Trả lời ngắn: phân bổ cho cá nhân hóa hoạt động bằng cách ghi lại trải nghiệm (phiên bản) mà mỗi khách truy cập và tài khoản đã thấy, rồi so sánh chuyển đổi và pipeline của những người thấy phiên bản cá nhân hóa với một nhóm holdout được phân ngẫu nhiên thấy bản mặc định. Phân bổ theo kênh cho bạn biết khách truy cập đến từ đâu; phân bổ theo trải nghiệm cho bạn biết những gì họ thấy trên website có thay đổi kết quả hay không. Bạn cần cả hai, và chỉ phép so sánh với nhóm holdout mới đo được tác động gia tăng.
Phần lớn hệ thống phân bổ được xây dựng trên một giả định ngầm: ai truy cập một URL cũng thấy cùng một trang. Cá nhân hóa phá vỡ giả định đó. Hai khách truy cập nhấp vào cùng một quảng cáo Google và đến cùng một trang chủ. Một người thấy tiêu đề về bảo mật cho doanh nghiệp lớn, người kia thấy tiêu đề về tốc độ API. Công cụ phân tích ghi nhận cả hai là “homepage, google / cpc”. Nếu một người chuyển đổi còn người kia thì không, chẳng có gì trong bản ghi đó cho bạn biết kênh, phiên bản trang hay điều gì khác đã tạo nên khác biệt.
Phần còn lại của bài viết trình bày vì sao các mô hình tiêu chuẩn bỏ sót điều này, cách tách câu hỏi làm hai, cách thiết lập holdout, cách đưa dữ liệu trải nghiệm vào CRM và cách báo cáo mà không phóng đại.
Vì sao các mô hình phân bổ tiêu chuẩn bỏ sót cá nhân hóa
Các mô hình chạm đầu, chạm cuối, tuyến tính, suy giảm theo thời gian và theo vị trí đều phân bổ công lao cho các nguồn traffic và hành động trên website. Bản thân trang được coi là hằng số. Chúng cũng bỏ sót những ảnh hưởng không bao giờ tạo ra điểm chạm có thể theo dõi, điều chúng tôi đề cập trong bài viết về dark funnel trong B2B. Nếu bạn cần ôn lại cách các mô hình phân bổ công lao, hãy xem hướng dẫn thực tế về phân bổ đa điểm chạm này.
Ví dụ (minh họa): một tài khoản truy cập ba lần trước khi yêu cầu demo. Lần 1 đến từ tìm kiếm tự nhiên và thấy trang chủ chung. Lần 2 đến từ quảng cáo LinkedIn; lúc này công ty đã được nhận diện nên thấy tiêu đề dành cho ngành sản xuất. Lần 3 là truy cập trực tiếp, và website hiển thị case study về việc thay thế công cụ mà tài khoản đang dùng. Mô hình tuyến tính chia đều mỗi kênh tự nhiên, LinkedIn và trực tiếp một phần ba công lao. Mô hình này không có trường nào cho “đã xem biến thể ngành sản xuất” hay “đã xem case study về đối thủ”, nên nếu chính những trang đó đã thuyết phục khách hàng, báo cáo cũng không thể hiện được.
Đó là một khoảng trống trong đo lường, không phải bằng chứng cá nhân hóa đã hiệu quả. Có thể tài khoản vẫn đặt lịch dù không có nó. Vấn đề là báo cáo tiêu chuẩn không trả lời được theo hướng nào.
Tách thành hai câu hỏi
| Phân bổ theo kênh | Phân bổ theo trải nghiệm | |
|---|---|---|
| Câu hỏi | Kênh nào mang về đúng tài khoản? | Khi họ đến, trải nghiệm cá nhân hóa có thay đổi hành động của họ không? |
| Quyết định mà nó hỗ trợ | Ngân sách thu hút khách hàng | Quy tắc cá nhân hóa nào nên giữ, thay đổi hoặc tắt |
| Phương pháp | Mô hình MTA hiện có hoặc báo cáo của nền tảng | Nhóm holdout ngẫu nhiên so với trang mặc định |
| Đối tượng chính | Quảng cáo trả phí và tạo nhu cầu | Web, CRO và product marketing |
Chạy song song và báo cáo riêng. Attribution theo kênh có những giới hạn riêng, nhưng có thể giữ nguyên. Attribution theo trải nghiệm cần nhóm đối chứng, vì “những người thấy trang cá nhân hóa chuyển đổi nhiều hơn” cũng là điều bạn sẽ thấy nếu chỉ đơn giản cá nhân hóa cho các tài khoản phù hợp nhất. Hướng dẫn của chúng tôi về các kênh marketing trong B2B đề cập đến phía kênh.
Nhóm đối chứng: Phần đo lường tác động tăng thêm
Không áp dụng cá nhân hóa cho một nhóm ngẫu nhiên các tài khoản đủ điều kiện và để họ thấy website mặc định. Mọi thứ khác giữ nguyên: cùng quảng cáo, cùng email, cùng hoạt động theo dõi của sales.
Các cài đặt quan trọng:
- Gán theo tài khoản, không theo phiên. Nếu một nhóm mua hàng bốn người bị chia giữa các biến thể, cả hai nhóm đều bị nhiễm. Hãy băm ID công ty (hoặc cookie bên thứ nhất khi chưa biết công ty) để việc gán giữ nguyên qua các lượt truy cập.
- Xác định quy mô holdout từ lưu lượng, không từ nguyên tắc kinh nghiệm. Holdout lớn hơn cho kết quả nhanh hơn nhưng nhiều tài khoản bỏ lỡ trang cá nhân hóa hơn. Hãy tính xem mỗi nhóm cần bao nhiêu tài khoản để thấy mức tăng bạn quan tâm bằng phép tính cỡ mẫu A/B test, rồi quyết định tỷ lệ tương ứng.
- Cố định định nghĩa “đủ điều kiện”. Nếu quy tắc phân khúc thay đổi giữa chừng, các nhóm sẽ không còn so sánh được với nhau.
Sau đó so sánh các nhóm ở từng giai đoạn phễu mà bạn thực sự đếm được:
- Tỷ lệ chuyển đổi biểu mẫu hoặc demo trên website.
- Tỷ lệ MQL thành SQL. Chỉ số này phát hiện biến thể làm tăng lượt điền form nhưng thu hút lead yếu hơn.
- Tỷ lệ tạo cơ hội trên mỗi tài khoản.
- Tỷ lệ thắng và quy mô thương vụ, khi đã có đủ thương vụ chốt. Ở phần lớn doanh nghiệp B2B, giai đoạn này cần trọn một chu kỳ bán hàng trước khi cho thấy điều gì.
Đọc kết quả theo từng phân khúc cũng như tổng thể. Mức tăng tổng có thể hoàn toàn đến từ một phân khúc trong khi phân khúc khác không thay đổi hoặc hơi tệ đi. Nếu các nhóm theo phân khúc quá nhỏ để đọc, hãy nói rõ thay vì báo cáo con số tổng như thể nó áp dụng cho mọi nơi.
Khi không thể chạy nhóm đối chứng tài khoản một cách chuẩn chỉnh
Chia theo địa lý
Cá nhân hóa ở một số khu vực và giữ nguyên ở các khu vực tương đương. Hữu ích khi số lượng tài khoản quá nhỏ hoặc độ bao phủ nhận diện không đồng đều. Rủi ro là các khu vực khác nhau vì những lý do chẳng liên quan gì đến website của bạn (phân bổ sales, sự kiện địa phương, tiền tệ), vì vậy hãy chọn các khu vực tương đồng và chạy lâu hơn.
Các giai đoạn bật/tắt
Luân phiên bật và tắt cá nhân hóa trong các khoảng thời gian cố định, ví dụ mỗi lần hai tuần, qua nhiều chu kỳ. Cách này tránh việc giữ bất kỳ tài khoản mục tiêu nào trong nhóm holdout vĩnh viễn. Các đợt ra mắt chiến dịch, ngày lễ và cuối quý sẽ làm số liệu dao động, nên hãy ghi lại mọi ngày chiến dịch lớn và loại bỏ các khoảng thời gian trùng với chúng.
Biến thể so với biến thể
Khi đã biết cá nhân hóa thắng phiên bản mặc định với một phân khúc, hãy kiểm thử các chiến lược cá nhân hóa với nhau: tiêu đề theo ngành so với tiêu đề theo quy mô công ty, hoặc case study liên quan so với hero tùy chỉnh. Điều này cho bạn biết nên mở rộng quy tắc nào, thường là câu hỏi hữu ích hơn “cá nhân hóa có hiệu quả không?”
Đưa dữ liệu trải nghiệm vào CRM
Lượt điền biểu mẫu không phải kết quả mà đội B2B được trả lương để tạo ra, nên dữ liệu biến thể phải đi được đến báo cáo pipeline.
- Kích hoạt một sự kiện cho mỗi quyết định cá nhân hóa. Trong GA4 (hoặc công cụ analytics của bạn), gửi một sự kiện tùy chỉnh với ID quy tắc, phân khúc, biến thể và cờ đánh dấu holdout hay được cá nhân hóa. Đăng ký các tham số này làm thứ nguyên tùy chỉnh để có thể báo cáo.
- Ghi các trường vào CRM khi chuyển đổi. Khi gửi biểu mẫu, truyền phân khúc, biến thể xem gần nhất và cờ nhóm giữ lại vào các trường ẩn được ánh xạ tới các trường liên hệ có cấu trúc. Không phải trường ghi chú; bạn cần lọc được theo nó.
- Tổng hợp lên cấp tài khoản. Đồng bộ lịch sử cấp tài khoản nếu công cụ của bạn hỗ trợ: các phiên được cá nhân hóa, các biến thể đã xem, ngày tiếp xúc đầu tiên và gần nhất.
- Đánh dấu cơ hội bán hàng. Thêm một trường cơ hội có giá trị true khi bất kỳ người liên hệ nào trong cơ hội đã thấy một phiên cá nhân hóa trong một khung thời gian nhất định trước khi cơ hội được tạo. Chọn khung thời gian phù hợp với chu kỳ của bạn và ghi lại; 30 hoặc 60 ngày là lựa chọn phổ biến. Điền giá trị bằng workflow, không làm thủ công.
- Xây dựng ba báo cáo. Báo cáo kênh hiện có, giữ nguyên. Báo cáo cá nhân hóa hằng tuần: chuyển đổi theo phân khúc, cá nhân hóa so với holdout. Báo cáo pipeline hằng quý: pipeline chịu ảnh hưởng theo phân khúc và giai đoạn.
UTM sạch là điều kiện tiên quyết. Nếu dữ liệu nguồn và chiến dịch không nhất quán, bạn không thể tách tác động của kênh khỏi tác động của trang; một quy ước công cụ tạo UTM dùng chung khắc phục phần lớn vấn đề đó.
“Có ảnh hưởng” không có nghĩa là “Gây ra”
Hãy gọi cờ cơ hội là "chịu ảnh hưởng của cá nhân hóa", không phải "được phân bổ". Ảnh hưởng chỉ nói rằng ai đó trong thương vụ đã thấy một trang cá nhân hóa. Cá nhân hóa thường nhắm vào các tài khoản phù hợp nhất, vốn đã chuyển đổi tốt hơn, nên pipeline chịu ảnh hưởng sẽ trông đẹp dù các phiên bản có tác dụng gì hay không. Nhóm holdout mới cho bạn phần nhân quả.
Kết hợp cả hai, với số liệu giả định để minh họa phép tính: các cơ hội chịu ảnh hưởng tạo ra 4,2 triệu USD pipeline trong một quý, và nhóm holdout cho thấy mức tăng chuyển đổi gia tăng 18%. Phần gia tăng là 0,18 / 1,18, nên khoảng 640.000 USD pipeline đó sẽ không tồn tại nếu không có cá nhân hóa. 3,56 triệu USD còn lại nhiều khả năng vẫn sẽ đến. Bộ phận tài chính sẽ hỏi con số thứ hai; hãy đưa ra trước khi họ hỏi. Kỷ luật tương tự áp dụng cho quảng cáo trả phí: công cụ tính ROAS với biên lợi nhuận gộp của bạn cho biết doanh thu được phân bổ có bù nổi chi phí không.
Báo cáo cho những người khác nhau
| Đối tượng | Họ cần gì | Những gì nên bỏ ra |
|---|---|---|
| CMO / Giám đốc marketing | Mức tăng theo phân khúc so với nhóm holdout, quy tắc nào nên mở rộng, trang cá nhân hóa thay đổi chuyển đổi thế nào cho từng kênh chính | Pipeline chịu ảnh hưởng thô mà không có bối cảnh holdout |
| Lãnh đạo sales | Liệu các tài khoản được cá nhân hóa có tạo ra nhiều cơ hội hơn và tiến triển nhanh hơn không, theo từng phân khúc, sau khi một chu kỳ đầy đủ đã khép lại | Chỉ số tương tác cấp phiên |
| Tài chính | Pipeline gia tăng so với nhóm đối chứng, tổng chi phí (công cụ cộng thời gian nhân sự), mức hoàn vốn tương ứng và khoảng tin cậy | Chỉ riêng con số ảnh hưởng tổng |
| Hội đồng quản trị | Một dòng: pipeline gia tăng, chi phí, xu hướng qua các quý | Chi tiết phương pháp |
Một thói quen hữu ích với mọi đối tượng: báo cáo số liệu của nhóm holdout cạnh số liệu của nhóm được cá nhân hóa, để phép so sánh hiển thị rõ ràng thay vì ngầm hiểu.
Nên làm đến đâu, và khi nào
- Theo dõi: bạn có thể thấy tài khoản nào đã xem nội dung cá nhân hóa. Mất vài ngày để thiết lập. Hữu ích để gỡ lỗi, không phải để khẳng định tác động.
- Nhóm holdout: bạn có thể đo mức tăng gia tăng trên website. Cần đủ traffic cho mỗi phân khúc; các phân khúc ít traffic có thể không bao giờ cho kết quả rõ ràng, và thừa nhận điều đó cũng không sao.
- Kết nối pipeline: dữ liệu biến thể đi vào CRM và bạn có thể theo dõi pipeline chịu ảnh hưởng và pipeline tăng thêm. Cần dữ liệu của ít nhất một chu kỳ bán hàng đầy đủ.
- Dự báo phân khúc mới: ước tính tác động của một phân khúc trước khi triển khai. Chỉ nên thử khi bạn đã có vài phân khúc với holdout hoàn chỉnh để rút kinh nghiệm.
Đừng xây lớp pipeline trước khi có nhóm holdout. Không có nhóm đối chứng, nó chỉ cho thấy tương quan, và tương quan chính là thứ mà việc cá nhân hóa cho các tài khoản phù hợp nhất tự động tạo ra.
Bắt đầu từ đâu
Kiểm tra xem công cụ cá nhân hóa của bạn có gửi sự kiện đến công cụ phân tích, kèm ID biến thể và cờ nhóm đối chứng hay không. Nếu chưa, hãy sửa điều đó trước; không có nó thì mọi thứ khác đều không chạy được. Sau đó đặt một nhóm đối chứng cho phân khúc có traffic cao nhất và để chạy đủ lâu để đạt cỡ mẫu bạn đã tính. Tính năng A/B testing của Markettailor xử lý nhóm đối chứng cấp tài khoản và gửi dữ liệu biến thể đến công cụ phân tích, nếu bạn không muốn tự xây dựng logic phân nhóm.
Câu hỏi thường gặp
Attribution cho cá nhân hóa hoạt động thế nào?
Mỗi khi một khách truy cập thấy trải nghiệm cá nhân hóa, công cụ cá nhân hóa sẽ kích hoạt một sự kiện kèm ID trải nghiệm và biến thể. Sự kiện đó được lưu cùng phiên và, khi khách đã được nhận diện, cùng tài khoản trong CRM. So sánh chuyển đổi và pipeline giữa khách đã thấy biến thể và một nhóm holdout ngẫu nhiên thấy trang mặc định cho bạn hiệu quả tăng thêm của cá nhân hóa.
Phân bổ theo kênh và phân bổ theo trải nghiệm khác nhau thế nào?
Attribution theo kênh ghi nhận cho các nguồn đã đưa khách truy cập đến, như quảng cáo tìm kiếm, LinkedIn hay email. Attribution theo trải nghiệm đo tác động của những gì khách truy cập thấy khi đã đến. Một trang cá nhân hóa có thể thay đổi cách mọi kênh chuyển đổi, nên chỉ báo cáo attribution theo kênh sẽ che khuất đóng góp của trải nghiệm website.
Nhóm đối chứng cho cá nhân hóa nên lớn đến mức nào?
Đủ lớn để phát hiện mức tăng bạn quan tâm trong thời gian hợp lý, và không lớn hơn. Hãy tính cỡ mẫu A/B test cho lưu lượng và tỷ lệ chuyển đổi cơ sở của bạn, sau đó phân nhóm holdout ở cấp tài khoản để cùng một công ty thấy trải nghiệm nhất quán qua các lần truy cập.
Mô hình phân bổ đa điểm chạm có đo lường được cá nhân hóa không?
Chỉ gián tiếp. Các mô hình đa điểm chạm phân bổ ghi nhận giữa các điểm chạm nhưng giả định mỗi điểm chạm là như nhau với mọi người. Thêm ID trải nghiệm làm thuộc tính điểm chạm cho phép bạn báo cáo pipeline chịu ảnh hưởng, nhưng hiệu ứng gia tăng vẫn phải đến từ so sánh với nhóm đối chứng. Phần lớn quá trình nghiên cứu B2B cũng diễn ra trong dark funnel, nơi không ghi nhận được điểm chạm nào.