Woher Intent Data stammen und wie viel davon abgeleitet ist

Was sind Intent Data?

Im B2B-Vertrieb und -Marketing sind Intent Data (Absichtsdaten) Verhaltensbelege dafür, dass ein Account oder eine Person gerade jetzt einen Kauf recherchiert, gewonnen aus dem, was sie liest, sucht, fragt und postet. Die Arbeitseinheit ist das Signal: eine beobachtete Aktion, an eine Identität von bestimmter Stärke gebunden, mit einem Zeitstempel versehen. Entscheiden Sie, welche einzelne Aktion Sie dazu bringen würde, jemanden zu kontaktieren, bevor Sie irgendetwas davon einkaufen, denn diese Entscheidung legt fest, welche Signale Sie brauchen.

First-Party-Intent-Data (Erstanbieterdaten) werden auf Ihren eigenen Properties beobachtet. Third-Party-Intent-Data (Drittanbieterdaten) werden aus dem Traffic anderer abgeleitet.

Diese Zeile klärt die meiste Verwirrung in dieser Kategorie, einschließlich der Anbieter, die das Zweite verkaufen, als wäre es das Erste.

Was ist der Unterschied zwischen First-Party- und Third-Party-Intent-Data?

First-Party-Intent-Data erfassen Aktionen auf Assets, die Ihnen gehören, und Third-Party-Intent-Data modellieren Aktionen an Orten, die Sie nicht kontrollieren. Was sie trennt, ist die Stärke der Verbindung zwischen Aktion und Identität: Ihre Analytics bindet eine Session an einen bekannten Kontakt oder einen eingeloggten Account, während ein Third-Party-Feed eine Session über einen abgeleiteten Treffer an ein Unternehmen bindet. Halten Sie beide in getrennten Spalten mit getrennten Follow-up-Regeln, denn ein Besuch der Preisseite und ein modellierter Themenanstieg verdienen nicht denselben Anruf.

Second-Party-Intent-Data liegen dazwischen, also die First-Party-Daten eines anderen Unternehmens, die mit Ihnen geteilt werden, etwa eine Bewertungsplattform, die meldet, welche Accounts Ihre Kategorieseite angesehen haben.

Wie werden Third-Party-Intent-Data tatsächlich aufgebaut?

Anbieter bauen Third-Party-Intent-Data aus zwei Mechanismen: IP-to-Company-Matching und Content-Konsum in einem Co-op. Reverse-IP-Lookup ordnet die IP-Adresse eines Besuchers über Registry-Einträge, ASN-Eigentümerschaft und den eigenen Adressgraphen des Anbieters einer Organisation zu. Der Co-op ist ein Pool von B2B-Publishern, die Pageview- und Formular-Logs in einen gemeinsamen Datensatz einspeisen, wobei der Anbieter jede Seite mit Themen taggt und einen Account markiert, sobald dessen Konsum eines Themas über die rollierende Baseline dieses Accounts steigt.

Jeder Schritt dieser Kette ist probabilistisch, und genau das lassen Anbieterseiten weg. Eine IP löst sich nur so lange zu einem Unternehmen auf, wie der Besucher hinter einem Firmennetzwerk sitzt, also brechen Remote-Arbeit, Mobilfunkanbieter, VPNs und Privatkunden-ISPs den Treffer entweder ab oder legen ihn auf das falsche Unternehmen. Ein Anstieg ist ein statistischer Vergleich gegen eine Baseline, keine Aussage darüber, dass ein Mensch in diesem Account einen Kauf beschlossen hat. Die Ausgabe nennt ein Unternehmen, nie die Person und nie das Problem in den eigenen Worten dieser Person.

Fragen Sie jeden Anbieter, welcher Mechanismus jedes Signal erzeugt hat, ob der Datensatz auf Account-Ebene oder auf Personenebene liegt und wie die Trefferquote gemessen wurde. Holen Sie sich die Antworten schriftlich, bevor Sie den Vertrag bepreisen.

Auf welche Intent-Signale lohnt es sich zu reagieren?

Bewerten Sie Intent-Signale nach drei Eigenschaften: wie direkt das Signal ein Problem benennt, wie frisch es ist und wie eng es an einer Person hängt, die Sie erreichen können.

Das stärkste und seltenste Signal ist ein öffentlicher Post, in dem eine Person das Problem in ihrer eigenen Sprache beschreibt, denn er trägt die Problembeschreibung, eine Identität, einen Zeitstempel und einen Ort zum Antworten in einem einzigen Datensatz. Kein Modell bildet das nach, da die Person die Arbeit des Aufschreibens geleistet hat. Das zu sammeln ist eine Aufgabe für Social Listening, und es ist das Signal, auf das RedReplier reagiert: Es beobachtet Reddit, X, Bluesky, Facebook und Hacker News an einem Ort, sortiert Erwähnungen nach Kaufabsicht und erklärt mit KI, warum jede einzelne markiert wurde.

Warum verfallen Third-Party-Intent-Data so schnell?

Third-Party-Intent-Data verfallen, weil zwei Uhren gegen sie laufen: Das Kauffenster schließt sich, und die Verbindung zwischen Account und IP altert. Eine Evaluierung wandert von der Recherche zur Shortlist, während die Pipeline des Anbieters noch den Konsum der Vorwoche stapelt, und ein Signal, das nach dem Schreiben der Shortlist eintrifft, bringt Ihnen nichts. Die Baseline fügt einen dritten Effekt hinzu, denn ein Anstieg wird gegen die eigene jüngste Historie des Accounts gemessen, sodass anhaltende Recherche die Baseline anhebt, bis dasselbe Verhalten nicht mehr als Ausschlag registriert wird.

Versehen Sie jeden Datensatz beim Eingang mit einem Datum, leiten Sie alles, was älter als der Refresh-Zyklus ist, an Advertising und Nurture, und reservieren Sie menschliches Follow-up für das Frischere.

Wie bewerten Sie Kaufabsicht, ohne sich selbst zu täuschen?

Bewerten Sie jedes Signal danach, was die Person gesagt hat, nicht nach dem Thema, das sie berührt hat, denn drei verschiedene Menschen lösen dasselbe Keyword aus. Wer fragt "was nutzt ihr alle statt X", wählt ein Produkt aus und freut sich über eine Antwort. Wer "X war diese Woche schon wieder down" postet, ist mit einem Anbieter unzufrieden und hat keine Wechselabsicht geäußert, was das zu einem Brand-Monitoring-Ereignis macht, bevor es ein Vertriebsereignis ist. Wer "wie konfiguriert man X für Staging" schreibt, produziert ein Tutorial und wird nie über die Antwort kaufen. Reine Keyword-Feeds behandeln alle drei als Intent, und Tutorial-Autoren sind die größte einzelne Quelle für False Positives.

Bewerten Sie mit drei Faktoren statt mit einem:

Intent score = signal strength (1 to 10) x recency multiplier x fit multiplier

Setzen Sie den Recency-Multiplikator auf 1.0 innerhalb von 24 Stunden, 0.5 innerhalb von sieben Tagen und 0.2 darüber hinaus. Setzen Sie den Fit-Multiplikator auf 1.0, wenn der Account zu Ihrem ICP passt, und auf 0.3, wenn nicht. Ein Kommentar, der die Kategorie nach einer Alternative fragt, vor zwei Stunden von jemandem innerhalb Ihres ICP gepostet, erreicht 9 x 1.0 x 1.0 = 9.0. Ein modellierter Themenanstieg auf demselben Account, vor fünf Tagen aktualisiert, erreicht 3 x 0.5 x 1.0 = 1.5. Ein Account, eine Zahl, die eine Antwort wert ist, und eine, die eine Retargeting-Zielgruppe wert ist.

Halten Sie diesen Score getrennt von Ihrem Lead-Scoring-Modell, das beantwortet, wer die Person ist, während der Intent-Score beantwortet, was sie diese Woche tut. Unsere Referenz zu Kaufabsicht arbeitet die Sprachmuster durch, die Auswahl von Beschwerde trennen.

Was machen Sie mit Intent Data, sobald Sie sie haben?

Leiten Sie jedes Signal an den Kanal, der zu seiner Stärke passt, und schicken Sie nie ein schwaches Signal an einen Menschen. Öffentliche Posts, die ein Problem benennen, gehen an eine Person, die im Thread antwortet, solange er offen ist, First-Party-Demo-Anfragen gehen direkt an den Vertrieb, und modellierte Account-Anstiege gehen an Advertising, wo eine falsche Vermutung Impressions kostet statt Wohlwollen. Unsere Seite zur B2B-Leadgenerierung behandelt das Keyword- und Website-Setup hinter dem Feed öffentlicher Gespräche, und RedReplier verschickt E-Mail-Benachrichtigungen in einem Intervall je nach Tarif, damit ein frischer Thread Sie erreicht, bevor sich die Antworten stapeln.

Häufig gestellte Fragen

Was ist der Unterschied zwischen First-Party- und Third-Party-Intent-Data?

First-Party-Intent-Data stammen aus Assets, die Ihnen gehören, etwa Ihre Website-Analytics, Ihr Produkt und Ihr CRM, und sie binden eine Aktion an einen Kontakt, den Sie identifizieren können. Third-Party-Intent-Data stammen aus dem Traffic anderer und erreichen Sie als Modellausgabe, einem Unternehmen statt einer Person zugeordnet. Ein einziger gemischter Score verbirgt, was was ist.

Sind Third-Party-Intent-Data genau?

Die Genauigkeit hängt vom Identitätsgraphen des Anbieters ab und davon, wie viele Ihrer Accounts hinter Firmennetzwerken sitzen, und keine einzelne Zahl gilt über alle Anbieter hinweg. Der Mechanismus setzt die Obergrenze: Ein IP-to-Company-Treffer scheitert oder geht daneben, sobald ein Besucher remote arbeitet, in einem VPN oder bei einem Mobilfunkanbieter ist. Machen Sie einen Hold-out-Test auf Ihren gewonnenen Accounts und zählen Sie, wie viele davon der Feed markiert hat, bevor der Deal aufging.

Können Intent Data eine bestimmte Person identifizieren?

Third-Party-Themenanstiege identifizieren einen Account, keine Person, weil der Treffer über die Netzwerkadresse statt über die Identität läuft. First-Party-Daten identifizieren eine Person, sobald sie sich eingeloggt, ein Formular ausgefüllt oder eine getrackte E-Mail geklickt hat. Ein öffentlicher Post identifiziert das Handle, das ihn geschrieben hat, zusammen mit dem Problem, das er beschreibt, und deshalb trägt dieses Signal eine direkte Antwort.

Wie frisch müssen Intent Data sein?

Frisch genug, um den Käufer zu erreichen, bevor die Shortlist schließt: Stunden für ein öffentliches Gespräch und innerhalb des Refresh-Zyklus für einen modellierten Anstieg. Versehen Sie jeden Datensatz mit einem Datum und lassen Sie die Aktualität den Score senken, statt alte Signale zu löschen. Gealterte Intent Data funktionieren weiter für Advertising und Nurture, und sie funktionieren nicht mehr für einen Anruf.

Wie unterscheiden sich Intent Data von Lead-Scoring?

Lead-Scoring bewertet, wer ein Lead ist, anhand von Firmografie, Rolle und Historie, und es bewegt sich langsam. Intent Data bewerten, was ein Account oder eine Person gerade jetzt tut, und sie verfallen. Halten Sie beide als zwei Zahlen auf einem Datensatz, denn ein perfekter ICP-Fit, der nichts tut, und ein durchschnittlicher Fit, der aktiv eine Shortlist erstellt, brauchen unterschiedliche Behandlung.

Warum tauchen Tutorial-Autoren als Leads mit hoher Kaufabsicht auf?

Keyword-Feeds gleichen Zeichenketten ab, und ein Tutorial nennt das Produkt öfter als ein Käufer. Der Autor hat keinen Kauf vor, also landet die Antwort falsch. Filtern Sie auf die Form des Satzes: eine Frage danach, was man kaufen soll, eine Beschwerde über ein aktuelles Tool und eine Reihe von Einrichtungsanweisungen lesen sich unterschiedlich, und nur die ersten beiden gehören in eine Vertriebs-Queue.

Was ist IP-to-Company-Matching?

IP-to-Company-Matching ordnet die IP-Adresse eines Besuchers einer Organisation zu, anhand von Registrierungsdaten, ASN-Eigentümerschaft und dem eigenen Adressgraphen des Anbieters. Der Treffer stimmt nur, solange der Besucher hinter einem Firmennetzwerk sitzt. Remote-Arbeit, Mobilfunknetze, VPNs und private Internetanbieter brechen den Abgleich oder ordnen ihn dem falschen Unternehmen zu.

Was sind Second-Party-Intent-Data?

Second-Party-Intent-Data sind First-Party-Daten eines anderen Unternehmens, die mit Ihnen geteilt werden, etwa wenn eine Bewertungsseite meldet, welche Accounts Ihre Kategorieseite durchsucht haben. Sie liegen zwischen First-Party und Third-Party, weil die Verbindung zwischen Aktion und Identität von jemand anderem hergestellt und dann an Sie weitergegeben wurde. Behandeln Sie sie als Account-Level-Daten, aufgelöst von der Seite, die sie erhoben hat, und aktualisiert nach deren Zeitplan, nicht Ihrem.

Wie berechnen Sie einen Intent-Score?

Multiplizieren Sie die Signalstärke (1 bis 10) mit einem Recency-Multiplikator und einem Fit-Multiplikator. Setzen Sie den Recency-Multiplikator auf 1,0 innerhalb von 24 Stunden, 0,5 innerhalb von sieben Tagen und 0,2 danach, und setzen Sie den Fit-Multiplikator auf 1,0, wenn der Account zu Ihrem ICP passt, und 0,3, wenn nicht. Ein Kommentar, der vor zwei Stunden von jemandem innerhalb Ihres ICP nach einer Alternative fragt, erreicht 9 x 1,0 x 1,0 = 9,0, während ein modellierter Surge auf demselben Account von vor fünf Tagen nur 1,5 erreicht.

Sollte ein modellierter Account-Surge an den Vertrieb oder an Advertising gehen?

Schicken Sie ihn an Advertising. Ein modellierter Surge benennt ein Unternehmen, keine Person, und ist ein statistischer Vergleich gegen die Baseline dieses Accounts, keine Kaufentscheidung. Der Vertrieb arbeitet mit Signalen, auf die eine Person antworten kann, etwa eine Demo-Anfrage oder ein öffentlicher Post, der das Problem benennt, wo eine falsche Einschätzung Wohlwollen statt nur eine Impression kostet.