Wat is intent data en hoe verbetert het je outbound sales en leadgeneratie?

Intent data laat je precies zien welke bedrijven op zoek zijn naar wat je aanbiedt, of tekenen vertonen dat ze het nodig hebben of nodig gaan hebben. Je ziet het op het moment dat het gebeurt, zodat je meteen contact kunt opnemen.

Dat is de waarde van buyer intent data.

In onze jaren in GTM engineering en outbound sales hebben we intent data op veel manieren ingezet zien worden, en we hebben heel wat meningen gelezen over wat het zou moeten zijn.

Het meeste wat je online over intent data leest, doet alsof het een magische lijst is met accounts die klaar zijn om te kopen.

In werkelijkheid is het eerder een set signalen over welke bedrijven op weg zijn naar een behoefte aan wat jij aanbiedt. Het hele spel draait erom dat je op die signalen handelt voordat je concurrenten dat doen.

Juist tussen het zien van een signaal en ernaar handelen haken de meeste outbound-campagnes af, en dat zie je terug in de pipelinecijfers.

Salesteams blijven lijsten bouwen uit Apollo.io of Lusha, sturen iedereen op die lijst dezelfde e-mail en zien intent data als een functie op het dashboard van een tool waar ze toch al voor betalen.

We hebben de afgelopen jaren intent-gedreven systemen gebouwd voor onze eigen outbound bij Nebor en voor onze klanten, en het gat is structureel. De data is er wel. Wat de meeste teams tegenhoudt, zijn de reactietijd en de definitie van intent waarmee ze werken.

In dit stuk lees je wat intent data is, waar het echt vandaan komt, waarom de meeste leadgeneratiebedrijven het nog steeds verkeerd doen en hoe wij signal-based outbound-systemen bouwen die op de data handelen zodra die opduikt.

We beginnen.

TL,DR: zo ziet de workflow voor intent data er in de praktijk uit

Zo ziet de workflow voor intent data eruit, van het opvangen van het signaal tot de outreach en de overdracht aan sales. Wat we volgen en hoe we contact opnemen, verschilt altijd per bedrijf, maar in grote lijnen ziet de workflow er zo uit.

Wat is intent data, en wat doen de meeste sales- en marketingteams verkeerd?

Intent data is informatie over hoe mensen online content consumeren en zich gedragen, en die informatie wijst op wat ze nodig hebben, wat ze onderzoeken en wanneer ze richting een aankoop bewegen.

Het vertelt je iets over de koopintenties van een prospect of diens bedrijf, nog voordat die persoon een contactformulier invult of met een salesrep praat.

Toch wordt de categorie vaak te simpel gelezen. Kopers horen intent data en zien een magische lijst met accounts die klaar zijn om te kopen. De werkelijkheid is rommeliger.

Er zijn drie soorten, elk uit een andere bron, en elk vertelt je iets anders over hoe dicht een koper bij het oppakken van de telefoon zit.

De verschillende soorten intent data: first-party, second-party en third-party

First-party intent data

First-party intent data verzamel je zelf. Het is het duidelijkste signaal dat je ooit krijgt, omdat het rechtstreeks voortkomt uit hoe iemand met je website, je e-mails of je product omgaat.

Leest een contact je case studies, bezoekt die je prijspagina twee keer in één week of downloadt die je salesdeck, dan is dat intent. Het is de sterkste soort die er is, omdat die persoon al weet dat je bestaat en aandacht voor je heeft.

Het addertje is dat first-party data pas verschijnt als iemand al met je bezig is. Je bent hier geen nieuwe accounts aan het vinden. Je warmt de mensen op die al bij je hebben aangeklopt.

Second-party intent data

Second-party intent data is de first-party data van iemand anders, die je via een partnerschap of integratie krijgt.

Het klassieke voorbeeld zijn reviewsites zoals G2 of TrustRadius. Vergelijkt een koper tools in jouw categorie op G2 en staat jouw product in die vergelijking, dan kun je soms bij die gedragsdata als je een premium abonnement hebt afgesloten.

Co-marketingcampagnes zijn een andere goede bron. Je organiseert een webinar met een ander bedrijf, hun publiek reageert op je content, en die engagementdata is second-party. Het schaalt beter dan het verkeer op je eigen site, en de relevantie blijft overeind.

Third-party intent data

Third-party intent data komt van gespecialiseerde intent-aanbieders die activiteit volgen op netwerken van websites en platforms. Dit is de soort die de meeste mensen voor zich zien als ze intent data horen, en het vormt de kern van de meeste signal-based outbound-programma's.

Aanbieders zoals Bombora of ZoomInfo gebruiken cookies, IP-tracking en datapartnerschappen om te volgen welke bedrijven online specifieke onderwerpen onderzoeken.

Leest iemand bij een middelgroot SaaS-bedrijf op tien verschillende sites artikelen over geautomatiseerde sales prospecting, dan markeert de third-party tool dat bedrijf als “in market”, ook al is het nog nooit op je website geweest.

Third-party data is de enige soort die vraag zichtbaar maakt die je anders niet zou zien. Het is ook de breedste en minst nauwkeurige van de drie, dus je krijgt signalen en geen zekerheid.

Waar de meeste teams bij alle drie de fout in gaan

De meeste teams gaan de fout in door alle drie de soorten als hetzelfde te behandelen. Ze kopen een lijst bij een leverancier en verwachten dat die converteert als warme leads.

Of ze leunen te zwaar op first-party gedrag en missen de vroege signalen uit de bredere markt.

De teams die hier winnen, behandelen first-party signalen als hete leads, gebruiken second-party data om met relevante content de deur te openen en zetten third-party data in om accounts te vinden die net beginnen met zoeken. Drie bakken, drie taken, drie manieren van reageren.

Hoe we intent data bij Nebor definiëren

De versie hierboven is een redelijke definitie uit de branche. Het is alleen niet wat wij intern bedoelen als we het over intent data hebben.

Bij Nebor zien we intent data als elke specifieke gebeurtenis, elk nieuwsbericht of elke actie op bedrijfsniveau die aangeeft dat een bedrijf nu op zoek is naar een oplossing zoals die van onze klant.

Denk aan financieringsrondes, wisselingen in de leiding, patronen in vacatures, fusies en overnames (M&A), sterk stijgende winst, productlanceringen en uitbreiding naar nieuwe regio's. Geen daarvan verschijnt als “topic surge” in Bombora, terwijl elk ervan een bedrijf dichter bij een aankoop brengt.

De meeste marketing- en salesteams zijn niet ingericht om die signalen te zien, laat staan erop te handelen. De signalen melden zich niet vanzelf op een dashboard. Je moet ze gaan zoeken, scrapen, structureren en naar je outbound sturen op de dag dat ze gebeuren.

In dat gat tussen wat tools intent noemen en wat een koopgesprek echt voorspelt, lopen de meeste outbound-programma's echte pipeline mis.

Het probleem met traditionele outbound en waarom intent data ertoe doet

De meeste B2B-salesteams doen outbound nog steeds zoals in 2018, en de rekensom klopt niet meer. Het list-and-blast-model gaat ervan uit dat brede targeting plus veel volume gelijkstaat aan pipeline.

Nu reply rates op elk kanaal instorten, gaat dat niet meer op. De teams bij wie outbound vandaag werkt, kiezen accounts niet meer puur op firmografische fit. Ze kiezen ze op basis van signalen.

Het list-and-blast-model faalt omdat het timing negeert

De traditionele outbound-flow ziet er in bijna elke B2B-organisatie waar we binnenstappen hetzelfde uit.

1. Bouw een lijst met bedrijven die aan basale firmografische criteria voldoen, zoals branche, aantal medewerkers en regio.

2. Zoek contactgegevens van de mensen die mogelijk beslissers zijn.

3. Stuur iedereen op de lijst dezelfde outreach.

4. Hoop dat een klein percentage reageert.

5. Herhaal het volgend kwartaal.

Het model faalt omdat het fit ziet als de beslissende factor bij een aankoop, terwijl timing de deals echt binnenhaalt.

Zelfs een account met een perfecte fit koopt niet als er nu geen behoefte is of als het niet actief zoekt.

Het beste resultaat van een koude lijst met perfecte fit volspammen is een “kom over zes maanden nog eens terug”, en het realistische resultaat is stilte bij de meeste namen.

Die dynamiek is de structurele reden dat het model van het GTM-bureau het model van het leadgen-bureau vervangt bij B2B-teams die hun pipelinecijfers serieus nemen.

Koude berichten aan koude prospects leveren koude reacties op

Onderzoeken in de branche zetten de reply rate van cold email onder de 1%. De conversie uit die reacties ligt nog lager. De cijfers verbazen je niet meer zodra je bedenkt wat er aan de andere kant van die berichten gebeurt.

Een koud bericht bereikt een drukke professional over een probleem waarvan die nooit heeft gezegd dat hij het had, van een leverancier waar hij niet om heeft gevraagd, op een dag waarop honderd andere dingen om zijn aandacht vragen.

Het resultaat is aan beide kanten hetzelfde. De prospect voelt zich gestoord, de rep verspilt uren en wat je uitgeeft aan lijsten, verzendtools en salarissen van SDR's levert bijna niets op.

Voeg je intent data toe, dan verandert wat die berichten kunnen zeggen. In plaats van te gokken naar de situatie van de prospect, koppel je je bericht aan een echte gebeurtenis in diens wereld, en daardoor komt de outreach relevant over in plaats van als ruis.

De doellijst wordt kleiner, omdat de meeste accounts op elk willekeurig moment niet in market zijn. De hit rate bij de accounts die wel in market zijn, stijgt genoeg om dat ruimschoots te compenseren.

Wat list-and-blast echt kost aan uren van reps en uitgaven aan tools

De diepere kosten van de traditionele aanpak zie je op drie plekken, die de meeste leiders nooit goed terugleiden naar het model zelf.

Salesreps besteden het grootste deel van hun week aan het onderzoeken en najagen van accounts die nu geen interesse hebben. Dat is de structurele reden dat meer SDR's aannemen meestal de kosten sneller laat groeien dan de pipeline.

Toolbudgetten gaan op aan enrichment, sequencing en dialer-infrastructuur die weinig uithalen, omdat de targeting eronder niet klopt.

En salescycli worden langer, omdat reps vanaf een koude start interesse moeten kweken in plaats van kopers te spreken die al in beweging zijn.

Het fundamentele probleem zit niet in wie je target. Het zit in wanneer je ze target, met welke boodschap en op basis van welk bewijs over hun huidige prioriteiten.

Zonder intent gooit elke rep in het donker met pijltjes naar een muur. Met intent stap je de kamer binnen terwijl het gesprek al gaande is, en draait het werk erom dat je op het juiste moment op de juiste plek bent met het juiste verhaal.

Waarom losse tools intent data niet in hun eentje kunnen doen

Tools horen bij elke intent-stack die werkt. Heb je nu een signal-based outbound-programma, dan hoor je een laag tools te gebruiken om data te verzamelen, accounts te identificeren en je berichten te voeden, zodat de outreach relevant en op tijd aankomt.

Wat je niet moet doen, is het hele intent-programma bij één platform neerleggen en het daarbij laten.

Er is vandaag geen losse B2B-intent-tool op de markt die intent vastlegt zoals een outbound-team dat nodig heeft. 

Leadfeeder, Bombora, ZoomInfo en Cognism doen elk een deel van het werk voor third-party intent, al doet geen van allen het hele werk.

De reden gaat rechtstreeks terug naar hoe wij intent data intern definiëren, en het komt op vier voorspelbare manieren naar boven zodra je deze platforms echt in gebruik neemt. Dit zijn ze:

Intent in tools bestaat vooral uit artikelweergaven en IP-bezoeken, en dat is oppervlakkig

Oudere sales intelligence-platforms zoals ZoomInfo en Cognism markeren artikelweergaven en websitebezoeken die aan een IP-adres zijn gekoppeld als intent.

Dat zijn signalen, al zijn het geen diepe. Ze vertellen je dat iemand van een bepaald bedrijf ergens naar heeft gekeken. Ze vertellen je niet wat dat bedrijf echt nodig heeft, in welke fase van de evaluatie het zit of dat er een buying committee is gevormd.

De intent-signalen waar een outbound-team echt op kan handelen, zien er eerder zo uit.

• Onderzoekspatronen op meerdere sites in je branche, en geen enkele losse artikelweergave

• Engagement met bottom-of-funnel content zoals prijspagina's en productvergelijkingen

• Het lezen van concurrentieanalyses en materiaal om leveranciers te beoordelen

• Gedrag dat erop wijst dat er een buying committee is gevormd dat in beweging is

• Een piek in onderzoek door meerdere stakeholders bij hetzelfde account in korte tijd

Echte intent data vertelt je dat ze willen kopen en laat zien wat de zoektocht aandrijft. De meeste tools komen niet verder dan de eerste helft van die vergelijking.

Intent in een tool betekent vaak een topic surge, en dat is iets anders

Platforms zoals Bombora bepalen voor elk bedrijf in hun dataset een basislijn van normale contentconsumptie. Leest een bedrijf meer over een onderwerp dan die basislijn voorspelt, dan markeert de tool dat als intent.

Die methode is best interessant, al is het op zichzelf geen koopsignaal. Een team dat meer dan normaal over een onderwerp leest, kan leveranciers aan het vergelijken zijn.

Het kan ook een blogpost aan het schrijven zijn, een presentatie voor de raad van bestuur voorbereiden, concurrentieonderzoek doen of een nieuwe medewerker inwerken die zich in het vakgebied inleest.

Een topic surge is correlatie en geen intent-signaal. Intent is het deel waarin je uitzoekt naar welk soort correlatie je kijkt, en precies die laag met context geeft de tool je niet.

Het netwerk van een tool ziet alleen signalen op de sites die op de tracking zijn aangesloten

Privacywetgeving in Europa en beleid rond datagovernance in de meeste B2B-markten dwingen elk intent-platform om te werken met een afgebakend netwerk van partnersites.

Leveranciers van intent-tools publiceren grote getallen over hoeveel sites ze dekken. Dat getal is de verkeerde maatstaf om ze op te beoordelen. Wat telt, is of je kopers hun onderzoek binnen of buiten dat netwerk doen.

We zien drie structurele problemen die voortkomen uit tracking binnen een afgebakend netwerk.

1. De koopsignalen die buiten het netwerk plaatsvinden, komen nooit in de dataset terecht.

2. Nichebranches zitten vaak juist in de delen van het web die buiten het netwerk vallen.

3. Ook binnen gedekte branches daalt de datakwaliteit bij long-tail accounts.

Het gevolg is dat een flink deel van je doelmarkt in een blinde vlek blijft zitten die de tool niet kan oplossen, omdat die blinde vlek in het model zelf zit.

De meeste tools zien contentconsumptie en verder niets

De grootste beperking is dat deze platforms alleen gedrag op het web volgen.

Vacatures, financieringsnieuws, wisselingen in de leiding, fusies en overnames (M&A), sterk stijgende winst, officiële deponeringen bij toezichthouders, aankondigingen van uitbreidingen en productlanceringen komen niet in een dashboard van Bombora of ZoomInfo terecht.

Die vind je in nieuwsfeeds, RSS, LinkedIn, databases van toezichthouders, vacaturesites en de crawlbare hoeken van het web waarvoor intent-platforms nooit zijn gebouwd.

We weten uit ervaring dat juist die signalen pipeline vaak het best voorspellen.

• Een financieringsronde leidt meestal al tot extra personeel voordat de ronde zelfs is afgerond.

• Een nieuwe leidinggevende begint binnen een paar weken met een review van de leveranciers in de stack van zijn voorganger.

• Een sterke winststijging bij een Fortune 500-bedrijf legt meteen beslissingen over belastingoptimalisatie op het bureau van de CFO.

• Een vacature voor “Director of Data Analytics” vertelt je dat er serieus budget naar de data-infrastructuur gaat.

De teams die intent data voor outbound laten werken, combineren de laag met third-party tools met eigen monitoring rond de specifieke signalen die pipeline voorspellen voor hun aanbod. Dat is een GTM-systeem en geen tool, en precies die systemen bouwen we bij Nebor.

Zo automatiseren we bij Nebor het opvangen van intent data en de outreach

De vorm van intent data die de meeste teams echt nodig hebben, lijkt meer op een systeem dan op een feed.

Stel je een AI-gestuurde workflow voor die de signalen volgt die voor jouw aanbod tellen, het bedrijf tegen je ICP kwalificeert zodra er een signaal binnenkomt, de juiste buyer persona binnen het bedrijf opbouwt, een bericht opstelt dat aan dat specifieke signaal is gekoppeld, het via het juiste kanaal verstuurt en pas een mens inschakelt als er een echte reactie terugkomt.

Dat bouwen we bij Nebor voor klanten, en we gebruiken het zelf voor onze eigen pipeline. De signalen worden vierentwintig uur per dag gevolgd. De kwalificatiestap filtert de ruis eruit voordat er iets bij een rep terechtkomt.

De outreach gaat binnen een paar uur na het signaal de deur uit. Het team besteedt alleen tijd aan gesprekken die het al waard zijn om te voeren.

De meeste bedrijven vertrouwen nog op de basistracking die ZoomInfo of Cognism standaard meeleveren.

Wij bouwen systemen door Clay te combineren met PhantomBuster, n8n, Apify en een laag eigen scraping voor de bronnen die voor een bepaalde klant tellen.

Na de bouw staan de systemen in de accounts van de klant. Dat is het idee van bezitten in plaats van huren waar we het in de rest van de blog steeds over hebben.

Het team bestaat in de eerste plaats uit verkopers en pas daarna uit automatiseringsexperts, want dit werkt alleen als de mensen die de workflows ontwerpen zelf outbound hebben gedaan.

De focus ligt op wat er in een bedrijf gebeurt en niet op oppervlakkig websitegedrag. We letten op de specifieke triggers die erop wijzen dat een koopgesprek op het punt staat te beginnen.

Zo halen we sales-qualified leads uit intent-signalen

Het systeem rust op vijf stappen die bij elke klant hetzelfde blijven, ook als de onderliggende signaalbronnen veranderen.

1. Slimme monitoring. We bepalen voor elke klant de meest relevante bronnen van koopsignalen voor diens branche en aanbod, en houden die continu in de gaten. Voorbeelden vind je hieronder.

2. Geautomatiseerde dataverzameling. Onze systemen scrapen en verwerken de signalen realtime en dag en nacht, en zetten ze om in gestructureerde rijen in Clay.

3. Analyse in context. We gebruiken AI om elk signaal te scoren op relevantie en de sterkte van de koopintentie, en geven het daarna prioriteit tegen het ICP van de klant.

4. Directe activatie. Waardevolle signalen starten binnen een paar uur na binnenkomst gepersonaliseerde outreach.

5. Continue optimalisatie. We houden bij welke signalen gekwalificeerde gesprekken opleveren en stellen de monitoring daarop af.

Reacties gaan aan de andere kant naar de workflow voor inbound-kwalificatie, het deel van het systeem dat bepaalt of er echt een meeting wordt geboekt.

De vijf voorbeelden hieronder zijn echte workflows die we hebben gebouwd en gebruikt: vier voor klanten en één voor onszelf.

Voorbeeld 1: signalen uit SDR-vacatures (het systeem dat we zelf gebruiken)

Elke dag om 9 uur 's ochtends scrapet ons systeem LinkedIn op nieuwe vacatures voor SDR's in Nederland bij bedrijven die passen bij de profielen waaraan we verkopen.

De vacature komt in Clay terecht, waar we de hiring manager en de afdelingsmanager automatisch verrijken en elk van hen een bericht sturen over de specifieke rol die ze net hebben opengezet.

Bedrijven die nu SDR's aannemen, geven per definitie budget uit aan outbound en salescapaciteit. De hiring manager is degene die beslist hoe die capaciteit wordt opgebouwd.

Als je ze binnen dat beslismoment bereikt, werkt dat veel beter dan acht maanden later, als het programma al stilstaat en het budget vastligt.

Voorbeeld 2: financieringsrondes als trigger

Als we intent afhandelen voor een klant in cybersecurity en een IT-bedrijf in hun doelsegment kapitaal ophaalt, is die financieringsronde het koopsignaal.

In dit segment volgt op een kapitaalronde bijna altijd een piek in vacatures aan de securitykant. De nieuwe analisten en engineers hebben tools nodig, en het koopgesprek vindt binnen dertig tot zestig dagen plaats.

Ons systeem haalt aankondigingen van financieringsrondes op, zoekt de juiste contacten binnen het gefinancierde bedrijf en start gepersonaliseerde outreach op de dag dat de ronde openbaar wordt.

Een salesteam dat dit met de hand probeert, leest de hele ochtend persberichten en neemt te laat contact op.

Voorbeeld 3: alerts bij overnames van concurrenten

Wordt een concurrent in jouw categorie overgenomen, dan gaat een deel van zijn klanten binnen een paar weken na de aankondiging om zich heen kijken.

Onzekerheid over de roadmap maakt de bestaande klanten nerveus, de kwaliteit van de support daalt meestal zodra de overnemer het team integreert, en met de nieuwe eigenaar komen prijswijzigingen.

Samen verklaren die drie krachten waarom klanten weglopen bij overgenomen leveranciers, en het koopvenster voor een vervanger is kort.

Ons systeem markeert aankondigingen van overnames in de categorieën waarin onze klanten verkopen, brengt de klanten van het overgenomen bedrijf in kaart waar we die kunnen afleiden, en start outreach naar die accounts voordat de overnemer de eerste integratiemail heeft verstuurd.

Voorbeeld 4: inzicht uit vacatures

Een nieuwe medewerker wijst vaak op een onderliggende aankoopbeslissing. Een bedrijf dat een vacature plaatst voor een Director of Data Analytics, bemant de functie vóór of tegelijk met het budget waarmee de datastack wordt betaald.

De eerste Head of RevOps komt meestal net binnen voordat er een beslissing over tooling valt. Vier vacatures voor security-analisten in één maand vertellen je dat er in security-infrastructuur wordt geïnvesteerd, en een van die analisten gaat uiteindelijk de leverancier kiezen.

Ons systeem volgt vacaturesites in de categorieën waarin onze klanten verkopen, deelt elke vacature in op het koopsignaal dat erin zit en start outreach naar de beslissers rond de rol in plaats van alleen naar de hiring manager.

De meeste outbound-teams benaderen bij dit signaal de verkeerde persoon. Ze sturen een bericht aan de recruiter in plaats van aan de leidinggevende wiens budget de nieuwe medewerker gaat uitgeven.

Voorbeeld 5: volgen wanneer contacten van baan wisselen

Als een voormalige koper of huidige klant naar een nieuw bedrijf overstapt, neemt die meestal de tools mee die hij al kent.

Een VP of Sales die jouw platform in zijn vorige rol gebruikte, is de goedkoopste meeting die je in zijn nieuwe rol kunt krijgen. Het venster om hem te bereiken zijn de eerste negentig dagen, als hij de bestaande stack doorlicht.

Onze Clay-setup volgt baanwisselingen bij klanten en warme contacten, signaleert het moment dat een overstap op LinkedIn of in het nieuws verschijnt en zorgt dat het juiste bericht binnen die periode van doorlichten bij ze aankomt.

Twee case studies die laten zien hoe we intent-systemen op maat bouwen

De intent-bronnen voor een klant liggen niet van tevoren vast. Ze hangen af van wat het bedrijf verkoopt en wie er in het ICP past.

Elke samenwerking met Nebor begint met het in kaart brengen van de signalen die voor dat aanbod echt pipeline voorspellen, en de monitoringstack wordt rond die bronnen gebouwd en niet andersom.

Case study 1: AI-gestuurde inrichtingsoplossingen

Een van onze klanten verkoopt AI-gestuurde inrichtingsoplossingen voor nieuwe vastgoedprojecten. Het koopsignaal dat voor hen telt, is de aankondiging van een nieuw project, en de tijd tussen die aankondiging en de beslissingen over de inrichting is kort.

We volgen en scrapen RSS-feeds van sites zoals Multi-Housing News, Chicago Yimby, Property Week en een lange staart van regionale en thematische vastgoedtitels.

Elk nieuw artikel komt in Clay terecht, waar het systeem het uitleest om te bepalen of er een nieuw project wordt aangekondigd. Is dat zo, dan haalt de workflow de projectnaam, de ontwikkelaar, de website van de ontwikkelaar en de juiste contactpersoon op.

Daarna zoekt het systeem de contactgegevens, stelt een e-mail op over het project dat net is aangekondigd en verstuurt die nog dezelfde dag.

Dit werkt omdat het relevante venster voor outreach opengaat op de dag dat het project in het nieuws komt. Met de hand zou je iemand fulltime vastgoedtitels moeten laten lezen, en dan zou die nog steeds te laat contact opnemen.

Case study 2: oplossingen voor belastingvoordelen bij enterprises

Een andere klant van Nebor verkoopt oplossingen waarmee grote bedrijven belastingvoordelen beter benutten en hun effectieve belastingdruk verlagen. Het koopsignaal dat voor hen telt, is een plotselinge, openbare stijging van de winstmarge bij een Fortune 500-bedrijf.

We hebben Trigify ingericht om de winstcijfers van Fortune 500-bedrijven te volgen en pieken in de winstmarge te markeren. Op de dag dat een gemarkeerd bedrijf een ongewone stijging meldt, zoekt ons systeem de juiste contacten binnen de financeorganisatie en start het geautomatiseerde outreach over hoe je die winst vasthoudt met de juiste fiscale structuur.

De meeste salesteams zouden bij sterke kwartaalcijfers niet aan een outbound-signaal denken. Wij zien het als een van de beste intent-signalen die er in deze categorie zijn.

Bedrijven met een plotselinge winststijging hebben een beslissing over belastingoptimalisatie die meteen op het bureau van de CFO ligt, en het gesprek is intern al gaande tegen de tijd dat het nieuws online staat.

Zo bouw je je strategie voor intent data

Wil je intent data inbouwen in de manier waarop je salesteam werkt, dan tellen zes dingen zwaarder dan de rest.

1. Begrijp je aanbod, je ICP en de signalen die voor jou echt pipeline voorspellen

Het vertrekpunt is een nuchtere blik op wat je verkoopt en op de gebeurtenissen in een bedrijf die ervoor zorgen dat het jouw product nodig krijgt. Daaruit volgt welke signalen het volgen waard zijn, welke tools en databronnen je aansluit en welke datakwaliteit je kunt accepteren.

Een lijst maken van onderwerpen die kopers onderzoeken, is de makkelijke versie. De moeilijkere versie is het in kaart brengen van de specifieke gebeurtenissen, nieuwsberichten, patronen in vacatures en acties van bedrijven die in het verleden aan een koopgesprek over jouw aanbod voorafgingen.

Die worden de belangrijkste monitoringdoelen waar je stack omheen wordt gebouwd.

2. Gebruik de juiste tools en niet de meeste tools

Genoeg leveranciers verkopen je graag iets dat intent data heet. Meestal heb je een stack van monitoring- en scrapingtools nodig die op de juiste bronnen zijn aangesloten, en geen extra los "intent"-platform naast de platforms waar je al voor betaalt.

De juiste stack hangt af van de signalen die je in stap één in kaart hebt gebracht. Tellen financieringsrondes voor jouw aanbod, dan heb je een feed met financieringsnieuws nodig en een manier om de juiste contacten binnen gefinancierde bedrijven te vinden.

Voor signalen uit vacatures heb je scraping van vacaturesites nodig, met een indeling per rol daarbovenop. Signalen uit RSS vragen om monitoring met parsing-logica die op elk nieuw artikel wordt toegepast.

3. Bouw de automatisering vóór de outreach in

Intent data is tijdgebonden, en dat onderschatten de meeste teams. De waarde van een signaal zakt snel in zodra je concurrenten het ook zien, en de voorsprong die ertoe doet, meet je in uren en dagen en niet in weken.

De automatisering moet beginnen waar het signaal binnenkomt. Monitoren, structureren, kwalificeren en routeren moeten allemaal gebeuren zonder dat er een mens aan te pas komt, tot het moment dat er een echte prospect aan de lijn is.

Handmatige controle bij een van die stappen is precies waardoor outbound-teams de hele ochtend persberichten lezen in plaats van meetings te voeren.

4. Laat het signaal bepalen wie je benadert en wat je zegt

Intent data hoort te veranderen wie je benadert en wat je tegen ze zegt. De meeste teams gebruiken het voor de eerste helft en negeren de tweede.

De outreach moet verwijzen naar de specifieke gebeurtenis die hem in gang zette, in woorden die klinken als iemand die heeft opgelet en niet als een sequence die automatisch de deur uitging.

5. Houd bij welke signalen echt gesprekken opleveren en schrap de rest

Niets aan intent data blijft tijdens een samenwerking hetzelfde. De signalen die op papier het sterkst lijken, vallen in de praktijk vaak tegen, en signalen die op ruis lijken, blijken soms de beste voorspellers.

Houd bij welke signalen gekwalificeerde gesprekken opleveren en welke stilte, en stel de monitoring daarop af. De helft van de waarde van een intent-programma dat een paar maanden loopt, is ontdekken welke signalen je vanaf het begin had moeten volgen.

6. Beslis of je dit zelf opbouwt of inhuurt

Voor goede intent-systemen heb je echte technische kennis nodig, en de mensen die die kennis hebben, hebben meestal ook de outbound-ervaring om te weten wat ze met de signalen moeten zodra die binnenkomen.

Je hebt beide helften nodig, en als er een ontbreekt, gaat het op voorspelbare manieren mis. Een goede engineer zonder outbound-achtergrond gaat vaak te veel monitoren en te weinig berichten sturen.

Een goede SDR die dit zonder engineer probeert te bouwen, gaat vaak te weinig monitoren en te veel berichten sturen.

De eerlijke vraag is of je beide helften in je team hebt of dat je een partner moet inhuren die dit eerder heeft gebouwd.

Heb je een eigen revenue team dat al outbound doet en een engineer die een werkende Clay-implementatie, n8n en eigen scrapers kan opleveren, dan kun je het zelf bouwen. Zo niet, dan kost het vanaf nul leren meestal meer dan de bouw zelf.

Laat Nebor workflows voor intent data voor je bouwen, zodat je de toon zet in je branche

In het grotere plaatje worden markten competitiever en vergroot AI snel het gat tussen teams die vraag realtime kunnen opmerken en erop kunnen handelen, en teams die dat niet kunnen.

De teams die nu winnen met outbound, bouwen geautomatiseerde intent-systemen rond hun specifieke aanbod in plaats van grotere lijsten door snellere sequencers te jagen. Kopers reageren niet meer op volume zoals vroeger.

Die systemen bouwen we bij Nebor van begin tot eind. Het werk omvat het in kaart brengen van signalen, monitoring, outreach en de routering naar de flow voor inbound-kwalificatie aan de achterkant.

Onze klanten verspillen minder contactmomenten omdat de targeting klopt, hebben kortere salescycli omdat gesprekken beginnen met prospects die al in beweging zijn, en houden een systeem over dat pipeline blijft opleveren nadat we het hebben overgedragen, omdat het in hun accounts staat en niet in de onze.

Het hele model draait om bezitten in plaats van huren, en niet om afhankelijkheid. Na een samenwerking met Nebor staan de workflows, de enrichment-logica, de scrapers, de automatiseringssequences en de routeringsregels allemaal in de eigen omgevingen van de klant in Clay, n8n, HubSpot en Salesforce.

We zijn geen onmisbare tussenpersoon, en dat zie je terug in de keuzes die we maken. Het team dat het systeem ontwerpt, is ook het team dat het dagelijks gebruikt. Alleen zo worden intent-systemen elk jaar sterker in plaats van dat ze stukgaan op het moment dat het bureau op pauze gaat.

Heb je een eigen revenue team en is outbound een deel van hoe je groeit, dan is dit wat we doen. Is dat niet zo, dan is dit stuk waarschijnlijk niet het juiste startpunt en is de goede volgende stap het GTM-systeem bouwen voordat je er intent bovenop legt.