|
|
这是我们新内容系列 No Fluffs Given 的第二篇文章。我们厌倦了 LinkedIn 信息流中那些没有实质内容或可操作性内容的空洞内容。因此，我们与一些我们认识的最好的 B2B 营销人员合作。这些人以前确实做过这些事情。并为您提供新的、可操作的策略，供您立即实施。
为什么没有更多的 B2B 营销人员在 Facebook 上做广告？
每月活跃用户数达 24.1 亿
它是全球访问量第三大的网站
71% 的美国成年人使用它
然而，根据 Social Media Examiner 的调查，只有 65% 的 B2B 营销人员使用 Facebook 广告。为什么这么少？
好吧，很多原因都归结于数据。但还是有办法的。
过去的一年，我们把 Facebook 作为优先事项，它是我们表现最好的渠道之一。
我们已经能够将成本削减 50%，并且能够 教师数据库 吸引来自 IBM、Workday、Cvent、Infor、Salesforce 等公司的入站请求。
那么，我们做了哪些不同的事情来实现这些结果呢？
以下是我们实现这一目标所采取的四个步骤。
步骤 1：在 Facebook 上联系合适的人
很少有人拥有准确的职业数据，而且他们很可能使用个人电子邮件注册。
这意味着 Facebook 的原生广告匹配率非常糟糕，并且使用职业数据进行定位通常会出现偏差，从而导致大量资金浪费和不良线索。
你可以使用广告平台原生的三个类别来定位 Facebook 用户：
人口统计信息 - 如年龄、性别以及职位和行业等工作信息
行为——例如之前的购买和设备使用情况
兴趣——例如娱乐、家庭和人际关系、爱好和活动
这些类别带来了一些问题。它们的级别非常高。
利用 Facebook 的人口统计数据，我能最接近定位 B2B SaaS 人群的是“商业和金融运营”。
因此，我们开始寻找一种可以帮助我们解决这个问题并提高匹配率的工具。所以我们转向了元数据。
现在我们可以通过几乎每个渠道（包括 Facebook）瞄准正确的受众。
我们之前在 Facebook 上的匹配率徘徊在 5% 左右。使用元数据后，我们发现平均匹配率为 40-50%。
您添加的数据属性越多，自定义受众的匹配率就越好。
以下还有另外三种工具可供您通过更好的数据来提高匹配率：
路沙
维西姆
清除位
第 2 步：仅瞄准高价值潜在客户
我们在这里将其提升到了一个新的水平。
既然我们可以在 Facebook 上锁定合适的目标人群，那么我们如何预测谁对我们来说是最有价值的潜在客户呢？
Facebook 会自动针对“网站转化”优化广告，但我更希望对其进行优化以实现最高质量，也就是更有可能转化为销售。
它怎么可能知道这一点？
我们已经在使用可以预测在 Madkudu 购买可能性的潜在客户评分模型。
它的工作原理如下：
我们将来自 Salesforce 的 12 个月的所有数据输入到他们的算法中：潜在客户人口统计、机会信息、客户信息、平均 ARR、成交时间等。
该模型查看了数千个数据点，并找出了转化为付费客户的最常见特征
它还研究了那些毫无进展的线索的共同特征
它建立了一个模型，对每条线索的购买可能性进行评分。
作为一个持怀疑态度的营销人员，我们做的第一件事就是打开这个模型并且不告诉任何人，以防止它成为一个自我实现的预言。
|
|
|
|
|
|
|
|
|
|
发表于 2025-1-12 16:29:29
