Audience Agent B2B
Basato su Adobe Experience Platform Agent Orchestrator, Audience Agent B2B è disponibile in Journey Optimizer B2B edition. L’utilizzo di questo agente migliora l’efficienza e l’efficacia nell’esplorazione e nella scalabilità dei tipi di pubblico, accelerando la creazione di gruppi di acquisto e ottimizzando i flussi di lavoro per l’attivazione del percorso:
-
Assegna la priorità ai tipi di pubblico target in base all’intento: associa utenti tipo in base all’intento del prodotto per vari tipi di pubblico e semplifica la pianificazione delle campagne, riducendo il tempo impiegato per la convalida del pubblico.
-
Sfrutta l’intelligenza artificiale per rilevare e creare gruppi di acquisto: utilizza l’intelligenza artificiale, dati strutturati e non strutturati e dati unificati di prime parti per semplificare l’individuazione e la creazione di gruppi di acquisto.
Funzionalità B2B di Audience Agent
-
Misura l’intensità dell’intento del conto (ad esempio basso, medio e alto) per prodotti specifici.
-
Confronta le tendenze di interesse del prodotto nel tempo (ad esempio i prodotti più importanti negli ultimi n giorni).
-
Identifica gli account che mostrano attivamente interesse per prodotti specifici.
-
Crea pattern di coinvolgimento che combinano l’attività dell’account con la copertura dell’utente.
-
Aiuta i team a concentrarsi sugli account giusti al momento giusto.
-
Migliora la qualità della pipeline assegnando priorità agli account con segnali di acquisto autentici.
-
Consente un coinvolgimento proattivo prima che la concorrenza agisca.
-
Rileva e classifica gli utenti tipo principali in base all’intento del prodotto.
-
Identifica gli utenti tipo coinvolti nell’acquisto di uno o più prodotti.
-
Associa gli utenti tipo a ruoli funzionali (ad esempio Champion, Decision Maker e Influencer) con giustificazione.
-
Convalida il motivo per cui una determinata persona è considerata un campione.
-
Assicura che il sales team coinvolga veri decision-maker e influencer.
-
Riduce lo spreco di risorse sui contatti a basso impatto.
-
Aumenta i tassi di vincita allineando l’estensione con le dinamiche del potere dell’acquirente.
-
Valuta le dimensioni del gruppo di acquisto (ad esempio, gruppi con più di n membri).
-
Misura la copertura dell’utente tra gli account (ad esempio, inferiore a x%).
-
Monitora la distribuzione dei ruoli e il gap di copertura all’interno dei gruppi di acquisto.
-
Evidenzia i clienti con i campioni identificati in recenti offerte.
-
Mostra le lacune nella copertura che potrebbero bloccare le trattative.
-
Rafforza le strategie multithreading garantendo una rappresentazione completa dei ruoli.
-
Migliora il tracciamento dello stato delle opportunità di business tramite approfondimenti sul coinvolgimento a livello di gruppo.
-
Consigliare mappature da ruolo a persona in base ai modelli di ruolo e persona osservati.
-
Genera un modello di ruolo gruppo di acquisto per un prodotto specificato.
-
Supporta la personalizzazione dei modelli includendo o escludendo utenti tipo e ruoli specifici.
-
Verifica che i ruoli richiesti siano definiti prima della creazione dei gruppi di acquisto.
-
Riduce l’impegno manuale e il rischio di modelli di gruppi di acquisto incompleti.
-
Garantisce la convalida della copertura dei ruoli prima della creazione, riducendo il rischio di lacune nella copertura.
-
Trasforma gli insight dell’analisi in passaggi operativi immediati.
Limitazioni
Audience Agent B2B dipende dalla tassonomia di intento configurata, dalle mappature dei campi XDM e dai dati dell’evento esperienza. Gli insights sono meno affidabili quando i dati dell’opportunità sono incompleti, la tassonomia intento è mancante o non aggiornata oppure gli identificatori di profilo e account richiesti non sono mappati. Per il calcolo dell’intento, l’agente elabora solo gli eventi di esperienza seguenti: directMarketing.emailClicked, directMarketing.emailOpened, directMarketing.emailUnsubscribed e web.webpagedetails.pageViews.
Esempi di prompt
Questi esempi di prompt illustrano alcuni dei modi in cui è possibile utilizzare l’agente:
- Mostra la finestra di tendenza: aggiornamenti più recenti e meno recenti per l’intento di prodotto dell’account per prodotto.
- Per
<product>, elenca i gruppi di acquisto con finalità di prodotto e punteggi. - Per
<product>, elenca gli utenti tipo e i ruoli con le relative metriche opportunità (tasso di vincita, tasso di iscrizione, conteggi). - Per gli account in
<industry>, qual è la copertura media degli utenti tipo per l’account per<product>? - Quali account hanno un intento basso per qualsiasi prodotto ma hanno ancora opportunità aperte (vale la pena nutrirsi)?
- Quali account hanno aggiunto nuovi segnali di intento per
<account_name>questa settimana? - Mostra gli utenti tipo associati a
<product>. - Mostra il ruolo per il consiglio di mappatura persona per
<product>. - Creare un modello di gruppo di acquisto per
<product>. - Creare un modello di gruppo di acquisto per
<product>senza l’utente tipo<persona>e rimuovere il ruolo<role>.
Concetti
A volte gli account non dispongono di tutti i dati sulle opportunità in una forma perfetta, il che è corretto e l’agente può ancora rilevare l’intento del prodotto puramente dai pattern di coinvolgimento.
L’agente associa ogni persona identificata al ruolo che è più probabile che svolga per un prodotto specifico, in base alla qualifica professionale, alla funzione, all’anzianità e agli altri attributi configurati. Mostra inoltre la copertura per ogni ruolo, in modo da poter vedere quali ruoli sono ben rappresentati e dove rimangono le lacune nella strategia di coinvolgimento.
Per darti una visione più accurata di chi è coinvolto e di dove stanno i loro interessi, l’agente si avvicina alla classificazione personale e all’intento del prodotto in base a quanto segue:
- Scenario del migliore dei casi: se puoi fornire dati come Fase opportunità, Data chiusura opportunità e una chiara Mappatura opportunità-prodotto, l’agente può classificare gli utenti tipo per prodotto.
- Questa classificazione fornisce una comprensione precisa del coinvolgimento e degli interessi in tutto l’account.
Ma l’agente sa che i dati non sono sempre completi, il che va bene. Include i fallback intelligenti per mantenere le cose in movimento:
- L’agente analizza il volume delle attività, dando più peso a quelle recenti utilizzando il decadimento nel tempo.
- Questa ponderazione consente all’agente di differenziare e classificare gli utenti tipo, anche senza dati completi sulle opportunità.
Quando si tratta di collegare opportunità ai prodotti, ecco come l’agente la gestisce:
- Ideale: fornire o aiutare l’agente a creare la tabella di mapping.
- Se non disponibile: l’agente utilizza una corrispondenza fuzzy per connettere i punti.
- Nessun collegamento: l’agente deduce l’intento del prodotto in base alle attività recenti precedenti alla data di chiusura.
Questo approccio su più livelli garantisce che l’agente possa fornire informazioni significative, anche quando i dati non sono perfetti.
L’agente esamina i dati storici sulle opportunità per capire quali fattori prevedono più fortemente una vittoria, e a tal fine utilizza tre dimensioni principali:
- Tasso di successo: mostra con quale frequenza le offerte vengono chiuse correttamente quando sono coinvolti determinati utenti tipo. Se gli account con un pattern personale specifico (come un valutatore tecnico o un decision maker a livello di VP) tendono a convertirsi più spesso, il modello dà maggiore peso a tale pattern. Queste informazioni rappresentano una percentuale delle opportunità totali, ad esempio opportunità chiuse o realizzate.
- Tasso di iscrizione: misura la frequenza con cui un tipo di utente viene visualizzato nelle opportunità per un determinato prodotto. Se alcuni utenti appaiono costantemente in offerte di successo, indica che svolgono un ruolo fondamentale nel processo di acquisto.
- Influenza personale: quantifica il contributo di una determinata persona al risultato, non solo se è presente, ma anche il modo in cui il suo livello di coinvolgimento o attività è correlato alle vittorie.
Insieme, questi segnali consentono di dedurre quali utenti tipo hanno l’impatto più forte sui risultati di acquisto, anche quando i dati sulle opportunità sono incompleti. Nel tempo, consente al sistema di individuare utenti tipo e pattern di alto impatto più predittivi del successo dell’offerta, che informano le finalità dell’account, la mappatura dell’utente e i consigli del gruppo di acquisto.
L’agente inizia con una tassonomia, che consiste essenzialmente in un elenco dei prodotti del cliente e delle parole chiave che li descrivono. Queste informazioni aiutano l’agente a capire di cosa si tratta ogni contenuto o interazione.
L’agente utilizza quindi tale tassonomia per etichettare l’attività del visitatore, ad esempio a quali parole chiave o prodotti si riferiscono le loro azioni.
L’agente esamina quindi il livello di coinvolgimento degli utenti, ad esempio quante pagine visitano o con quale frequenza interagiscono. Utilizza queste informazioni per calcolare il punteggio di intento individuale per parole chiave, prodotti o categorie di prodotti specifici. Inserisce ogni punteggio intento in Alto, Medium o Basso intento per indicare la forza di interesse. (Intento basso:
<=0.2, Intento Medium: 0.2 < score <= 0.6, Intento alto: 0.6 < score <= 1)Infine, l’agente combina i punteggi di intento di tutte le persone della stessa società (account) per visualizzare l’intento complessivo a livello di account, mostrando i prodotti o gli argomenti a cui l’azienda sembra più interessata.
I decision maker hanno la maggiore influenza e in genere controllano le approvazioni del budget. Influenzatori - Valutazione della forma e consigli. I promotori contribuiscono a creare un consenso interno, mentre gli utenti finali convalidano la conformità del prodotto.
Mostrandoti questi ruoli, l’agente ti aiuta a capire chi sta guidando la decisione di acquisto, dove il tuo coinvolgimento è più forte e dove potrebbero esistere vuoti di copertura. Queste informazioni consentono di concentrarsi sui ruoli più importanti per questo prodotto.
Per ogni account, l’agente calcola la copertura controllando quanti di questi N ruoli sono rappresentati da almeno una persona all’interno dell’account.
Se sono presenti tutti i N ruoli, l’account dispone di copertura completa. Se sono rappresentati solo alcuni ruoli, la copertura è parziale.
In termini semplici, il ruolo e la copertura dell’utente misurano la completezza del gruppo di acquisto per un prodotto, in base all’inclusione o meno di tutti i decisori, influencer e campioni importanti.
Prerequisiti per i dati XDM
Audience Agent fornisce informazioni approfondite sugli account che mostrano l’intento di prime parti per i prodotti e calcola gli utenti tipo e i ruoli in base ai dati definiti. Assicurati che i seguenti dati prerequisiti siano configurati per utilizzare le funzionalità di Audience Agent:
Mappatura campo XDM
Dati di tassonomia
Audience Agent sfrutta l’intento di prime parti rilevato in Journey Optimizer B2B edition:
- Il calcolo dell’intento richiede i dati della tassonomia (prodotti del cliente e parole chiave corrispondenti) da Clienti > Tassonomia
- I dati di tassonomia vengono utilizzati per etichettare i dati evento (etichettatura delle risorse). Questi dati forniscono informazioni approfondite sulle parole chiave e i prodotti a cui i visitatori sono interessati in base ai loro dati evento > Etichettatura risorse
- Le risorse con etichetta (dati evento) vengono combinate con i comportamenti dei visitatori (numero di pagine visitate) per determinare l’intento di un visitatore a livello di parola chiave, prodotto e categoria di prodotto → calcolo dell’intento
- I punteggi di intento a livello di profilo visitatore vengono aggregati a livello di account per determinare l’intento dell’account in una determinata parola chiave, prodotto e categoria di prodotto > Aggregazione account intento
I campi seguenti sono obbligatori oltre a configurare la tassonomia intento: