KI-Personalisierungs-Engines helfen B2B-Marketing-Teams dabei, jedem Besucher oder Konto Inhalte zu zeigen, die zu ihrer Branche, Unternehmensgröße, Kaufphase oder ihren Interessen passen – auf der Website, in E-Mails und in Anzeigen. Im B2B-Bereich funktioniert Personalisierung eher auf Kontoebene als auf individueller Ebene, da Kaufentscheidungen von Einkaufsgremien und nicht von einzelnen Käufern getroffen werden. Das Playbook sieht vor, mit einigen wenigen hochwertigen Segmenten zu beginnen, jede Änderung gegen eine Kontrollgruppe zu testen und nur dort zu expandieren, wo es die Pipeline steigert.
Personalisierungs-Engines kombinieren Daten über den Besucher mit Regeln oder maschinellem Lernen, um zu entscheiden, was angezeigt werden soll. B2B-Beispiele umfassen Tools wie Mutiny, Optimizely, Adobe Target, Dynamic Yield, HubSpot Smart Content und kontobasierte Plattformen wie 6sense und Demandbase. Einige identifizieren Unternehmen anhand der IP-Adresse, andere stützen sich auf CRM-Daten und bekannte Kontakte.
Was können Personalisierungs-Engines im B2B-Bereich verändern?
- Website-Überschriften, Fallstudien und Logos, die nach der Branche des Besuchers angezeigt werden
- Call-to-Actions nach Kaufphase: Demo für späte Phasen, Leitfaden für frühe Phasen
- E-Mail-Inhaltsblöcke basierend auf Rolle oder Produktinteresse
- Anzeigenmotive, die auf Zielkontolisten auf LinkedIn und programmatischen Plattformen zugeschnitten sind
- Empfohlene Inhalte auf Ressourcenseiten basierend auf früherem Leseverhalten
- Chat- oder Formularaufforderungen, die für bekannte Konten in aktiven Deals angepasst sind
Auf welchen Daten basiert B2B-Personalisierung?
Die Qualität der Personalisierung hängt davon ab, wie gut Sie den Besucher identifizieren können. B2B hat drei Hauptquellen, die jeweils ihre Grenzen haben.
Reverse IP und Firmografik
Anbieter gleichen Besucher-IP-Adressen mit Unternehmen ab und fügen firmografische Daten wie Branche und Größe hinzu. Die Genauigkeit hat durch Remote-Arbeit und VPNs abgenommen, behandeln Sie es also als probabilistisches Signal und testen Sie die Übereinstimmungsraten mit Ihrem eigenen Traffic.
CRM und Marketing-Automatisierung
Bekannte Kontakte, die auf eine E-Mail klicken oder sich einloggen, können mit CRM-Datensätzen abgeglichen werden, die Ihnen deren Konto, Deal-Phase und erworbene Produkte verraten. Dies ist genauer, deckt aber weniger Besucher ab.
Verhalten und Absicht
Angesehene Seiten, heruntergeladene Inhalte und Absichtssignale von Drittanbietern zeigen, was ein Konto recherchiert. Das Verhalten auf Ihrer eigenen Website ist das zuverlässigste dieser Signale.
Welche Anwendungsfälle sollten zuerst kommen?
Beginnen Sie dort, wo das Publikum wertvoll ist und die Änderung einfach ist. Branchenspezifische Homepage-Botschaften für Ihre Top-zwei oder -drei Verticals sind ein häufiger erster Test. Das Austauschen einer generischen Überschrift und Kundenlogos gegen branchenrelevante ist schnell und einfach zu messen.
- Phase 1: Branchenüberschrift und Beweispunkte auf der Homepage und der Preisseite
- Phase 2: Phasenbasierte Call-to-Actions für bekannte Kontakte
- Phase 3: Zielkonto-Erlebnisse, die an ABM-Kampagnen gebunden sind
- Phase 4: Empfehlungen durch maschinelles Lernen auf Ressourcen- und Blogseiten
Wie testet man Personalisierung richtig?
Jedes personalisierte Erlebnis sollte gegen eine Kontrollgruppe laufen, die die Standardversion sieht. Ohne eine Kontrollgruppe ist es unmöglich zu sagen, ob die Änderung geholfen hat.
Wählen Sie eine Metrik, die näher am Umsatz liegt als Klicks: Demo-Anfragen, qualifizierte Formularausfüllungen oder die Erstellung von Opportunities für exponierte Konten. B2B-Traffic-Volumina sind oft gering, daher benötigen Tests mehrere Wochen, und kleine Unterschiede erreichen möglicherweise nie statistische Signifikanz. Suchen Sie in diesem Fall nach großen Effekten und nutzen Sie Pipeline-Vergleiche auf Kontoebene über ein Quartal.
Was sind die Risiken?
- Falsche Identifizierung: Die Fallstudie einer Bank einem Einzelhändler zu zeigen, wirkt nachlässig
- Gruselfaktor: Einen Besucher mit dem Firmennamen zu begrüßen, bevor er ihn geteilt hat, kann sich aufdringlich anfühlen
- Content-Schulden: Jedes Segment benötigt eigene Texte, Bilder und Beweise, die gepflegt werden müssen
- Datenschutz: IP-basiertes Tracking und Absichtsdaten erfordern Offenlegung und eine rechtliche Grundlage gemäß DSGVO und KVKK
- Messrauschen: Zu viele Segmente mit zu wenig Traffic führen zu keinen klaren Ergebnissen
Eine nützliche Regel ist, Relevanz zu personalisieren, nicht Identität. Fertigungsbeispiele jemandem aus einem Fertigungsunternehmen zu zeigen, fühlt sich hilfreich an. Den Firmennamen in der Überschrift anzuzeigen, oft nicht.
Wie Alien Road KI-Personalisierungs-Engines einsetzt
In einem typischen Engagement beginnen wir damit, zu analysieren, welche Branchen und Unternehmensgrößen die meiste Pipeline produzieren, und prüfen, welcher Anteil des Website-Traffics durch IP- oder CRM-Abgleich identifiziert werden kann. Das sagt uns, ob Personalisierung realistisch ist und welche Segmente groß genug zum Testen sind.
Das Setup umfasst die Auswahl eines Tools, das zum Stack des Kunden passt, das Schreiben segment-spezifischer Überschriften, Beweispunkte und Call-to-Actions sowie die Konfiguration von Kontrollgruppen. Wir verbinden Ereignisse mit Analysen und dem CRM, damit exponierte Konten bis hin zu Opportunities verfolgt werden können. Das Reporting vergleicht personalisierte und Kontroll-Erlebnisse hinsichtlich Konversion und Pipeline, listet Segmente auf, die sich nicht bewegt haben, und empfiehlt, wo expandiert oder gestoppt werden sollte.
Wie viel Content erfordert Personalisierung?
Mehr als die meisten Teams erwarten. Jedes Segment benötigt eine relevante Fallstudie, einige Kundenlogos, eine Überschrift und oft einen kurzen unterstützenden Absatz. Drei Branchen auf fünf Schlüsselseiten bedeuten fünfzehn Varianten, die geschrieben, genehmigt und aktuell gehalten werden müssen.
Generative KI-Tools können Varianten schnell entwerfen, aber die Beweispunkte müssen echt sein. Eine personalisierte Seite, die Expertise in einer Branche behauptet, ohne einen einzigen genannten Kunden aus dieser Branche, schadet mehr als eine generische Seite.
Welche Tools passen zu welchen Teams?
Die Wahl des Tools hängt mehr von Ihrem Stack und Traffic ab als von Funktionslisten. Teams, die bereits HubSpot nutzen, können ohne zusätzliche Plattformkosten mit Smart Content und Listen beginnen. Teams, die große kontobasierte Programme betreiben, schauen oft auf 6sense oder Demandbase für Identifizierung und Orchestrierung. Web-Experimentierplattformen wie Optimizely oder Adobe Target eignen sich für Teams mit Entwicklern und hohem Traffic.
Egal welches Tool, prüfen Sie in einer Testphase drei Dinge: die Identifizierungs-Übereinstimmungsrate bei Ihrem echten Traffic, wie einfach Marketer Varianten ohne Code bearbeiten können und ob Ergebnisse für die Pipeline-Analyse in Ihr CRM exportiert werden können.
Ein kurzer Pilotversuch mit zwei Segmenten reicht normalerweise aus, um zu sehen, ob das Tool passt, bevor man sich für einen Jahresvertrag verpflichtet.
Planen Sie den Content-Arbeitsaufwand, bevor Sie ein Tool auswählen, da das Tool selten der Flaschenhals ist.
Wo man diese Woche anfangen sollte
Ziehen Sie die abgeschlossenen Deals des letzten Jahres aus dem CRM und gruppieren Sie sie nach Branche. Wählen Sie die Top-zwei-Branchen aus und prüfen Sie dann Ihre Analysen oder einen Reverse-IP-Test, um zu sehen, wie viele Website-Besucher aus diesen Branchen Sie identifizieren können. Wenn die Zahlen vernünftig sind, schreiben Sie eine alternative Homepage-Überschrift und einen Beweisabschnitt für jede Branche und planen Sie einen kontrollierten Test.
Weiterlesen: KI-Optimierung · KI-Optimierung