B2B를 위한 대규모 개인화: 100,000명의 사용자에게 100,000개의 고유한 경험 제공

HBR이 복잡한 솔루션 구매 프로세스가 어떤 느낌인지에 대한 한 단어 응답을 요청했을 때 수천 명의 B2B 구매자는 " 어려운 ", " 끔찍한 ", " 고통스러운 ", " 실망 스러운" 및 " 지뢰밭"이라고 말했습니다. "

Gartner는 B2B 고객을 대상으로 한 또 다른 설문 조사에서 응답자의 77%가 “ 최근 구매가 매우 복잡하거나 어려웠습니다. "

누구에게 서비스를 제공하는지(세그먼트 및 전체), 그들의 필요와 동기를 알고 있는 귀사와 같은 B2B 회사의 구매 프로세스가 왜 그렇게 끔찍하게 느껴질까요? B2B 구매자가 소비를 하고 있기 때문에 어느 정도 그렇습니다. 그리고 귀하와 "쇼핑"할 때의 기대는 이제 일반적인 온라인 상점에서의 구매 경험에 편승합니다. 그들은 당신이 그들의 필요와 동기를 더 잘 예측하고 그들이 도움이 된다고 생각하는 것만 제공하기를 기대합니다.

다른 식으로 말했습니다.

왜요? 개인화는 너무 많은 선택과 너무 많은 정보로 인한 구매 부담을 덜어주는 개인 컨시어지 역할을 하기 때문입니다. HBR이 설명하듯이, 이러한 결과는 B2B 의사 결정권자들이 정보의 홍수로 인해 "비생산적인 개방형 학습 루프로 밀려납니다.

개인화를 요구하는 증가하는 B2B 구매자 ​​소비자화 추세를 활용하기 위해 최적화해야 하는 첫 번째 채널은 웹사이트입니다. Forrester가 찾은 것처럼 " 인지도를 높이고 구매 고려도를 높이는 가장 효과적인 수요 창출 전략 "일 뿐만 아니라 리드의 첫 번째 접점인 경우가 많기 때문입니다.

이제 웹사이트를 방문하는 각 리드와 관련성을 높일 수 있는 세 가지 방법을 살펴보겠습니다.

하지만 먼저 규모에 따른 개인화(Personalization-at-Scale)가 무엇인지 살펴보겠습니다.

대규모 개인화 ≠ 만연한 개인 데이터 프로파일링

개인화 또는 대규모 개인화를 구현하는 데 있어 가장 큰 장애물은 사용자 데이터를 획득, 통합 및 보호하는 것입니다.

이는 세 가지 과제를 나타냅니다.

• 첫 번째 부분은 빠르게 무너지는 디지털 사용자의 신뢰를 (재)얻는 것입니다.

• 두 번째는 서로 다른 소스, 채널 및 플랫폼의 모든 데이터를 함께 가져오는 것입니다.

• 그리고 세 번째는 논쟁의 여지가 있는 디지털 개인 정보 보호 라인을 다시 그리는 엄격한 규제 정책에서 비롯됩니다.

이제 데이터는 개인화 엔진을 실행하는 연료입니다.

그러나 대부분의 형태의 개인화는 전혀 데이터를 낭비하지 않습니다. 최고의 옵티마이저 및 개인화 전문가인 Ruben Teunissen은 자신의 3계층 개인화 피라미드에서 이에 대해 설명합니다.

Teunissen은 특히 편리하고 관련성 있는 웹 사이트 경험을 제공하기 위한 개인 사용자 데이터 없이도 많은 개인화를 구현할 수 있다고 분명히 지적합니다.

예를 들어, 네덜란드인이나 독일인을 위해 웹사이트를 현지화하는 것은 매우 적절한 개인화이지만 개인 데이터와는 별개입니다.

마찬가지로 웹 분석 도구에서 익명의 방문자가 웹사이트를 떠날 가능성이 가장 높다고 예측하는 경우(예측 분석 사용) 개인화된 제안을 표시하는 데에도 개인 데이터가 필요하지 않습니다.

그러나 이와 대조적으로 CRM에서 "인식"할 수 있는 잠재 고객에게 하이퍼 타겟 가입 제안을 표시하는 것입니다.

따라서 개인화된 경험을 제공하기 위해 비즈니스를 데이터 감시 기관으로 전환할 필요가 없습니다. 개인 데이터가 전혀 없이 많은 서비스를 제공할 수 있습니다.

이제 개인 정보를 보호하는 몇 가지 대규모 개인화 전술과 개인 데이터가 필요한 전술을 살펴보겠습니다.

여기 간다.

대규모 개인화: 일대다

일대다 규모의 개인화 유형을 사용하면 수백만 명의 사용자를 위해 한 번에 웹사이트 경험을 개인화할 수 있습니다.

여기에서 다음을 수행해야 합니다.

1. 타겟 고객에 존재하는 대규모 코호트를 식별합니다.
2. 그들의 의도를 광범위하게 분석하십시오.
3. 그리고 검색 결과를 기반으로 홈페이지의 헤드라인이나 가치 제안 또는 가격 정보와 같이 웹사이트에서 영향력이 큰 요소를 개인화하십시오.

한 번에 이 개인화를 통해 대부분의 사용자와 관련성이 높아 보입니다.

예를 들어 보겠습니다.

귀하가 규정 준수 솔루션 제공업체이고 귀하의 쿠키/동의 관리 솔루션이 고객이 해당 법률을 준수하는 데 도움이 된다고 가정합니다. 이 예에서는 미국 기반 비즈니스에만 서비스를 제공한다고 가정해 보겠습니다.

이제 이 경우 대상 고객의 위치는 사용할 수 있는 가장 관련성이 높고 명확한 그룹이 됩니다. 서비스를 제공하는 모든 주에 항상 통과하는 새로운 규정이 있을 수 있고 그 중 많은 부분이 주 전체에만 적용될 수 있기 때문입니다.

데이터에서 이러한 광범위한 줄무늬를 식별한 후에는 의도 분석으로 이동해야 합니다. 여기에서 다양한 리드를 솔루션으로 이끄는 요인과 이들이 서로를 (광범위하게) 차별화하는 방법을 배우고자 합니다.

따라서 다음을 알고 싶을 수도 있습니다.

... 캘리포니아 주민들은 개인 정보 보호 또는 벌금 부과에 대해 더 많이 걱정합니까?

... 귀하의 솔루션에 대한 그들의 요구가 펜실베니아 사람들의 요구와 어떻게 다릅니까?

기타 등등.

그리고 어떻게 이 정보를 찾을 수 있습니까?

다양한 주에서 온 현재 고객, 일반적인 검색 추세를 분석하고, 그들의 행동과 관심을 밝힐 수 있는 제3자 데이터 교환에서 비개인 데이터를 소싱하여 이러한 통찰력을 찾을 수 있습니다.

이상적으로는 대부분의 수익을 창출하는 상위 몇 개 도시에 대해 이 작업을 수행합니다.

그런 다음 배운 내용을 사용하여 예를 들어 해당 지역에서 가장 큰 화제를 불러일으키고 있는 동의법의 이름을 삭제하는 맞춤형 헤드라인을 작성할 수 있습니다. 각각의 리드와 일치하는 메시징 스타일을 사용할 수도 있습니다.

적절한 표본 크기가 있는 경우 이러한 개인화의 영향을 측정하는 것은 매우 간단합니다. Teunissen은 대조군과 실험군을 만들 것을 제안합니다. 그런 다음 적절한 시기에 실험 그룹(개인화에 노출된)과 대조군(일반 웹사이트 또는 페이지를 본)의 전환을 비교합니다.

대규모 개인화: 일대다

일대다 규모의 개인화 유형(일반적인 인구 통계 및 광범위한 수준의 의도 신호를 확인하는 경우)과 대조적으로 일대다 규모의 개인화 전략을 사용하면 다음과 같은 다양한 잠재고객 세그먼트를 식별해야 합니다. 귀하의 인구 통계에 존재합니다.

여기에서 다음을 수행해야 합니다.

1. (가장 가치가 높은) 세그먼트를 식별합니다.
2. 구매 여정의 "핵심 터치"를 매핑하십시오.
3. 맞춤형 메시지, 콘텐츠 및 커뮤니케이션을 통해 이러한 주요 터치를 개인화하십시오.

위의 동일한 예를 계속 진행해 보겠습니다.

따라서 기존 고객 기반을 분석한 결과 핀테크, 헬스테크, 애드테크 업종의 SaaS 회사가 가장 높은 유료 사용자이자 대다수를 차지하는 것으로 나타났습니다. 중요하지 않은 몇 가지가 뒤따릅니다.

이제 이들은 매우 구체적인 세그먼트이며 각각은 동일한 구매 여정을 따르지만 각각의 동기, 요구 및 욕구는 크게 다릅니다.

각각을 타겟팅하는 방문 페이지가 있을 수도 있습니다.

하지만 여기에 문제가 있습니다.

개인화는 종종 여러 페이지로 되어 있고 전체 구매 여정에 걸쳐 있기 때문에 맞춤형 랜딩 페이지를 뛰어넘습니다. 다음 그래픽에서 McKinsey는 일반적인 B2B 구매자의 멀티터치 구매 여정을 보여줍니다.

다음은 Gartner의 확대 해석입니다.

다중 페이지 개인화를 사용하면 각 상위 세그먼트에 대해 이 여정의 많은 부분을 개인화할 수 있습니다.

대조적으로, 맞춤형 랜딩 페이지는 기껏해야 하나의 개인적인 "터치" 역할을 합니다. 그리고 이와 같이 복잡한 구매 주기가 어디에 있는지 가장 잘 알 수 있습니다.

이 예에서 누군가가 특정 프로모션(예: 핀테크 도메인을 대상으로 함)을 통해 웹사이트를 방문했다면, 핀테크로의 여정에 도움이 되는 메시징, 커뮤니케이션 및 콘텐츠만 제공하는 다중 페이지 개인화를 트리거할 수 있습니다. 그들의 필요와 원하는 결과에 초점을 맞춘 제공자.

이 수준에서 사용할 강력한 개인화 전략은 규범적 접근 방식을 사용하는 것입니다. (규정적 접근은 구매자에게 무엇을 가지고 가야 하는지(왜), 어떻게 진행해야 하는지를 제안하는 메시지를 사용하는 것을 의미합니다.)

HBR은 다음과 같이 시도할 수 있는 간단하면서도 효과적인 처방을 권장합니다.

우리가 당신과 같은 고객과 함께 일하면서 배운 것 중 하나는 구매 담당자가 참여하게 될 것이며 아마도 그 과정의 후반부에 올 것이라는 것입니다. 그리고 그들이 늦게 오면 일이 터지는 경향이 있습니다. 그래서 당신은 그들을 더 일찍 데려오고 싶을 것입니다. 그렇게 하면 X와 Y라는 두 가지 주요 질문을 갖게 됩니다. 여기에 답하는 방법이 있습니다.

이 판매 스크립트 스니펫을 다양한 방법으로 웹사이트 개인화로 재활용할 수 있습니다.

예를 들어 사례 연구 페이지에서 리드에게 다음과 같은 팝업을 표시할 수 있습니다.

" 이봐! 이 사례 연구를 CFO와 공유하지 않으시겠습니까? 우리는 항상 핀테크 사람들이 CFO를 너무 늦게 포함시키는 것을 발견했으며, 이는 모두에게 더 많은 앞뒤를 의미합니다! "

당신은 아이디어를 이해, 그렇지?

대규모 개인화: 일대일

일대일 개인화 유형을 사용하면 웹사이트의 각 사람을 마치 친밀하게 아는 것처럼 말할 수 있습니다(개인 식별 여부에 관계없이).

목표로 하는 개인화 수준에 따라 여기에서 데이터 요구 사항이 기하급수적으로 증가할 수 있습니다. 최소한 이 시점에서 개인화 믹스에 세 가지 유형의 데이터를 입력해야 합니다.

1. 다양한 마케팅 및 판매 캠페인에 대한 데이터

따라서 약 500개 회사를 대상으로 하는 규정 준수 솔루션을 홍보하기 위해 계정 기반 마케팅 캠페인을 실행하고 있다고 가정해 보겠습니다.

그리고 귀하와 관계를 맺고 있는 잠재 고객 계정의 여러 이해 관계자로부터 여러 번의 접촉(웹사이트 방문)을 보고 있습니다.

이 캠페인으로 인해 귀하의 웹사이트를 방문하는 사람들에게 진정으로 개인화된 경험을 제공하려면 이들에 대한 견고한 FIRMOGRAPHIC 데이터가 필요합니다. 최소한 자신이 속한 회사를 알아볼 수 있는 데이터입니다. 그들이 어느 대상 계정에서 왔는지 알면 필요와 욕구에 맞게 메시지를 미세 조정할 수 있습니다.

예를 들어, 곧 출시될 제품인 Convert Nexus를 사용하면 개인 데이터를 사용하지 않고 개인 정보를 보호하는 방식으로 Sony Music에 맞게 개인화된 홈페이지를 Sony Music의 사람에게 즉석에서 보여줄 수 있습니다.

마찬가지로, 회의에 참석하고 QR 코드로 명함이나 브로셔 또는 기타 마케팅 자료를 공유하는 경우 UTM PARAMETERS를 사용하여 이러한 방문자에게 완전히 개인화된 웹 사이트 경험을 보여줄 수 있습니다.

2. 행동 데이터

많은 경우 웹사이트에서 방문자의 활동이나 행동은 개인화를 강화하는 데 사용할 수 있는 선호도에 대한 단서를 제공할 수 있습니다. 예를 들어 방문자가 특정 카테고리에서 귀하의 제품을 사용하는 방법에 대한 리소스를 읽는 경우 해당 카테고리의 방문자임을 나타낼 수 있습니다. 즉, 유사한 리소스를 추천하면 더 잘 참여하는 데 도움이 될 수 있습니다. 이러한 리드(자체 식별)는 해당 카테고리에 맞춤화된 평가판 등록 페이지를 표시할 수도 있습니다. 이것은 자연스럽게 전환 가능성을 높입니다.

웹 분석 솔루션에서 잠재고객 세그먼트를 정의한 경우(예: 재방문자 또는 평가판 페이지를 방문했지만 가입하지 않은 사용자에 대해) 세그먼트 수준에서도 이를 개인화할 수 있습니다.

3. 상호작용 또는 구매 내역 데이터

B2B 비즈니스인 경우 현재 고객과 파이프라인의 모든 리드(그리고 이들이 구매 여정에서 다양한 단계에 있음) 및 이탈 사용자를 이미 "알고" 있을 것입니다.

예를 들어 CRM, 이메일 서비스 제공업체, 서비스 헬프 데스크 소프트웨어 및 기타 소스에서 얻은 데이터를 사용하여 고도로 개인화된 제품 경험을 제공하거나 관련 상향 판매 및 교차 판매 제안을 할 수 있습니다.

예를 들어, 리드가 고급 구매 단계에 있고 녹화된 데모를 보고 있는 경우 평가판 등록 또는 개인화된 데모 등록 페이지 전체에서 그 시점부터 다중 페이지 개인화를 설정할 수 있습니다.

이 사람을 식별할 수 있는 경우 " Ted는 귀하에게 개인적인 안내를 제공 하고 싶습니다."라고 개인화할 수도 있습니다(그들은 해당 대상 계정에 관여하는 영업 사원인 Ted를 알고 있습니다.)

등등…

Teunissen은 이러한 일대일 개인화를 구현할 때 개인 정보 보호가 가장 중요한 문제라고 지적합니다. 그는 계속해서 이러한 개인화에서 귀하가 자동차 보험 제공자인 경우 자동차 보험 제안 을 하는 것에서 사용자의 번호판 ID로 개인화된 자동차 보험 제안을 만드는 것으로 진행한다고 설명합니다.

물론, 사용자가 양식을 채울 때 이 데이터를 제공했습니다. 그러나 당신은 여전히 ​​사용자의 보호된 디지털 개인 정보 보호 라인을 밀접하게 따라가고 있으며 사용자가 당신을 침입자로 인식하면 버림받을 수 있습니다.

그가 제안하는 해결책은 사용자의 경험을 과도하게 개인화하기 전에 사용자의 선호도를 이해하고 동의를 구하는 것입니다. 수집되는 데이터와 그 사용에 대해 투명하게 공개하는 것도 도움이 됩니다.

이러한 일대일 개인화가 제기하는 또 다른 과제는 측정 가능성 측면입니다. 대부분의 경우 이를 실행할 큰 샘플 크기가 없고 통제 그룹도 없기 때문입니다.

즉, 초개인화가 전환에 미치는 영향을 검증할 수 있는 확실한 방법은 없습니다.

Teunissen이 이 문제에 대해 제안하는 핵심은 초개인화된 경험을 보여주는 사용자로부터 질적 피드백을 수집하는 것입니다. 그들의 피드백은 분명히 당신의 개인화가 그들에게 어떤 영향을 미치는지 알려줄 것입니다. 그것은 당신이 그들과 정말로 연결되어 있고 행동하도록 고무하고 있는지 아니면 단순히 소름 끼치는 것인지 알려줄 것입니다.

기억하십시오: 아이디어는 관련성이 있어야 합니다

따라서 책임감 있게 개인화하십시오.

이메일이나 SMS를 보내거나 그들이 당신의 멋진 사무실을 지나갈 때 당신의 리드에게 푸시한다면(예, 그렇게 할 수 있는 방법이 있습니다!), 당신은 완전히 소름 끼치는 것입니다.

그뿐만 아니라 웹사이트의 모든 단일 요소를 광범위하게 개인화하는 것도 리드에게 기분이 나쁠 것입니다. 예를 들어 그들이 참석한 회의 사진을 보여주거나 LinkedIn 프로필이나 Twitter 피드를 삽입하는 등입니다.

아무도 이런 식으로 감시되거나 팔로우되는 것을 좋아하지 않습니다.

그리고 개인 정보 보호 친화적 기업으로서 그렇게 하는 것으로 인식되는 것을 원하지 않습니다.

따라서 개인화를 출시하기 전에 개인화를 평가 및 재평가하고 대상 사용자에게 어떻게 느껴질지 측정하십시오.

작게 시작하고 지금 시작하십시오… 파일럿 롤아웃

이제, 어떻게 보이더라도 웹사이트에서 실행되는 수십 개의 개인화가 항상 필요한 것은 아닙니다.

수익을 추적하면 얼마나 많은 개인화된 버전이 충분한지 알 수 있습니다. 나머지 리드는 모두 기본 일반 웹 사이트로 이동하여 일반 판매 깔때기를 통해 흘러갈 수 있습니다.

또한 개인화를 실행하는 데 수십 개의 도구가 필요하지 않습니다. 최소한 복잡한 다중 채널, 다중 플랫폼 또는 다중 장치 개인화 요구 사항이 있는 대기업이 아니라면 그렇지 않습니다.

B2B 웹사이트를 개인화해야 하는 경우에는 Convert Nexus만 있으면 됩니다. Nexus는 도메인별로 리드를 인식하고 관련 메시지를 표시할 수 있습니다. 그것도 완전한 개인 정보 보호 규정을 준수합니다.