Audience Agent B2B
Optimisé par 🔗, Audience Agent B2B est disponible dans Journey Optimizer B2B edition. L’utilisation de cet agent améliore l’efficacité de l’exploration et de la mise à l’échelle des audiences, accélérant la création de groupes d’achats et les workflows transparents pour l’activation du parcours :
-
Hiérarchiser les audiences cibles par intention : déduisez des rôles en fonction de l’intention du produit pour diverses audiences et rationalisez la planification des campagnes, en réduisant le temps consacré à la validation des audiences.
-
Utiliser l’IA pour détecter et créer des groupes d’achats : utilisez l’IA, les données structurées, non structurées et les données propriétaires unifiées pour rationaliser la découverte et la création de groupes d’achats.
Fonctionnalités B2B d’Audience Agent
-
Mesurez l’intensité de l’intention du compte (faible, moyenne et élevée, par exemple) pour des produits spécifiques.
-
Comparez les tendances d’intérêt des produits au fil du temps (par exemple, les meilleurs produits au cours des n derniers jours).
-
Identifier les comptes présentant un intérêt actif pour des produits spécifiques.
-
Affichez les modèles d’engagement qui combinent l’activité du compte à la couverture personnelle.
-
Permet aux équipes de se concentrer sur les bons comptes au bon moment.
-
Améliore la qualité du pipeline en donnant la priorité aux comptes avec des signaux d’achat authentiques.
-
Permet un engagement proactif avant que les concurrents n’agissent.
-
Détecter et classer les principales personnes par intention de produit.
-
Identifiez les personnes impliquées dans l’achat d’un ou de plusieurs produits.
-
Mappez les rôles aux rôles fonctionnels (tels que Champion, Décideur et Influenceur) avec une justification.
-
Validez pourquoi une personne donnée est considérée comme un champion.
-
Veille à ce que l’équipe des ventes engage les véritables décideurs et influenceurs.
-
Réduit les efforts perdus sur les contacts à faible impact.
-
Augmente les taux de gain en alignant la sensibilisation avec la dynamique du pouvoir d’achat.
-
Évaluez la taille du groupe d’achat (par exemple, les groupes comportant plus de n membres).
-
Mesurez la couverture personnelle sur tous les comptes (par exemple, sous x %).
-
Suivez la répartition des rôles et les écarts de couverture au sein des groupes d’achats.
-
Mettez en évidence les comptes avec les champions identifiés dans les accords récents.
-
Révèle des lacunes de couverture qui pourraient bloquer les transactions.
-
Renforce les stratégies multi-threads en assurant une représentation complète des rôles.
-
Améliore le suivi de l’intégrité des contrats grâce à des informations d’engagement au niveau du groupe.
-
Recommandez des mappages rôle à rôle en fonction des rôles et des modèles de rôle observés.
-
Générer un modèle de rôle de groupe d’achats pour un produit spécifié.
-
Prise en charge de la personnalisation des modèles en incluant ou en excluant des rôles et des rôles spécifiques.
-
Vérifiez que les rôles requis sont définis avant la création des groupes d’achats.
-
Réduit l’effort manuel et le risque de modèles de groupe d’achat incomplets.
-
Garantit que la couverture des rôles est validée avant la création, ce qui réduit le risque de lacunes de couverture.
-
Transforme les informations d’analyse en prochaines étapes immédiates et opérationnelles.
Limites
Le B2B d’Audience Agent dépend de la taxonomie d’intention configurée, des mappages de champs XDM et des données d’événement d’expérience. Les informations sont moins fiables lorsque les données de l’opportunité sont incomplètes, que la taxonomie de l’intention est manquante ou obsolète, ou que les identifiants de profil et de compte requis ne sont pas mappés. Pour le calcul de l’intention, l’agent traite uniquement ces événements d’expérience : directMarketing.emailClicked, directMarketing.emailOpened, directMarketing.emailUnsubscribed et web.webpagedetails.pageViews.
Exemples de prompts
Ces exemples d’invite montrent quelques-unes des façons dont vous pouvez utiliser l’agent :
- Afficher la fenêtre de tendance : première et dernière mise à jour pour l’intention de produit du compte par produit.
- Par
<product>, répertoriez les groupes d’achats avec l’intention du produit et les scores. - Par
<product>, répertoriez les rôles et les rôles avec leurs mesures d’opportunité (taux de succès, taux d’abonnement, nombres). - Pour les comptes en
<industry>, quelle est la couverture moyenne du profil de compte pour<product>? - Quels comptes ont une faible intention pour un produit, mais ont toujours des opportunités ouvertes (qui valent la peine d’être encouragées) ?
- Quels comptes ont ajouté de nouveaux signaux d’intention pour
<account_name>cette semaine ? - Montrez-moi les personnes associées à
<product>. - Me montrer la recommandation de mappage de rôle à persona pour
<product>. - Créez un modèle de groupe d’achats pour
<product>. - Créez un modèle de groupe d’achats pour les
<product>sans le rôle<persona>et supprimez le rôle<role>.
Concepts
Parfois, les comptes n’ont pas toutes leurs données d’opportunité en parfait état, ce qui est correct et l’agent peut toujours détecter l’intention du produit à partir de modèles d’engagement uniquement.
L’agent mappe chaque personnage identifié au rôle qu’il est le plus susceptible de jouer pour un produit spécifique, en fonction du titre de la fonction, de l’ancienneté et des autres attributs que vous configurez. Il indique également la couverture de chaque rôle afin que vous puissiez voir quels rôles sont bien représentés et quelles sont les lacunes restantes dans votre stratégie d’engagement.
Pour vous donner la vue la plus précise de qui s’engage et de leurs intérêts, l’agent approche le classement personnel et l’intention du produit en fonction des éléments suivants :
- Scénario idéal : si vous pouvez fournir des données telles que Étape de l’opportunité, Date de fermeture de l’opportunité et un Mappage opportunité-produit clair, l’agent peut classer les personnes en toute confiance par produit.
- Ce classement permet de comprendre précisément l’engagement et l’intérêt au sein du compte.
Mais l’agent sait que les données ne sont pas toujours complètes, ce qui est correct. Il comprend des solutions de secours intelligentes pour faire avancer les choses :
- L’agent analyse le volume des activités, en donnant plus de poids aux activités récentes en utilisant la décroissance temporelle.
- Cette pondération permet à l’agent de différencier et de classer les rôles, même sans données d’opportunité complètes.
Lorsqu’il s’agit de lier les opportunités aux produits, voici comment l’agent le gère :
- Idéal : vous fournissez ou aidez l’agent à créer la table de mappage.
- Si non disponible : l’agent utilise la correspondance approximative pour connecter les points.
- Aucun lien du tout : l’agent déduit l’intention du produit en fonction des activités récentes antérieures à la date de clôture.
Cette approche à plusieurs niveaux garantit que l’agent peut toujours fournir des informations significatives, même lorsque les données ne sont pas parfaites.
L’agent examine les données historiques sur les opportunités pour comprendre quels facteurs prédisent le plus fortement une victoire et il utilise trois dimensions principales pour ce faire :
- Taux de réussite : indique la fréquence à laquelle les affaires sont conclues avec succès lorsque certaines personnes sont impliquées. Si les comptes dotés d’un modèle de persona spécifique (comme un évaluateur technique ou un décideur au niveau du vice-président) ont tendance à convertir plus souvent, le modèle accorde plus de poids à ce modèle. Ces informations représentent un pourcentage du total des opportunités, par exemple les opportunités clôturées ou confirmées.
- Taux d’adhésion : mesure la fréquence à laquelle un type de persona s’affiche parmi les opportunités pour un produit donné. Si certaines personnes apparaissent systématiquement dans les offres réussies, cela indique qu’elles jouent un rôle essentiel dans le processus d’achat.
- Influence personnelle : quantifie la contribution d’une personne donnée au résultat, pas seulement sa présence, mais la corrélation entre son engagement ou son niveau d’activité et ses gains.
Ensemble, ces signaux permettent de déduire quelles personnes ont le plus d’impact sur les résultats d’achat, même lorsque les données d’opportunité sont incomplètes. Au fil du temps, il permet au système de faire apparaître les rôles et les modèles à fort impact qui sont les plus prédictifs de la réussite de l’affaire, ce qui permet ensuite d’informer l’intention du compte, le mappage des rôles et les recommandations des groupes d’achat.
L’agent commence par une taxonomie, qui est essentiellement une liste des produits du client et des mots-clés qui les décrivent. Ces informations aident l’agent à comprendre en quoi consiste chaque élément de contenu ou interaction.
Ensuite, l’agent utilise cette taxonomie pour étiqueter l’activité des visiteurs, comme les mots-clés ou les produits auxquels leurs actions se rapportent.
Ensuite, l’agent examine à quel point une personne interagit, comme le nombre de pages qu’elle visite ou la fréquence de ses interactions. Il utilise ces informations pour calculer le score d’intention individuel de chaque produit pour des mots-clés, des catégories de produits ou des produits spécifiques. Il regroupe chaque score d’intention en Élevé, Medium ou Faible intention pour indiquer l’intérêt. (Intention faible :
<=0.2, Intention de Medium : 0.2 < score <= 0.6, Intention élevée : 0.6 < score <= 1)Enfin, l’agent combine les scores d’intention de toutes les personnes de la même société (compte) pour afficher l’intention globale au niveau du compte, en indiquant les produits ou les sujets qui semblent les plus intéressants pour cette société.
Les décideurs ont le plus d’influence et contrôlent généralement les approbations budgétaires. Les influenceurs façonnent l’évaluation et les recommandations. Les champions aident à établir un consensus interne, tandis que les utilisateurs finaux valident l’adéquation du produit.
En vous présentant ces rôles, l’agent vous aide à comprendre qui pilote la décision d’achat, où votre engagement est le plus fort et où des lacunes de couverture peuvent exister. Ces informations vous permettent de vous concentrer sur les rôles qui comptent le plus pour ce produit.
Pour chaque compte, l’agent calcule la couverture en vérifiant le nombre de ces N rôles représentés par au moins une personne au sein de ce compte.
Si tous les rôles N sont présents, le compte bénéficie d’une couverture complète. Si seuls certains rôles sont représentés, la couverture est partielle.
En termes simples, la couverture du rôle et de la personne mesure l’exhaustivité de votre groupe d’achat pour un produit, selon que tous les décideurs, influenceurs et champions importants sont inclus.
Conditions préalables relatives aux données XDM
Audience Agent fournit des informations sur les comptes présentant l’intention propriétaire pour les produits et calcule les rôles et les rôles en fonction des données définies. Assurez-vous que les données préalables suivantes sont configurées pour utiliser les fonctionnalités d’Audience Agent :
Mappage des champs XDM
Données de taxonomie
Audience Agent exploite l’intention propriétaire détectée dans Journey Optimizer B2B edition :
- Le calcul de l’intention nécessite des données de taxonomie (produits client et mots-clés correspondants) de Clients > Taxonomie
- Les données de taxonomie sont utilisées pour étiqueter les données d’événement (étiquetage des ressources). Ces données fournissent des informations sur les mots-clés et les produits qui intéressent les visiteurs en fonction de leurs données d’événement > Étiquetage des ressources
- Les ressources libellées (données d’événement) sont combinées aux comportements des visiteurs (nombre de pages visitées) pour déterminer l’intention d’un visiteur au niveau du mot-clé, du produit et de la catégorie de produit → calcul de l’intention
- Les scores d’intention au niveau du profil du visiteur sont agrégés au niveau du compte afin de déterminer l’intention du compte dans un mot-clé, produit et catégorie de produits donnés > Agrégation des comptes d’intention
Les champs suivants sont requis en plus de la configuration de la taxonomie d’intention :