Kişiselleştirme Atfı Nasıl Çalışır? B2B Rehberi

Kısa yanıt: kişiselleştirme atıflandırması, her ziyaretçinin ve hesabın hangi deneyimi (varyantı) gördüğünü kaydederek, ardından kişiselleştirilmiş versiyonu görenlerin dönüşümünü ve pipeline'ını, rastgele atanmış ve varsayılanı gören bir holdout grubuyla karşılaştırarak çalışır. Kanal atıflandırması bir ziyaretçinin nereden geldiğini söyler; deneyim atıflandırması ise sitede gördüklerinin sonucu değiştirip değiştirmediğini söyler. İkisine de ihtiyacınız vardır ve ek etkiyi yalnızca holdout karşılaştırması ölçer.

Çoğu atıf kurulumu sessiz bir varsayım üzerine inşa edildi: Bir URL'ye gelen herkes aynı sayfayı görür. Kişiselleştirme bu varsayımı bozar. İki ziyaretçi aynı Google reklamına tıklar ve aynı ana sayfaya gelir. Biri kurumsal güvenlikle ilgili bir başlık, diğeri API hızıyla ilgili bir başlık görür. Analitik aracınız ikisini de "homepage, google / cpc" olarak kaydeder. Biri dönüşür, diğeri dönüşmezse, bu kayıttaki hiçbir şey farkı kanalın mı, sayfa versiyonunun mu yoksa başka bir şeyin mi yarattığını söylemez.

Bu yazının geri kalanı, standart modellerin bunu neden kaçırdığını, sorunun nasıl ikiye bölüneceğini, kontrol gruplarının nasıl kurulacağını, deneyim verilerinin CRM'e nasıl taşınacağını ve abartıya kaçmadan nasıl raporlanacağını ele alıyor.

Standart Atıf Modelleri Kişiselleştirmeyi Neden Kaçırır?

İlk temas, son temas, doğrusal, zamana göre azalan ve konuma dayalı modellerin hepsi payı trafik kaynakları ve site içi eylemler arasında dağıtır. Sayfanın kendisi sabit kabul edilir. Ayrıca hiçbir zaman izlenebilir bir temas üretmeyen etkiyi de kaçırırlar; bunu B2B'de karanlık huni yazımızda ele alıyoruz. Modellerin payı nasıl dağıttığını hatırlamak isterseniz bu pratik çok temaslı atıflandırma rehberine göz atın.

Örnek (temsilî): bir hesap demo talep etmeden önce siteyi üç kez ziyaret ediyor. 1. ziyaret organik aramadan geliyor ve genel ana sayfayı görüyor. 2. ziyaret bir LinkedIn reklamından geliyor; bu noktada şirket tanımlanmış olduğu için üretim sektörüne yönelik bir başlık görüyor. 3. ziyaret doğrudan geliyor ve site, hesabın şu anda kullandığı aracın yerini almayı anlatan bir vaka çalışması gösteriyor. Doğrusal bir model organik, LinkedIn ve doğrudan trafiğe kredinin üçte birini veriyor. Modelde "üretim varyantını gördü" veya "rakip vaka çalışmasını gördü" diye bir alan yok; dolayısıyla ikna eden bu sayfalarsa rapor bunu gösteremez.

Bu bir ölçüm boşluğudur, kişiselleştirmenin işe yaradığının kanıtı değil. Belki hesap yine de toplantı ayarlayacaktı. Mesele, standart raporun her iki yönde de yanıt verememesidir.

İki Soruya Ayırın

İkisini yan yana yürütün ve ayrı ayrı raporlayın. Kanal atfının kendi sınırları vardır ama olduğu gibi kalabilir. Deneyim atfı ise bir kontrol grubu gerektirir, çünkü "kişiselleştirilmiş sayfayı görenler daha fazla dönüştü" sonucunu, yalnızca en uyumlu hesaplarınız için kişiselleştirme yapsanız da görürdünüz. B2B'de pazarlama kanalları rehberimiz kanal tarafını ele alıyor.

Kontrol Grupları: Artımsal Etkiyi Ölçen Kısım

Uygun hesapların rastgele bir alt kümesine kişiselleştirme uygulamayın ve onların varsayılan siteyi görmesine izin verin. Diğer her şey aynı kalır: aynı reklamlar, aynı e-postalar, aynı satış takibi.

Önemli ayarlar:

• Oturuma göre değil, hesaba göre atayın. Dört kişilik bir satın alma grubu varyantlar arasında bölünürse, iki grup da kirlenir. Atamanın ziyaretler boyunca sabit kalması için şirket kimliğini (veya şirket bilinmiyorsa birinci taraf çerezi) hash'leyin.
• Kontrol grubunu pratik kurala göre değil, trafiğinize göre boyutlandırın. Daha büyük bir kontrol grubu daha hızlı sonuç verir ama daha fazla hesabın kişiselleştirilmiş sayfayı kaçırması demektir. Önemsediğiniz artışı görmek için grup başına kaç hesaba ihtiyacınız olduğunu bir A/B testi örneklem büyüklüğü hesabıyla bulun, ardından bunun ne kadarlık bir pay olduğuna karar verin.
• "Uygun" tanımını sabitleyin. Segment kuralı test ortasında değişirse gruplar artık karşılaştırılabilir olmaz.

Ardından grupları, gerçekten sayabildiğiniz her huni aşamasında karşılaştırın:

1. Sitedeki form veya demo dönüşüm oranı.
2. MQL'den SQL'e geçiş oranı. Bu, form doldurmayı artıran ama daha zayıf lead'ler çeken bir varyantı yakalar.
3. Hesap başına fırsat oluşturma oranı.
4. Yeterli sayıda anlaşma kapandığında kazanma oranı ve anlaşma büyüklüğü. Çoğu B2B işletmesinde bu aşamanın bir şey söyleyebilmesi için tam bir satış döngüsü gerekir.

Sonuçları toplamda olduğu kadar segment bazında da okuyun. Toplam bir artış tamamen tek bir segmentten gelebilir, başka bir segment ise hiçbir şey görmeyebilir ya da biraz kötüleşebilir. Segment grupları okunamayacak kadar küçükse, toplamı her yerde geçerliymiş gibi raporlamak yerine bunu açıkça söyleyin.

Temiz Bir Hesap Kontrol Grubu Oluşturamadığınızda

Coğrafi bölme

Bazı bölgelerde kişiselleştirin, benzer bölgelerde ise uygulamayın. Hesap hacimleri çok küçük olduğunda veya tanımlama kapsamı düzensiz olduğunda kullanışlıdır. Risk, bölgelerin sitenizle hiçbir ilgisi olmayan nedenlerle (satış kapsamı, yerel etkinlikler, para birimi) farklılık göstermesidir; bu yüzden eşleştirilmiş bölgeler seçin ve testi daha uzun süre yürütün.

Açık/kapalı dönemler

Kişiselleştirmeyi sabit zaman aralıklarında, örneğin ikişer hafta olmak üzere, birkaç döngü boyunca açıp kapatın. Bu, hiçbir hedef hesabı kalıcı olarak kontrol grubunda tutmamanızı sağlar. Kampanya lansmanları, tatiller ve çeyrek sonları rakamları değiştirecektir; bu yüzden her büyük kampanya tarihini kaydedin ve bunlarla çakışan zaman aralıklarını analiz dışı bırakın.

Varyanta karşı varyant

Bir segment için kişiselleştirmenin varsayılandan daha iyi olduğunu öğrendikten sonra, kişiselleştirme stratejilerini birbirine karşı test edin: sektör başlığı ile şirket büyüklüğü başlığı ya da ilgili vaka çalışması ile özel hero alanı. Bu, hangi kuralın ölçekleneceğini söyler; bu da genellikle "kişiselleştirme işe yarıyor mu?" sorusundan daha faydalı bir sorudur.

Deneyim Verilerini CRM'e Taşımak

Form doldurmaları, B2B ekiplerinin değerlendirildiği sonuç değildir; bu nedenle varyant verilerinin pipeline raporlarına ulaşması gerekir.

1. Her kişiselleştirme kararı için bir olay tetikleyin. GA4'te (veya analitik aracınızda) kural kimliği, segment, varyant ve kontrol grubu/kişiselleştirilmiş işaretini içeren özel bir olay gönderin. Raporlayabilmek için parametreleri özel boyut olarak kaydedin.
2. Dönüşümde alanları CRM'e yazın. Form gönderildiğinde segmenti, son görülen varyantı ve kontrol grubu işaretini yapılandırılmış kişi alanlarına eşlenen gizli alanlara aktarın. Bir not alanına değil; bunlara göre filtreleme yapmanız gerekir.
3. Hesap düzeyinde toplayın. Aracınız destekliyorsa hesap düzeyindeki geçmişi senkronize edin: kişiselleştirilmiş oturumlar, görülen varyantlar, ilk ve son görülme tarihi.
4. Fırsatları işaretleyin. Fırsattaki herhangi bir kişi, fırsat oluşturulmadan önceki belirli bir süre içinde kişiselleştirilmiş bir oturum gördüyse doğru değerini alan bir fırsat alanı ekleyin. Süreyi satış döngünüze göre seçin ve yazılı hâle getirin; 30 veya 60 gün yaygın tercihlerdir. Alanı elle değil, bir iş akışıyla doldurun.
5. Üç rapor oluşturun. Mevcut kanal raporunuz, olduğu gibi. Haftalık bir kişiselleştirme raporu: segmente göre dönüşüm, kişiselleştirilmiş ve kontrol grubu karşılaştırması. Üç aylık bir pipeline raporu: segmente ve aşamaya göre etkilenen pipeline.

Temiz UTM'ler bir ön koşuldur. Kaynak ve kampanya verileri tutarsızsa kanal etkilerini sayfa etkilerinden ayıramazsınız; ortak bir UTM oluşturucu kuralı bunun büyük kısmını çözer.

"Etkilenen", "Neden Olunan" Değildir

Fırsat işaretine "atfedilen" değil, "kişiselleştirmeden etkilenen" deyin. Etki yalnızca anlaşmadaki birinin kişiselleştirilmiş bir sayfa gördüğünü söyler. Kişiselleştirme genellikle zaten daha iyi dönüşüm sağlayan en uyumlu hesaplarınızı hedefler; bu yüzden etkilenen pipeline, varyantlar bir şey yapsa da yapmasa da iyi görünür. Nedensel kısmı holdout verir.

İkisini birleştirelim, hesabı göstermek için uydurma rakamlarla: etkilenen fırsatlar bir çeyrekte 4,2 milyon $'lık satış fırsatı üretti ve kontrol grubu %18'lik artımlı bir dönüşüm artışı gösteriyor. Artımlı pay 0,18 / 1,18'dir; yani bu satış fırsatlarının kabaca 640 bin $'ı kişiselleştirme olmadan var olmayacaktı. Kalan 3,56 milyon $ büyük olasılıkla yine de gelecekti. Finans ekibi ikinci rakamı soracaktır; onlar sormadan verin. Aynı disiplin ücretli medya için de geçerlidir: brüt marjınızla kullanılan bir ROAS hesaplayıcısı, atfedilen gelirin harcamayı karşılayıp karşılamadığını bile gösterir.

Farklı Kişilere Raporlama

Her kitle için faydalı bir alışkanlık: kontrol grubunun rakamlarını kişiselleştirilmiş grubun rakamlarının yanında raporlayın; böylece karşılaştırma ima edilmek yerine görünür olur.

Ne Kadar İleri Gidilmeli ve Ne Zaman?

• İzleme: hangi hesapların kişiselleştirilmiş içerik gördüğünü görebilirsiniz. Kurulumu günler sürer. Hata ayıklamak için faydalıdır, etki iddia etmek için değil.
• Holdout: site içindeki ek artışı ölçebilirsiniz. Segment başına yeterli trafik gerekir; düşük trafikli segmentler hiçbir zaman net bir sonuç vermeyebilir ve bunu kabul etmekte sakınca yoktur.
• Pipeline bağlantısı: varyant verileri CRM'e ulaşır ve etkilenen ve ek pipeline'ı takip edebilirsiniz. En az bir tam satış döngüsü kadar veri gerektirir.
• Yeni segmentlerin tahmini: bir segmentin etkisini yayına almadan önce tahmin etmek. Yalnızca kontrol grubu çalışması tamamlanmış ve ders çıkarabileceğiniz birkaç segmentiniz olduğunda denemeye değer.

Kontrol grubu oluşmadan pipeline katmanını kurmayın. Kontrol grubu olmadan yalnızca korelasyon gösterir ve korelasyon, en uygun hesapların kişiselleştirilmesinin zaten kendiliğinden ürettiği şeydir.

Nereden Başlamalı

Kişiselleştirme aracınızın, analitik aracınıza bir varyant kimliği ve kontrol grubu işaretiyle ulaşan etkinlikler gönderip göndermediğini kontrol edin. Göndermiyorsa önce bunu düzeltin; bu olmadan başka hiçbir şey işe yaramaz. Ardından en yüksek trafikli segmentinize bir kontrol grubu ekleyin ve hesapladığınız örneklem büyüklüğüne ulaşacak kadar uzun süre çalışır halde bırakın. Atama mantığını kendiniz kurmak istemezseniz, Markettailor'ın A/B testi özelliği hesap düzeyinde kontrol gruplarını yönetir ve varyant verilerini analitiğe gönderir.

Sıkça Sorulan Sorular

Kişiselleştirme atfı nasıl çalışır?

Bir ziyaretçi kişiselleştirilmiş bir deneyim gördüğünde, kişiselleştirme aracı deneyim ve varyant kimliğini içeren bir olay tetikler. Bu olay oturumla birlikte ve ziyaretçi tanımlandıktan sonra CRM'inizdeki hesapla birlikte saklanır. Varyantı gören ziyaretçiler ile varsayılan sayfayı gören rastgele bir kontrol grubu arasında dönüşüm ve pipeline'ı karşılaştırmak, kişiselleştirmenin artımlı etkisini verir.

Kanal atıflandırması ile deneyim atıflandırması arasındaki fark nedir?

Kanal atfı, bir ziyaretçiyi getiren ücretli arama, LinkedIn veya e-posta gibi kaynaklara kredi verir. Deneyim atfı ise ziyaretçinin geldikten sonra gördüğü şeyin etkisini ölçer. Kişiselleştirilmiş bir sayfa her kanalın dönüşümünü değiştirebilir; bu yüzden yalnızca kanal atfını raporlamak web sitesi deneyiminin katkısını gizler.

Bir kişiselleştirme kontrol grubu ne kadar büyük olmalı?

Önemsediğiniz artışı makul bir sürede tespit edecek kadar büyük, daha fazla değil. Trafiğiniz ve temel dönüşüm oranınız için bir A/B testi örneklem büyüklüğü hesabı yapın, ardından aynı şirketin ziyaretler boyunca tutarlı bir deneyim görmesi için kontrol grubunu hesap düzeyinde atayın.

Çok temaslı atıflandırma modelleri kişiselleştirmeyi ölçebilir mi?

Yalnızca dolaylı olarak. Çok temaslı modeller krediyi temas noktaları arasında dağıtır, ancak her temas noktasının herkes için aynı olduğunu varsayar. Deneyim kimliğini bir temas noktası özelliği olarak eklemek etkilenen pipeline'ı raporlamanızı sağlar, ancak artımlı etki yine de bir kontrol grubu karşılaştırmasından gelmelidir. B2B araştırmasının büyük kısmı ayrıca hiçbir temas noktasının kaydedilmediği karanlık hunide gerçekleşir.