Intent-Marketing – Fallstudien, Metriken und effektive Strategien

Die Verbreitung von KI und Automatisierungstools hat das Volumen und die Häufigkeit von E-Mail-Kampagnen und Marketinginitiativen erheblich erhöht. Während Vermarkter KI integrieren, um effizient Ziel-Postfächer zu erreichen, wird der Anstieg automatisierter ausgehender Nachrichten oft als „weißes Rauschen“ betrachtet – undifferenzierte und häufig irrelevante Kommunikation, die von Interessenten ignoriert wird, wodurch Unternehmen die erste Kontaktaufnahme nicht gelingt. Bemerkenswerterweise werden 91 % aller solchen Outreach-E-Mails ignoriert. Daher gewinnt das intent-Marketing weltweit an Bedeutung.

Nach COVID-19 fand McKinsey heraus, dass 71 % der B2B-Konsumenten von Unternehmen erwarten, personalisierte Kommunikation anzubieten, und 79 % sind frustriert, wenn dies nicht geschieht. Die Studie zeigt, dass Unternehmen bis zu 40 % höhere Umsätze erzielen können, wenn sie die Absicht der Kunden ansprechen, anstatt generische Nachrichten zu verwenden. Folglich geben nun 39 % der Unternehmen mehr als die Hälfte ihres Marketingbudgets für Absichtsdaten aus und berichten über eine durchschnittliche Rentabilität innerhalb von sechs Monaten.

Bevor man sich mit Intent-Daten befasst, sollte jeder E-Mail-Vermarkter die oben genannten Statistiken berücksichtigen, insbesondere da KI-generierte E-Mail-Kampagnen und automatisierte Trichter den Markt überfluten und oft „weißes Rauschen“ ohne praktische Konversionen erzeugen.

In diesem Artikel werden wir statistisch die Gründe für sinkende Antwortquoten untersuchen, mehrere wichtige Leistungsindikatoren (KPIs) wie Klick- und Konversionsraten prüfen und aufzeigen, wie Intent-Marketing als effektivere Strategie auftritt.

KI-Allein-Ansatz erfüllt KPIs nicht – Fallstudie

Eine kürzlich von Sam Koch im Journal of Business and Artificial Intelligence veröffentlichte Studie untersucht die Leistung von KI-unterstütztem Cold Outreach im Vergleich zu traditionellen, von Menschen geführten und hybriden Ansätzen.

Die Studie erstreckte sich über drei (3) Monate und betraf einen B2B-Kunden, der Vertriebsentwicklungsdienste für SaaS- und Private-Equity-Unternehmen anbietet. Die Zielpersonen waren Vertriebsentwicklungsleiter bei B2B-Softwareunternehmen mit einem durchschnittlichen Jahresumsatz von 5 bis 50 Millionen US-Dollar. Ziel war es, drei unterschiedliche Ansätze mit jeweils 2.000 Interessenten zu untersuchen und die Leistung und Kosten zu vergleichen:

• Menschliche Methode: Traditionelles Cold Outreach, das ausschließlich von menschlichen Vertriebsmitarbeitern durchgeführt wird.
• KI-Automatisierte Tools: Vollständig automatisierte, KI-gesteuerte Cold Outreach-Kampagnen.
• Hybrider Ansatz: Eine Kombination aus menschlichen Vertriebsmitarbeitern, die KI-gestützte Tools nutzen.

Die in dieser Studie bewerteten wichtigen Leistungsindikatoren (KPIs):

• Prospektionskosten: Die Kosten für die Recherche und Identifizierung potenzieller Leads.
• Personalisierungskosten: Die Kosten für die Anpassung von Outreach-Nachrichten, um sich von der Konkurrenz abzuheben.
• Personalkosten: Die Arbeitskosten der Vertriebsmitarbeiter.

Ergebnisse: Die Ergebnisse der Studie zeigten signifikante Unterschiede in der Leistung der drei Ansätze:

• Menschliche Methode: 350 USD Kosten pro gebuchtem Termin.
• KI-Automatisierte Tools: 250 USD Kosten pro gebuchtem Termin.
• Hybrider Ansatz (Mensch, der bei Bedarf KI-Tools nutzt): 141 USD Kosten pro gebuchtem Termin.

(Weitere Ergebnisse der Studie finden Sie im Journal of Business and Artificial Intelligence)

Diese Studie zeigt, dass KI und automatisierte Outreach-Tools die Lead-Generierung und Kundenbindung insbesondere bei High-Tech-B2B-Unternehmen erheblich verbessern können, ihr Erfolg jedoch weiterhin von menschlicher Expertise abhängt, um die generierten KI-Nachrichten zu verfeinern, die Ausgabe und KI-Modelle zu überwachen, anzupassen und für eine effektive Datenaufbereitung zu sorgen.

KI-Cold Outreach – Das Problem des „weißen Rauschens“ ansprechen

Bloomberg berichtet, dass der Gen-AI-Markt voraussichtlich erheblich wachsen und bis 2032 weltweit 1,3 Billionen USD erreichen wird. Dieser Trend treibt eine zunehmende Anzahl von KI-basierten Startups, SaaS-Produkten und Automatisierungsagenturen an, die Unternehmen helfen sollen, KI-Tools in ihre Abläufe zu integrieren.

Doch während die Integration von KI in Geschäftskontaktaktivitäten rasch zunimmt, um Effizienz zu steigern und Betriebskosten zu senken, trägt sie zum Problem des „weißen Rauschens“ bei. Das Ergebnis? 91 % der Outreach-E-Mails werden ignoriert!

Die meisten KI-automatisierten Cold Outreach-Kampagnen überfluten oft die Postfächer mit spamartigen Inhalten, wodurch ISPs wie Google (Gmail) und Microsoft (Outlook) dazu veranlasst werden, Domains einzuschränken und die Zustellbarkeit zu beeinträchtigen.

Lesen Sie mehr: Bulk-E-Mail-Zustellbarkeit – Richtlinien und Durchsetzungen von Gmail und Outlook 2024

KI-Cold Outreach – Negative Auswirkungen auf Marketing-KPIs:

KI-gesteuertes Cold Outreach liefert oft keine positiven Ergebnisse und wirkt sich negativ auf wichtige Marketing-KPIs aus:

• Niedrige Antwortquoten: Nur etwa 9 % der Cold E-Mails erhalten eine Antwort aufgrund generischer, uninteressanter Inhalte.
• Hohe Bounce-Raten und Spam-Probleme: Falsche Identifizierung durch KI-Tools kann zu hohen Bounce-Raten und Spam-E-Mails führen.
• Generische Inhalte: Monotone, KI-generierte Nachrichten fesseln die Empfänger nicht, was die Konversionsraten senkt.
• Schwierigkeit bei der Gewinnung von Erkenntnissen: Überwältigende Inhaltsmenge erschwert die Gewinnung umsetzbarer Erkenntnisse, was die Optimierung von Kampagnen beeinträchtigt.
• Negative Wahrnehmung und Zufriedenheit: Schlecht angepasste Outreach-Maßnahmen schaffen ein negatives Markenbild und verringern die Kundenzufriedenheit und -bindung.

Angesichts der Herausforderungen, die durch KI-gesteuertes Cold Outreach entstehen, tritt Intent-Marketing als vielversprechende Alternative auf, um diese Probleme zu lösen.

Intent-Marketing – Lösung für automatisierte Cold Outreach-Probleme:

Heute betrachten 98 % der B2B-Vermarkter Absichtsdaten als wesentlichen Bestandteil der Lead-Generierung. Darüber hinaus berichten 48 % der B2B-Teams, die Absichtsdaten implementieren, von einem hohen Maß an Erfolg in ihren Marketingstrategien. Daher setzt sich Intent-Marketing als beliebte Alternative zu KI-automatisierten Outreach-Tools durch und adressiert das Problem des „weißen Rauschens“.

Bildreferenz: Intentifydemand

Intent-Marketing Verstehen

Wie der Name schon sagt, basiert eine Intent-basierte Strategie auf einem soliden Verständnis der Kaufinteressen und Absichten potenzieller Kunden, um hochgradig zielgerichtete und personalisierte Outreach-Inhalte zu erstellen.

Fünf Schlüsselkomponenten des Intent-basierten Marketing-Outreach:

Jede Intent-Strategie basiert auf fünf Säulen: Sammlung von Absichtsdaten, Klassifizierung von Absichtssignalen (aktiv oder passiv), Erstellung eines Zielkontenprofils, Inhalte und Nachrichten sowie Anzeigen.

Absichtsdaten:

Dies umfasst Verhaltensdaten über die Webinhaltsnutzung von Benutzern, wie Suchanfragen und Seitenbesuche. Ziel ist es, zu verstehen, wonach Benutzer suchen, wer bestimmte Seiten besucht und welche Abschnitte auf einer Seite am meisten angesehen werden. Tools wie leadrebel.io helfen Vermarktern, Verhaltens-, Technografik-, Such- und Abfragedaten zu verfolgen und zu sammeln, die die Grundlage für Intent-Marketing und Targeting bilden.

Klassifizierung von Absichtssignalen:

Benutzerabsicht wird basierend auf Kaufneigungen als aktiv oder passiv kategorisiert, um einen gezielten Ansatz zu ermöglichen. Aktive Absicht ist durch proaktive Maßnahmen gekennzeichnet, die Interessenten ergreifen, um umfassende Kenntnisse über ein Produkt oder eine Dienstleistung zu erlangen, was eine positive Kauf- oder Konversionsabsicht signalisiert. Passive Absicht ist meist informativ und deutet auf die Recherchephase ohne dringende Entscheidungsnotwendigkeit hin (Bewusstseinsstufe des Verkaufstrichters).
Maschinelle Lernmodelle können oft in diesem Schritt verwendet werden, um große Datensätze zu klassifizieren, Zielgruppen basierend auf ihrer Reise (Bewusstsein, Überlegung usw.) zu segmentieren und die Absichtssignale in aktiv oder passiv sowie in hohe, moderate, neutrale und negative Bewertungen zu unterteilen.

Zielkontenliste (TAL) oder Profil:

Eine TAL ähnelt dem Aufbau einer Zielkundenperson, einem umfassenden Dokument, das das ideale Kundenprofil beschreibt. Dieses Profil hilft zu verstehen, wie Zielkunden auf Social-Media-Plattformen, Marken und digitale Anzeigen interagieren.

Inhalte, Nachrichten und Anzeigen:

Basierend auf den Absichtsdaten, Signalen und dem Kundenprofil werden Inhalte

(schriftlich, audio oder video) erstellt, um die spezifischen Interessen und Bedürfnisse der Zielgruppe anzusprechen. Dies umfasst Blogeinträge, Whitepapers, Produktbewertungen und andere Inhalte.
Solche angepassten Outreach-Inhalte werden entsprechend dem Verhalten der Interessenten geplant, um deren Postfächer zu erreichen und menschliche Interaktionen und Frequenzen zu imitieren.

Anzeigen und Kampagnenoptimierung:

Absichtsgesteuerte Anzeigen werden mit einer Mischung aus Display-, Video- oder Audioformaten erstellt, die an den Service oder das Produkt angepasst sind und den spezifischen Anfragen des Publikums entsprechen. Absichtsdaten helfen, die Social-Media-Präferenzen der Interessenten zu verstehen und Anzeigen mithilfe von A/B-Tests und Echtzeitüberwachung für bessere Engagement- und Kampagnen-KPIs zu optimieren.
Diese fünf Komponenten bilden die Grundlage für ein intentbasiertes Marketing-Outreach. Lassen Sie uns nun tief in die Arten und Methoden der Sammlung von Absichts- (Signalen oder Auslösern) Daten eintauchen.

Sammlung von Absichtssignalen / Triggerdaten – Tiefgehender Einblick:

Bevor wir darauf eingehen, wie Absichtssignale erkannt, gesammelt und verwaltet werden, lassen Sie uns zunächst deren Bedeutung für Organisationen verstehen.

Eine Umfrage unter 200 leitenden B2B-Vermarktern großer Unternehmen (500+ Mitarbeiter) in den USA und Großbritannien ergab, dass 99 % Absichtsdaten über verschiedene Tools (erste, zweite oder dritte Partei) nutzen. Unter ihnen haben 80 % Absichtssammlungstrategien etabliert, die seit über 2 Jahren in Betrieb sind, wobei 37 % Strategien seit über 5 Jahren pflegen.

Dies unterstreicht einen reifen Ansatz unter Organisationen, um B2B-Benutzerengagement und Kaufmuster durch robuste Absichtssignalmechanismen vorherzusagen.

Arten von Absichtsdaten

Absichtssignale stammen typischerweise aus fünf wichtigen Datentypen:

1. Suchabsicht: Abgeleitet aus Keyword- und Abfragenanalysen.
2. Web-Browsing-Absicht: Durch Analysen und Cookies verfolgt.
3. Digitale Interaktionen: Umfasst Klicks, Downloads und andere Engagements.
4. Firmografische Daten: Demografische Daten von Unternehmen für gezieltes Marketing.
5. Predictive Modelling: Verwendung historischer Daten zur Vorhersage zukünftiger Verhaltensweisen.

Lassen Sie uns jeden dieser Punkte im Detail überprüfen – warum sie wichtig sind, die Methoden der Datensammlung und die Nutzung der Benutzerabsicht:

1. Suchabsicht (Keywords und Abfragen):

Laut ThinkwithGoogle führen B2B-Interessenten durchschnittlich 12 Suchen durch, bevor sie eine bestimmte Marke besuchen, was die entscheidende Rolle der Suchabsicht im Kaufprozess unterstreicht. Diese Statistik ist wichtig, da sie eine Spur der Kunden-Suchen und Interaktionen hinterlässt, bevor sie auf einer Webseite landen.

Forschungen zeigen, dass 71 % der potenziellen Käufer ihre Reise mit allgemeinen Online-Suchen beginnen, um Lösungen oder Informationen zu finden. Und wenn sie auf der Website einer Marke landen, haben sie bereits etwa 57 % ihres Entscheidungsprozesses abgeschlossen.

Diese „Suchphase“ ist entscheidend, da sie tiefe Einblicke darüber liefert, wo Benutzer im Kaufzyklus stehen und wie wahrscheinlich es ist, dass sie einen Kauf tätigen.

Lassen Sie uns spezifische Absichtssignale/Auslöser untersuchen, die während der „Suchphase“ genutzt werden sollten.

A. Informative Suchanfragen: Diese ersten Anfragen spiegeln ein frühes Interesse wider, wie „SEO verbessern“ oder „Vorteile des organischen Marketings“.

Verfolgungsmethoden:

Google Analytics oder Search Console: GA4 ermöglicht es Marken, die Keywords zu überwachen, die Traffic auf ihre Website bringen, und die Suchkonsole hilft dabei, die Suchbegriffe zu identifizieren, die Benutzer auf die Website bringen, und wie die Seiten für diese Begriffe ranken.
SEO-Tools: Beliebte Plattformen wie SEMrush, Ahrefs oder Moz bieten Einblicke in die spezifischen informativen Keywords, die die Zielgruppe verwendet, sowie Informationen zum Keyword-Volumen, zur Schwierigkeit und zur Wettbewerbsanalyse.
Warum sie wichtig sind: Diese Anfragen zeigen, dass Benutzer sich in der Recherchephase befinden und nicht sofort Kaufentscheidungen treffen. Vermarkter können diese Erkenntnisse nutzen, um gezielte Inhalte wie Blogs und Anleitungen zu erstellen.

B. Navigationssuchanfragen: Benutzer führen diese Suchen durch, wenn sie eine bestimmte Website oder Seite im Sinn haben, wie „LinkedIn-Login“ oder „LeadRebel-Blog“.

 

Bildreferenz: Monsterinsights

Warum sie wichtig sind: Navigationsanfragen deuten auf eine Vertrautheit mit einer Marke oder ihren Wettbewerbern hin und unterstreichen die Bedeutung von Markenpräsenz und Benutzererfahrung.

Tracking-Methoden:

• Google Analytics (Akquisitionsberichte) oder Google Search Console werden verwendet, um die navigationalen Suchbegriffe zu identifizieren, die auf der Website landen.
• Tools wie Mention oder Brand24 können Erwähnungen einer Marke im Web erkennen und Einblicke in navigationsspezifische Suchen bieten.

C. Interne Suchanfragen: Diese Suchanfragen erfolgen innerhalb einer Website und weisen auf spezifische Benutzerinteressen wie „Funktionen“ oder „Support kontaktieren“ hin.

Warum sie wichtig sind: Interne Suchanfragen liefern direkte Einblicke in Benutzerpräferenzen und können Chancen für die Inhaltsoptimierung und verbesserte Navigation aufdecken. Beispielsweise, wenn Benutzer wiederholt nach „Preisen“ suchen, kann der Preisbereich/die Preisseite besser zugänglich gemacht oder prominent dargestellt werden.

Tracking-Methoden:

• Google Analytics: Die Site-Suchverfolgung (View Settings) ermöglicht es, zu überwachen, wonach Benutzer auf einer Website suchen.
• Tools und Plugins wie Swiftype oder Algolia bieten detaillierte Analysen zu internen Suchanfragen.

D. Transaktionale Suchanfragen: Diese Anfragen zeigen eine klare Kauf- oder Handlungsabsicht und verwenden häufig Begriffe wie „kaufen“, „beste“, „Rabatt“ oder „vergleichen“ oder Phrasen wie „beste SEO-Tools“ oder „günstiges Webhosting“.

Bildreferenz: SEMrush

Warum sie wichtig sind: Eine hohe Kaufabsicht signalisiert, dass Benutzer sich in der Entscheidungsphase befinden, was es für Marken entscheidend macht, Zielseiten und Inhalte mit starken Calls-to-Action (CTAs) zu optimieren.

Verfolgungsmethoden:

• Google Ads Keyword Planner: Dieses Tool kann helfen, transaktionale Keywords mit hoher Absicht zu identifizieren, wie „kaufen“, „Rabatt“, „beste“ und „vergleichen“.
• E-Commerce-Analytik: Für E-Commerce-Websites können Shopify Analytics oder WooCommerce Analytics verfolgen, wonach Benutzer suchen, wenn sie einen Kauf tätigen möchten.
• SEO-Tools für PPC: SEMrush, Ahrefs und ähnliche Plattformen bieten Einblicke in hochintentionale Keywords und die Wettbewerbslandschaft für PPC-Kampagnen.

Marken können diese Anfragen mit optimierten Zielseiten oder Posts ansprechen, die starke Calls-to-Action (CTAs) enthalten, um Besucher in Kunden umzuwandeln. Beispielsweise kann eine Zielseite, die ein Produkt im Vergleich zu seinen Wettbewerbern günstig darstellt, potenzielle Kunden, die nach „bestem E-Mail-Marketing-Software“ suchen, zur Konversion führen.

Durch das Erfassen von Absichtssignalen durch diese vier Arten von Suchanfragen – informativ, navigational, intern und transaktional – können Marken personalisiertere Inhalte erstellen, die auf die Suchabsicht eines Kunden abgestimmt sind.

2. Web-Browsing-Absichtsdaten (Cookies und Tracking-Inhalte)

Im Jahr 2022 ergab eine globale Umfrage unter Vermarktern, die Strategien zur Kundengewinnung verwalten, dass 37 % der Marken ausschließlich auf Website-basierte First-Party-Daten zur Personalisierung von Kundenerlebnissen setzen, gegenüber 31 % im Jahr 2021. Dies unterstreicht die wachsende Bedeutung benutzergesteuerter Daten in globalen Geschäftsstrategien.

Neben First-Party-Daten liefert das Verfolgen von Seitenbesuchen wertvolle Einblicke in das Kundenverhalten durch die Verwendung von Cookies, die Benutzeraktivitäten über Sitzungen hinweg überwachen.

Es ist jedoch wichtig, sich strikt an Datenschutzbestimmungen zu halten und die Zustimmung der Benutzer einzuholen, bevor diese Daten zu Targeting-Zwecken verwendet werden.

Lassen Sie uns die Web-Tracking-Strategien mit Beispielen aufschlüsseln:

A. Inhalte und On-Site-Engagement:

Das Verständnis, welche Inhalte Benutzer konsumieren und wie sie damit interagieren, gibt Aufschluss über ihre Absichten. Vermarkter setzen verschiedene Methoden ein, um dies zu verfolgen:

On-Site-Benutzerverfolgung: Misst, wie Benutzer mit verschiedenen Arten von Inhalten (Blogs, Videos, Produktseiten) auf einer Website interagieren. Tools wie Hotjar bieten Heatmaps und Sitzungsaufzeichnungen, um zu sehen, wie Benutzer auf Webseiten interagieren, und helfen dabei, Benutzerpfade

zu verfolgen und hochintentionale Verhaltensweisen zu identifizieren.
Metriken (KPIs) für die On-Site-Verfolgung umfassen Scroll-Geschwindigkeiten, Link-Klicks, Hotspots, Anzahl der Downloads und Bewertungen.

Bildreferenz: Hotjar

Tracking externer Inhaltsseiten: Diese Daten liefern Einblicke in das Benutzerverhalten außerhalb der Website einer Marke und helfen dabei, Benutzerinteressen und -absichten im gesamten Web zu verstehen. Tools wie LeadRebel und Bombora aggregieren Absichtsdaten von verschiedenen B2B-Inhaltsseiten, um Einblicke in Benutzerinteressen und Verhaltensmuster zu bieten.

Tracking von Social Media und Communitys: Durch Social Listening können Organisationen Erwähnungen und Benutzerinteraktionen verfolgen, um Einblicke in spezifische Themen und Diskussionen zu erhalten, die bei der Zielgruppe stark Anklang finden. Hootsuite und Sprout Social bieten Social-Media-Analysen und -Listening-Funktionen, die Benutzern helfen, ihre spezifischen Interessen zu verstehen.

B. Verfolgung von Browserverhalten mit Cookies:

Websites verwenden oft Cookies, um Benutzeraktivitäten und -präferenzen zu verfolgen. Es gibt zwei Haupttypen:

First-Party-Cookies: Von Marken auf ihren eigenen Websites gesetzt, verfolgen diese Sitzungen, besuchte Seiten und Benutzerreisen. Diese Daten helfen bei Aufgaben wie der Verfolgung von Warenkorbabbrüchen und personalisierten Empfehlungen.
Third-Party-Cookies: Diese werden von Domains gesetzt, die nicht die Marken sind, um Benutzerverhalten über verschiedene Websites hinweg zu verfolgen.

Bildreferenz: cookieyes.com

Das Ziel ist es, die Interessen und Absichten der Benutzer zu verstehen und sie mit Anzeigen und Produkten anzusprechen. Google Ads ist ein klassisches Beispiel für die Verwendung von Third-Party-Cookies, um gezielte Empfehlungen zu geben.

Obwohl effektiv für das Targeting, unterliegen Third-Party-Cookies Einschränkungen wie dem Plan von Google Chrome, diese bis zum dritten Quartal 2024 auslaufen zu lassen, was die Verschiebung hin zu First-Party-Daten und datenschutzfreundlichen Technologien wie Googles Privacy Sandbox betont.

Die Integration von CRM-Systemen mit Cookie-Daten verbessert die Personalisierungsbemühungen weiter und bietet Einblicke zur Erstellung von Kundenpersonen oder TAL-Profilen. Ein Salesforce- oder Hubspot-CRM-System, das mit Browserdaten integriert ist, kann einen Lead identifizieren, der wiederholt Preisseiten besucht hat, und ihn im Lead-Scoring-System nach oben verschieben, um einen Vertriebsnachverfolgung auszulösen.

3. Absicht aus digitalen Interaktionen:

Während „Web-Browsing-Absicht“ einen breiten Überblick über das Benutzerverhalten und -interessen bietet, konzentriert sich „Digitale Interaktionen Absicht“ auf spezifische, absichtliche Engagements mit Inhalten oder Funktionen.

Beispielsweise kann ein Browser-Cookie Benutzerseitenbesuche und durchsuchte Inhaltskategorien erfassen und allgemeine Benutzerabsichten bieten. Das Verfolgen digitaler Interaktionen wie Downloads, Formularübermittlungen, Button-Klicks, Video-Wiedergaben oder andere Funktionsinteraktionen liefert jedoch granulare, ereignisbasierte Daten, die auf tiefere Benutzerengagements oder -absichten hinweisen.

Bildreferenz: Verfolgung digitaler Interaktionen – Datei-Downloads und Klicks

Betrachten wir dieses Beispiel: häufige Besuche auf Produktkategorieseiten deuten auf Interesse hin, jedoch nicht auf eine sofortige Kaufabsicht. Das Herunterladen einer Produktbroschüre oder das Anfordern einer Demo zeigt hingegen ein hohes Interesse und eine potenzielle Kaufbereitschaft.

Daher ist es hochwirksam, eine E-Mail-Kampagne basierend auf dem Download eines spezifischen E-Books oder dem Abschluss einer Umfrage auszulösen, im Vergleich zu einer Content-Empfehlungsmaschine, die Artikel über „Technologie“ vorschlägt, wenn ein Benutzer häufig technologiebezogene Seiten besucht.

Verfolgung von Signalen für digitale Interaktionen:

• CRM-Systeme: Plattformen wie Salesforce, HubSpot und Zoho verfolgen und verwalten Kundeninteraktionen über verschiedene Touchpoints hinweg. HubSpot CRM beispielsweise integriert nahtlos E-Mail-Marketing, Social Media und Websites, um einen umfassenden Überblick über Benutzerinteraktionen und -präferenzen zu bieten.
• Marketing-Automatisierungsplattformen: Marketo, ActiveCampaign und Pardot automatisieren Marketingprozesse und verfolgen Benutzerinteraktionen über verschiedene Kanäle hinweg. Marketo beispielsweise ermöglicht es Vermarktern, E-Mail-Kampagnen zu automatisieren, die durch Benutzeraktionen ausgelöst werden. Aktionen könnten beispielsweise der Besuch einer Produktseite oder das Herunterladen einer Ressource sein.

Bildreferenz: ActiveCampaign

• Web-Analysetools: Google Analytics und ähnliche Webanalyse-Tools können ebenfalls detaillierte Einblicke in Klicks, Seitenbesuche und Download-Ereignisse bieten, um das Inhaltsleistung und Benutzerengagement zu verstehen.

Sobald Interaktionsdaten und Aktionssignale erfasst wurden, können Conversion Rate Optimization (CRO) Tools Benutzererfahrungen optimieren und durch systematisches Testen und Analysieren von Benutzerinteraktionen die Konversionen erhöhen.

4. Firmografische Daten im ABM

In einer Account-Based-Marketing (ABM)-Strategie ermöglichen firmografische Daten Vermarktern, sich auf wertvolle Interessenten zu konzentrieren, indem spezifische Unternehmensattribute analysiert werden. Diese Daten umfassen den Industrietyp, die Unternehmensgröße, den Jahresumsatz, die Anzahl der Mitarbeiter und den geografischen Standort.

Warum sind Firmen-Daten wichtig?

Während Absichtssignale (aus Suchen, Browsing und Aktionen) Vermarktern helfen, Benutzerinteressen und -engagementbereitschaft zu verstehen und vorherzusagen, ermöglichen firmografische Daten die Segmentierung und das Targeting basierend auf Unternehmensdemografien. Sie helfen auch dabei, das ideale Kundenprofil zu definieren und wertvolle Zielpersonen für den B2B-Vertrieb zu identifizieren.

Beispielsweise zeigt die Identifizierung eines mittelgroßen Technologieunternehmens, das nach „bestem CRM-Software“ sucht, eine potenzielle Kaufabsicht im Gegensatz zu einem neu gegründeten Startup, das möglicherweise stärker auf kostenlose Tools angewiesen ist.

Tools zur Identifizierung firmografischer Daten:

CRM-Systeme: Salesforce, HubSpot und Zoho zentralisieren und verwalten firmografische Daten zusammen mit Kundeninteraktionen, speichern verschiedene Profile und hochkarätige Interessenten.
ABM-Plattformen: Spezialisierte Plattformen wie Demandbase, Terminus und 6sense sind darauf spezialisiert, wertvolle Zielkonten zu identifizieren und firmografische Daten für präzises Targeting zu aggregieren.

Datenanreicherungstools: Plattformen wie ZoomInfo, Clearbit und Dun & Bradstreet fügen Kontext hinzu und bereichern vorhandene CRM-Daten mit weiteren firmografischen Informationen. Beispielsweise ist Clearbit ein beliebtes Tool, das in Marketingteams verwendet wird, um ihre Lead- und Kundendaten mit firmografischen Details zu verbessern und ein klareres Bild der Zielkonten zu erstellen.

Vertriebsintelligenz-Tools: Plattformen wie LinkedIn Sales Navigator, InsideView und DiscoverOrg bieten detaillierte Einblicke in Unternehmen und wichtige Kontakte. Diese Tools helfen dabei, Entscheidungsträger und Influencer innerhalb der Zielkonten zu identifizieren und ermöglichen informiertere und personalisierte Outreach-Bemühungen.
Beispielsweise kann LinkedIn Sales Navigator Einblicke in die Hierarchie eines Unternehmens, aktuelle Aktivitäten und wichtige Personen bieten, die helfen, informierte und personalisierte Outreach-Bemühungen zu gestalten.

Geschäftsinformationsdienste: Hoovers, Crunchbase und PitchBook bieten umfassende Unternehmensprofile und Marktinformationen, die Finanzen, Führung, Marktpositionierung, Übernahmen, Finanzierungsrunden und andere bedeutende Geschäftsevents abdecken.

Referenz: Crunchbase von Techcrunch

In der Praxis umfasst die Nutzung firmografischer Daten oft die Kombination von CRM-Systemen, ABM-Plattformen, Datenanreicherungstools und Vertriebsintelligenzdiensten. Diese Tools erleichtern zusammen die Identifizierung von Zielkonten, die Datenanreicherung und personalisierte Marketing- und Vertriebsstrategien, die darauf abzielen, bei potenziellen Kunden mit hohem Potenzial Resonanz zu finden.

5. PM von historischen intentbasierten Marketingdaten

PM (Predictive Modelling) verwendet historische und Echtzeitdaten, um zukünftige Verhaltensweisen und Entscheidungen vorherzusagen. Durch die Identifizierung von Mustern und Trends innerhalb bestehender Kundendaten können Vermarkter die Handlungen neuer Interessenten, die ähnliches Verhalten zeigen, vorhersagen und so effizientere und effektivere Targeting-Strategien ermöglichen.

Warum ist Predictive Modelling wichtig? Mit verfügbaren historischen Daten können Vermarkter potenzielle Kunden ansprechen, bevor sie durch ihre Handlungen klare Absichten äußern.

Predictive Modelling erfordert jedoch eine hohe Spezifizität und fortschrittliche Tools

, um das Verhalten einzelner Personen im Vergleich zu anderen Absichtssignalen vorherzusagen. Die Genauigkeit hängt davon ab, das tatsächliche Verhalten und die Unternehmensdemografien zu verstehen und darauf zu reagieren.

Tools für Predictive Modelling:

• Predictive Analytics Platforms: Diese Plattformen verwenden hochrechenfähige maschinelle Lern- und KI-Modelle, um große Datenmengen zu analysieren und Benutzerverhalten zu erkennen, um zukünftiges Kundenverhalten vorherzusagen. Lattice Engines ist ein hervorragendes Beispiel für eine Predictive-Plattform, die hilft, Lookalike-Modelle zu erstellen, um neue Interessenten zu identifizieren, die den bestehenden besten Kunden ähneln.
• Customer Data Platforms (CDP): CDPs aggregieren Daten aus verschiedenen Quellen auf einer einheitlichen Plattform. Tools wie Segment sammeln Daten von Web-, Mobil- und In-Store-Interaktionen, um Lookalike-Modelle zu erstellen, die neue Online-Benutzer ansprechen, die den Top-Kunden ähneln.
• Maschinelle Lern- und KI-Tools: Diese Tools nutzen KI, um prädiktive Erkenntnisse zu liefern. Salesforce CRM Einstein beispielsweise analysiert vergangene Kundeninteraktionen, um zukünftiges Verhalten vorherzusagen, automatisiert die Erstellung von Lookalike-Modellen und schlägt die nächsten besten Aktionen für Vertriebs- und Marketingteams vor.
• Marketing-Automatisierungsplattformen mit Predictive-Funktionen: Diese Plattformen nutzen Predictive Lead Scoring, um historische Kundendaten zu bewerten und neue Leads zu identifizieren, die wahrscheinlich konvertieren. Wie KI-Modelle verwenden sie auch diese Daten, um Lookalike-Profile zu erstellen und neue Interessenten zu identifizieren, die den besten Kunden ähneln.

Bildreferenz: dnb.com, Customer Data Platform

Im Wesentlichen bieten predictive Absichten und Lookalike-Modelling einen Einblick in potenzielles Kundenverhalten, indem sie Muster in vergangenen Interaktionen analysieren und diese nutzen, um zukünftige Handlungen vorherzusagen. Dieser proaktive Ansatz konzentriert sich darauf, neue Interessenten zu identifizieren, die statistisch wahrscheinlich Verhaltensweisen zeigen, die denen Ihrer besten Kunden ähneln.

Erwiesene Vorteile des Intent-Marketing:

Intent Data Trends (2022) zeigen, dass 17 % der B2B-Vertriebs- und Marketingprofis ihre Lead-Konversionsraten um 30 % verbessert haben, indem sie Absichtsdaten nutzen, was einem jährlichen Anstieg von 33 % entspricht. Weltweit haben über 90 % der Vermarkter ausgezeichnete Ergebnisse durch Intent-Marketing durch Datensammlung erzielt, einschließlich besserer Interessentenbildung, verbesserter Inhaltserstellung und effektiverer Kampagnenintegration.

Der folgende Bericht von InboxInsight präsentiert grafisch, wie eine Intent-Marketing-Strategie bessere Outreach-Ergebnisse erzielen kann:

 

Intentbasiertes Marketing zeichnet sich durch höhere Konversions- und Engagementraten aus, indem es die richtige Zielgruppe zur richtigen Zeit mit der richtigen Botschaft anspricht. Eine ausschließlich KI-gesteuerte Kaltstrategie kann jedoch auch für die erste Kontaktaufnahme und den Beziehungsaufbau effektiv sein.

Daher ist es besser, die beiden Methoden zu kombinieren, um die Stärken beider zu nutzen. Dieser umfassende Ansatz führt zu einer besseren Rendite, KPIs und Kundenzufriedenheit und reduziert gleichzeitig das Problem des weißen Rauschens.