B2B 마케팅의 실험은 지옥입니다. 해결 방법은 다음과 같습니다.

B2B 마케팅의 실험은 B2C보다 훨씬 더 어렵습니다. 왜냐하면 긴 판매 주기와 그 ​​의미 때문입니다.

이 포스트에서는 실험이 좋은 마케팅의 핵심인 이유, B2B 마케팅에서 실험이 왜 그렇게 어려운지, 실험 방법론과 피드백 루프를 구현하여 이러한 도전 과제를 수용하는 방법을 배우게 됩니다.

마케팅이 예술인지 과학인지에 대해서는 누구나 의견이 있습니다. 그러나 실험에 관해서는 논쟁의 여지가 없습니다. 강력한 마케팅 실험은 인과관계를 확립하기 위한 금본위제이며 모든 마케팅 리더를 위한 과학이어야 합니다.

고등학교 화학 연구실에 있을 때부터 실험이 일반적으로 원인과 결과 관계와 관련하여 가설을 테스트하고 증명(또는 반증)하는 데 도움이 된다는 것을 기억할 수 있습니다.

마케팅에서의 실험도 다르지 않습니다. 작동 중인 활동(특정 메트릭에 원하는 영향을 줌)을 식별하고 그렇지 않은 활동을 제거하며 운이 좋다면 그 과정에서 수집된 통찰력을 기반으로 새로운 전략을 발견하는 데 도움이 됩니다.

격변의 시대에 그들은 마케팅을 최첨단으로 유지합니다. 왜냐하면 '효과가 있는 것'이 계속해서 변하기 때문입니다. 앞서 나가기 위한 유일한 방법 은 중요한 활동을 찾고 개선하는 것이며, 테스트 및 실험에 대한 구조화된 접근 방식은 개선뿐만 아니라 혁신으로 이어질 수 있습니다.

여기까지는 윈윈인 것 같습니다.

그렇다면 왜 B2B 마케팅 리더는 분명한 필요성과 장점에도 불구하고 마케팅 실험을 자주 피하는 것일까요?

B2B 마케팅 실험의 도전

다양한 구매 위원회(종종 구매 결정에 7명 이상의 구성원이 참여)와 다중 채널 구매 여정(수십, 수백 개의 터치포인트)이 복잡성을 가중시키는 반면, 수익 중심 B2B 마케터의 실험에서 가장 큰 과제는 판매 주기 – 첫 번째 접촉과 최종 전환 사이의 긴 간격.

여기 이유가 있습니다.

긴 판매 주기에서 수익과 가장 밀접한 관련이 있는 측정항목은 하위 유입경로 측정항목입니다. 예를 들어, 기회 (검증을 통과하여 고객이 될 가능성이 있는 잠재 고객의 수), 파이프라인 (모든 기회의 잠재적 수익 – 즉, 모든 기회가 획득될 경우 생성되는 모든 예상 수익의 합계), 판매 주기 속도 (리드를 유료 고객으로 전환하는 데 걸리는 시간), 전환율 (실제로 유료 고객으로 전환한 리드의 비율).

이러한 메트릭에 대한 최적화는 어려울 수 있습니다. 확장된 판매 주기는 실험의 영향이 활동이 완료된 후 오랜 시간이 지나야 가시화될 것임을 의미합니다.

B2B 마케터는 자신의 활동이 효과가 있는지 여부를 알기 위해 몇 달을 기다릴 여유가 없습니다. 이는 전체 판매 주기 손실을 의미할 수 있습니다!

결과적으로 많은 마케터는 실험을 완전히 피하고 대신 반짝이는 새 도구를 선택하거나 경쟁사 전략을 모방하거나 수익 영향을 측정하기 위해 '프록시 메트릭'을 사용합니다. 마지막은 인기가 있을 수 있지만 측정하는 유일한 측정항목인 경우 수익 중심 실험에 득보다 실이 더 많을 수 있습니다.

수익에 중점을 둔 B2B 마케팅 실험에 프록시 메트릭이 충분하지 않은 이유

프록시 메트릭은 자체적으로 수익을 창출하는 것과 직접적으로 연결되어 있지 않지만 해당 메트릭에 대한 지표 로 사용할 수 있는 메트릭입니다.

B2B 마케팅 컨텍스트에서 리드 생성, MQL 및 SQL과 같은 상위 유입경로(ToFu) 측정항목이 하위 유입경로 측정항목에 대한 독립 또는 프록시 로 측정되고 최적화되는 것을 종종 봅니다.

이는 영향을 더 빨리 볼 수 있고 상대적으로 추적 및 측정하기 쉽고 한 판매 주기에서 여러 번 최적화할 수 있기 때문입니다.

그러나 한 유입경로 단계에서 다른 유입경로 단계로의 '전환'을 보여주는 측정항목을 테스트하고 실험하는 것은 ' 실제 전환' 을 보여주는 측정항목(예: 잠재 고객에서 유료 고객까지)을 테스트 하는 것과 동일하지 않다는 점을 인식하는 것이 중요합니다.

불행히도 더 복잡하고 긴 판매 주기로 인해 프록시 메트릭과 수익과 직접적으로 연관될 수 있는 하위 퍼널 메트릭의 상관 관계는 훨씬 낮습니다. 즉, 프록시 메트릭은 기껏해야 지표가 될 수 있고 최악의 경우 관련이 없을 수 있습니다.

수익을 위해 최적화하려는 경우 이는 실제 장애물입니다. 따라서 ToFu 메트릭이 그 자리를 차지하고 있지만 수익과 연결된 B2B 실험을 위한 최상의 프록시 메트릭은 아닐 수 있습니다.

깔때기 단계 측정항목과 판매 주기의 길이 간의 이러한 단절은 선의의 마케팅 리더에게 딜레마가 됩니다.

예를 들어, SaaS 비즈니스로서 비즈니스 수익과 가장 밀접하게 관련되고 전반적인 비즈니스 상태를 나타내는 지표인 연간 반복 수익 (ARR)을 최적화하려고 합니다.

평균 판매 주기가 8~12개월이면 활동이 ARR 벤치마크를 충족하는 전환으로 이어졌는지 파악하기 위해 일년 내내 기다려야 한다는 의미입니다. 그렇게 오래 기다리면 올해는 아무것도 최적화할 수 없습니다.

그러나 MQL과 같은 상위 유입경로 프록시를 사용하는 경우 이러한 지표를 개선하기 위해 추적하고 최적화할 수 있습니다. 뭔가 없는 것보다 낫지 않나요?

유감스럽게도 연말에 MQL을 유도하는 활동을 더 많이 했지만 MQL에서 고객으로의 전환율 은 유입경로에서 더 낮아졌습니다. 이제 내내 수익 연결 전환과 상관 관계가 없는 프록시 메트릭을 최적화했다는 것을 알게 되었습니다.

B2B 마케터의 딜레마

의심의 여지 없이 B2B 마케터는 자신의 활동이 수익에 미치는 영향을 알고 싶어(그리고 보여주고 싶어합니다) .

그러나 실제 수익은 마케팅 활동과 거리가 멀고 가장 수익과 관련된 지표가 유입경로의 맨 아래에 있거나 판매 주기가 거의 끝나갈 무렵에 선택을 해야 합니다.

그 선택은 프록시 메트릭을 사용하여 더 자주 최적화 주기를 실행하거나 수익과 연결된 메트릭에 계속 집중하지만 훨씬 적은 최적화 주기를 실행하는 것입니다.

전자를 사용하면 피드백 루프가 더 빠르지만 실제로 수익에 영향을 주지 않는 측정항목에 대해 최적화할 수 있다는 위험이 있습니다. 즉, 낭비되는 노력(및 예산)입니다.

후자의 경우 피드백이 너무 느려서 최적화가 너무 늦어 차이를 만들 수 없을까 두려워합니다. 마케팅 비용을 동일한 판매 주기에서 가장 수익에 영향을 미치는 활동으로 리디렉션할 기회조차 얻지 못할 수도 있습니다.

수익 마케팅 방법론으로 B2B 실험 과제 극복

운 좋게도 마케팅 실험을 실행하는 것이 전부 아니면 전무 선택일 필요는 없습니다. 주기를 더 자주 실행할 수 없다고 해서 수익 관련 측정항목을 최적화하기 위한 실험을 포기할 이유는 없습니다. 훨씬 더 효과적이며 과학적으로 세 번째 대안이 있습니다.

사실, 이 방법론을 사용하면 선택할 필요조차 없습니다. 적절한 균형을 찾기만 하면 됩니다.

하위 유입경로 측정항목에 대한 최적화와 적절한 수의 최적화 주기 실행 간의 균형. 즉, 최적화 주기의 빈도를 희생하거나 최종 퍼널 수익 측정항목에 집중할 필요가 없습니다.

작동 방식은 다음과 같습니다.

B2B 마케팅 실험에 적합한 조건 설정

수익 측정항목을 측정하고 실험 프로그램을 최대한 활용할 수 있도록 완벽하게 준비하려면 다음과 같은 3가지 협상할 수 없는 구성 요소가 있습니다.

1. 수익에 맞춰 목표 조정

영업 및 마케팅은 각 퍼널 단계 메트릭에 대한 완벽한 조정이 필요하며, 이 중 어떤 것이 비즈니스에 가장 중요한 수익 연결 메트릭인지(각 기능뿐만 아니라)에도 필요합니다. 예를 들어, 마케터가 트래픽과 리드를 추적하는 반면 영업은 SQL과 성사에 관심을 기울이면 진정으로 중요한 최적화가 불가능해집니다.

우리가 보았듯이 수익과 직접 연결되지 않은 프록시 메트릭에 의존하는 것은 너무 편리합니다. 견고한 수익 모델을 만들면 모든 이해 관계자가 수익 결과에 가장 큰 영향을 미치는 하위 퍼널 메트릭을 중심으로 정렬되고 지향됩니다.

최근 인터뷰에서 Drift, Segment, Mention의 전 성장 부사장인 Guillaume "G" Cabane은 전체 마케팅 팀이 수익을 중심으로 조정해야 하는 이유를 다음과 같이 설명합니다.

지난 몇 년 동안 제가 수행한 작업 중 일부를 살펴보면 모든 마케팅 메트릭을 통합된 예측 수익, 메트릭 달러 메트릭으로 변환한 것입니다.

그리고 그것은 매우 중요하며 이는 내 전략의 나머지 부분을 알려줍니다. 그렇지 않으면 할 때 비교하기가 어렵습니다. 귀하는 귀하의 콘텐츠 중 일부로 트래픽을 유도합니다. 얼마나 가치가 있습니까? 아니, 말하기 어렵다. 이제 다른 누군가가 웨비나를 할 것입니다. 그들은 등록하고 참가자가 있습니다. 얼마나 가치가 있습니까? [...] 그리고 퍼널의 다른 단계에서 서로 다른 유형의 리드 또는 참여 프로필이 있기 때문에 이들을 함께 비교하는 것은 어렵습니다. 그리고 실험은 시간과 예산이 다릅니다.

따라서 고유한 메트릭으로 집계하거나 단순화하는 방법을 찾지 않는 한 비교할 수 없습니다. 따라서 몇 가지 간단한 예측 모델을 사용하여 모든 참여 지표를 미래 수익으로 변환합니다. 미래 수익에는 미래 날짜에 미래 비율로 전환할 규모와 미래 ACV를 기반으로 하는 참여를 기반으로 하는 특정 잠재 고객의 가능성을 기반으로 하는 여러 요인이 있습니다.

그래서 우리 팀 전체는 미래의 수익만 봅니다. 이는 로드맵을 결정하는 데 많은 도움이 됩니다. 가장 높은 리프트가 있는 곳입니다. 또한 가장 비용 효율적인 곳은 어디입니까?

Cabane은 수익 지표만 측정하여 다소 극단적인 접근 방식을 취하고 있다고 주장할 수 있습니다. 수익에 다시 연결해야 할 필요성을 이해하는 한 선택할 수 있는 효과적인 측정항목이 광범위하다고 생각합니다.

2. 강력한 어트리뷰션 솔루션 설정

최근 설문조사에 따르면 모든 마케터의 76%가 현재 마케팅 귀인을 사용할 수 있는 능력이 있거나 앞으로 12개월 내에 갖게 될 것이라고 말했습니다. 좋은 소식입니다. 각 마케팅 활동(채널, 캠페인, 콘텐츠 등)의 수익 영향을 적절하게 식별하고 측정할 수 있어야 효과가 있는 활동을 두 배로 늘릴 수 있기 때문입니다.

B2B 고객 여정의 복잡한 특성으로 인해 어떤 어트리뷰션 솔루션도 마찬가지입니다. 퍼널을 통해 여러 온라인 및 오프라인 마케팅 활동(채널, 자산, 터치포인트)을 집계하고 어트리뷰션 결과를 비즈니스 결과로 연결할 수 있는 풀 퍼널 어트리뷰션 솔루션이 필요합니다.

3. 판매 주기의 정확한 길이 파악

판매 주기 길이는 일반적으로 CRM 시스템에서 측정한 판매를 완료하는 데 걸리는 평균 시간입니다. 기간은 판매 프로세스의 복잡성에 따라 다릅니다. 실험 프로그램은 이 값을 기반으로 하기 때문에 모든 이해 관계자가 정확한 판매 주기 길이에 동의하고 인지하는 것이 중요합니다.

결과를 빨리 보여줘야 한다는 압박감이 항상 있겠지만, 우리는 수익을 높이는 올바른 결과를 보여주는 데 더 관심이 있습니다. 그렇기 때문에 실험의 핵심 요소인 판매 주기 길이를 무시하면 섣부른 결론을 내리거나 마케팅 활동을 너무 빨리 또는 너무 늦게 줄이는 것과 같은 잘못된 결정을 내릴 수 있습니다.

우리 업계에서는 판매 주기의 길이에 대한 적절한 고려가 고려되어야 한다는 인식이 점점 커지고 있는 것 같습니다.

Refine Labs의 설립자이자 CEO인 Chris Walker는 최근 마케팅 이니셔티브가 영향을 미치기 위해 충분한 시간을 주는 것이 중요하다고 언급했습니다.

Enterprise SaaS의 새로운 마케팅 프로그램을 사용하면 성공을 평가하는 데 4-12개월이 소요됩니다. 최소 4개월.

마케팅 팀이 실제로 비즈니스 결과를 이끌어내는 새로운 프로그램을 찾을 수 있는 충분한 시간/공간을 확보할 수 있도록 이러한 인식을 바꿔야 할 때 입니다.

B2B 마케팅 실험 실행

너무 많은 B2B 마케터가 실제로 실험을 계획할 때 최적화 주기를 고려하지 않고 대신 더 큰 유입경로의 컨텍스트에서 분리된 무작위로 메트릭을 선택합니다.

수익 마케팅 방법론은 연간 필요한 최적화 주기 수를 희생하지 않고 최대한 수익에 가깝게 측정할 수 있기 때문에 더 좋습니다. 전체 깔때기 보기는 또한 판매 주기의 전체 기간 동안 주기를 정의하고 연결하는 데 도움이 됩니다.

우리는 그것을 회사의 '최적화 주기 스위트 스팟'을 찾는 일이라고 부릅니다.

예를 들어 보겠습니다.

귀하의 비즈니스가 더 긴 판매 주기를 갖고 있고 하위 유입경로 수익 연결 측정항목을 최적화하기 위해 최선을 다하고 있다면 결정적인 결과를 제공하기 위해 최적화 주기가 더 길어야 한다는 사실을 받아들이는 것이 중요합니다.

수익(청산) 과 같은 메트릭에 대해 최적화하고 있고 판매 주기가 6개월이라고 가정해 보겠습니다. 최적화 주기가 6개월보다 짧을 수는 없습니다. 따라서 마감 수주로 수익을 분석, 측정 및 최적화하기 위해 6개월 주기로 1년에 두 번 계획합니다.

그러나 수익을 위해 최적화한다고 해서 반기별 최적화 주기가 두 번인 것은 아닙니다! 여기에서 고유한 컨텍스트를 기반으로 유입경로를 계단식으로 만드는 사용자 정의 주기를 디자인할 것입니다.

최적화 주기 파악의 실제 B2B 예

B2B 마케팅 계획에 대한 최근 인터뷰에서 Metadata의 마케팅 부사장인 Jason Widup은 수요 모델을 사용하여 매주 KPI 및 수익 목표를 달성하는 방법을 공유했습니다.

캠페인이나 새로운 전략의 실제 영향을 이해하는 데 3개월, 6개월이 걸립니다. 그러나 우리는 항상 그 과정에서 선행 지표를 찾고 있습니다. 선행 지표는 생성된 파이프라인, 회의 예약, 데모 요청입니다. 따라서 이러한 선행 지표가 가까이 있는 한… 수익에 가까워질수록 전환율은 더 엄격해질 필요가 있습니다.

나는 아마 일주일에 한 번 [내 수요 모델]을 봅니다. 그래서 저는 현재 분기에 그것을 보고 음수를 표시하는지 확인합니다. 그래서 저는 현재 분기에 대해 더 많은 파이프라인을 추진할 필요가 없다는 것을 압니다. 또한 파이프라인이 이동하지 않았는지 확인하기 위해 다음 분기에 한 달에 두 번 검토하고 있습니다.

Widup은 수요 모델을 사용하여 예정된 최적화 주기를 실행하고 매주 및 매월 단위로 수익 지표와 프록시 지표를 모두 추적합니다. Widup의 답변에서 알 수 있듯이 최적화 주기를 설정할 시기를 결정하는 것은 자신의 불안 수준과 개인적 선호도와도 관련이 있으며 논리적이고 비즈니스 지향적인 결정이 아닙니다.

맞춤형 폭포 최적화 일정 구축

필요에 따라 여러 기간 최적화 주기를 수용하려면 가장 빈도가 낮은 최적화 주기(예: 6개월 또는 분기별)부터 시작하여 더 자주 최적화 주기(예: SQL 및 MQL).

위의 예에서 우리는 수익에 대한 6개월 최적화 주기(종료)로 시작했습니다. 다음 주기의 경우 다음으로 가장 가까운 수익 측정항목을 선택합니다. 귀하의 비즈니스에 그것이 '기회' 라고 가정해 보겠습니다. 리드에서 기회까지 3개월이 걸립니다. 그러면 다음 최적화 주기는 기회에 대한 분기별 주기가 될 수 있으며 이는 수익과도 상당히 관련이 있습니다.

그러나 경영 진척 상황을 더 자주 보여줘야 한다는 압박도 있다. 따라서 다음 제거된 측정항목에 대해 더 자주 최적화 주기를 더 사용합니다. ' SQL' 이라고 가정해 보겠습니다. SQL에 대한 월별 분석을 실행합니다. 이것은 좋은 프록시 지표이자 올바른 방향으로 가고 있다는 선행 지표가 될 수 있지만 분기별 분석을 대체하지는 않습니다.

'MQL'과 같이 주간 최적화 주기까지 갈 수 있습니다. 그러나 이러한 상위 유입경로 메트릭과 수익의 정확한 상관 관계를 알고 있어야 합니다. 이전 폭포식 항목보다 수익과의 상관 관계가 낮을 가능성이 큽니다.

우선 순위를 충족하도록 최적화 주기 사용자 지정

각 조직에는 서로 다른 최적화 주기 집합이 필요합니다. 폭포식 일정을 설계하는 동안 조직에 특정한 판매 주기, 예산, 선택한 채널, ICP, 도구, 팀 기능, 관리 우선 순위 등과 같은 변수를 고려해야 합니다.

상관 분석을 보너스로 사용

지금까지 살펴본 바와 같이 수익과 밀접한 상관관계가 없는 측정항목은 성공을 나타내는 유효한 것으로 간주되지 않습니다. 성장에 중점을 둔 마케터는 하위 유입경로 측정항목이 상위 유입경로 측정항목보다 수익과 훨씬 더 밀접하게 관련되어 있기 때문에 하위 유입경로 측정항목을 중심으로 정렬하는 데 도전해야 합니다.

그러나 상관 분석을 사용하여 수익과의 상관 관계를 확인한 후에도 상위 유입경로 메트릭을 프록시로 사용해야 하는 두 가지 시나리오가 있습니다.

이러한 시나리오는

1. 매우 긴 판매 주기에서 프록시 메트릭은 구매 주기에 따른 진행 상황이나 병목 현상을 나타내는 데 도움이 될 수 있습니다. 이러한 경우 마케터는 리드와 수익 간의 상관 관계를 찾는 한 프록시 메트릭으로 리드 와 같은 상위 퍼널 메트릭을 사용할 수 있습니다.
2. 마케터가 하위 퍼널 메트릭에 대해 최적화하고 있음에도 불구하고 마케팅 활동의 상위 퍼널 메트릭조차도 실제로 수익과 상관관계가 있다는 것을 이사회나 최고 경영진에게 증명할 필요가 있습니다.

상관 분석은 마케팅 분야 밖이고 데이터 과학자나 특수 소프트웨어가 필요하기 때문에 이러한 시나리오는 실험 프로그램을 강화하기 위한 보너스로 볼 수 있습니다.

파이프라인 가속화로 사전 예방

최적화 주기는 기존 판매 주기 타임라인을 중심으로 설계되었으며 대부분 효율성(볼륨) 및 비용 효율성(ROI) 메트릭을 다룹니다.

이러한 중요한 지표에 대한 최적화와 함께 파이프라인 가속화 전략을 사전에 구현하여 판매 주기를 단축하고 실험 프로그램에서 더 많은 테스트 주기를 허용할 수도 있습니다.

가속화된 파이프라인은 더 짧은 판매 주기를 의미합니다. 그리고 짧은 판매 주기는 더 빠른 피드백 루프와 더 짧은 최적화 주기를 의미합니다. 파이프라인 가속화는 또한 수익 가속화, 구매자 여정 간소화 및 복잡성 감소를 가져옵니다.

우리는 이미 전체 퍼널 어트리뷰션 솔루션을 배치했으므로 어떤 채널이 판매 주기를 더 짧거나 더 길게 하거나 판매 주기 기간에 영향을 미치는지 더 쉽게 검증할 수 있습니다.

해당 정보를 통해 더 긴 판매 주기에 기여하는 요인 식별(및 합리화), 판매 활성화 노력 두 배로 줄이고, 판매 주기가 더 빠른 잠재고객 세그먼트에 집중하고, 채널 최적화를 포함하여 파이프라인을 가속화하기 위한 다양한 전술 중에서 선택할 수 있습니다. 판매 주기가 더 짧습니다.

놓치지 마세요. B2B 마케팅 실험의 힘을 활용하세요.

B2B 마케팅 실험은 어려운 일이지만 수익 관련 메트릭을 최적화하지 않는 것은 수익 시대에 더 이상 선택 사항이 아닙니다.

그러나 프로세스에 대해 현실성을 유지하는 것이 중요합니다. 1년이 걸리는 백만 달러 거래에 영향을 미치는 요인을 측정하는 것은 2분이면 완료되는 50달러 거래와 같은 방식으로 수행할 수 없습니다.

긴 B2B 판매 주기에서 수익 관련 측정항목을 최적화할 수 있는 마법의 공식은 없지만 공유한 방법론은 보다 응집력 있고 성공적인 실험 프로그램을 실행하는 데 도움이 될 수 있습니다.

이미 이 방법론을 사용하고 있는 수익 중심 마케터는 전체 유입경로 및 판매 주기 길이의 맥락에서 올바른 메트릭을 최적화함으로써 결과에 따라 마케팅 활동과 수익 사이의 명확한 연결뿐만 아니라 유입경로를 통해 작동하는 활동 뒤에 달러가 있습니다.

그리고 이 기사에서 설명한 방법론을 사용하면 비즈니스를 위한 B2B 마케팅 실험의 힘을 활용하는 것을 막을 수 없습니다.