Conclusiones rápidas

• La puntuación de afinidad de contenido permite saber qué temas prefiere realmente un cliente potencial.
• El volumen de interacciones por sí solo oculta lo que realmente les importa a los compradores.
• Las señales de intención a nivel de tema predicen mejor la disposición que el simple recuento de clics.
• La personalización de la ruta de captación de clientes requiere datos reales de afinidad de contenido, no conjeturas.
• Las recomendaciones de contenido dinámico dependen de una puntuación precisa de los temas, no de suposiciones.
• La mayoría de las instancias de Eloqua y Marketo ya contienen los datos necesarios.

La puntuación de afinidad de contenido responde a una pregunta que las puntuaciones de interacción brutas no pueden: ¿qué temas le interesan realmente a este cliente potencial? Un cliente potencial que lee tres páginas de precios y una guía de integración muestra una intención diferente a la de uno que lee tres publicaciones de blog y un resumen de un seminario web, pero la mayoría de los modelos de puntuación los califican de la misma manera, porque contabilizan los clics y las aperturas, no el contenido.

Esa brecha se vuelve costosa rápidamente. El equipo de ventas recibe un cliente potencial muy interesado que hizo muchos clics, y luego descubre en la primera llamada que a la persona le interesa una línea de productos, un caso de uso o una etapa de compra diferente a la que el equipo de ventas se había preparado para discutir. La puntuación de interacción indicaba que estaba listo. El contenido en sí decía lo contrario.

La solución no consiste en añadir un nuevo modelo de puntuación al antiguo. Se trata de analizar las señales temáticas que probablemente ya recopila tu plataforma, independientemente de la pila de automatización de marketing que utilices, y aplicar la puntuación de afinidad de contenido para dirigir a los clientes potenciales a rutas de nutrición basadas en lo que realmente quieren aprender a continuación, y no solo en la intensidad de su actividad. Para comprender mejor el modelo general, consulta nuestro artículo principal sobre cómo la IA está redefiniendo la puntuación y la evaluación de clientes potenciales para las operaciones de marketing.

Qué medidas de puntuación de afinidad de contenido no miden las puntuaciones de participación

La puntuación de afinidad de contenido mide a qué temas regresa un cliente potencial de forma constante, ponderando la superposición de temas y las visitas repetidas por encima del volumen de clics. Una puntuación de interacción tradicional suma puntos por cada apertura, clic y formulario completado, independientemente del contenido, por lo que dos clientes potenciales con la misma puntuación pueden estar interesados ​​en temas completamente diferentes.

Volumen vs. Tema: Dos preguntas diferentes

Por qué es importante: el volumen indica que un cliente potencial está activo. El tema indica sobre qué está activo, y solo uno de estos dos aspectos ayuda al equipo de ventas a iniciar una conversación relevante. Un cliente potencial que abre cinco correos electrónicos sobre la misma integración representa una oportunidad diferente a uno que abre cinco correos electrónicos sobre cinco productos distintos.

Los modelos tradicionales de puntuación de clientes potenciales, los que la mayoría de los equipos aún utilizan, nunca se diseñaron para diferenciar entre ambos. Marketo Lead Scoring: An Overview explica cómo los modelos basados ​​en puntos suman la actividad sin distinguir de qué se trataba realmente, que es precisamente la brecha que la puntuación de afinidad de contenido busca cerrar.

Dónde aparece esto primero: La transferencia de MQL

La discrepancia se hace evidente más rápidamente en la transferencia de MQL, cuando un cliente potencial calificado pasa a Ventas sin más contexto que un número. Un representante que abre el registro esperando un comprador listo para hablar de precios empresariales, basándose únicamente en la puntuación, y en cambio se encuentra con alguien que solo ha interactuado con contenido básico, pierde la reunión antes de que comience. Ese es precisamente el error que la puntuación de afinidad de contenido busca evitar: brindar a Ventas el tema, no solo la impresión general.

Cómo se ve realmente el interés a nivel temático al leer

Las señales de intención a nivel de tema se encuentran en los datos que la mayoría de las plataformas ya capturan: qué páginas, recursos y enlaces de correo electrónico visita un cliente potencial, agrupados por tema en lugar de por fecha. Los datos brutos suelen existir. Lo que generalmente falta es el paso de etiquetar cada pieza de contenido por tema y consolidar ese etiquetado en un perfil.

Señales de contenido que vale la pena rastrear

Las señales de interacción con el contenido que permiten crear un perfil temático incluyen las visitas repetidas a la misma categoría de contenido, el tiempo dedicado a páginas de recursos específicas y los temas de seminarios web o guías que un cliente potencial elige entre varias opciones. Un solo clic en una página de precios indica menos de tres visitas al contenido sobre casos de uso del mismo producto en dos semanas.

El artículo "Cómo las auditorías de marketing exponen los problemas de la arquitectura de las campañas de nutrición de leads" aborda un paso de auditoría relacionado: comprobar si la lógica de ramificación existente en una ruta de nutrición de leads se diseñó originalmente para leer este tipo de datos temáticos, o si se añadió posteriormente a la campaña, una vez que esta ya estaba en marcha.

En Eloqua, concretamente, los criterios de participación se pueden configurar a nivel de campaña para ponderar de forma diferente las interacciones con el contenido específico, tal y como se documenta en la guía de Oracle para configurar los criterios de participación , que es donde normalmente se configura primero la ponderación de los temas para la puntuación de afinidad del contenido.

Cómo convertir la actividad a nivel de página en un perfil de tema.

Para convertir esa actividad en un perfil útil, es necesario un paso fundamental que la mayoría de los equipos omite: etiquetar el contenido por tema antes de puntuarlo. Sin este etiquetado, una plataforma de automatización de marketing dispone de gran cantidad de datos de interacción, pero no tiene forma de agruparlos, lo que marca la diferencia entre el seguimiento de la actividad y un perfil de tema útil.

Construir estrategias de captación basadas en la afinidad, no en el volumen.

La personalización del recorrido de captación de clientes potenciales, basada en la puntuación de afinidad de contenido, dirige al cliente potencial a la ruta que coincide con sus intereses reales, no a la que se ajusta a su rango de puntuación. Un cliente potencial con un alto volumen de visitas, pero genuinamente interesado en un caso de uso específico, recibe primero contenido sobre ese caso de uso, en lugar de una secuencia genérica de la parte superior del embudo de ventas.

Filtrar por tema, no solo por umbral de puntuación.

Por qué es importante: la mayoría de las rutas de nutrición de leads se ramifican únicamente en función de umbrales de puntuación, moviendo a un lead de una etapa a la siguiente una vez que alcanza un determinado total de puntos. La ramificación también en función de la afinidad temática implica que dos leads con la misma puntuación pueden terminar en rutas diferentes, ya que la plataforma registra con qué interactuaron, no solo la cantidad.

Personalización B2B sin CDP: Lo que su MAP ya puede hacer cubre la mecánica que la mayoría de los equipos necesitan para esto: ramificación basada en reglas dentro de Eloqua, Marketo u otra plataforma, utilizando datos que el MAP ya posee, sin necesidad de una plataforma de datos separada.

Intercambio de contenido dentro de la propia ruta

Las recomendaciones de contenido dinámico extienden la misma idea dentro de un único correo electrónico o página de destino, cambiando el recurso destacado según el tema por el que el cliente potencial haya mostrado afinidad, en lugar de enviar a todos el mismo bloque de contenido de mejor calidad. Un tutorial grabado que explica esta configuración exacta, incluyendo tanto las reglas de contenido dinámico como la lógica de nutrición asociada, se encuentra en Rutas de nutrición personalizadas para ventas: Contenido dinámico para la personalización.

La guía de Adobe para comprender el contenido predictivo describe un enfoque similar en Marketo, que muestra contenido en función del interés temático modelado en lugar de un calendario de contenido fijo.

Configurar esto sin asumir una plataforma única

La puntuación de afinidad de contenido no requiere una nueva herramienta integrada en Eloqua, Marketo u otra plataforma. Requiere utilizar los datos que estas plataformas ya recopilan de forma más sistemática. El punto de partida es casi siempre el mismo: seleccionar un pequeño conjunto de temas relacionados con decisiones de compra reales, etiquetar el contenido existente con dichos temas y comenzar a analizar la interacción por tema en lugar de solo por la actividad total.

Lo que Eloqua, Marketo u otra plataforma ya te ofrece

Los modelos de puntuación predictiva de contenido, cuando están disponibles, pueden acelerar este proceso clasificando los temas que más se correlacionan con la conversión. Sin embargo, primero debe existir el trabajo subyacente de etiquetado y seguimiento, de lo contrario, el modelo predictivo no tendrá información que aprender. Los equipos que omiten el paso de etiquetado y pasan directamente a una capa predictiva suelen terminar con un modelo que puntúa información irrelevante en lugar de una puntuación de afinidad de contenido bien realizada.

Cómo encaja esto en la estrategia de automatización más amplia.

Este no es un proyecto independiente. Se integra en la misma disciplina de planificación de campañas que se aborda en «The Go/No-Go Gate: Predicting Campaign ROI Before a Single Asset Gets Built» , donde los datos temáticos sobre las preferencias de los clientes potenciales se convierten en un factor clave para determinar qué campañas se desarrollan. Para los equipos que implementan esto como parte de un despliegue más amplio, «B2B Marketing Automation Strategy: A Practical Playbook for Scalable Growth» explica cómo este tipo de puntuación basada en temas se integra en el programa general de nutrición y ciclo de vida del cliente.

Conclusión

La diferencia entre una puntuación de interacción estándar y una puntuación de afinidad de contenido radica en la diferencia entre saber que un cliente potencial está activo y saber qué es lo que realmente quiere a continuación. La mayoría de las instancias de Eloqua, Marketo y otras plataformas de marketing en línea ya recopilan los datos brutos; lo que casi todos los equipos no tienen es la lógica de etiquetado de temas y ramificación que transforma esos datos en rutas de nutrición basadas en intereses reales en lugar de en el volumen bruto. El equipo de ventas deja de recibir clientes potenciales técnicamente interesados ​​pero prácticamente desprevenidos para la conversación, y las rutas de nutrición dejan de basarse en suposiciones. Si su programa de nutrición actual todavía se basa únicamente en la puntuación, contáctenos en 4Thought Marketing para analizar qué implicaría una reconstrucción basada en temas para su entorno.

Acerca de 4Thought Marketing
Somos una consultora de automatización de marketing B2B e IA, especializada en lograr que la tecnología compleja funcione de verdad. Desde 2008, hemos ayudado a cientos de organizaciones de los sectores de servicios financieros, tecnología, manufactura e inmobiliario a sacar el máximo provecho de Eloqua, Marketo y sus integraciones con CRM. Ofrecemos a nuestros clientes servicios integrales en estrategia de automatización de marketing, ciclo de vida de los leads, IA, cumplimiento normativo, gestión de preferencias y mucho más. DESCUBRE NUESTROS SERVICIOS or Póngase en contacto .

Preguntas frecuentes