我们如何重建ZoomInfo Intent的推荐联系人算法

在ZoomInfo，我们花了很多时间和精力提供高质量的买家意向数据。

我们的Intent产品监测网络流量，了解哪些公司比平常更多地消费特定主题的内容。如果一个通常不研究"应聘者追踪系统"的公司开始显示对该主题的大量消费，超过历史基线，可能存在一个强大的购买机会。

使用ZoomInfo意图，我们根据客户的服务或产品的典型买家，为客户提供一些联系人来进行定向推广。如果一家公司在使用申请人跟踪系统方面消费增加，我们将建议销售人员与人才招聘或招聘专业人士联系。

同样，如果一家公司在“市场自动化系统”这个话题上受到关注，我们会建议销售人员与该公司的市场运营部门的个人联系。

2020年10月，ZoomInfo收购了领先的人工智能驱动的买家意向数据提供商Clickagy。一个月后，我们推出了全新的流式意向产品，可以将意向信号实时直接发送给客户。我们推出了全新的用户界面、新的交付机制和新的话题。在12月份，我们努力解构我们的推荐联系人算法，并为其重新构建，以提高准确性。

更多基于意图信号的联系人

我们不仅仅推荐更好的联系人，还推荐更多的联系人。我们随机抽样了100家公司，并在改进产品之前和之后对它们进行了测试。以下是我们的发现：

我们推荐的意向信号联系人增加了31%根据意向信号，有推荐联系人的公司数量从84%增长到超过98%

随着推荐联系人的覆盖范围增加，ZoomInfo的客户现在可以与更多的人在更多的账户上取得联系，针对这些公司对重点话题的高消费区域。

如果你把意图驱动的外展活动视为一个漏斗，你很快就会意识到，在使用意图时，漏斗顶部的更多数量和更高质量是取得成功的秘诀。

我们不对实际消费内容的人进行识别有几个原因：

为了保护您的隐私，ZoomInfo是一家注重隐私的组织。我们致力于保护个人浏览行为的隐私。因此，ZoomInfo不处理可以将特定页面访问与特定个人绑定的任何记录。以销售为导向有助于销售。外部销售全靠努力。如果ZoomInfo只提供与意向信号相关的一个联系人，销售代表将专注于与该人沟通。外部销售的成功在于最大程度地增加对话次数，而仅推荐一个联系人将限制对话次数。散弹式的方法不起作用。确定进行研究的那个人会把焦点放在错误的地方。目标是向公司销售，而不是个人。每个购买决策需要六到十个人参与。无论如何，你都必须使公司内的大量人员同意。限制进入公司的入口的数量是没有意义的。仅因为一个职能区域的员工在消费某种类型的内容并不意味着其他人无法与其沟通。

我们算法的关键改进如下：

让我们来看看在Intent中，我们对联系人推荐的三个核心改进：

1. 更好的话题与职位功能的映射

我们注意到之前我们经常建议与你联系的人并不是最合适的人选。他们并不差，但我们知道我们可以做得更好。

因此，我们请来了专门负责我们的“独家报道”特性和“意图”功能的企业研究分析师，对每个主题和我们返回的职能进行了审查。通过这一流程，我们能够在不修改我们的算法的情况下改善我们推荐的联系人。

例如，之前我们没有将“生物识别技术”这个主题与热门职能相匹配。然而，在修改后，我们现在得到了正确的人选：

我们更新的算法将“生物识别技术”这个主题与更合适的联系人相匹配。

使用Clickagy的数据，我们现在拥有一个庞大的流量数据库来为我们的信号计算器提供能量。这些信号始终是由IP地址生成的，并且该地址始终具有一个位置。

我们现在正在接收位置的信号，并在我们发现活动的城市地区中，增加对所有居住在大都市地区的联系人的推荐联系评分。如果一个信号来自达拉斯100％，那么在该城市的联系人将优先推荐。如果一个信号同时来自达拉斯和休斯顿，那么这两个地方的个人将被赋予更高的权重。

在我们的算法中，位置匹配的权重与我们在该地区观察到的消费量成正比。以下是根据波士顿的研究以及我们现在和以前观察到的情况得出的一个信号示例：

现在，在波士顿地铁区域的“招聘”主题的在线活动中，返回了在该地区工作的联系人。

正如您所看到的，我们之前只提供了一个马萨诸塞州的联系人，但现在我们在波士顿地铁区域提供了五个联系人。

3. 决策者和全能者的优先选择

在一家中型公司中，具有预算并最终购买应聘跟踪系统的联系人一般是人才招聘或招聘方面的人员。但是，如果一家公司在这个领域只有两三个人，甚至更糟糕的是没有任何人从事招聘工作呢？这就是我们花最多时间改进算法的地方。

如果在正确的工作职能中只有三个联系人，你可能会认为下一个最好的联系人建议是高级人力资源人员。但这种思路是错误的。福利和薪酬副总裁几乎肯定不参与采购招聘解决方案。同样，薪资主管也不参与。

相反，我们的研究表明，我们的客户最常希望接触到的是拥有一般部门职责的人，比如人力资源总监。这些人更有可能对人力资源部门的整个工作情况有较深入的了解，包括招聘工作。

因此，我们对我们的算法进行了修改，以提高在人力资源部门中拥有广泛职责的个人的评分。这自动提高了像首席人力资源官、人力资源副总裁和人力资源综合员这样的职位的评分。这些人比财务部门的员工更有可能了解招聘的相关情况。

这是一个公司在研究“高管薪酬”这个主题时的改写结果：

推荐的联系人现在反映与“高管薪酬”在线活动有关的决策者。

新的结果指向了那些对高管薪酬更为熟悉的潜在买家。

更好的意向数据加强销售团队。

通过检查我们的推荐联系人算法中的过去假设，并根据工作职能、地理位置和决策者进行基于数据的改进，我们使ZoomInfo意向变得更加有效。

当公司在线话题消费激增时，为销售代表提供更多一流的联系人，可以增加有意义的销售对话的可能性，最终为产品或服务达成交易。

我为我们团队在改进ZoomInfo意图上所做的工作感到自豪，因为这将在竞争激烈的环境中为我们的客户节省时间和精力。