Beschouw account-based marketinganalyse als het kompas dat je naar ABM-succes leidt. Om de juiste accounts te targeten en content te creëren die inspeelt op hun specifieke pijnpunten, heb je gegevens nodig—en veel ook.
Account-based marketing (ABM) is een populaire B2B-marketingstrategie die zich richt op individuele accounts met sterk gepersonaliseerde campagnes. Bij ABM hangt succes volledig af van het vermogen van je marketingteam om gegevensverzameling en -analyse te optimaliseren. Daarom deel ik hier hoe gegevens uit marketinganalysesoftware je ABM-inspanningen kunnen ondersteunen, evenals de beste werkwijzen om deze gegevens te monitoren, verzamelen en verwerken.
Wat is account-based marketing (ABM)?
Account-based marketing richt zich op specifieke accounts die aan je ideale klantprofiel voldoen en waarschijnlijk een aanzienlijke ROI voor je bedrijf genereren.
Personalisatie staat centraal in een account-based marketingstrategie, omdat elke stap van het kooptraject wordt afgestemd op accounts met een hoge waarde, inclusief alle berichtgeving, content en outreachactiviteiten. Dit verschilt van traditionele marketing en leadgeneratie, waarbij je marketingcampagnes zich richten op een bredere markt van potentiële klanten.
Vanwege de nadruk op gepersonaliseerde campagnes moeten verkoop en marketing op elkaar zijn afgestemd om account-based marketingtactieken te laten werken. Wanneer deze afstemming is bereikt, meldt 30% van de marketeers die ABM gebruiken een stijging van 21% in hun ROI, volgens een onderzoek van SiriusDecisions.
Wat is account-based marketinganalyse?
Account-based marketinganalyse houdt gegevens bij uit verschillende bronnen, zoals marketing-CRM-software, sociale media en websiteanalyses. Deze gegevens zijn nodig om meerdere aspecten van je ABM-strategie te bepalen, zoals lijsten met doelaccounts, marketingcampagnes en gepersonaliseerde contactmomenten gedurende de klantreis.
Het belang van gegevens in ABM
Een ABM-aanpak zonder personalisatie is als een puzzel met ontbrekende stukjes—je hebt de onderdelen, maar niet het volledige beeld. Personalisatie binnen account-based marketing begint met inzicht in je doelaccounts. Daarvoor zijn diepgaande gegevens over hun voorkeuren, gedrag en behoeften nodig. Deze gegevens zijn van onschatbare waarde voor zowel campagnes als toekomstige verkoopbenadering.
Je moet elke interactie van deze accounts met je merk bijhouden en analyseren. Dat betekent dat je websitebezoeken, geopende e-mails, contentdownloads, betrokkenheid op sociale media en alle andere contactmomenten moet monitoren.
Jon Morgan, CEO & hoofdredacteur van Venture Smarter
Soorten gegevens die in ABM worden gebruikt

Nu we begrijpen waarom veel gegevens cruciaal zijn voor ABM, gaan we de verschillende soorten gegevens bekijken die je nodig hebt:
- Demografische gegevens omvatten basisinformatie over de personen binnen de doelaccounts, zoals functietitels, rollen, verantwoordelijkheden en geografische locatie. Het gebruik van demografische segmentatie helpt om berichtgeving en content af te stemmen zodat deze aansluit bij specifieke publiekssegmenten.
- Firmografische gegevens richten zich op kenmerken van de doelbedrijven of -organisaties, zoals branche, bedrijfsgrootte, omzet, groeifase en structuur. Deze informatie helpt bij het identificeren van accounts die aansluiten bij het ideale klantprofiel en het prioriteren van waardevolle doelaccounts.
- Technografische gegevens bieden inzicht in de technologiestack die door de doelaccounts wordt gebruikt, waaronder verschillende software, tools, platforms en IT-infrastructuur. Inzicht in de technologische omgeving van de accounts stelt marketeers in staat oplossingen en aanbiedingen af te stemmen die naadloos integreren met hun bestaande systemen.
- Gedragsgegevens houden de acties en interacties bij van personen binnen de doelaccounts via verschillende contactmomenten, zoals websitebezoeken, het downloaden van content, gepersonaliseerde ABM-landingspagina's, het openen van e-mails en deelname aan evenementen.
- Betrokkenheidsgegevens meten het niveau van interactie en betrokkenheid van doelaccounts bij marketingmaterialen en campagnes. Dit omvat statistieken zoals doorklikpercentages, de tijd die aan content wordt besteed, interacties op sociale media en deelname aan webinars.
- Intentiegegevens geven aan hoe waarschijnlijk het is dat doelaccounts specifieke producten of oplossingen willen aanschaffen of daarin geïnteresseerd zijn. Deze gegevens zijn afkomstig van signalen zoals online zoekgedrag, patronen in contentconsumptie en interacties met websites van concurrenten.
Met deze gegevens tot je beschikking is je volgende stap om de kracht van deze informatie te benutten voor gerichte campagnes en betekenisvolle betrokkenheid.
ABM-analyses gebruiken
Je hebt je gegevens verzameld en nu is het tijd om ermee aan de slag te gaan. Er zijn veel manieren om voorspellende marketinganalyses te benutten voor je ABM-initiatieven, waaronder het voorspellen van klantgedrag, het kwalificeren of scoren van leads als MQL's versus SQL's en het in kaart brengen van contactmomenten met klanten.
Voorspellende analyses
Voorspellende analyses gebruiken historische gegevens, machinaal leren en statistische algoritmen om accounts te identificeren die klaar zijn om te converteren. B2B-verkoopcycli kunnen lang en complex zijn en verschillende besluitvormers omvatten. Het anticiperen op de behoeften en het gedrag van je doelaccounts is essentieel. Het benchmarkrapport over voorspellende intelligentie laat zelfs een gemiddelde stijging van 22.66% in het conversiepercentage zien voor sessies die zijn beïnvloed door voorspellende intelligentie.
Voorbeelden van voorspellende analyses zijn:
- Aankoopgeschiedenis
- Surfgedrag
- Demografische informatie
- Historische verkoopgegevens
Account- en leadscoring
Leadscoring rangschikt en evalueert leads op basis van de waarschijnlijkheid dat ze in klanten converteren. Het classificeren van leads als marketinggekwalificeerde leads (MQL's) of verkoopgekwalificeerde leads (SQL's) ondersteunt de afstemming tussen marketing en sales.
Gebruik om je leads te scoren marketing-CRM-software, zoals Hubspot of Salesforce, om numerieke scores toe te kennen op basis van criteria zoals demografische gegevens, firmografische gegevens, betrokkenheidsniveau en gedrag.
MQL's tonen interesse in en betrokkenheid bij marketingactiviteiten, terwijl SQL's zijn gecontroleerd en klaar zijn bevonden voor directe betrokkenheid vanuit sales. Door prioriteit te geven aan SQL's kunnen ABM-campagnes hogere conversiepercentages opleveren en de ROI maximaliseren.
Voorbeelden van gegevens die voor leadscoring worden gebruikt zijn:
- Bedrijfsgrootte, branche en locatie
- Omzet van de organisatie
- Betrokkenheidspercentages
- Deelname aan webinars
- Demoaanvragen of betrokkenheid vanuit sales
- Geopende e-mails of gedownloade hulpmiddelen
- Budget en aankoopbevoegdheid
Gegevensverrijking
Gegevensverrijking verbetert je klantgegevens en persona's door informatie toe te voegen of bij te werken zodra deze beschikbaar komt. Door je databases actueel te houden krijg je diepere inzichten in je doelgroep, waardoor contentmarketing, salesbenadering en je algehele ABM-strategie verbeteren.
Voorbeelden van gegevensverrijking zijn:
- Firmografische gegevens verbeteren, zoals bedrijfsomzet, budget en brancheclassificatie
- Klantprofielen verrijken met technografische gegevens om technologievoorkeuren en gebruikspatronen vast te stellen
Contacten van sleutelaccounts in kaart brengen
Het in kaart brengen van contacten wordt gebruikt om de relaties en verbindingen binnen doelaccounts vast te stellen en te begrijpen. Door belangrijke belanghebbenden binnen elke organisatie te identificeren en hun rol in het aankoopproces te begrijpen, vergroot je je vermogen om berichtgeving af te stemmen en ABM-inhoud te personaliseren om specifieke pijnpunten en interesses aan te pakken.
Gegevenspunten die kunnen helpen bij het in kaart brengen zijn onder meer:
- Functietitels
- Verantwoordelijkheden van afdelingen
- Organisatiestructuren
Datavalidatie
Datavalidatie waarborgt de nauwkeurigheid, volledigheid en betrouwbaarheid van gegevens die binnen een database of systeem worden verzameld of opgeslagen. Vooral voor ABM-programma's is het belangrijk om gegevens regelmatig te controleren en fouten, inconsistenties of onnauwkeurigheden te corrigeren, zoals dubbele vermeldingen, ontbrekende waarden of een onjuiste opmaak. Betrouwbare gegevens zijn noodzakelijk voor effectieve ABM-campagnes, en betere gegevens leiden tot een hoger rendement op investering en omzetgroei.
Campagnesucces meten
Het is noodzakelijk om belangrijke prestatie-indicatoren (KPI's), zoals conversiepercentages, pijplijnsnelheid en kosten voor klantenwerving, in de gaten te houden om de ROI van je ABM-campagnes te verbeteren en te valideren. Accountgebaseerde marketingsoftware kan dit proces stroomlijnen door deze statistieken automatisch te volgen en te analyseren. Via deze marketingautomatiseringen krijg je realtime-inzichten in de betrokkenheid van het publiek, de prestaties van inhoud en de algehele impact van campagnes.
Campagnegegevens en ABM-statistieken die worden gebruikt om succes te monitoren, zijn onder meer:
- Conversiepercentages
- Pijplijnsnelheid
- Kosten voor klantenwerving (CAC)
- Statistieken over accountbetrokkenheid
- Doorklikpercentages (CTR)
- Tijd op de pagina
- Uitstappercentages
- Gegenereerde omzet
- Levenslange klantwaarde (CLV)
Voordelen van analyses voor accountgebaseerde marketing
Verbeterde prestaties van ABM-campagnes
ABM-analyses geven richting aan je campagnestrategie, waardoor je KPI's zoals conversiepercentages, betrokkenheidsstatistieken en rendement op investering kunt meten en volgen.
Campagneanalyses maken duidelijk wat er goed werkt in je strategie en wat verbetering nodig heeft. Door deze gegevens te analyseren, kun je je doelgroepstrategieën verfijnen, je berichtgeving personaliseren en middelen efficiënter toewijzen om de campagneprestaties te maximaliseren.
Meer betrokkenheid bij doelaccounts
Accounts met een hoge waarde verdienen hoogwaardige betrokkenheid, en ABM-analyses bieden de informatie die nodig is om een uitstekende klantervaring te leveren. Bovendien kun je er door het analyseren van gegevens over doelaccounts zeker van zijn dat je de beste leads prioriteit geeft.
Met gegevens en inzichten kun je je benadering en berichtgeving afstemmen op de specifieke behoeften en voorkeuren van je doelgroep. Dit vergroot de ABM-betrokkenheid en zorgt voor sterkere relaties met belangrijke besluitvormers en belanghebbenden. Volg de voortgang en interacties van leads en contactpersonen binnen accounts ter ondersteuning van effectieve leadopvolging en inspanningen voor vraaggeneratie.
Meer leadgeneratie en grotere deals
ABM-analyses helpen je nieuwe kansen te identificeren en je bereik binnen doelaccounts uit te breiden door eerder onontdekte leads en contactpersonen aan het licht te brengen. Door gegevens over accountbetrokkenheid en gedrag te analyseren, kun je kansen voor kruisverkoop en aanvullende verkoop identificeren, evenals mogelijke uitbreidings- of groeimogelijkheden binnen bestaande accounts.
Volg de impact van je campagnes op leadgeneratie en dealgroottes, zodat je de ROI van je inspanningen kunt meten en investeringen in ABM-initiatieven kunt onderbouwen. Dit is vooral voordelig voor B2B-bedrijven die afhankelijk zijn van inboundmarketingstrategieën.
Ontvang meer inzichten over accountgebaseerde marketing
Net zoals je team bij jou aanklopt voor richting, kunnen ABM-analyses je strategie naar succes sturen. Het is echter essentieel om de juiste processen in te richten om deze effectief te analyseren en te monitoren, zodat je op koers blijft.
Door gebruik te maken van verschillende soorten gegevens—demografische, firmografische, technografische, gedrags-, betrokkenheids- en intentiegegevens—kun je je berichtgeving afstemmen, waardevolle doelgroepen identificeren en beter met je publiek communiceren.
Op zoek naar meer begeleiding bij ABM? Blijf op de hoogte van de nieuwste inzichten en trends op het gebied van accountgebaseerde marketing door je te abonneren op de nieuwsbrief van The CMO!
