Si le marketing basé sur les comptes (ABM) peut vous aider à cibler les décideurs clés de vos clients, les intitulés de poste ne sont pas toujours ce qu'ils paraissent. La chroniqueuse Sonjoy Ganguly explique comment intégrer la hiérarchie à votre stratégie ABM.
Le marketing basé sur les comptes (ABM) est un moyen efficace de cibler les décideurs au sein de vos comptes cibles. Toutefois, votre capacité à atteindre les bonnes personnes dépend de la qualité de vos données et des outils mis en place pour atteindre vos objectifs.
Mais une difficulté subsiste lorsqu'il s'agit d'interpréter les données en fonction des rôles au sein du compte. En effet, les intitulés de poste ne sont pas toujours ce qu'ils paraissent. Cette nuance à elle seule peut compromettre votre stratégie et votre approche ABM.
Autoriser des changements de titre fréquents au sein de votre stratégie
À mesure que les entreprises se complexifient, leurs hiérarchies décisionnelles internes se spécialisent. Face à la concurrence accrue entre les startups et les entreprises technologiques émergentes pour attirer les talents, les intitulés de poste, les hiérarchies et les organigrammes reflètent les nouvelles dynamiques du marché. Le « chargé de clientèle junior » d'aujourd'hui deviendra le « vice-président senior en charge de la gestion de comptes et du développement commercial » de demain.
Avec les intitulés de poste non structurés et personnalisés présents sur les réseaux sociaux, comment identifier vos décideurs ? Si votre prospect occupe un poste atypique, il est très facile de passer à côté de lui dans le cadre d'une campagne ABM classique.
La complexité accrue des hiérarchies d'entreprise actuelles exige des niveaux de spécialisation plus élevés. Par conséquent, une vision de plus en plus nuancée du rôle du décideur ciblé est indispensable.
Compte tenu de la complexité inhérente aux initiatives ABM actuelles, les dernières avancées en matière de connaissance de l'audience B2B, notamment le ciblage précis des contenus, constituent votre atout le plus précieux pour atteindre vos clients. Elles vous permettront d'identifier vos décideurs cibles avec une grande précision, de les fidéliser de manière plus ciblée et d'adapter votre marketing de contenu, pour des interactions plus pertinentes.
Commencez par vous poser les questions suivantes : qui souhaitez-vous toucher ? Votre public cible est-il défini par un secteur d’activité, une région, un niveau d’expertise, etc. ? Quel est l’ensemble de ses fonctions ? Si votre campagne ressemble à la plupart, vous utiliserez une combinaison de filtres pour définir vos audiences.
Pour identifier les contacts les plus importants pour vous, ne vous contentez pas de regarder les titres ; établissez plutôt une taxonomie des décideurs. Les critères clés incluent le secteur d'activité, la spécialité et la fonction, cette dernière étant plus importante que jamais.
L'automatisation et l'apprentissage automatique aident
À mesure que la technologie ABM évolue, l'amélioration des modèles d'apprentissage automatique pour le nettoyage des données permet d'identifier une fonction supérieure et une sous-fonction, en fonction des intitulés de poste, ce qui facilite un ciblage plus précis et nuancé. En effet, la diversité et la taille croissantes des comités d'achat ayant favorisé les ventes par consensus, associer le profil de votre client idéal à des intitulés de poste spécifiques revient à chercher un numéro de chambre d'hôtel précis en voyage.
Pour affiner la méthodologie de travail sous-jacente, il est important de comprendre que chaque entreprise possède sa propre « matrice des titres », c’est-à-dire l’ensemble des titres utilisés en interne. Cette matrice peut être non structurée ou organisée en parcours de carrière. Toutefois, cette structure est rarement communiquée aux parties externes et évolue avec le temps.
Exigences de maîtrise
Bien qu'il existe des tendances communes en matière d'intitulés de poste au sein d'un même secteur, et pour les fonctions transversales, chaque entreprise décide en fin de compte de sa propre nomenclature. Dans de rares cas, votre client cible utilisera un système d'intitulés unique. Les laboratoires Bell, par exemple, attribuaient à tous leurs ingénieurs un seul titre : « Membre du personnel technique ».
Pour commencer à relever ce défi, il est essentiel de pouvoir visualiser la matrice des titres de votre compte, ce qui vous permettra, en tant que spécialiste du marketing ABM, de cibler les comptes d'autorité. Toutefois, ce n'est qu'une des nombreuses conditions requises, parmi lesquelles :
- Connaître les titres principaux et explicites — Le titre de chaque personne renseigne sur son autorité relative. En tant que spécialiste du marketing ABM, votre objectif est d'influencer les maillons clés de la chaîne menant à une décision d'achat. Il est donc essentiel d'identifier ces influenceurs. L'apprentissage automatique permet de normaliser ces taxonomies et d'obtenir des informations sur la chaîne d'influence la plus probable. Grâce à ces données, une campagne ABM peut cibler précisément les influenceurs d'achat.
- Comprendre les sous-fonctions — La clé pour commencer à évaluer réal L'autorité recherche des informations fonctionnelles susceptibles d'indiquer qu'une personne occupe un poste donné, puis effectue une correspondance en fonction de ces postes. Il peut être judicieux d'utiliser des expressions statistiquement improbables mais fréquentes. Ces expressions, bien que rares et originales, sont néanmoins perceptibles et, par conséquent, importantes.
- Reconnaître ses préjugés De plus, comme on ne peut entraîner un modèle d'apprentissage automatique qu'avec les données auxquelles on a accès, il est essentiel d'obtenir des ensembles de données bien étiquetés et statistiquement représentatifs, et de les maintenir à jour. Actuellement, les données sont abondantes, principalement sur les professions techniques et certaines entreprises technologiques, ce qui engendre des biais et limite leur utilité. Ces biais rendent difficile toute prédiction dans les domaines où les données sont indisponibles. Pour contrer les sources de biais en apprentissage automatique, il est crucial de les identifier, puis d'entraîner le modèle en les contournant grâce à des solutions de contournement.
Prochain épisode : Décryptage du code
Un modèle intelligent de titrage dans un contexte ABM se résume à quelques mesures de base pour démarrer :
- Identifiez votre cohorte d'entreprises cibles.Les identifier signifie que ces entreprises partagent une caractéristique déterminante. Même si les comptes cibles relèvent de secteurs ou de pays différents, il convient de les considérer comme un groupe distinct.
- Identifiez l'ensemble des intitulés de postes utilisés pour la cohorte et leur fréquence d'utilisation dans chaque entreprise.Cela nécessite l'accès à un vaste ensemble de données sur l'audience B2B, que votre fournisseur de solutions devrait posséder.
- Normaliser les titres de cohorteNous identifions ici les titres équivalents au sein d'une même entreprise et les regroupons sous une seule appellation. Il en résulte un ensemble de titres plus restreint et cohérent.
- Identifier la hiérarchieLes règles grammaticales permettent d'identifier certaines structures ; par exemple, « senior » précède « junior ». L'analyse d'un ensemble de CV du secteur révèle les transitions de titres courantes au fil de l'avancement professionnel. De plus, identifier la fréquence d'utilisation des titres au sein d'une entreprise (comme indiqué précédemment) permet de vérifier leur cohérence ; les titres de direction sont plus rares que les titres juniors.
Une analyse réussie révélera un graphique des parcours professionnels abstraits au sein d'un secteur d'activité, regroupés par domaine fonctionnel, les arêtes du graphique indiquant la probabilité d'ancienneté. Vous obtiendrez également les intitulés de poste réels correspondant aux points du graphique.
Grâce à la magie de l'apprentissage automatique, vous avez reconstitué la matrice des titres de votre compte cible. Code décrypté.
L'apprentissage automatique est, au fond, la science des statistiques, une discipline vieille de plusieurs siècles. Mais il comprend également un ensemble de techniques désormais applicables pour extraire des informations pertinentes à partir de grandes quantités de données.
___
by Sonjoy Ganguly
la source: MARTECH AUJOURD'HUI






