Firmografisk segmentering: Byg segmenter, der konverterer

Firmografisk segmentering betyder, at du grupperer målvirksomheder efter egenskaber som branche, størrelse, omsætning, placering og vækstfase og derefter behandler hver gruppe forskelligt i budskaber, tilbud og salgsmodel. Alle B2B-teams gør det i en eller anden form. De fleste gør det dårligt: grænserne kommer fra en dataleverandørs standard-dropdown (»51-200 medarbejdere«) i stedet for fra teamets egne vundne og tabte aftaler.

Dette indlæg er den praktiske guide. Hvis du først har brug for definitionen af de underliggende data, så læs vores ordlisteopslag om firmografiske data. Her gennemgår vi, hvilke firmografiske data der faktisk forudsiger fit, hvordan du sætter segmentgrænser ud fra dine vundne deals med et gennemregnet eksempel, hvad du skal vise hvert segment på dit website, hvor dataene kommer fra, hvor præcise de er, og hvor mange segmenter du skal starte med.

Hvilke firmografiske data der faktisk forudsiger B2B-fit

Der findes dusinvis af firmografiske felter. Kun en håndfuld ændrer som regel, hvem der køber, hvor meget de betaler, og hvor lang tid det tager. Ranger kandidaterne efter to spørgsmål: Ændrer egenskaben køberens problem eller proces, og kan du kende den pålideligt før et salgsopkald?

Den sidste række er strengt taget technographics og ikke firmografi, men til segmentering opfører den sig på samme måde: en fast egenskab ved virksomheden, der ændrer, hvad du bør sige. Vores syn: For softwarevirksomheder er »bruger værktøj X« ofte et skarpere segment end branche, fordi det kobles direkte til et integrationsbudskab.

Sådan sætter du segmentgrænser ud fra data om vundne deals

Start ikke med en leverandørs størrelsesintervaller. Start med dine egne resultater. Metoden:

1. Eksportér lukkede salgsmuligheder (vundne og tabte) fra de seneste 12 til 24 måneder med virksomhedens antal ansatte, branche, region, handelsværdi, oprettelsesdato og lukkedato.
2. Berig manglende felter, så hver række har de attributter, du vil teste. Tomme rækker skævvrider resultatet.
3. Inddel fint først. Brug smalle intervaller (fx 1-20, 21-50, 51-100, 101-200 osv.), så du kan se, hvor resultaterne ændrer sig.
4. Beregn pr. kategori: vinderrate, gennemsnitlig kontraktværdi, median salgscyklus og forventet værdi pr. salgsmulighed (vinderrate gange gennemsnitlig kontraktværdi).
5. Slå tilstødende grupper sammen, der opfører sig ens, og træk grænser, hvor en metrik springer.
6. Tjek stikprøvestørrelserne. Et interval med fem aftaler er en anekdote. Slå det sammen med et nabointerval, eller markér det som »ukendt«.

Gennemregnet eksempel

Eksempel (illustrative tal for en hypotetisk B2B-softwarevirksomhed med 300 lukkede salgsmuligheder over 18 måneder):

Værdi pr. salgsmulighed er win rate gange kontraktværdi: 0,24 x 14.000 € = 3.360 € (afrundet til 3.400 €), 0,25 x 32.000 € = 8.000 € og så videre. Hvad tabellen siger:

• 1-50 giver flest salgsmuligheder, men mindst værdi pr. salgsmulighed. Det peger på en vej med lav berøring, selvbetjening eller hurtig demo, ikke mere SDR-tid.
• 51-200 og 201-1.000 vinder med næsten samme rate, men kontraktværdien mere end fordobles. Behold dem som separate segmenter for priser og dokumentation, selvom salgsprocessen er den samme.
• 1.001+ har høj værdi pr. aftale, men en lav vinderrate baseret på kun tre vundne aftaler. Det er for få til at konkludere ret meget. Behandl det som en ABM-model med navngivne konti, og vend tilbage, når du har flere data.

Grænsen ved 1.000 kommer her fra dataene, ikke fra en konvention. Dine grænser ligger måske ved 30 og 400. Gentag øvelsen for branche og region, og du har en evidensbaseret ideel kundeprofil i stedet for en gættet.

Segmenttabel: Hvad du skal vise hvert segment på dit website

Et segment er kun brugbart, hvis noget ændrer sig for det. Her er, i forlængelse af eksemplet, hvordan segmenterne omsættes til budskaber og calls to action på websitet.

Virksomhedsstørrelse og branche håndteres bedst som to lag: størrelsen vælger CTA'en og bevisernes vægt, branchen vælger ordforrådet og casen. Vores indlæg om at personalisere dit website efter virksomhedsstørrelse og branchespecifik personalisering af websites viser eksempler på sideniveau for hver.

Hvor firmografiske data kommer fra

Du har brug for firmografi på to tidspunkter: offline, når du analyserer aftaler og bygger mållister, og i realtid, når en besøgende lander på dit website.

• Dit CRM. Poster i HubSpot, Salesforce eller Pipedrive for eksisterende kunder og salgsmuligheder. Den mest pålidelige kilde til dine egne konti, men ofte ufuldstændig for prospects.
• Berigelsesudbydere. Databaser, der tilføjer virksomhedsegenskaber til et domæne eller en post, såsom ZoomInfo, Apollo, Cognism, Dun & Bradstreet og HubSpot Breeze Intelligence (tidligere Clearbit). Dækningen varierer efter region og virksomhedsstørrelse, så test på dine egne poster, før du forpligter dig.
• Reverse IP lookup og identifikation af besøgende. Værktøjer, der matcher det netværk, en besøgende kommer fra, med en virksomhed, fx Leadfeeder, Demandbase og 6sense. Det er det, der gør segmentering af websitet i realtid mulig. Se hvordan reverse IP lookup fungerer.
• Kilder til technographics. BuiltWith og Wappalyzer registrerer teknologier, der er synlige på en virksomheds website; HG Insights og lignende leverandører udleder bredere installationsbaser.
• Offentlige kilder. Virksomhedsregistre (f.eks. Companies House i Storbritannien), SEC-indberetninger for amerikanske børsnoterede selskaber, Crunchbase for finansieringsrunder, jobopslag og virksomhedssider på LinkedIn.
• Oplyste data. Et formularfelt, der spørger om virksomhedsstørrelse, eller et domæne, du kan berige. Den mest præcise kilde for den enkelte besøgende og den, de fleste teams spørger for meget efter.

Hvis du vil bruge de samme egenskaber til at bygge outbound-lister, så se denne guide til firmografiske data til målretning i salg.

Forbehold om præcision, som de fleste teams ignorerer

• Antal ansatte varierer efter kilde. Én udbyder tæller LinkedIn-profiler, en anden bruger regnskaber, en tredje estimerer. Vælg én kilde som den gældende for segmentering, så en virksomhed ikke hopper mellem intervaller.
• Branchekoderne er uenige. NAICS, SIC og LinkedIns brancher klassificerer den samme virksomhed forskelligt, og virksomheder med flere forretningsområder passer i flere. Map udbydernes koder til din egen korte liste på 5 til 10 brancher.
• Omsætning for private virksomheder er som regel modelleret. Brug den som et groft interval, aldrig som et præcist filter.
• IP-matchning misser folk. Fjernarbejdere på privat bredbånd, VPN og mobilnetværk kan ofte ikke kobles til en virksomhed, og små virksomheder er sværere at matche end store. Matchrater varierer meget efter målgruppe, så mål din egen: tag en stikprøve af besøgende, der senere udfyldte en formular, og tjek, hvor mange der på forhånd var matchet til den rigtige virksomhed.
• Placering betyder hovedkontor. En besøgende fra et kontor i Berlin hos en amerikansk virksomhed bliver ofte tagget som USA. Brug den besøgendes geolokation til sprog og valuta og hovedkontoret til salgsområde.
• Data ældes. Finansieringsrunder, antal ansatte og teknologistak ændrer sig. Berig aktive konti igen mindst hvert kvartal.

Hvor mange segmenter du skal starte med

Færre, end du tror. Data er sjældent det, der begrænser dig; det er indhold og måling. Hvert segment har brug for sin egen tekst og dokumentation, en person, der holder det opdateret, og nok trafik til at afgøre, om det virker.

Målesiden er ubarmhjertig. Eksempel: Et segment, der konverterer med 2 %, og hvor du vil påvise et løft til 2,6 % (en relativ forbedring på 30 %), kræver cirka 9.800 besøgende pr. variant ved 95 % sikkerhed og 80 % styrke, omkring 19.600 identificerede besøgende til en test med to varianter. Udregningen står i vores guide til stikprøvestørrelse i A/B-tests. De fleste B2B-segmenter når aldrig det på et kvartal.

Vores beslutningsregel:

• Start med tre segmenter, der dækker det meste af din vundne omsætning, plus standardoplevelsen for uidentificerede besøgende.
• Lav kun formel A/B-test af det største segment. For de andre implementerer du den personaliserede oplevelse ud fra dokumentation fra salg og kunder og følger pipeline og win rate pr. segment kvartal for kvartal.
• Tilføj et branchelag kun for brancher med deres egne cases og mindst et par vundne deals.
• Tilføj kun et nyt segment, når du kan navngive det anderledes budskab, de anderledes beviser og ejeren.

Når reglerne er defineret, kan et værktøj som Markettailors segmentering evaluere dem ved hvert besøg, men det svære er analysen ovenfor, ikke softwaren.

Ofte stillede spørgsmål

Hvad er firmografisk segmentering?

Firmografisk segmentering deler B2B-prospects og -kunder op i grupper ud fra virksomhedsattributter som branche, antal ansatte, omsætning, placering, ejerskab og vækstfase. Hvert segment får derefter budskaber, tilbud, prisfokus og salgsdækning, der matcher, hvordan den type virksomheder køber. Det er B2B-modstykket til demografisk segmentering, som grupperer forbrugere efter attributter som alder eller indkomst.

Hvad er eksempler på firmografiske data?

Almindelige firmografiske data er branche eller underbranche, antal ansatte, årlig omsætning, land og region for hovedkontoret, juridisk eller ejermæssig struktur (børsnoteret, privat, PE-ejet, non-profit), virksomhedens alder, fundingfase og nylig funding samt vækstsignaler som rekruttering. Teknologistak klassificeres som regel separat som teknografi, men bruges ofte sammen med firmografi i segmentering.

Hvordan vælger man grænser for firmografiske segmenter?

Brug dine egne data for vundne og tabte deals. Opdel salgsmulighederne fint efter antal ansatte, branche eller region, beregn win rate, gennemsnitlig kontraktværdi, salgscyklus og værdi pr. salgsmulighed for hver gruppe, slå derefter grupper sammen, der opfører sig ens, og sæt grænser, hvor en metrik ændrer sig markant. Undgå at læne dig op ad en dataleverandørs standardstørrelsesintervaller, som sjældent matcher dine købere.

Hvor mange firmografiske segmenter bør du starte med?

Tre plus en standardoplevelse for besøgende, du ikke kan identificere. Hvert segment har brug for sit eget budskab, sin egen dokumentation og sin egen ejer samt nok trafik til at måle. De fleste B2B-websites har ikke trafik nok til at A/B-teste mange segmenter, så test det største formelt, og følg pipeline pr. segment for resten. Tilføj kun segmenter, når der er et tydeligt anderledes budskab at vise.