[B2B版本]{class="badge informative"}

Real-Time CDP B2B中的預測性銷售線索和帳戶評分

B2B行銷人員在行銷漏斗頂端面臨多種挑戰。 為了有效率,B2B行銷人員需要自動化方式來限定大量人員,以便聚焦於高價值目標。 資格應該與最終銷售結果保持一致,而不僅僅是行銷轉換。

帳戶是購買B2B產品和服務的最終實體。 為了有效行銷和銷售,B2B行銷人員不僅要瞭解個人的情況,還要瞭解帳戶購買的可能性。

尤其是以帳戶為基礎的行銷,會將帳戶策略化為行銷目標。 帳戶購買傾向分數可大幅協助B2B行銷人員安排帳戶優先順序,以實現投資報酬的最大化。

預測性銷售線索和帳戶評分服務透過學習和預測機會階段轉換事件,並將個人活動彙總到帳戶層級以產生帳戶分數,來解決上述挑戰。 這些分數可做為個人設定檔和帳戶設定檔的自訂欄位取得,並可輕鬆作為區段條件納入,以縮小您的對象範圍。 彙總和單位層級也提供主要影響因素,以協助B2B行銷人員更瞭解哪些元素驅動分數。

瞭解預測性銷售線索和帳戶評分 how-it-works

NOTE
目前需要Marketo資料來源,因為它是唯一可在個人設定檔層級提供轉換事件的資料來源。

預測性銷售線索和帳戶評分使用樹狀結構(隨機森林/漸層提升)機器學習方法,以建立預測性銷售線索評分模型。

管理員可以設定多個設定檔評分目標(也稱為模型),每個已設定的轉換事件各一個,以便為每個已設定的目標產生個別的分數。

預測性銷售線索和帳戶評分支援下列轉換目標型別和欄位:

目標型別
欄位
leadOperation.convertLead
  • leadOperation.convertLead.convertedStatus
  • leadOperation.convertLead.assignTo
opportunityEvent.opportunityUpdated
  • opportunityEvent.dataValueChanges.attributeName
  • opportunityEvent.dataValueChanges.newValue
  • opportunityEvent.dataValueChanges.oldValue 範例: opportunityEvent.dataValueChanges.attributeName 等於 StageopportunityEvent.dataValueChanges.newValue 等於 Contract

演演算法會考量下列屬性和輸入資料:

  • 個人設定檔
XDM欄位
必要/選用
personComponents.sourceAccountKey.sourceKey
必要
workAddress.country
選填
extSourceSystemAudit.createdDate
必要
extendedWorkDetails.jobTitle
選填
NOTE
演演算法只會檢查Person:personComponents欄位群組中的sourceAccountKey.sourceKey欄位。
  • 帳戶輪廓
XDM欄位
必要/選用
accountKey.sourceKey
必要
extSourceSystemAudit.createdDate
必要
accountOrganization.industry
選填
accountOrganization.numberOfEmployees
選填
accountOrganization.annualRevenue.amount
選填
  • 體驗事件
XDM欄位
必要/選用
_id
必要
personKey.sourceKey
必要
timestamp
必要
eventType
必要

支援多種機型,並設定下列硬性限制:

  • 每個生產沙箱有權使用五個模型。
  • 每個開發沙箱都有權使用一種模型。

資料品質要求如下:

  • 理想情況下,應提供兩年的最新資料以供訓練之用。
  • 所需的最小資料長度為六個月加上預測期間。
  • 對於每個預測目標,至少需要10個合格的轉換事件。

評分工作每天都會執行,且結果會儲存為設定檔屬性和帳戶屬性,然後可用於區段定義和個人化。 現成的Analytics深入分析也可在帳戶概述控制面板上取得。

請參閱檔案,以取得關於如何管理預測性銷售線索和帳戶評分服務的詳細資訊。

檢視預測性銷售線索與帳戶評分結果 how-to-view

工作執行後,結果會儲存在名稱為LeadsAI.Scores - 分數名稱 ​的每個模型的新系統資料集中。 每個分數欄位群組都可以位於{CUSTOM_FIELD_GROUP}.LeadsAI.the_score_name

屬性
說明
分數
設定檔在定義的時間範圍內達到預測目標的相對可能性。 此值不被視為機率百分比,而是個人資料相較於整體母體的可能性。 此分數介於0到100之間。
百分位數
此值提供設定檔相對於其他類似評分的設定檔的效能相關資訊。 百分位數的範圍介於1到100。
模型類型
選取的模型型別會指示這是人員或帳戶分數。
評分日期
評分發生的日期。
影響因素

個人資料可能發生轉換的預測原因。 因子由下列屬性組成:

  • 程式碼:對設定檔的預測分數產生正面影響的設定檔或行為屬性。
  • 值:設定檔或行為屬性的值。
  • 重要性:表示設定檔或行為屬性對預測分數(低、中、高)的權重。

檢視客戶設定檔分數

若要檢視人員設定檔的預測性分數,請選取左側面板中客戶區段下的​ 設定檔,然後輸入身分名稱空間和身分值。 完成後,請選取​ 檢視

接著,從清單中選取設定檔。

客戶設定檔

詳細資料 ​頁面現在包含預測性分數。 按一下預測性分數旁的圖表圖示。

客戶設定檔預測性分數

快顯對話方塊會顯示分數、整體分數分佈、此分數的主要影響因素,以及分數目標定義。

客戶設定檔預測性分數詳細資料

監控預測性銷售線索和帳戶評分工作 monitoring-jobs

您可以透過儀表板監視基本度量和每日工作執行狀態。 這些量度包括:

  • 已評分的人員/帳戶個人檔案總數
  • 下一個評分工作(日期)
  • 下一個訓練工作(日期)

如需詳細資訊,請參閱有關針對預測性銷售線索和帳戶評分監視工作的檔案。

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