4 วิธีในการลด CPL ของคุณบน Facebook ลง 50%

เผยแพร่แล้ว: 2021-05-06

นี่เป็นโพสต์ที่สองในชุดเนื้อหาใหม่ของเรา No Fluffs Given เราเบื่อกับเนื้อหาที่ฟุ่มเฟือยในฟีด LinkedIn ของเราแล้ว โดยไม่มีเนื้อหาจริงหรือสิ่งที่สามารถดำเนินการได้ ดังนั้นเราจึงร่วมมือกับนักการตลาด B2B ที่ดีที่สุดที่เรารู้จัก คนที่เคยทำสิ่งนี้มาก่อนจริงๆ และมอบกลยุทธ์ใหม่ที่สามารถนำไปปฏิบัติได้ในวันนี้

เหตุใดนักการตลาด B2B จึงไม่โฆษณาบน Facebook มากขึ้น

  • มีผู้ใช้งาน 2.41 พันล้านคนต่อเดือน
  • เป็นเว็บไซต์ที่มีผู้เข้าชมมากเป็นอันดับสามของโลก
  • 71% ของผู้ใหญ่ชาวอเมริกันใช้มัน

ตามรายงานของ Social Media Examiner มีเพียง 65% ของนักการตลาด B2B ที่ใช้โฆษณาบน Facebook ทำไมน้อยจัง

เหตุผลสำหรับหลายๆ คนก็มาจากข้อมูลเท่านั้น แต่มีวิธี

ปีที่ผ่านมา เราให้ความสำคัญกับ Facebook และเป็นหนึ่งในช่องทางที่มีประสิทธิภาพดีที่สุดของเรา

เราสามารถลดต้นทุนได้ 50% และผลักดันคำขอขาเข้าจากบริษัทต่างๆ เช่น IBM, Workday, Cvent, Infor, Salesforce และอื่นๆ

แล้วเราทำอะไรที่แตกต่างออกไปเพื่อให้ได้ผลลัพธ์เหล่านี้?

นี่คือสี่ขั้นตอนที่เราไปถึงที่นั่น

ขั้นตอนที่ #1: เข้าถึงคนที่ใช่บน Facebook

น้อยคนนักที่จะมีข้อมูลอาชีพที่ถูกต้อง และพวกเขามักจะลงทะเบียนด้วยอีเมลส่วนตัว

หมายความว่าอัตราการจับคู่โฆษณาเนทีฟของ Facebook นั้นแย่มาก และการกำหนดเป้าหมายด้วยข้อมูลอาชีพมักจะเป็นทางออก นำไปสู่การใช้จ่ายที่สูญเปล่าและโอกาสในการขายที่ไม่ดี

คุณสามารถกำหนดเป้าหมายผู้ใช้ Facebook ด้วยสามหมวดหมู่ดั้งเดิมสำหรับแพลตฟอร์มโฆษณา:

  1. ข้อมูลประชากร เช่น อายุ เพศ และข้อมูลการทำงาน เช่น ตำแหน่งงานและอุตสาหกรรม
  2. พฤติกรรม - เช่นการซื้อก่อนหน้านี้และการใช้อุปกรณ์
  3. ความสนใจ – เช่นความบันเทิง ครอบครัวและความสัมพันธ์ และงานอดิเรกและกิจกรรม

หมวดหมู่เหล่านี้ก่อให้เกิดปัญหาหลายประการ พวกเขาอยู่ในระดับสูงอย่างไม่น่าเชื่อ

การใช้ข้อมูลประชากรของ Facebook สิ่งที่ใกล้เคียงที่สุดที่ฉันสามารถทำได้เพื่อกำหนดเป้าหมายผู้คนใน B2B SaaS คือ "การดำเนินธุรกิจและการเงิน"

ดังนั้นเราจึงเริ่มค้นหาเครื่องมือที่จะช่วยเราแก้ไขปัญหานี้และเพิ่มอัตราการจับคู่ของเรา ดังนั้นเราจึงหันไปใช้ข้อมูลเมตา

ตอนนี้เราสามารถกำหนดเป้าหมายผู้ชมที่เหมาะสมได้เกือบทุกช่องทาง (รวมถึง Facebook)

อัตราการแข่งขันก่อนหน้าของเราอยู่ที่ประมาณ 5% บน Facebook เราเห็นอัตราการจับคู่เฉลี่ย 40-50% กับข้อมูลเมตา

ยิ่งคุณสามารถเพิ่มแอตทริบิวต์ข้อมูลได้มากเท่าใด อัตราการจับคู่ของคุณก็จะยิ่งดีขึ้นสำหรับกลุ่มเป้าหมายที่กำหนดเอง

ต่อไปนี้คือเครื่องมืออื่นๆ สามอย่างที่ควรพิจารณาเพื่อเพิ่มอัตราการจับคู่ผ่านข้อมูลที่ดีขึ้น:

  • Lusha
  • เวอร์เซียม
  • เคลียร์บิต

ขั้นตอนที่ 2: กำหนดเป้าหมายเฉพาะลูกค้าเป้าหมายที่มีมูลค่าสูง

เราเอามันไปอีกระดับที่นี่

ตอนนี้เราสามารถกำหนดเป้าหมายคนที่ใช่บน Facebook แล้ว เราจะลองและคาดการณ์ได้อย่างไรว่าใครเป็นผู้นำที่มีมูลค่าสูงสุดสำหรับเรา

Facebook จะปรับโฆษณาให้เหมาะสมโดยอัตโนมัติสำหรับ "คอนเวอร์ชั่นของเว็บไซต์" แต่ฉันอยากให้โฆษณานั้นปรับให้เหมาะสมที่สุดเพื่อคุณภาพสูงสุด ซึ่งหมายความว่ามีแนวโน้มที่จะเปลี่ยนเป็นการขาย

มันจะรู้เรื่องนี้ได้ยังไง?

เราใช้โมเดลการให้คะแนนลูกค้าเป้าหมายซึ่งสามารถคาดการณ์แนวโน้มที่จะซื้อใน Madkudu ได้

นี่คือวิธีการทำงาน:

  • เราป้อนข้อมูลอัลกอริธึมด้วยข้อมูลทั้งหมดของเราจาก Salesforce เป็นเวลา 12 เดือน: ข้อมูลประชากรของลีด ข้อมูลโอกาสทางการขาย ข้อมูลลูกค้า ARR เฉลี่ย เวลาปิด ฯลฯ
  • ตัวแบบจะพิจารณาจุดข้อมูลหลายพันจุดและค้นหาลักษณะทั่วไปที่แปลงเป็นลูกค้าที่ชำระเงิน
  • นอกจากนี้ยังดูลักษณะทั่วไปจากลีดที่ไม่ได้ไปไหน
  • มันสร้างแบบจำลองที่ให้คะแนนโอกาสในการขายของทุกโอกาสในการขาย

ในฐานะนักการตลาดที่ขี้สงสัย สิ่งแรกที่เราทำคือเปิดโมเดลและห้ามไม่ให้ใครป้องกันไม่ให้กลายเป็นคำทำนายด้วยตนเอง

เราต้องการดูว่าแบบจำลองในโลกแห่งความเป็นจริงสามารถทำนายโอกาสที่ลูกค้าเป้าหมายจะปิดได้อย่างแม่นยำหรือไม่

ฉันประหลาดใจมากที่เราพบว่ามันแม่นยำสูงและเริ่มใช้คะแนนด้วยวิธีต่างๆ มากมาย

มีผู้ให้บริการให้คะแนนลูกค้าเป้าหมายจำนวนมากและแม้กระทั่งแพลตฟอร์มระบบอัตโนมัติทางการตลาดที่คุณสามารถใช้ได้

ด้วยแพลตฟอร์มการให้คะแนนลีดของ Madkudu เราสามารถส่งค่าที่คาดการณ์ของลีดแต่ละรายตามแบบจำลองของเรา กลับไปที่ Facebook เพื่อให้สามารถเสนอราคาได้เฉพาะกับลีดที่มีมูลค่าสูงสุดเท่านั้น

โดยพื้นฐานแล้วจะฝึก AI ของ Facebook เกี่ยวกับสิ่งที่ควรมองหาในลีดที่มีศักยภาพ คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับ “Madspend” ได้ที่นี่


ขั้นตอนที่ 3: กำหนดเป้าหมายเฉพาะผู้ที่มีแผนจะซื้อเท่านั้น

อีกวิธีหนึ่งที่เราเห็นการเพิ่มขึ้นอย่างมากในแคมเปญโฆษณาของเราคือการกำหนดเป้าหมายไปยังผู้ที่มีแผนจะซื้ออย่างกระตือรือร้น

ประเภทผู้ชมหลักประเภทหนึ่งที่เราใช้กับข้อมูลเมตาคือ G2 Buyer Intent Data ฉันคิดว่า G2 ค่อนข้างสูง เพราะเป็นผู้นำทีมการเติบโตระดับโลกที่นั่นมากว่าสองปี

G2 มีผู้ใช้งานเว็บไซต์มากกว่า 7 ล้านคนต่อเดือนเพื่อค้นหาเครื่องมือในตลาด ความตั้งใจของผู้ซื้อ G2 ช่วยให้คุณเห็นบริษัทต่างๆ ที่ค้นคว้าผลิตภัณฑ์ หมวดหมู่ และคู่แข่งของคุณใน G2

ใน SaaS คนส่วนใหญ่ถูกผูกมัดในสัญญาหนึ่งหรือสองปีกับผู้ให้บริการปัจจุบันของตน ดังนั้น เว้นแต่คุณจะไล่ตามใครในตลาดใหม่ แม้แต่การกำหนดเป้าหมายตามข้อมูลประชากรที่โทรออกมากที่สุดก็ยังส่งผลให้เสียค่าโฆษณาไปมากมาย

การใช้ข้อมูลความตั้งใจทำให้ค่าโฆษณาของเราเพิ่มโอกาสในการเกิด Conversion สูงขึ้นมาก

ขั้นตอนที่ 4: ใช้คนจริงในโฆษณาของคุณ

ฉันได้พบกับซีเอ็มโออีกคนหนึ่ง และเขากล่าวว่าในขณะที่เขาทำงานที่ Hubspot พวกเขาทดสอบรูปภาพนับพันในโฆษณา และพบว่ารูปภาพหนึ่งทำงานได้ดีกว่ารูปภาพอื่นๆ มาก

รูปภาพ? ภาพคนจริงที่โต๊ะทำงานมองกล้อง

เราตัดสินใจทดสอบทฤษฎีนี้และแทนที่แบนเนอร์ที่ออกแบบอย่างหรูหราด้วยภาพผู้คนที่โต๊ะทำงานอย่างง่ายๆ

โฆษณาเดิมของเรามีลักษณะดังนี้:

ดังนั้นเราจึงทดสอบโฆษณาเหล่านี้แทน:

อาจดูเหมือนเป็นเคล็ดลับที่ตลก แต่ผลกระทบที่เกิดขึ้นจริง - ใช้คนจริงๆ มันดึงดูดความสนใจของผู้คน

พวกเขาสามารถมองเห็นโฆษณาที่สวยงามซึ่งอยู่ห่างออกไปหนึ่งไมล์ นอกจากนี้ คนส่วนใหญ่ไม่ชอบเห็นโฆษณาตั้งแต่แรก

เราพบว่าต้นทุนของเราลดลงเกือบ 20% จากค่าใช้จ่ายเพียงอย่างเดียว

นอกจากนี้ยังสร้างไดนามิกที่สนุกสนานในสำนักงานเพื่อดูว่าโฆษณาของนักการตลาดใดทำงานได้ดีที่สุด เราเก็บเวอร์ชันต่างๆ ไว้ประมาณห้าเวอร์ชันทำงานอยู่ตลอดเวลา

ผลลัพธ์สุดท้าย:

  • CPL ของเราบน Facebook ลดลง 50%
  • การแปลงโอกาสในการขายเหล่านี้เป็นโอกาสในการขายเพิ่มขึ้นเป็นสองเท่า – เทียบเท่ากับคำขอการสาธิตแบบออร์แกนิกของเรา
  • เราเปิดช่องใหม่ที่ช่วยให้เราปรับขนาดได้อย่างมีประสิทธิภาพ

Facebook สามารถทำงานให้กับ B2B มันใช้เวลาเพียงเล็กน้อย

แม้ว่าดูเหมือนว่าเราจะโยน "เทคโนโลยี" ไปที่ปัญหา แต่ความจริงก็คือบริษัทส่วนใหญ่ใน B2B มีเทคโนโลยีนี้อยู่แล้ว

ตั้งแต่การให้คะแนนลูกค้าเป้าหมายไปจนถึงข้อมูลความตั้งใจไปจนถึงเครื่องมืออย่างข้อมูลเมตา

และถ้าคุณไม่มีสิ่งนั้น… นั่นเป็นปัญหาที่แตกต่างไปจากเดิมอย่างสิ้นเชิงที่ต้องแก้ไข

พบกับอดัม โกเยตต์

รองประธานฝ่ายการตลาด @ Help Scout

ปัจจุบัน Adam เป็นผู้นำด้านการตลาดที่ Help Scout ก่อนหน้านี้เขาเป็นผู้นำการตลาดเพื่อการเติบโตทั้งหมดทั่วโลกที่ G2 ซึ่งได้รับเลือกให้เป็นหนึ่งในบริษัทเอกชนที่เติบโตเร็วที่สุดในอเมริกาโดย Inc 500 และ Deloitte เขามีความกระตือรือร้นอย่างมากในการสร้างทีมที่น่าทึ่งและมุ่งเน้นที่การพัฒนากลยุทธ์การตลาดดิจิทัล โซเชียล และเนื้อหาที่ขับเคลื่อนการมีส่วนร่วมของลูกค้า การสร้างความสนใจในตัวสินค้า และการเติบโตของรายได้ เชื่อมต่อกับอดัมบน LinkedIn ที่นี่