意圖數據(Intent Data)
Intent Data
什麼是意圖數據?
- '此刻正在查詢'的購買信號
- 事先掌握誰已準備好購買
- 時機就是轉換率
意圖數據改變的不是潛在客戶的數量,而是接觸順序。原本的漏斗是先聯絡填寫詢問表單的人,這意味著只能見到已比較過兩三家後、最後才找我們的客戶。加上信號後,尚未填寫表單的帳戶會排到名單最上方,週會上的問題也從「這週進站詢問有幾件」變成「現在有哪些帳戶正在深入研究我們的主題」。
訊號依來源分為三種。第一方意圖(first-party intent)來自自家網站,例如停留在價格頁、重複下載資料,準確度高,但只能抓到已經認識我們的人。第三方意圖(third-party intent)從媒體與評論網路,以企業 IP 位址為單位彙整,因此範圍廣、精準度較低。介於兩者之間的是第二方意圖(second-party intent):評論平台直接提供'瀏覽過我們產品比較頁的帳號'。實務上該採用的標準不是絕對量,而是相較平時的暴增(surge)。只有當某帳號對特定主題的消費量明顯高於過去 8 至 12 週的平均,並維持兩週以上,才列為候選;訊號的有效期最長一個月,應在期限內採取行動才合理。與依我們接觸點計分的潛在客戶評分(Lead Scoring)不同,意圖數據觀察的是我們之外發生的行為,這一點是關鍵差異。
最常見的誤解,是把這種信號當成「會買的名單」來看。它是帳戶層級的信號,無法得知該公司內是誰搜尋的,競爭對手的調研人員、顧問、準備跳槽的員工的搜尋,也會原封不動混進來。因此一打電話就先說「您不是在找 AI 教育嗎?」,這就是失誤。對方會覺得被監視,談話當場就斷了。信號只用來決定以什麼話題與誰接觸,開場最好還是以平常的產業話題展開,比較安全。另外,若簽了工具合約卻業務團隊的 CRM 沒有接收到名單,最後就只會變成每月白繳訂閱費的 儀表板。
隨著數位行為追蹤與 B2B 數據產業的發展而出現,並隨 ABM 與數據驅動業務的普及而更加廣泛應用。
以下是一個假設案例。A 公司是販售企業 AI 教育方案的公司,員工 45 人,年營收規模約 KRW 6,000,000,000 (≈ US$4,490,800)。月度詢問約 30 件,其中一半已經收過競爭對手三家的提案。三位業務每月撥出 200 通冷電話,約見率仍停留在 2%。執行長說:「要在客戶來詢問之前就見面,才守得住單價。」於是撥出三個月的試用預算。
- 行銷部金組長試用第三方意圖工具三個月,設定「企業內部 AI 教育」「生成式 AI 素養」等 12 個關鍵字後,第一週就抓到 340 個信號帳戶。
- 將 340 個帳戶只以員工 300 人以上、製造業與金融業篩選,再只保留消耗量超過 8 週平均兩倍的帳戶,剩下 27 個。業務 李理事表示:'這樣的量,兩天就能全部跑完。'
- 打開 27 個帳戶實際閱讀的主題,發現其中一半反覆閱讀「教育效果衡量」,金組長於是把冷郵件主旨全部換成「用數字呈現 AI 教育 ROI 的案例集」。
- 在回覆的 11 家企業中,金組長在第一通電話時完全沒有提到意圖數據,而是以「最近製造業的教育訓練承辦人很常詢問成效衡量的問題」作為開場。
- 業務團隊訂下規則:信號出現當天起 10 個工作天內完成第一次接觸。超過兩週已冷掉的帳戶,就毫不戀棧地移入培育郵件名單。
- 三個月後,冷開發的約見率從 2% 升至 9%,每月冷電話從 200 通減至 60 通,而且僅從意圖名單就帶來 4 筆新簽約,合約金額 KRW 230,000,000 (≈ US$172,100)。
金鍾赫
Seung-tae Park