Blog details
Satış ekibinizin aynı anda yüzlerce hesaba ulaşması, daha fazla fırsat yaratacağı anlamına gelmez. Asıl farkı, ICP’nizle uyumlu, satın alma araştırması yapan ve ticari açıdan uygun hesapları doğru anda görmek yaratır.
B2B intent data, dijital davranışlardan doğan ilgi sinyallerini hesap bazında yorumlamanızı sağlar. Bu sinyal, satın alma garantisi değildir. Türkiye’deki B2B şirketlerde veri modeli, satış araştırmasını destekleyen bir karar sistemi olarak konumlandırılmalıdır.
Account intelligence yaklaşımı, hesap düzeyindeki davranışları şirket uygunluğuyla birlikte değerlendirir. Sağlam model, firmaografik sinyalleri, niyet davranışlarını, CRM geçmişini ve satış geri bildirimini bir araya getirir. Bu yaklaşım yalnızca bir lead listesi oluşturmaz. Account-based marketing kapsamında hedef hesap seçimini ve kişiselleştirilmiş erişimi destekler.
Doğru kurulmuş bir sistem, sales and marketing teams arasında aynı önceliklendirme mantığını oluşturur.
B2B intent data neyi gösterir, neyi göstermez?
B2B intent data, bir şirketin belirli konu, çözüm veya ürün kategorilerini araştırdığını gösteren davranış verisidir. Daha geniş bir çerçevede buyer intent data, bu araştırma davranışlarının satın alma garantisi vermeden yorumlanmasını sağlar.
Bir hesabın fiyatlandırma sayfasını ziyaret etmesi, demo talep etmesi, rakip çözümleri karşılaştırması veya teknik içerik okuması buying signals olarak değerlendirilebilir. Ancak tek bir ziyaret, satın alma kararı anlamına gelmez.
Aynı topic research, ihtiyaç analizi, eğitim arayışı veya rakip değerlendirmesi amacıyla yapılmış olabilir. Sinyalin anlamı, hesabın buyer journey içindeki aşamasına göre de değişebilir.
Niyet sinyali ile satın alma kararı aynı şey değildir
Niyet sinyali, “bu hesapta bir ilgi var” der. Satış fırsatı ise doğru şirket profili, ihtiyaç, bütçe, yetki ve zamanlama doğrulandığında oluşur.
Örneğin üretim sektörüne yazılım satan bir firma için 20 çalışanlı bir işletmenin içerik ziyareti ile 500 çalışanlı hedef hesabın ürün karşılaştırması aynı ağırlıkta değildir. Bu nedenle intent signals, sinyal yoğunluğu, tekrar sıklığı, birden fazla kişinin etkileşimi ve zamanlamayla birlikte okunmalıdır.
Intent verisi doğrudan MQL veya satış fırsatı olarak etiketlenmemelidir. Öncelikli hesabı belirler, ancak gerçek fırsat için ihtiyaç, bütçe, yetki ve zamanlama ayrıca doğrulanmalıdır.
Niyet verisi, satış ekibine hazır müşteri listesi vermez. Doğru araştırma sorularını soracağı öncelikli hesap listesini verir.
Hesap düzeyinde düşünmek gerekir
Lead scoring çoğu zaman form dolduran kişi üzerinden ilerler. B2B satın alma süreçlerinde ise karar tek kişide değildir.
Pazarlama, finans, operasyon veya satın alma ekiplerinden birden fazla kişinin aynı çözüm alanını araştırması, tek bir anonim ziyaretten daha güçlü bir sinyaldir. Yine de bu sinyal, müşteri görüşmeleri ve hesap bilgileriyle doğrulanmalıdır.
Bu nedenle hesap önceliklendirme modeliniz, kişisel aktiviteden önce şirketin toplam davranışını görmelidir. Aynı şirketteki araştırma yoğunluğu, tek bir ziyaretçiye göre daha güvenilir bir önceliklendirme zemini sunar.
Hesap önceliklendirme modelinin üç katmanı
Etkili bir modelin temelinde üç soru vardır: Bu şirket sizin için uygun mu? Şirket gerçekten araştırma yapıyor mu? Bu araştırma şimdi mi yoğunlaştı?
Bu sorular, ICP uyumu, davranış yoğunluğu ve sinyal tazeliğini ayrı skor girdileri olarak ele alır.
Firmaografik uyum ile yanlış hedefleri elemek
Firmographic data, hesabın kim olduğunu anlatır. Sektör, çalışan sayısı, ciro bandı, lokasyon, büyüme aşaması ve mevcut müşteri durumu bu katmana girer.
Hedefiniz kurumsal web tasarım hizmeti, endüstriyel yazılım veya danışmanlık satmaksa, her hesap aynı değerde değildir. Teknoloji altyapısı da technographic data olarak bu uyuma ek bir filtre sağlayabilir.
İdeal müşteri profilinden uzak hesapların yüksek content consumption düzeyi, satış ekibini gereksiz görüşmelere yönlendirebilir. Blog, vaka çalışması, teknik doküman ve ürün sayfası tüketimi aynı ticari ağırlığa sahip değildir.
Negatif kriterleri de modelde açıkça tanımlayın. Hedef dışı bölgeler, minimum şirket büyüklüğünün altındaki hesaplar, hizmet veremediğiniz sektörler, mevcut müşteriler ve iş ortakları skordan düşülmeli veya ayrı statüye alınmalıdır.
Intent signals: yoğunluk ve tazelik
Bir hesabın blog yazısı okuması düşük ağırlıklı bir davranıştır. Demo sayfasına dönüş, fiyatlandırma incelemesi, vaka çalışması indirme veya birden fazla ziyaretçinin kritik sayfalarda zaman geçirmesi daha güçlü sinyallerdir.
Sinyal yoğunluğu ve intent signals tazeliği birlikte değerlendirilmelidir. Altı ay önce indirilen bir rehber, geçen hafta yapılan rakip karşılaştırması kadar değerli değildir. Puan zamanla düşmeli, yeni etkileşimler ise puanı yükseltmelidir.
B2B SEO çalışmalarında yalnızca trafik hacmini ölçmeyin. Nitelikli hesapları, içerik kümelerini, etkileşim kalitesini ve CRM’de oluşan fırsatlarla bağlantıyı birlikte izleyin. Topic research, bu kümelerin hangi ticari konuları ve problem alanlarını çektiğini gösterir. B2B topic cluster yapısı ile içerik temasını CRM sonuçlarıyla birlikte değerlendirmek daha sağlıklı bir çerçeve sunar.
Yeterli geçmiş fırsat verisi oluştuğunda predictive analytics, hangi sinyal kombinasyonlarının fırsata dönüşme ihtimalinin yüksek olduğunu tahmin edebilir. Bu yaklaşım başlangıç modelinin zorunlu bir bileşeni değildir.
Birinci, ikinci ve üçüncü taraf niyet verisini ayırın
Tek bir veri kaynağına dayalı model, kısa sürede gürültü üretir. Kaynakları ayırmak, her sinyale doğru ağırlığı vermenizi kolaylaştırır. Bu üç kaynaktan gelen sinyallerin genel şemsiye terimi buyer intent data olarak kullanılabilir. Ancak hiçbir kaynak tek başına satın alma niyetini kanıtlamaz.
Birinci taraf veriler en güvenilir başlangıçtır
First-party intent data, şirketinizin doğrudan kendi kanallarından topladığı verilerdir. Web sitesi ziyaretleri, form kayıtları, canlı destek görüşmeleri, webinar katılımları, e-posta etkileşimleri, ürün kullanımı ve CRM kayıtları buna dahildir.
SEO, içerik pazarlaması ve arama motoru optimizasyonu yatırımlarını da bu veriyle birlikte okuyabilirsiniz. Teknik SEO ile hızlanan sayfalar, doğru kullanıcı niyetine göre hazırlanan içerikler ve net teklif akışları daha ölçülebilir davranış üretir.
Zero-party veri ise hesap veya kişinin anket, tercih merkezi, demo formu ya da ihtiyaç formunda bilinçli olarak paylaştığı bilgidir. Bütçe ve zamanlama gibi açık beyanlara dayanır. Bu yönüyle first-party veriden ayrılır ve daha doğrudan bir sinyal sunar.
Bir SEO uzmanı veya SEO danışmanlığı hizmetiyle çalışan ekip için önemli olan yalnızca görünürlük değildir. Hangi sayfanın nitelikli hesapları çektiği, hangi içeriğin dönüşüm optimizasyonu açısından desteklenmesi gerektiği ve hangi sorguların satış görüşmesine yaklaştığıdır.
İkinci taraf kaynaklar araştırma bağlamı sağlar
Second-party intent data, başka bir kuruluşun doğrudan kendi kitlesinden topladığı ve paylaşabildiği araştırma sinyalleridir. G2 gibi değerlendirme platformları bu gruba örnek verilebilir.
G2 Buyer Intent sinyalleri, ürün ve kategori sayfası görüntülemeleri, rakip karşılaştırmaları ve fiyatlandırma sayfası etkileşimleri üzerinden oluşabilir. Bu hareketler, bir hesabın çözüm kategorisini aktif biçimde araştırdığını gösterebilir.
Bu sinyaller genellikle orta-yüksek güven düzeyinde değerlendirilir. Yine de şirketin hedef profili, mevcut CRM kaydı ve kendi sitenizdeki davranışlarıyla doğrulanmalıdır.
Üçüncü taraf veri yeni hesapları buldurur
Third-party intent data, yayıncı ağları, geniş araştırma ağları ve veri sağlayıcılarından gelir. Veri kapsamı bir data cooperative üzerinden genişletilebilir. Bu kaynaklar, henüz sitenize gelmemiş in-market accounts bulmakta faydalı olabilir.
Dış kaynaklı araştırma sinyalleri, sales intelligence süreçlerine bağlam sağlar. Ancak bunları satış için kesin target account lists olarak görmeyin. Doğrulanması gereken bir başlangıç listesi olarak kullanın.
Bunun sınırı açıktır: Konu araştırması yapan hesabın hangi ihtiyaca sahip olduğunu, hangi kişinin araştırma yaptığını veya kararın ne zaman verileceğini kesin olarak göstermez. Bu nedenle üçüncü taraf sinyallere daha düşük güven katsayısı verin.
Zero-party ve doğrulanmış first-party sinyaller en yüksek güven düzeyindedir. Second-party sinyaller orta-yüksek, üçüncü taraf veriler ise keşif ve önceliklendirme seviyesinde değerlendirilmelidir. Bu katsayıları geçmiş fırsat sonuçlarınızla düzenli olarak kalibre edin.
Intent data platforms, farklı kaynakları hesap eşleştirme ve sinyal zaman çizelgesi içinde birleştirebilir. Sağlayıcı değerlendirmesinde Company Surge gibi platformları hedef pazarınızda pilot test ederek inceleyin. Kapsama alanı, eşleşme kalitesi ve satış sonuçlarını kendi verilerinizle ölçmeden kesin sonuca varmayın.
Hesap skorunu basit, açıklanabilir ve güncel tutun
Modeliniz, satış temsilcisinin anlayamayacağı kadar karmaşıksa kullanılmaz. Mevcut basit puanlama yaklaşımının hesap bazlı versiyonu olan lead scoring, her puanın neden verildiğini görünür kılmalıdır. Bu açıklama CRM içinde yer almalı ve ilgili aksiyonla eşleşmelidir.
Hesap skorunu 0 ile 100 arasında normalize edilen dört bileşenle hesaplayabilirsiniz:
Hesap Skoru = (ICP uyumu × %40) + (davranışsal intent skoru × %30) + (sinyal tazeliği × %15) + (CRM doğrulaması ve etkileşim × %15) − negatif kriter cezaları
ICP uyumunun temelinde sektör, şirket büyüklüğü, bölge ve teknoloji altyapısı gibi firmographic data bulunur. Davranışsal puan, sinyalin kaynağına ve ticari değerine göre hesaplanır. Her bileşeni 0 ile 100 arasında normalize etmek, farklı veri türlerini karşılaştırmayı kolaylaştırır.
Aşağıdaki örnek, ilk sürüm için pratik ve açıklanabilir bir puanlama çerçevesi sunar:
| Ölçüt | Örnek puan | Yorum |
|---|---|---|
| İdeal sektör ve şirket büyüklüğü | 25 | Firmaografik uyum |
| Son 30 günde ürün veya hizmet sayfası ziyareti | 20 | Birinci taraf etkileşim |
| Fiyatlandırma, demo veya teklif sayfası ziyareti | 25 | Yüksek ticari ilgi |
| G2 veya benzeri platformda araştırma sinyali | 15 | İkinci taraf niyet verisi |
| Çoklu kişi etkileşimi | 15 | Hesap içinde satın alma komitesinin oluştuğunu gösterir |
| Satış ekibinin doğruladığı aktif fırsat | 30 | CRM doğrulaması |
| Hedef dışı segment veya mevcut müşteri | -25 | Gereksiz yönlendirmeyi azaltır |
| Tekrarlanan veya doğrulanmamış dış kaynaklı sinyal | -10 | Gürültü ve puan şişmesini sınırlar |
Demo, fiyatlandırma, teklif sayfası, çoklu kişi etkileşimi ve rakip karşılaştırması gibi davranışlar buying signals olarak puanlanabilir. Ancak tek bir dış kaynaklı sinyal, hesabı tek başına satış eşiğinin üzerine taşımamalıdır. Bu nedenle hesap skorunda en az bir doğrulanmış birinci taraf etkileşimi veya CRM doğrulaması aramak daha güvenlidir.
Davranışsal intent skorunda kaynak güvenilirliği için başlangıç katsayıları kullanabilirsiniz. Doğrulanmış first-party veya zero-party sinyaller için 1,00, second-party sinyaller için 0,80 ve third-party sinyaller için 0,50 katsayısı uygulanabilir. Bunlar sabit gerçekler değildir. Pilot sonuçlarına göre kalibre edilmesi gereken başlangıç değerleridir.
Her intent signals kaynağı, sinyalin tazeliği ve davranış ağırlığı birlikte değerlendirilmelidir. Örneğin yeni bir teklif sayfası ziyareti, aylar önce gerçekleşmiş genel bir içerik ziyaretinden daha yüksek puan almalıdır.
Örnek olarak ICP uyumu 85, davranışsal intent skoru 70, tazelik 80 ve CRM doğrulaması 60 ise hesap skoru şöyle hesaplanır:
85 × 0,40 + 70 × 0,30 + 80 × 0,15 + 60 × 0,15 = 76,5
Bu hesap satış araştırması eşiğine girer. Ancak temsilci önce son sinyalin kaynağını ve aktif ihtiyacı doğrulamalıdır.
Bu eşikleri ilk hipotez olarak kullanabilirsiniz:
| Skor aralığı | Başlatılacak aksiyon |
|---|---|
| 0 ile 39 | Nurture ve içerik akışı |
| 40 ile 69 | Pazarlama değerlendirmesi |
| 70 ile 84 | Satış araştırması ve hesap doğrulaması |
| 85 ve üzeri | Satışa öncelikli yönlendirme ve bir iş günü içinde inceleme |
Eşikler, fırsata dönüşüm sonuçlarına göre güncellenmelidir. Yeterli geçmiş fırsat verisi biriktikten sonra predictive analytics kullanarak ağırlıkları gerçek dönüşüm sonuçlarına göre optimize edebilirsiniz.
Bu tablo evrensel bir reçete değildir. Satış döngünüz kısa ise son günlerdeki davranışlara daha fazla ağırlık verebilirsiniz. Uzun sales cycles içinde ise firmaografik uyum ve çoklu paydaş etkileşiminin ağırlığını artırmak daha doğru olabilir.
Sinyal tazeliği için zaman aşımı tanımlayın
Bir hesabın skoru hiç düşmüyorsa listeniz eski hareketlerle dolar. Blog veya genel içerik ziyaretleri gibi düşük niyetli sinyallerin puanı 30 ile 60 gün içinde azalmalıdır. Demo talebi ya da teklif isteği gibi güçlü aksiyonlar ise CRM’de ayrı yaşam döngüsü durumlarına taşınmalıdır.
Basit bir tazelik formülü kullanabilirsiniz: Tazelik skoru = başlangıç puanı × geçen sürenin etkisi. Düşük niyetli içerik sinyallerinde 30 veya 60 günlük zaman aşımı uygulayın. Güçlü ticari aksiyonlarda ise puanı azaltmak yerine hesabı aktif fırsat veya satış incelemesi durumuna geçirin.
Aynı etkinliğin tekrar tekrar puan şişirmesini önlemek için hesap başına günlük veya haftalık üst sınır belirleyin. Örneğin aynı kişinin yaptığı tekrarlı sayfa ziyaretleri, belirli bir sınırdan sonra yeni puan üretmemelidir.
Haftalık kontrol yeterli olabilir. Satış ekibi hesabı “yanlış hedef”, “erken aşama” veya “aktif fırsat” olarak işaretleyebilmelidir. Bu geri bildirim, tahmine dayalı analizden daha değerli bir düzeltme kaynağıdır.
Gürültüyü filtrelemek için eşik kurun
Bir hesabı satışa vermek için tek sinyal yerine minimum koşullar belirleyin. Örneğin yüksek intent puanı, ideal müşteri profili uyumu ve son 30 gün içinde en az bir birinci taraf etkileşimi aranabilir.
85 ve üzeri skor alan hesaplarda bile satışa yönlendirmeden önce sinyal kaynağını kontrol edin. Dış kaynaklı sinyalin doğrulanmamış olması, hedef dışı segment veya aktif ihtiyaç bulunmaması durumunda hesap otomatik olarak satış kuyruğuna girmemelidir.
Böylece dış kaynaklı sinyali web sitesi ve CRM verisiyle doğrularsınız. Satış temsilcisi daha az listeyle çalışır, ancak konuşma ihtimali daha yüksek hesaplara odaklanır.
CRM entegrasyonu modeli eyleme dönüştürür
Intent sinyali bir elektronik tabloda kalırsa operasyonel değeri düşer. CRM integration, hesap puanı, sinyal zaman çizelgesi, kaynak, güven katsayısı, ilgi alanı, sahiplik, sonraki aksiyon ve sonuç kodunu aynı kayıtta birleştirir.
CRM’de kişi kayıtlarının yanında şirket özeti, ilgili ekipler ve geçmiş temaslar da görünmelidir. Bu account intelligence yaklaşımı, satış ve pazarlama ekiplerinin aynı hesap bağlamıyla hareket etmesini sağlar.
Pazarlama ve satış için net aksiyonlar belirleyin
Puanı belirli eşiği geçen hesap otomatik olarak satışa devredilmemelidir. Önce puan aralıklarına, ICP uyumuna ve sinyal tazeliğine bağlı aksiyonları tanımlayın.
- 0 ile 39 arası hesaplar pazarlama nurture akışında tutulabilir.
- 40 ile 69 arası hesaplar içerik, webinar, reklam ve remarketing ile demand generation sürecine alınabilir.
- 70 ile 84 arası hesaplar SDR veya AE araştırmasına atanabilir.
- 85 ve üzeri hesaplar, gerekli koşullar sağlanıyorsa satışa yönlendirilebilir.
Satışa aktarım için ICP uyumu, son 30 gün içinde first-party etkileşim ve yeterli niyet skoru birlikte aranmalıdır. Sinyal tazeliği ve satış SLA’sı, outreach timing kararını da belirlemelidir.
Yüksek uyumlu hesaplarda içerik, reklam ve satış temaslarını birlikte planlamak account-based marketing yaklaşımını güçlendirir. Bu hesapların başarısı yalnızca toplantı sayısıyla değil, nitelikli fırsat ve pipeline generation katkısıyla ölçülmelidir.
Google Ads yönetimi ve reklam yönetimi de bu modele bağlanabilir. Arama kampanyalarından gelen verileri yalnızca tıklama ve trafik üzerinden değerlendirmeyin. Nitelikli hesap, toplantı, fırsat ve gelir etkisini ayrı izleyin. Google Ads bütçenizi daha verimli yönetin bağlantısındaki yaklaşım, reklam verisiyle dönüşüm kalitesini birlikte ele almanıza yardımcı olur.
Sahiplik ve SLA olmadan model işlemez
sales and marketing teams ortak bir eşik, ortak yaşam döngüsü ve açık SLA tanımlamalıdır. Pazarlama ekibi hangi puanda hesabı nitelikli kabul ediyor? Satış ekibi bu hesabı kaç gün içinde inceliyor?
CRM’de en az şu alanlar zorunlu olmalıdır: hesap adı, ICP durumu, sinyal türü, kaynak türü, sinyal tarihi, güven katsayısı, son doğrulama, hesap sahibi, SLA tarihi, aksiyon ve sonuç nedeni.
Geçersiz, erken aşama, satışa uygun değil, kazanıldı veya fırsata dönüştü gibi sonuçlar ayrıca işlenmelidir. Bu kayıtlar predictive analytics için kullanılabilir ve gelecek skorlarında hangi ağırlıkların güncelleneceğini gösterebilir.
Pazarlama, satış ve müşteri başarısı aynı hesap sonucunu izlediğinde süreç revenue teams çerçevesinde daha tutarlı ilerler. Aksi halde intent data, farklı ekiplerin farklı yorumladığı bir rapora dönüşür. B2B büyüme stratejisi danışmanlığı kapsamında CRM, içerik, reklam ve satış süreçlerini aynı hedef etrafında planlamak bu kopukluğu azaltır.
Gizlilik, veri kalitesi ve yapay zekâ otomasyonu
Niyet verisi kullanırken veri toplama ve işleme sürecini göz ardı edemezsiniz. Çerezler, analitik, reklam hedefleme ve doğrudan pazarlama için açık, ayrı ve anlaşılır bilgilendirme sunun.
Tercih yönetimi, onamı geri çekme, erişim ve silme süreçlerini kolaylaştırın. Form doldurmak veya web sitesini ziyaret etmek, her zaman pazarlama iletişimi için açık rıza anlamına gelmez.
Onam sürecini gizlilik politikasına saklamayın
ICO’nun çerez ve benzeri teknolojiler rehberi, onam bilgisinin zor bulunan veya anlaşılması güç bir gizlilik metninde kalmasının yeterli olmadığını vurgular. Türkiye’de KVKK yükümlülüklerini, Avrupa’daki ilgili kişiler ve operasyonlar için ise GDPR compliance gerekliliklerini ayrıca değerlendirin.
GDPR, amaçla sınırlılık, şeffaflık, hukuki dayanak, erişim ve silme gibi yükümlülükler içerir. KVKK ile GDPR’ı aynı düzenleme gibi ele almayın; hukuk ve veri koruma ekiplerinizden görüş alın.
Doğrudan iletişimde de aynı dikkat gerekir. Pazarlama ve veri koruma rehberi geçerli onam standardının yüksek olduğunu açıkça belirtir. Açık rıza, meşru menfaat veya sözleşme gibi diğer hukuki dayanaklarla aynı şey değildir.
Zero-party veya first-party veri kullanmanız, bu veriyi sınırsız işleyebileceğiniz anlamına gelmez. Verinin hangi amaçla, ne kadar süreyle ve kimlerle paylaşılacağını kayıt altına alın.
Veri sağlayıcınızın sözleşmesi, veriyi hangi amaçla kullanabileceğinizi tek başına çözmez. Üçüncü taraf sağlayıcılarla veri işleme sözleşmelerini, saklama sürelerini ve silme prosedürlerini kontrol edin.
AI marketing ajanları insan denetimiyle çalışmalı
Yapay zekâ pazarlama sistemleri, hesap özetleme, sektör araştırması, sinyal değişimini izleme ve satış temsilcisine taslak hazırlama işlerinde zaman kazandırabilir. Ancak AI marketing aracı, doğrulanmamış intent sinyaline dayanarak otomatik teklif, e-posta veya hassas profil üretmemelidir.
Hesap önceliklendirmesinde predictive analytics kullanılıyorsa, otomatik profil çıkarma ve yüksek etkili kararlar insan denetimi gerektirir. Modelin açıklanabilirliğini sağlayın, gereksiz veriyi azaltın ve kararları düzenli olarak gözden geçirin.
İnsan onayı, erişim yetkileri ve denetim kayıtları temel kontrol noktalarıdır. Hatalı eşleşmelerin düzeltilmesi ve yanlış sinyallerin sistemden çıkarılması için süreç oluşturun.
Google da sıralamayı manipüle etmek amacıyla yapay zekâ ile içerik üretimini spam politikalarına aykırı görür. Google’ın yapay zekâ içerik yaklaşımı, otomasyonun amaç ve kalite açısından insan denetimine ihtiyaç duyduğunu hatırlatır.
Yapay zekâyı karar veren değil, araştırmayı hızlandıran yardımcı olarak konumlandırın. Şirketler için AI dönüşüm stratejisi ile CRM, raporlama ve satış süreçlerinde güvenli otomasyon senaryoları oluşturabilirsiniz.
Sağlayıcı seçerken bakmanız gereken noktalar
Intent data platforms seçerken yalnızca hesap sayısına veya renkli gösterge panellerine bakmayın. Farklı kaynakları birleştiren platformları, gerçek fırsat katkısıyla değerlendirin.
Şu başlıkları değerlendirin:
- Veri kaynaklarını, toplama yöntemini, güncelleme sıklığını ve ülke, sektör kapsamını yazılı olarak isteyin.
- third-party intent data kapsamını, konu sınıflandırmasını ve hesap eşleştirme yöntemini inceleyin.
- Sağlayıcı verilerini bir data cooperative üzerinden alıyorsa, kullanım hakkını, kaynak şeffaflığını ve güncelliğini sorun.
- Hesap eşleştirme oranını kendi hedef pazarınızda test edin. Şirket adı, alan adı ve bağlı şirket eşleştirmesinin nasıl yapıldığını öğrenin.
- Karşılaştırmaya Company Surge gibi çözümleri de dahil edebilirsiniz. Ancak her sağlayıcıyı aynı pilot kriterleriyle değerlendirin.
- CRM integration yalnızca teknik bağlantıdan ibaret olmamalıdır. Alan eşleştirme, kayıt sahipliği ve yaşam döngüsü senkronizasyonunu da kontrol edin.
- CRM, pazarlama otomasyonu, reklam platformları ve veri ambarına çift yönlü aktarım kapasitesini inceleyin.
- Satış ekipleri için sales intelligence çıktısında yalnızca skor bulunmamalıdır. Sinyal kaynağı, konu, tarih, hesap eşleştirme gerekçesi ve araştırma bağlamı da görünmelidir.
- account intelligence görünümünde şirket profili, birden fazla kişinin sinyalleri, geçmiş temaslar ve açık fırsatlar birlikte izlenebilmelidir.
- Sağlayıcının predictive analytics tahminlerini, geçmişte kazanılan ve kaybedilen fırsatlarla karşılaştırmadan güvenilir kabul etmeyin.
- Veri saklama süresi, silme talebi, alt işleyenler, onam ve erişim süreçlerini belgeleyin. KVKK ve GDPR uyumunu sözleşme öncesinde netleştirin.
- En az 60 ila 90 günlük pilot uygulama planlayın. Hedef hesap eşleştirme oranını, üst dilimde precision değerini ve yanlış pozitif oranını ölçün.
- Satış inceleme süresini, toplantıya ve fırsata dönüşüm oranlarını takip edin. Kazanılan geliri ve satış geri bildirimlerinin tutarlılığını da değerlendirin.
Dijital pazarlama ajansı veya danışmanlık partneriyle çalışıyorsanız, sağlayıcı seçimini yalnızca yazılım tercihi gibi görmeyin. SEO, yerel SEO, teknik SEO, web tasarım, kurumsal web tasarım ve dönüşüm optimizasyonundan gelen birinci taraf sinyalleri aynı büyüme modeline bağlayın.
Öne çıkan noktalar
- B2B intent data, hesapları sıralamak için güçlü bir girdidir, satın alma garantisi değildir.
- Firmaografik uyum, buying signals, sinyal tazeliği ve CRM doğrulaması birlikte değerlendirilmelidir.
- First-party, second-party, third-party ve zero-party veri ayrımı, sinyallerin güvenilirliğini doğru yorumlamayı sağlar.
- Hesap skoru, açık bir formülle hesaplanmalı ve ekiplerin kolayca anlayabileceği şekilde tasarlanmalıdır.
- Güven katsayıları ve minimum eşik değerleri, düşük kaliteli sinyallerin modeli etkilemesini sınırlar.
- CRM SLA’sı, satış ve pazarlama ekiplerinin hesap geri bildirimlerini zamanında paylaşmasını sağlar.
- Model düzenli olarak doğrulanmalı, sonuçlara göre ağırlıklar ve eşik değerleri güncellenmelidir.
- Account-based marketing yaklaşımı, yüksek uyumlu hesapları satış ve pazarlama aksiyonlarıyla buluşturur.
- Google Ads danışmanlığı, SEM danışmanlığı ve içerik çalışmaları yalnızca trafikle ölçülmemelidir. Nitelikli hesap, fırsat ve pipeline katkısı birlikte izlenmelidir.
- Marka görünürlüğü kadar satışa uygun hesap üretimi de dijital pazarlama stratejisinin temel parçasıdır.
Sıkça Sorulan Sorular
B2B intent data satın alma niyetini kesin olarak gösterir mi?
Hayır. B2B intent data, bir hesabın belirli bir konu, çözüm veya ürün kategorisini araştırdığını gösterir; satın alma kararı için ihtiyaç, bütçe, yetki ve zamanlama ayrıca doğrulanmalıdır.
Hesap önceliklendirme skorunda hangi veriler kullanılmalıdır?
ICP uyumu, davranışsal intent sinyalleri, sinyal tazeliği ve CRM doğrulaması birlikte değerlendirilmelidir. Firmaografik bilgiler, birinci taraf etkileşimler, çoklu kişi aktivitesi ve satış geri bildirimi modelin temel girdilerini oluşturur.
First-party, second-party ve third-party intent data arasındaki fark nedir?
First-party veriler web sitesi, CRM ve diğer doğrudan kanallarınızdan gelir ve genellikle en güvenilir başlangıç kaynağıdır. Second-party veriler başka kuruluşların kendi kitlelerinden, third-party veriler ise geniş araştırma ağları ve veri sağlayıcılarından gelir; bu nedenle daha fazla doğrulama gerektirir.
Yüksek skorlu her hesap satış ekibine aktarılmalı mı?
Hayır. Hesabın yüksek skorunun yanında ICP uyumu, güncel birinci taraf etkileşim ve doğrulanmış aktif ihtiyaç gibi minimum koşullar aranmalıdır. Dış kaynaklı veya eski sinyaller tek başına satışa yönlendirme için yeterli değildir.
Intent data modeli ne sıklıkla güncellenmelidir?
Model en az aylık olarak veya satış döngüsüne uygun periyotlarla gözden geçirilmelidir. Yanlış pozitifler, fırsata dönüşüm oranları, satış geri bildirimleri ve kanal katkısı incelenerek puan ağırlıkları ile eşik değerleri güncellenmelidir.
Sonuç
Sağlıklı hesap önceliklendirmesi, daha çok veriye sahip olmakla değil, doğru veriyi doğru bağlamda yorumlamakla başlar. Dört temel kontrol önemlidir: ICP ve firmographic uyum, kaynak güvenilirliği, sinyal tazeliği ve CRM ile doğrulanan satış sonucu. B2B intent data, CRM verisi ve gerçek satış geri bildirimiyle birleştiğinde ekiplerin zamanını daha değerli hesaplara ayırmasına yardımcı olur.
Model başlangıçta açıklanabilir kurallarla çalışmalıdır. Yeterli CRM sonucu biriktikçe predictive analytics, tahminleme ve ağırlık optimizasyonu için kullanılabilir. Böylece skorlar varsayımlara değil, ölçülen satış sonuçlarına dayanır.
Modeli en az aylık veya satış döngüsüne uygun periyotlarla doğrulayın. Eşikleri, yanlış pozitifleri, fırsata dönüşüm oranlarını, satış geri bildirimlerini ve kanal katkısını düzenli olarak gözden geçirin.
Türkiye’deki B2B şirketler için en sağlıklı başlangıç, sınırlı bir hedef hesap grubuyla pilot yapmaktır. Açıklanabilir puanlama kullanın ve CRM alanlarını standartlaştırın. Satış ve pazarlama geri bildirimini zorunlu tutun, sonuçlara göre ağırlıkları güncelleyin.
KVKK, açık rıza, veri minimizasyonu ve gerekli durumlarda GDPR yükümlülükleri sonradan eklenecek detaylar değildir. Bunlar model tasarımının başlangıç koşullarıdır.
Dijital pazarlama danışmanlığı, SEO danışmanlığı, içerik, reklam, yapay zekâ, CRM ve satış ölçümünü aynı sistemle yönetmek istiyorsanız hesap önceliklendirme modelinizi birlikte planlayalım.
İlgili yazılar: B2B SEO Anahtar Kelime Önceliklendirme Modeli Nasıl Kurulur? · B2B Lead Scoring Modeli CRM ve Pazarlama Verileriyle Nasıl Kurulur? · B2B Ürün Demo Sayfası İçin SEO ve Dönüşüm Planı
