personaliseren op onzekere data. Twijfelt de verrijking over de branche, toon dan de standaardversie. Een pagina voor de verkeerde branche is erger dan een generieke.
- Privacy als opgelost beschouwen omdat het "bedrijfsdata" is. IP-adressen en gedragstracking kunnen onder de AVG persoonsgegevens zijn, ook als je doel op bedrijfsniveau ligt. Betrek je privacyverantwoordelijke, respecteer toestemmingskeuzes voor cookies en tracking, en werk je privacyverklaring bij. Ons artikel over B2B-personalisatie en dataprivacy gaat dieper in op de details.
- Aannemen dat het model zichzelf onderhoudt. Je klantenbestand, product en boodschap veranderen. Beoordeel de scoring maandelijks en de personalisatieregels elk kwartaal.
Waar Markettailor past
Markettailor combineert bezoekersidentificatie op bedrijfsniveau, firmografische verrijking en websitepersonalisatie, zodat de identificatiedata direct segmenten en varianten voedt en resultaten met een holdout kunnen worden vergeleken. Welke tool je ook gebruikt, de volgorde hierboven blijft gelden: meet wie er komt, leer wat er aan je gewonnen deals voorafging, handel op een kleine tier met hoge intentie en test elke wijziging aan de pagina tegen een controlegroep.
