大多數 B2B 網站訪客都沒有填寫表單就離開了。檢查一下您自己的數字：將上一季的表單送出數除以工作階段數，從未表明身分的流量通常占了大部分。網站意義上的 AI 名單開發，就是針對這群沉默多數的一套技術：識別造訪的公司、估算其中哪些正處於採購週期，並調整網站顯示的內容，讓更多人採取下一步。
「AI」在每個部分發揮的作用程度不同，而廠商用這個字眼用得很隨意。本文將各部分拆開，說明每個部分如何運作、在哪裡會失靈，並提供一份30天計畫，讓您在不過度建置的情況下把它們整合起來。
AI 名單開發在網站上代表什麼
這個標籤涵蓋聊天機器人、預測評分、自動化開發等等。對於專注在網站的 B2B 團隊，有三個部分最重要：
| 內容 | 功能 | 機器學習真正能幫上忙的地方 |
|---|---|---|
| 訪客辨識 | 透過 IP 資料與資料擴充，將匿名工作階段解析為公司 | 主要是資料比對，而非機器學習；部分供應商會使用模型清理和比對紀錄 |
| 意圖評分 | 依據契合度與行為，推估哪些帳戶可能購買 | 機器學習的主要用途：學習哪些訊號組合曾出現在您過去的成交案之前 |
| 個人化互動 | 依造訪者身分及其行為，變更標題、佐證與 CTA | 選用；大多數 B2B 個人化依明確規則運作，有時搭配自動選擇版本 |
如果供應商說「AI 驅動」，請問清楚它應用在這三者中的哪一個，以及模型是以什麼資料訓練的。以您自己成交資料訓練的評分模型，與供應商綜合所有客戶計算出的通用「意圖分數」，是完全不同的東西。
訪客辨識如何運作
以表單為主的名單開發，是等待人們自己表明身分。訪客辨識則從另一端著手：在任何人填寫任何東西之前，就試著找出是哪家公司。
- IP 解析。訪客的 IP 位址會與將 IP 範圍對應到組織的資料庫比對。擁有自己網路範圍的公司（辦公室、透過企業閘道出去的 VPN）解析效果好。家用寬頻、行動網路與共用的共享辦公空間網路則解析效果差或完全無法解析，這就是各網站比對率差異如此大的原因。在圍繞比對率做任何規劃前，先衡量您自己的比對率。
- 公司屬性資料擴充。一旦辨識出公司名稱，資料擴充會補上產業、員工人數級距、所在地，有時還有技術堆疊。請把這些欄位視為估計值；抽樣與您對真實客戶的了解進行比對。
- 網站上的行為。瀏覽頁面、造訪次數與回訪頻率會歸屬到公司，因此您看到的是「這家公司本週有三個人看了價格頁」，而不是三個匿名工作階段。
- CRM 比對。如果該公司與 CRM 中的某個帳戶相符，這次造訪就會連結到其負責人與進行中的交易。業務可以看到自己正在經營的帳戶打開了兩次資安頁面。
公司層級識別不等於個人層級識別。它告訴您的是哪個組織，而不是哪個人，向業務呈現時也應如此說明。工具比較請參考我們的網站訪客識別軟體指南。
評分：從已識別到合格
一份造訪公司清單並不等於商機管道。評分步驟決定哪些公司值得關注。關於如何將模型評分導入實際運作的流程，請參閱這份AI 名單評分實用指南。
1. 以您自己的成交案例為輪廓基礎
拉出最近50到100筆成交交易，檢視產業、規模級距、地區以及它們共同使用的技術。這就是您的契合度輪廓，應該取代評分模型之前的任何假設。我們關於建立理想客戶輪廓的文章逐步說明了這項分析。如果您的成交數少於幾十筆，機器學習模型幾乎沒有東西可學；一個能向業務解釋清楚的透明計分模型，效果一樣好。
2. 找出這些成交之前的行為
查看成交帳戶在商機建立前幾週的網站活動。在 B2B 中常見的重要訊號：反覆造訪價格頁、訪客所屬產業的客戶案例、比較頁與整合頁，以及同一帳戶多人在短時間內造訪。請用您自己的資料驗證，而不是全盤照收；從未在您的成交案之前出現的訊號，不該占有權重。
這正是機器學習發揮價值的地方。只要有足夠的歷史資料，模型對契合度與行為組合的權衡會比人工設定的分數更好。歷史資料不足時，模型會過度擬合雜訊，因此請從簡單開始，等資料足以支撐時再升級到模型。
3. 將分數轉化為行動
依接下來會發生什麼事來定義層級，而不只看分數：
- 立即行動：符合 ICP 且有後期階段行為。當天通知帳戶負責人，並附上瀏覽過的頁面。
- 預熱：適配度高、行為處於早期。調整網站體驗，並在取得同意的情況下進行培育。
- 觀察：其他所有帳戶。持續蒐集行為資料，並在出現變化時重新評估。
設定門檻時，要讓「立即行動」層級夠小，業務才會真的查看每一則通知。我們關於高意圖客戶評分與網站名單分派的指南，更詳細地說明了門檻與分派方式。
在網站本身運用這些資料
辨識與評分告訴您誰在那裡。個人化則運用這些資訊改變他們看到的內容。以下是三種常見用途，以及需要留意的地方：
已識別但未知的客戶：與產業相關的第一印象
當工作階段被對應到某個產業或規模區間時，首頁可以為該客群呈現專屬的標題、佐證與使用情境。例如：物流業訪客看到的是物流客戶的故事，而非通用的標誌牆。前提是您對該客群確實有佐證；在通用內容前面放產業標題，比預設版本還糟。
已知目標帳戶：帳戶層級體驗
對於ABM 計畫中的帳戶或有進行中交易的帳戶，網站可以顯示與該關係相關的內容：來自其產業的佐證、他們詢問過的整合、連到其業務代表而非通用 Demo 表單的 CTA。請保持低調。在橫幅中寫出公司名稱可能讓人覺得被監視；顯示相關資料通常不會。
回訪訪客：配合下一步
第一次造訪：「看看如何運作」。瀏覽產品頁後回訪：「比較方案」。瀏覽價格頁後回訪：「與我們聊聊」並附排程工具。具體規則不如測試重要；請將每條規則與看到預設內容的保留組比較。我們關於個人化 CTA的文章說明了測試的部分。
逐一拆解工具組合
- 辨識與資料擴充：解析出公司並補上公司屬性。少了這一層，下游沒有任何工具知道誰在造訪。
- 行為追蹤：您的分析事件（頁面類別、造訪次數、關鍵行動），對應到公司紀錄。
- 評分：可以是您自訂的分數，也可以是以您的成果訓練的模型。它可以放在個人化工具、CRM 或獨立的服務中。
- 個人化：評估規則並提供版本。用戶端代碼上手快；伺服器端或邊緣節點傳遞則能避免關鍵頁面閃爍。
- 雙向 CRM 同步：將辨識結果和分數以帳戶層級寫入 CRM；再將帳戶狀態和負責人回傳給網站，例如這樣網站就不會對既有客戶顯示「預約示範」CTA。
這些環節必須組合起來才有用。只有辨識而沒有行動，就只是一份名單。沒有辨識的個人化只能靠猜。分數若從未進入 CRM，就永遠到不了業務手上。
如何判斷是否奏效
| 問題 | 指標 | 比較 |
|---|---|---|
| 我們是否觸及了對的帳戶？ | 已識別流量中符合 ICP 的比例 | 月增率 |
| 評分能區分出差異嗎？ | 各分數層級的商機轉換率 | 最高層級應明顯優於較低層級；若沒有，代表模型缺乏預測力 |
| 業務會根據通知採取行動嗎？ | 從通知到首次接觸的時間；有接觸的通知比例 | 相對於您的目標回應時間 |
| 個人化有幫助嗎？ | 依區隔比較轉換率：個人化與對照組 | 對照組來自同一分眾，而非全站平均 |
| 值得這個成本嗎？ | 此模式下每筆業務接受名單或商機的成本 | 與您的其他管道比較，使用相同定義 |
要預期的一個偏差：被識別的帳戶會偏向大公司，因為那些是 IP 解析最擅長處理的網路。這可能讓交易金額看起來比該模式實際應得的更好。請以同類相比。
30 天計畫
- 第 1 週：只辨識，不行動。安裝辨識功能、串接資料擴充，並記錄哪些公司造訪、閱讀了什麼。衡量您的比對率，並以已知帳戶抽查準確度。
- 第 2 週：第一個評分模型。分析近期成交案的契合度與商機建立前的行為。建立一個簡單的分級模型，並與業務議定「立即行動」的定義。
- 第3週：一項個人化。挑選已辨識流量中最常見的 ICP 產業或規模級距，為它個人化首頁標題與佐證。保留一個保留組。
- 第 4 週：串接業務。將帳戶層級的識別結果與層級同步到 CRM，為最高層級開啟負責人通知，並向業務說明這些資料能呈現什麼、不能呈現什麼，包括如何引用而不顯得冒犯（「我注意到貴團隊一直在看整合功能」這句話，很多買家會覺得怪；以相關資料開場通常就不會）。
四週後，您會有基礎設施和第一個測試。只有每個月有人檢視各分級的表現並調整，評分才會越來越好；它不會自己進步。
應避免的錯誤
- 只依適配度評分。一家符合 ICP 的大公司讀了一篇部落格文章，並不是熱門名單。行為通常比公司屬性更能區分買家與隨便看看的人。
- 什麼都發通知。如果業務每天收到幾十則通知，他們就不會再看了。請讓最高層級保持精簡。
- 依低可信度資料進行個人化。如果資料擴充無法確定產業，就顯示預設版本。顯示錯誤產業的頁面比一般性頁面更糟。
- 因為是「公司資料」就認為隱私問題已解決。即使您的目標是公司層級，IP 位址和行為追蹤在 GDPR 下仍可能屬於個人資料。請讓您的隱私負責人參與、尊重 Cookie 與追蹤的同意選擇，並更新隱私權聲明。我們關於B2B 個人化與資料隱私的文章有詳細說明。
- 以為模型會自我維護。您的客戶群、產品和訊息都會改變。每月檢視評分，每季檢視個人化規則。
Markettailor 的定位
Markettailor 結合了公司層級訪客識別、公司屬性資料補充與網站個人化，讓識別資料直接推動區隔與版本，結果也能與對照組比較。無論您使用哪種工具，上述順序都適用：衡量誰在造訪、了解成交之前發生了什麼、針對一小群高意圖客戶採取行動，並將頁面的每項變更都與對照組進行測試。
