Krótka odpowiedź: atrybucja personalizacji polega na zapisywaniu, jakie doświadczenie (wariant) zobaczył każdy odwiedzający i każde konto, a następnie porównaniu konwersji i pipeline'u osób, które widziały wersję spersonalizowaną, z losowo przypisaną grupą kontrolną, która widziała wersję domyślną. Atrybucja kanałów mówi, skąd przyszedł odwiedzający; atrybucja doświadczeń mówi, czy to, co zobaczył na stronie, zmieniło wynik. Potrzebujesz obu, a efekt przyrostowy mierzy tylko porównanie z grupą kontrolną.
Większość konfiguracji atrybucji opiera się na jednym cichym założeniu: każdy, kto trafi na dany adres URL, widzi tę samą stronę. Personalizacja je łamie. Dwóch odwiedzających klika tę samą reklamę Google i trafia na tę samą stronę główną. Jeden widzi nagłówek o bezpieczeństwie w dużych firmach, drugi – o szybkości API. Narzędzie analityczne rejestruje obie wizyty jako „strona główna, google / cpc”. Jeśli jeden skonwertuje, a drugi nie, nic w tym rekordzie nie powie Ci, czy różnicę zrobił kanał, wersja strony, czy coś innego.
Dalsza część artykułu wyjaśnia, dlaczego standardowe modele tego nie widzą, jak podzielić pytanie na dwa, jak skonfigurować grupy kontrolne, jak przenieść dane o doświadczeniach do CRM i jak raportować je bez przesady.
Dlaczego standardowe modele atrybucji pomijają personalizację
Modele first touch, last touch, liniowy, z rozkładem czasowym i oparty na pozycji rozdzielają zasługi między źródła ruchu i działania na stronie. Sama strona jest traktowana jako stała. Pomijają też wpływ, który nigdy nie generuje mierzalnego punktu styku – piszemy o tym w artykule o dark funnel w B2B. Jeśli chcesz odświeżyć wiedzę o tym, jak modele przypisują zasługi, zobacz ten praktyczny przewodnik po atrybucji wielodotykowej.
Przykład (ilustracyjny): konto odwiedza stronę trzy razy, zanim poprosi o demo. Wizyta 1 pochodzi z wyników organicznych i widzi ogólną stronę główną. Wizyta 2 pochodzi z reklamy na LinkedIn; firma jest już zidentyfikowana, więc widzi nagłówek dla branży produkcyjnej. Wizyta 3 jest bezpośrednia, a strona pokazuje case study o zastąpieniu narzędzia, którego konto obecnie używa. Model liniowy przyznaje wynikom organicznym, LinkedIn i wejściom bezpośrednim po jednej trzeciej zasługi. Nie ma pola „widział wariant dla produkcji” ani „widział case study o konkurencie”, więc jeśli to te strony przekonały, raport tego nie pokaże.
To luka w pomiarze, a nie dowód, że personalizacja zadziałała. Może konto i tak umówiłoby spotkanie. Chodzi o to, że standardowy raport nie rozstrzyga tego w żadną stronę.
Podziel to na dwa pytania
| Atrybucja kanałów | Atrybucja doświadczeń | |
|---|---|---|
| Pytanie | Które kanały przyprowadzają właściwe konta? | Czy po wejściu na stronę spersonalizowane doświadczenie zmienia to, co robią? |
| Decyzja, którą wspiera | Budżet na pozyskanie | Które reguły personalizacji zachować, zmienić lub wyłączyć |
| Metoda | Twój obecny model MTA lub raporty platform | Losowa grupa kontrolna względem strony domyślnej |
| Główna grupa odbiorców | Płatne media i demand gen | Web, CRO i product marketing |
Prowadź je równolegle i raportuj osobno. Atrybucja kanałów ma własne ograniczenia, ale może zostać bez zmian. Atrybucja doświadczeń wymaga grupy kontrolnej, bo „osoby, które widziały spersonalizowaną stronę, konwertowały częściej” zobaczyłbyś także wtedy, gdybyś po prostu personalizował dla najlepiej dopasowanych kont. Nasz poradnik o kanałach marketingowych w B2B omawia stronę kanałową.
Grupy kontrolne: część, która mierzy przyrostowość
Wyłącz personalizację dla losowej części kwalifikujących się kont i pozwól im widzieć stronę domyślną. Wszystko inne zostaje bez zmian: te same reklamy, te same e-maile, ten sam follow-up sprzedaży.
Ustawienia, które mają znaczenie:
- Przypisuj według konta, nie sesji. Jeśli czteroosobowa grupa zakupowa rozdzieli się między warianty, obie grupy są zanieczyszczone. Haszuj identyfikator firmy (lub cookie first-party, gdy firma jest nieznana), by przypisanie utrzymywało się między wizytami.
- Dobierz wielkość grupy kontrolnej do swojego ruchu, a nie do praktycznej zasady. Większa grupa kontrolna szybciej daje odczyt, ale więcej kont nie zobaczy spersonalizowanej strony. Wylicz, ile kont na grupę potrzebujesz, by zobaczyć interesujący Cię wzrost, korzystając z obliczeń wielkości próby w teście A/B, a potem zdecyduj, jaki to odsetek.
- Zamroź definicję „kwalifikacji”. Jeśli reguła segmentu zmieni się w trakcie testu, grupy przestają być porównywalne.
Następnie porównaj grupy na każdym etapie lejka, który da się faktycznie policzyć:
- Współczynnik konwersji formularza lub demo na stronie.
- Współczynnik MQL do SQL. Wyłapuje wariant, który zwiększa liczbę wypełnień formularza, ale przyciąga słabsze leady.
- Odsetek tworzenia szans sprzedaży na konto.
- Win rate i wartość transakcji, gdy zamknie się wystarczająco dużo transakcji. W większości firm B2B ten etap potrzebuje pełnego cyklu sprzedaży, zanim cokolwiek pokaże.
Odczytuj wyniki dla każdego segmentu, a także łącznie. Łączny wzrost może w całości pochodzić z jednego segmentu, podczas gdy inny nie zyskuje nic albo nieco traci. Jeśli grupy w segmentach są zbyt małe, by je odczytać, powiedz to otwarcie, zamiast raportować wynik łączny tak, jakby dotyczył wszystkich.
Gdy nie możesz przeprowadzić czystego testu z grupą kontrolną firm
Podział geograficzny
Personalizuj w niektórych regionach, a w porównywalnych się wstrzymaj. Przydaje się, gdy liczba kont jest zbyt mała albo pokrycie identyfikacją jest nierówne. Ryzyko polega na tym, że regiony różnią się z powodów niezwiązanych z Twoją stroną (obsługa sprzedażowa, lokalne wydarzenia, waluta), więc dobieraj dopasowane regiony i prowadź test dłużej.
Okresy włączenia i wyłączenia
Włączaj i wyłączaj personalizację naprzemiennie w stałych oknach, np. po dwa tygodnie, przez kilka cykli. Dzięki temu żadne konto docelowe nie trafia na stałe do grupy kontrolnej. Starty kampanii, święta i koniec kwartału wpłyną na liczby, więc zapisuj każdą datę dużej kampanii i odrzucaj okna, które się z nią pokrywają.
Wariant kontra wariant
Gdy już wiesz, że personalizacja wygrywa z wersją domyślną w danym segmencie, testuj strategie personalizacji między sobą: nagłówek branżowy kontra nagłówek według wielkości firmy albo trafne case study kontra dedykowane hero. To mówi Ci, którą regułę skalować, a to zwykle bardziej przydatne pytanie niż „czy personalizacja działa?”.
Przenoszenie danych o doświadczeniach do CRM
Wypełnione formularze to nie wynik, z którego rozliczane są zespoły B2B, więc dane o wariantach muszą trafić do raportów pipeline'u.
- Wysyłaj zdarzenie przy każdej decyzji personalizacyjnej. W GA4 (lub innym narzędziu analitycznym) wysyłaj zdarzenie niestandardowe z identyfikatorem reguły, segmentem, wariantem i oznaczeniem grupy kontrolnej lub spersonalizowanej. Zarejestruj parametry jako wymiary niestandardowe, aby móc na ich podstawie raportować.
- Zapisuj pola w CRM przy konwersji. Przy wysłaniu formularza przekaż segment, ostatnio widziany wariant i flagę grupy kontrolnej do ukrytych pól mapowanych na ustrukturyzowane pola kontaktu. Nie do pola notatek – musisz móc po nich filtrować.
- Zbierz dane na poziomie konta. Jeśli Twoje narzędzie na to pozwala, synchronizuj historię na poziomie konta: spersonalizowane sesje, wyświetlone warianty, datę pierwszej i ostatniej ekspozycji.
- Oznacz szanse sprzedaży. Dodaj pole szansy sprzedaży, które ma wartość „prawda”, gdy którykolwiek kontakt powiązany z szansą miał spersonalizowaną sesję w określonym oknie przed jej utworzeniem. Dobierz okno do swojego cyklu i zapisz je; częste wybory to 30 lub 60 dni. Uzupełniaj je workflowem, a nie ręcznie.
- Zbuduj trzy raporty. Twój obecny raport kanałów, bez zmian. Cotygodniowy raport personalizacji: konwersja według segmentu, wersja spersonalizowana kontra grupa kontrolna. Kwartalny raport pipeline'u: współtworzony pipeline według segmentu i etapu.
Czyste UTM-y to warunek wstępny. Jeśli dane o źródle i kampanii są niespójne, nie oddzielisz efektów kanału od efektów strony; wspólna konwencja w kreatorze UTM rozwiązuje większość tego problemu.
„Wpływ” to nie „przyczyna”
Nazywaj flagę szansy sprzedaży „pod wpływem personalizacji”, a nie „przypisana”. Wpływ oznacza tylko, że ktoś zaangażowany w transakcję zobaczył spersonalizowaną stronę. Personalizacja zwykle celuje w najlepiej dopasowane konta, które i tak konwertują lepiej, więc pipeline pod wpływem personalizacji będzie wyglądał dobrze niezależnie od tego, czy warianty cokolwiek zmieniły. Część przyczynową daje grupa kontrolna.
Połączenie obu, na zmyślonych liczbach, by pokazać rachunek: szanse sprzedaży, na które wpłynęła personalizacja, dały w kwartale 4,2 mln USD pipeline’u, a grupa kontrolna pokazuje 18-procentowy przyrostowy wzrost konwersji. Udział przyrostowy to 0,18 / 1,18, więc około 640 tys. USD tego pipeline’u nie powstałoby bez personalizacji. Pozostałe 3,56 mln USD najpewniej i tak by się pojawiło. Dział finansów zapyta o tę drugą liczbę – podaj ją, zanim to zrobi. Ta sama dyscyplina dotyczy płatnych mediów: kalkulator ROAS z Twoją marżą brutto pokaże, czy przypisany przychód w ogóle pokrywa wydatki.
Raportowanie dla różnych osób
| Grupa odbiorców | Czego potrzebują | Czego nie umieszczać |
|---|---|---|
| CMO / szef marketingu | Wzrost w każdym segmencie względem grupy kontrolnej, które reguły skalować, jak spersonalizowane strony zmieniają konwersję w każdym głównym kanale | Surowy współtworzony pipeline bez kontekstu grupy kontrolnej |
| Kierownictwo sprzedaży | Czy spersonalizowane konta tworzą więcej szans sprzedaży i szybciej postępują, według segmentu, po zamknięciu pełnego cyklu | Wskaźniki zaangażowania na poziomie sesji |
| Finanse | Przyrostowy pipeline względem grupy kontrolnej, całkowity koszt (narzędzie plus czas ludzi), wynikający z tego zwrot i przedział ufności | Same liczby brutto o wpływie |
| Zarząd | Jedna linia: przyrostowy pipeline, koszt, trend w kolejnych kwartałach | Szczegóły metodologii |
Przydatny nawyk dla każdej grupy odbiorców: podawaj liczby grupy kontrolnej obok liczb grupy spersonalizowanej, aby porównanie było widoczne, a nie tylko domniemane.
Jak daleko iść i kiedy
- Śledzenie: widzisz, które konta zobaczyły spersonalizowane treści. Konfiguracja zajmuje kilka dni. Przydatne do debugowania, nie do wykazywania efektu.
- Grupa kontrolna (holdout): możesz zmierzyć przyrostowy wzrost na stronie. Wymaga wystarczającego ruchu w każdym segmencie; segmenty o małym ruchu mogą nigdy nie dać czytelnego wyniku i można to otwarcie przyznać.
- Połączenie z pipeline’em: dane o wariantach trafiają do CRM i możesz śledzić pipeline, na który wpłynęła personalizacja, oraz pipeline przyrostowy. Wymaga danych z co najmniej jednego pełnego cyklu sprzedaży.
- Prognozowanie nowych segmentów: szacowanie efektu segmentu przed jego uruchomieniem. Warto próbować dopiero wtedy, gdy masz kilka segmentów z zakończonymi testami z grupą kontrolną, na których możesz się uczyć.
Nie buduj warstwy pipeline'u, zanim powstanie grupa kontrolna. Bez niej zawsze pokaże tylko korelację, a korelację personalizacja najlepiej dopasowanych kont daje za darmo.
Od czego zacząć
Sprawdź, czy narzędzie do personalizacji wysyła zdarzenia do narzędzia analitycznego z identyfikatorem wariantu i flagą grupy kontrolnej. Jeśli nie, napraw to najpierw – bez tego nic innego nie zadziała. Następnie ustaw grupę kontrolną dla segmentu o największym ruchu i pozostaw ją na tyle długo, by osiągnąć obliczoną wielkość próby. Testy A/B w Markettailor obsługują grupy kontrolne na poziomie firm i przesyłają dane o wariantach do analityki, jeśli wolisz nie budować logiki przydziału samodzielnie.
Najczęściej zadawane pytania
Jak działa atrybucja personalizacji?
Za każdym razem, gdy odwiedzający widzi spersonalizowane doświadczenie, narzędzie do personalizacji wysyła zdarzenie z identyfikatorem doświadczenia i wariantu. To zdarzenie jest zapisywane z sesją, a po zidentyfikowaniu odwiedzającego także przy koncie w Twoim CRM. Porównanie konwersji i pipeline'u między odwiedzającymi, którzy widzieli wariant, a losową grupą kontrolną, która widziała stronę domyślną, daje przyrostowy efekt personalizacji.
Czym różni się atrybucja kanałów od atrybucji doświadczeń?
Atrybucja kanałów przypisuje zasługi źródłom, które przyprowadziły odwiedzającego, takim jak płatne wyszukiwanie, LinkedIn czy e-mail. Atrybucja doświadczeń mierzy wpływ tego, co odwiedzający zobaczył po wejściu na stronę. Spersonalizowana strona może zmienić konwersję każdego kanału, więc raportowanie wyłącznie atrybucji kanałów ukrywa wkład doświadczenia na stronie.
Jak duża powinna być grupa kontrolna w personalizacji?
Na tyle duża, by w rozsądnym czasie wykryć wzrost, na którym Ci zależy, i nie większa. Oblicz wielkość próby dla testu A/B dla swojego ruchu i bazowego współczynnika konwersji, a następnie przydzielaj grupę kontrolną na poziomie konta, aby ta sama firma widziała spójne doświadczenie podczas kolejnych wizyt.
Czy modele atrybucji wielodotykowej mogą mierzyć personalizację?
Tylko pośrednio. Modele wielokanałowe rozdzielają zasługi między punkty styku, ale zakładają, że każdy punkt styku jest taki sam dla wszystkich. Dodanie identyfikatora doświadczenia jako właściwości punktu styku pozwala raportować pipeline, na który wpłynęła personalizacja, ale efekt przyrostowy i tak musi wynikać z porównania z grupą kontrolną. Duża część researchu w B2B odbywa się też w dark funnelu, gdzie w ogóle nie rejestruje się punktów styku.