ABM der nächsten Stufe mit Intent Data

Byrony Seifert
Byrony Seifert

VP of Marketing and Product Delivery, EMEA

Die jüngste virtuelle Veranstaltung B2B Marketing Exchange konzentrierte sich auf „ABM der nächsten Stufe“. Content Director Andrew Gaffney hatte die Möglichkeit, gemeinsam mit John Steinert, dem CMO von TechTarget, einen virtuellen runden Tisch zum Thema Intent Data zu veranstalten. In diesem Blog wollen wir einige der Punkte festhalten, die in der gut besuchten Veranstaltung angesprochen wurden. 

 

Andrew: Können Sie uns ein wenig helfen, die unterschiedlichen Quellen von Signaldaten zu verstehen und wie bzw. wo diese am besten für eine Go-to-Market (GTM)-Strategie eingesetzt werden können? 

John: Sprechen wir zuerst über die unterschiedlichen Arten von Signalen, damit wir damit beginnen können, diese Dinge ein wenig differenzierter zu betrachten und tatsächlich Äpfel mit Äpfeln zu vergleichen. Die beiden großen Kategorien sind in meinen Augen „deskriptive“, also „beschreibende“ Daten und „präskriptive“, also „vorschreibende“ Einblicke. In beiden Kategorien gibt es Signale, aber sie unterscheiden sich und auch ihre jeweiligen Anwendungsfälle sind unterschiedlich. Ein „beschreibendes“ Signal sagt etwas über einen Markt, einen Account oder sogar über eine Person aus, das einen direktionalen Wert hat – ich will damit sagen, es kann dabei helfen, sich in einem Markt, einem Account oder in Bezug auf eine Person zurechtzufinden. Beispielsweise fallen für mich technografische Daten in diese Kategorie. Auf Personenebene würde ich viele der sozialen Signale in diese Kategorie einordnen. In meinem Go-to-Market nutze ich deskriptive Signale, um meine Targeting- und Positionierungsstrategien auszurichten. In Bezug auf die Person können Account-Signale rund um Finanzierung und organisatorische Veränderungen einem Verkäufer dabei helfen, den mentalen Zustand der Menschen hinter dem Account zu verstehen. 

„Präskriptive“ Signale sind für mich etwas grundlegend anderes. Sie können zwar für die Strategie sehr hilfreich sein, wenn man sie über einen gewissen Zeitraum hinweg betrachtet, ihr wahrer Wert liegt jedoch in der kurzfristigen Nutzung, da sie genau zeigen können, was jetzt sofort zu tun ist – wen man weiterverfolgen, welche Wertversprechen man ansprechen sollte etc. Das Wichtigste bei diesen präskriptiven Daten ist der Detaillierungsgrad auf individueller Ebene und in Bezug auf die Personengruppen, die ein Käuferteam und die Reise eines Käufers ausmachen. 

Andrew: Wie verändern oder erweitern sich Anwendungsfälle für Signaldaten – werden sie im Marketing oder im Vertrieb immer häufiger eingesetzt? 

John: Marketing entwickelt mit Signaldaten weiterhin Innovationen, um Werbung, ausgehende E-Mails, eingehende Umwandlungen und vieles mehr voranzutreiben. In Wahrheit ist das die natürliche Weiterentwicklung davon, wie wir in unseren Systemen schon lange First-Party Signals verwenden. Andererseits überflügelt der Einsatz von Signaldaten durch Vertriebsorganisationen rasch jenen von Marketingorganisationen, wenn man die Anzahl der beteiligten Nutzer betrachtet. Das liegt am taktischen Wert der Signale, wenn man Dinge wie Anrufmuster, Kadenzdesign und Verkaufsbotschaften fördern möchte. Da das Gebiet jedes einzelnen Vertriebsmitarbeitenden im Grunde eine Mikro-ABM-Liste darstellt, ist der Wert von aktuellen Einblicken in einen Account und die Menschen dahinter ausgesprochen hoch. 

Andrew: Was sind einige der innovativen Methoden, an die Unternehmen möglicherweise in Bezug auf den Einsatz der von ihnen gesammelten Signaldaten noch nicht gedacht haben? 

John: Da gibt es viele, ich möchte nur drei oder vier erwähnen. 

Eine der Herausforderungen, die wir alle kennen, ist, dass viele unserer Lead-Management-Prozesse ziemlich altmodisch sind und dass es viele Dinge im Lead-Management gibt, die kontraproduktiv sein können. Beispielsweise verfolgen wir Accounts häufig nicht, bei denen wir sehr starke Signale haben, aber keine Leads. Da das traditionelle Nurturing recht langsam ist, nutzen Unternehmen Signaldaten und automatisieren Nurturing mit Tools wie Conversica und Exceed.ai, um mehr Engagement ohne den Einsatz von SDRs zu erzielen. 

Teams, sowohl in den Stacks als auch von den Datenanbietern selbst, nutzen Signale, um Benachrichtigungen auszulösen, die direkt an Account-Inhaber auf der Vertriebsseite geschickt werden. Um das zu erreichen, kombinieren sie Automatisierungstools wie Zapier, Tray.io oder Workato mit Kommunikationstools wie Microsoft Teams und Slack. 

Es gibt den ganzen RevOps-Bereich, in dem Clari, People.ai und sogar Kundensupport-Apps Fortschritte machen. Im Moment konzentrieren sich diese Systeme größtenteils darauf, Klarheit in die First-Party-Interaktionen des Kunden mit Personen und Accounts zu bringen, aber auch zusätzliche Second-Party-Signaldaten kommen langsam ins Spiel, einerseits bei den Chancen in den Pipelines als auch bei den zu optimierenden Account-Beziehungen. 

Schließlich – und das ist wahrscheinlich das Offensichtlichste – gewinnen Signaldaten natürlich im Bereich der Vertriebskontakte an Bedeutung, zusammen mit Dingen wie Anrufanalyse, Content-Auswahl und Ähnlichem. 

Andrew: Gibt es Best Practices für Themen mit Intent Data? 

John: Wie bei vielen schnelllebigen Kategorien im Bereich MarTech/SalesTech ist es wichtig, zu wissen, dass der Begriff „Intent Data“ viele verschiedene Signaltypen und Kombinationen von Signalen beschreibt. Man muss sich bewusst sein, dass der Wert, den man aus einem bestimmten Typ oder einer bestimmten Kombination gewinnen kann, sehr stark davon abhängt, was dieses Signal aussagen kann und wie die Nutzer das in ihren Organisationen und Prozessen verwenden können. Was ich zum Beispiel als deskriptive Signale bezeichne, wird von Planern häufig in Verbindung mit viel anderem Material eingesetzt, um größere Veränderungen in Gang zu setzen. Nur für das Taktieren sind sie nicht sehr nützlich. Wenn man versucht, rasch taktische Verbesserung herbeizuführen, muss man exakte, feinkörnige Signale finden, anhand derer man sofort reagieren kann. 

Um diese feinkörnigen Signale geht es bei „Topics“. Wir bei TechTarget nennen sie „Eintrittspunkte“, da der Kunde hier die bestmögliche Chance hat, in ein Geschäft einzusteigen und es für sich zu entscheiden. Diese Topics werden über eine Kombination dessen ausgewählt, was wir über einen bestimmten Markt wissen, da wir analysiert haben, was dort geschieht – das tun wir als Verlag und Research-Unternehmen jeden Tag. Dazu kommt, was unsere Kunden uns über ihre Lösungen sagen können sowie darüber, wo sie konkurrieren oder gewinnen. Davon ausgehend erstellen wir Topics, das sind Bezeichnungen, um bestimmte Accounts und die Menschen dahinter in dem Moment zu identifizieren und anzusprechen, in dem sie verbundenen Content konsumieren. Ein Topic-Signal wie dieses kann vom Content des Kunden, unserem redaktionellem Content oder dem eines Konkurrenten kommen. Wenn ein Kunde diese Aktivität sieht, weiß er genau, wie er seine Reaktionen zu priorisieren hat. 

Andrew: Wie halten Unternehmen Signaldaten auf Accounts mit der Notwendigkeit der Vernetzung auf Kontaktebene im Gleichgewicht? 

John: Wenn man versucht, Handlungen innerhalb einer Gruppe von Accounts zu priorisieren, sind Signale auf Account-Ebene sicherlich besser als nichts. Anonymer Web-Traffic wird seit vielen Jahren so genutzt. Dennoch sind anonyme Account-Daten für mich in einem wesentlich höheren Maße deskriptiv als präskriptiv, zumindest wenn man es aus der Perspektive eines Vertriebsteams oder eines Vertriebsmitarbeitenden betrachtet. Als Teil des Go-to-Market-Teams liegt es in unserer Verantwortung, uns zu überlegen, wie wir Produktivität und den Ertrag über den gesamten Zyklus hinweg erhöhen können. Daher ist alles, was die Zeit des Verkäufers reduziert, in der nicht verkauft wird, äußerst wertvoll. Ein wesentlicher Unterschied zwischen Signalen auf Kontaktebene und auf Account-Ebene ist die Tatsache, dass die Kontaktebene einem Vertriebsmitarbeitenden genau kommuniziert, wer mit welcher Botschaft genau jetzt anzusprechen ist. Das ist äußerst präskriptiv. Und das spart sehr viel Zeit, denn es hilft nicht nur, Accounts innerhalb des Bereichs eines Vertriebsmitarbeitenden zu priorisieren, sondern auch dabei, echte im Entstehen begriffene Käuferreisen zu identifizieren und dann die beteiligten Personen effizient zusammenzubringen. 

 

ABM, Account-Based Marketing, intent data, intent daten