[B2B 버전]{class="badge informative"}

Real-Time CDP B2B의 예측 리드 및 계정 점수

B2B 마케터는 마케팅 단계의 맨 위에서 여러 가지 문제에 직면합니다. 효과를 거두기 위해서는 B2B 마케터들은 많은 수의 사람들이 고가치 타겟에 집중할 수 있도록 자격을 부여하는 자동화된 방법이 필요하다. 자격은 마케팅 전환뿐만 아니라 궁극적인 판매 성과와 일치해야 합니다.

계정 은 B2B 제품 및 서비스를 구매하는 최종 엔티티입니다. 효과적인 마케팅 및 판매를 위해 B2B 마케터는 개인의 뿐만 아니라 계정의 구매 가능성까지 알아야 합니다.

계정 기반 마케팅은 특히 마케팅 타겟으로 계정을 전략화합니다. 거래처 성향 점수는 B2B 마케터가 투자수익률을 극대화하기 위해 거래처 간 우선순위를 매기는 데 큰 도움이 됩니다.

예측 리드 및 계정 점수 책정 서비스는 영업 기회 단계 전환 이벤트를 학습하고 예측하며 계정 점수를 산출하기 위해 개인 활동을 계정 수준으로 집계하여 위의 문제를 해결합니다. 점수는 사용자 프로필 및 계정 프로필의 사용자 정의 필드로 쉽게 사용할 수 있으며, 대상을 세분화하기 위한 세그먼트 기준으로 쉽게 포함할 수 있습니다. B2B 마케터가 점수를 유도한 요소를 더 잘 이해하는 데 도움이 되는 가장 영향력 있는 요소는 집계와 단위 수준 모두에서 사용할 수도 있습니다.

예측 리드 및 계정 점수 이해 how-it-works

NOTE
Marketo 데이터 원본은 개인 프로필 수준에서 전환 이벤트를 제공할 수 있는 유일한 데이터 원본이므로 현재 필요합니다.

예측 리드 및 계정 점수는 트리 기반(랜덤 포레스트/그래디언트 부스팅) 머신 러닝 방법을 사용하여 예측 리드 점수화 모델을 구축합니다.

관리자는 구성된 각 전환 이벤트에 대해 모델이라고도 하는 여러 프로필 점수 목표를 구성하여 구성된 각 목표에 대해 별도의 점수를 생성할 수 있습니다.

예측 리드 및 계정 점수는 다음 전환 목표 유형 및 필드를 지원합니다.

목표 유형
필드
leadOperation.convertLead
  • leadOperation.convertLead.convertedStatus
  • leadOperation.convertLead.assignTo
opportunityEvent.opportunityUpdated
  • opportunityEvent.dataValueChanges.attributeName
  • opportunityEvent.dataValueChanges.newValue
  • opportunityEvent.dataValueChanges.oldValue 예: opportunityEvent.dataValueChanges.attributeName 은(는) Stage 이고 opportunityEvent.dataValueChanges.newValue 은(는) Contract 입니다.

이 알고리즘에서는 다음 속성과 입력 데이터를 고려합니다.

  • 개인 프로필
XDM 필드
필수/선택 사항
personComponents.sourceAccountKey.sourceKey
필수 여부
workAddress.country
선택 사항입니다
extSourceSystemAudit.createdDate
필수 여부
extendedWorkDetails.jobTitle
선택 사항입니다
NOTE
이 알고리즘은 Person:personComponents 필드 그룹의 sourceAccountKey.sourceKey 필드만 검사합니다.
  • 계정 프로필
XDM 필드
필수/선택 사항
accountKey.sourceKey
필수 여부
extSourceSystemAudit.createdDate
필수 여부
accountOrganization.industry
선택 사항입니다
accountOrganization.numberOfEmployees
선택 사항입니다
accountOrganization.annualRevenue.amount
선택 사항입니다
  • 경험 이벤트
XDM 필드
필수/선택 사항
_id
필수 여부
personKey.sourceKey
필수 여부
timestamp
필수 여부
eventType
필수 여부

다음과 같은 엄격한 제한이 설정되어 여러 모델이 지원됩니다.

  • 각 프로덕션 샌드박스는 5개의 모델을 사용할 수 있습니다.
  • 각 개발 샌드박스는 하나의 모델을 사용할 수 있습니다.

데이터 품질 요구 사항은 다음과 같습니다.

  • 가장 최근 2년 동안의 데이터가 교육 목적으로 제공되는 것이 이상적입니다.
  • 필요한 최소 데이터 길이는 6개월에 예측 기간을 더한 값입니다.
  • 각 예측 목표에 대해 적어도 10개의 정규화된 전환 이벤트가 필요하다.

채점 작업은 매일 실행되며 결과는 프로필 속성 및 계정 속성으로 저장되며 세그먼트 정의 및 개인화에 사용할 수 있습니다. 계정 개요 대시보드에서 기본 분석 인사이트를 사용할 수도 있습니다.

예측 리드 및 계정 점수를 관리 서비스를 관리하는 방법에 대한 자세한 내용은 설명서를 참조하세요.

예측 리드 및 계정 점수 책정 결과 보기 how-to-view

작업 실행 후 결과는 이름 LeadsAI.Scores - 점수 이름 ​의 각 모델에 대한 새 시스템 데이터 집합에 저장됩니다. 각 점수 필드 그룹은 {CUSTOM_FIELD_GROUP}.LeadsAI.the_score_name에 있을 수 있습니다.

속성
설명
점수
정의된 시간대 내에 프로필이 예측된 목표를 달성할 상대적 가능성. 이 값은 확률 백분율이 아니라 전체 모집단과 비교한 프로필의 가능성으로 간주됩니다. 이 점수의 범위는 0부터 100까지입니다.
백분위수
이 값은 점수가 비슷한 다른 프로필과 관련된 프로필의 성능에 대한 정보를 제공합니다. 백분위수의 범위는 1부터 100까지입니다.
모델 유형
선택한 모델 유형은 개인 점수인지 계정 점수인지 나타냅니다.
스코어 날짜
채점이 발생한 날짜.
영향력 있는 요소

프로필이 전환될 가능성이 높은 이유에 대한 예측된 이유. 인자는 다음 속성으로 구성됩니다.

  • 코드: 프로필의 예측된 점수에 긍정적인 영향을 주는 프로필 또는 행동 속성.
  • 값: 프로필 또는 동작 속성의 값입니다.
  • 중요도: 프로필 또는 행동 속성이 예측된 점수(낮음, 중간, 높음)에 대해 갖는 가중치를 나타냅니다.

고객 프로필 점수 보기

개인 프로필에 대한 예측 점수를 보려면 왼쪽 패널의 고객 섹션에서 프로필 ​을 선택한 다음 ID 네임스페이스와 ID 값을 입력하십시오. 완료되면 보기 ​를 선택하세요.

그런 다음 목록에서 프로필을 선택합니다.

고객 프로필

이제 세부 정보 페이지에 예측 점수가 포함됩니다. 예측 점수 옆에 있는 차트 아이콘을 클릭합니다.

고객 프로필 예측 점수

팝업 대화 상자는 점수, 전체 점수 분포, 이 점수에 대해 가장 영향력 있는 상위 요인 및 점수 목표 정의를 표시합니다.

고객 프로필 예측 점수 세부 정보

예측 리드 및 계정 점수 지정 작업 모니터링 monitoring-jobs

대시보드를 통해 기본 지표와 일별 작업 실행 상태를 모니터링할 수 있습니다. 지표에는 다음이 포함됩니다.

  • 채점된 총 개인/계정 프로필
  • 다음 채점 작업(날짜)
  • 다음 교육 작업(일자)

자세한 내용은 예측 리드 및 계정 점수에 대한 작업 모니터링에 대한 설명서를 참조하십시오.

recommendation-more-help
6f08adb8-9d4a-4cec-8173-ab4c03ac2841