A cégadat-alapú szegmentálás azt jelenti, hogy a célcégeket olyan jellemzők szerint csoportosítod, mint az iparág, a méret, az árbevétel, a telephely és a növekedési szakasz, majd minden csoportot másként kezelsz az üzenetekben, az ajánlatokban és az értékesítési modellben. Minden B2B csapat csinál valamilyen változatot belőle. A legtöbb rosszul: a határokat egy adatszolgáltató alapértelmezett legördülő listájából veszik („51–200 alkalmazott”), nem a csapat saját megnyert és elvesztett üzleteiből.
Ez a cikk a gyakorlati útmutató. Ha először a mögöttes adatok definíciójára van szükséged, olvasd el a firmográfiai adatokról szóló szószedet-bejegyzésünket. Itt arról lesz szó, mely firmográfiai jellemzők jelzik előre valóban az illeszkedést, hogyan állítsd be a szegmenshatárokat a megnyert üzleteid adataiból egy kidolgozott példával, mit mutass az egyes szegmenseknek a weboldaladon, honnan származnak az adatok, mennyire pontosak, és hány szegmenssel érdemes kezdeni.
Mely firmográfiai jellemzők jelzik előre valóban a B2B illeszkedést
Cégadatmezőből több tucat létezik. Általában csak néhány változtat azon, ki vásárol, mennyit fizet és mennyi ideig tart. A jelölteket két kérdés alapján rangsorold: megváltoztatja-e a jellemző a vevő problémáját vagy folyamatát, és megbízhatóan tudhatod-e egy értékesítési hívás előtt?
| Jellemző | Mit jelez előre | Megbízhatóság az első kapcsolatfelvétel előtt | Akkor használd, ha |
|---|---|---|---|
| Iparág (aliparág) | Probléma, szóhasználat, szabályozás, szükséges bizonyíték | Közepes: az osztályozási rendszerek eltérnek egymástól | Az esettanulmányaid vagy a megfelelőségi történeted iparáganként különbözik |
| Létszámsáv | Vásárlási folyamat, érintettek száma, csomagilleszkedés | Közepestől magasig | Az árazási szintek vagy az értékesítési modell a mérettel változik |
| Árbevétel-sáv | Költségvetési kapacitás | Magánvállalatoknál alacsony (gyakran becsült) | A létszám félrevezető, pl. karcsú, de nagy árbevételű cégeknél |
| Földrajz | Nyelv, pénznem, adatok tárolási helye, értékesítési lefedettség | Központi szinten magas, irodai szinten alacsonyabb | Régiónként eltérően értékesítesz vagy eltérő előírásoknak felelsz meg |
| Növekedési és finanszírozási jelek | Sürgősség, rendelkezésre álló költségkeret, toborzási igények | Magas a befektetést kapott startupoknál (nyilvános bejelentések) | A terméked a skálázódó csapatoknak segít |
| Átfedés a technológiai stackben | Integrációs illeszkedés, váltási költség, versenytársak használata | Közepes: a felismerés a weben látható eszközöknél működik | A terméked konkrét eszközökre épül vagy azokat váltja ki |
Az utolsó sor szigorúan véve technográfiai és nem firmográfiai adat, de a szegmentálás szempontjából ugyanúgy viselkedik: a cég egy rögzített jellemzője, amely megváltoztatja, mit kell mondanod. A mi véleményünk: szoftvercégeknél az „X eszközt használja” gyakran élesebb szegmens, mint az iparág, mert közvetlenül egy integrációs üzenethez kapcsolódik.
Hogyan húzd meg a szegmenshatárokat a megnyert üzletek adataiból
Ne a szolgáltató méretkategóriáiból indulj ki, hanem a saját eredményeidből. A módszer:
- Exportáld a lezárt lehetőségeket (megnyert és elvesztett) az elmúlt 12–24 hónapból a cég létszámával, iparágával, régiójával, az üzlet értékével, a létrehozás és a lezárás dátumával.
- Pótold a hiányzó mezőket gazdagítással, hogy minden sorban meglegyenek a tesztelni kívánt attribútumok. Az üres sorok torzítják az eredményt.
- Először finom sávokat használj. Szűk sávokkal (például 1–20, 21–50, 51–100, 101–200 és így tovább) látod, hol változnak az eredmények.
- Csoportonként számold ki: a nyerési arányt, az átlagos szerződésértéket, a medián értékesítési ciklust és a lehetőségenkénti várható értéket (nyerési arány szorozva az átlagos szerződésértékkel).
- Vond össze a hasonlóan viselkedő szomszédos csoportokat, és ott húzd meg a határokat, ahol egy mutató ugrik.
- Ellenőrizd a mintaméreteket. Egy öt üzletet tartalmazó sáv csak anekdota. Vond össze a szomszédjával, vagy jelöld „ismeretlennek”.
Kidolgozott példa
Példa (szemléltető számok egy feltételezett B2B szoftvercégre, 18 hónap alatt 300 lezárt lehetőséggel):
| Létszámsáv | Lezárt lehetőségek | Megnyert | Nyerési arány | Átlagos szerződéses érték | Medián ciklus | Érték lehetőségenként |
|---|---|---|---|---|---|---|
| 1-50 | 120 | 18 | 15% | €6,000 | 30 nap | €900 |
| 51-200 | 90 | 22 | 24% | €14,000 | 55 nap | €3,400 |
| 201-1,000 | 60 | 15 | 25% | €32,000 | 95 nap | €8,000 |
| 1,001+ | 30 | 3 | 10% | €70,000 | 180 nap | €7,000 |
A lehetőségenkénti érték a nyerési arány szorozva a szerződésértékkel: 0,24 x 14 000 € = 3360 € (kerekítve 3400 €), 0,25 x 32 000 € = 8000 €, és így tovább. Amit a táblázat mutat:
- Az 1–50 fős sáv hozza a legtöbb lehetőséget, de a legkisebb lehetőségenkénti értéket. Ez alacsony érintésű, önkiszolgáló vagy gyors demós útra utal, nem több SDR-időre.
- Az 51–200 és a 201–1000 fős sáv szinte ugyanolyan arányban nyer, de a szerződéses érték több mint duplája. Árazás és bizonyíték szempontjából tartsd őket külön szegmensben, még ha az értékesítési folyamat hasonló is.
- Az 1001+ fős sávban magas az üzletenkénti érték, de a nyerési arány alacsony, mindössze három megnyert üzlet alapján. Ez túl kevés ahhoz, hogy sok következtetést levonj. Kezeld megnevezett fiókokra épülő ABM modellként, és térj vissza rá, ha több adatod lesz.
Az 1000-es határ itt az adatokból jön, nem egy konvencióból. A te határaid lehetnek 30-nál és 400-nál. Ismételd meg a gyakorlatot iparágra és régióra, és bizonyítékokon alapuló ideális ügyfélprofilod lesz egy találgatott helyett.
Szegmenstáblázat: mit mutass az egyes szegmenseknek a weboldaladon
Egy szegmens csak akkor hasznos, ha valami változik számára. A példát folytatva így alakulnak át a szegmensek weboldal-üzenetekké és cselekvésre ösztönzésekké.
| Szegmens | A hero üzenet szöge | Megmutatandó bizonyíték | Elsődleges CTA |
|---|---|---|---|
| Kicsi (1–50) | Gyors beállítás, kis ráfordítás | Rövid ajánlás egy kis csapattól, a beállítás ideje | Kezdd most / foglalj egy 15 perces bemutatót |
| Közepes vállalat (51–200) | Eredmény egy növekvő csapat számára | Esettanulmány egy hasonló méretű cégtől, integrációk | Foglalj demót |
| Felső középvállalati kategória (201–1000) | Lépték, kontroll, ROI | ROI esettanulmány, adminisztráció és jogosultságok, biztonsági összefoglaló | Beszélj az értékesítéssel / kérj személyre szabott ROI-becslést |
| Nagyvállalat (1001+) | Biztonság, megfelelés, bevezetési támogatás | Ismert logók az iparágukból, biztonsági dokumentáció | Kapcsolatfelvétel a nagyvállalati csapattal |
| Iparági réteg (pl. egészségügy) | Iparágspecifikus probléma és szakkifejezések | Iparági esettanulmány, releváns megfelelés | Ugyanaz, mint a méretszegmensnél, iparági szóhasználattal |
| Ismeretlen cég | Alapértelmezett üzenet | Általános logósáv | Alapértelmezett CTA |
A cégméretet és az iparágat két rétegként érdemes kezelni: a méret választja ki a CTA-t és a bizonyíték súlyát, az iparág a szóhasználatot és az esettanulmányt. A weboldal cégméret szerinti személyre szabásáról és az iparágspecifikus weboldal-személyre szabásról szóló cikkeink mindkettőre oldalszintű példákat mutatnak.
Honnan származnak a cégadatok (firmográfiai adatok)
Cégadatokra két pillanatban van szükséged: offline, amikor üzleteket elemzel és céllistákat építesz, és valós időben, amikor egy látogató az oldaladra érkezik.
- A CRM-ed. HubSpot-, Salesforce- vagy Pipedrive-rekordok a meglévő ügyfelekről és lehetőségekről. A saját fiókjaidról ez a legmegbízhatóbb forrás, de az érdeklődőkről gyakran hiányos.
- Adatgazdagító szolgáltatók. Olyan adatbázisok, amelyek céges jellemzőket fűznek egy domainhez vagy rekordhoz, például a ZoomInfo, az Apollo, a Cognism, a Dun & Bradstreet és a HubSpot Breeze Intelligence (korábban Clearbit). A lefedettség régiónként és cégméretenként eltér, ezért elköteleződés előtt teszteld a saját rekordjaidon.
- Reverse IP lookup és látogatóazonosítás. Olyan eszközök, amelyek a látogató hálózatát egy céghez rendelik, például a Leadfeeder, a Demandbase és a 6sense. Ez teszi lehetővé a valós idejű weboldal-szegmentálást. Lásd: hogyan működik a reverse IP lookup.
- Technográfiai források. A BuiltWith és a Wappalyzer a cég weboldalán látható technológiákat észleli; a HG Insights és hasonló szolgáltatók tágabb telepített bázisra következtetnek.
- Nyilvános források. Cégnyilvántartások (például a Companies House az Egyesült Királyságban), SEC-bejelentések az amerikai tőzsdei cégeknél, a Crunchbase a finanszírozási körökhöz, álláshirdetések és LinkedIn-céges oldalak.
- Deklarált adat. Egy cégméretre kérdező űrlapmező vagy egy domain, amelyet adatgazdagítással kiegészíthetsz. Az egyéni látogatóra vonatkozó legpontosabb forrás, és az, amelyből a legtöbb csapat túl sokat kér.
Ha ugyanezeket a jellemzőket outbound listák építésére használnád, olvasd el ezt az útmutatót a cégadatok értékesítési célzásra való használatáról.
Pontossági fenntartások, amelyeket a legtöbb csapat figyelmen kívül hagy
- A létszám forrásonként eltér. Az egyik szolgáltató LinkedIn-profilokat számol, a másik cégbírósági adatokat használ, a harmadik becsül. Válassz egy forrást irányadónak a szegmentáláshoz, hogy egy cég ne ugráljon a sávok között.
- Az iparági kódok nem egyeznek. A NAICS, a SIC és a LinkedIn-iparágak ugyanazt a céget különbözőképpen sorolják be, a többprofilú vállalkozások pedig több kategóriába is illenek. A szolgáltatói kódokat feleltesd meg a saját, 5–10 iparágból álló rövid listádnak.
- A magáncégek árbevétele általában modellezett. Durva sávként használd, soha ne pontos szűrőként.
- Az IP-párosítás embereket hagy ki. Az otthoni szélessávon dolgozó távmunkásokat, a VPN-eket és a mobilhálózatokat gyakran nem lehet céghez kötni, és a kis cégeket nehezebb párosítani, mint a nagyokat. Az egyezési arány közönségenként nagyon eltér, ezért mérd a sajátodat: vegyél mintát azokból a látogatókból, akik később kitöltöttek egy űrlapot, és ellenőrizd, hányukat párosította előtte a rendszer a megfelelő céghez.
- A helyszín a székhelyet jelenti. Egy amerikai cég berlini irodájából érkező látogatót gyakran amerikainak címkéznek. A nyelvhez és a pénznemhez a látogató földrajzi helyét, az értékesítési területhez a székhelyet használd.
- Az adatok elavulnak. A finanszírozási körök, a létszám és a technológiai stack változik. Az aktív fiókokat legalább negyedévente gazdagítsd újra.
Hány szegmenssel kezdj
Kevesebbre, mint gondolnád. Ritkán az adat korlátoz; a tartalom és a mérés igen. Minden szegmensnek saját szöveg és bizonyíték kell, valaki, aki naprakészen tartja, és elég forgalom ahhoz, hogy kiderüljön, működik-e.
A mérés oldala könyörtelen. Példa: egy 2%-on konvertáló szegmens, ahol 2,6%-ra történő növekedést szeretnél kimutatni (30%-os relatív javulás), variánsonként nagyjából 9800 látogatót igényel 95%-os megbízhatóság és 80%-os erő mellett, ami egy kétvariánsos tesztnél kb. 19 600 azonosított látogató. A számítás az A/B teszt mintaméretéről szóló útmutatónkban található. A legtöbb B2B szegmens ezt egy negyedév alatt soha nem éri el.
Döntési szabályunk:
- Kezdj három szegmenssel, amelyek a megnyert bevételed nagyját lefedik, plusz az alapértelmezett élménnyel az azonosítatlan látogatóknak.
- Formális A/B tesztet csak a legnagyobb szegmensen futtass. A többinél az értékesítési és ügyfélbizonyítékok alapján élesítsd a személyre szabott élményt, és negyedévről negyedévre kövesd szegmensenként a pipeline-t és a nyerési arányt.
- Iparági réteget csak azokhoz az iparágakhoz adj hozzá, amelyekhez saját esettanulmányaid és legalább néhány megnyert üzleted van.
- Új szegmenst csak akkor vegyél fel, ha meg tudod nevezni az eltérő üzenetet, az eltérő bizonyítékot és a felelőst.
Ha a szabályok megvannak, egy olyan eszköz, mint a Markettailor szegmentálása, minden látogatáskor kiértékelheti őket, de a nehéz rész a fenti elemzés, nem a szoftver.
Gyakran ismételt kérdések
Mi a cégadat-alapú (firmografikus) szegmentálás?
A firmografikus szegmentálás a B2B érdeklődőket és ügyfeleket cégattribútumok alapján csoportokba osztja, például iparág, létszám, árbevétel, hely, tulajdonosi szerkezet és növekedési szakasz szerint. Minden szegmens olyan üzenetet, ajánlatot, árazási hangsúlyt és sales lefedettséget kap, amely illik ahhoz, ahogy az ilyen típusú cégek vásárolnak. Ez a demográfiai szegmentálás B2B megfelelője, amely az egyéni fogyasztókat például kor vagy jövedelem szerint csoportosítja.
Mik a cégjellemzők példái?
A gyakori cégjellemzők: iparág vagy aliparág, alkalmazottak száma, éves árbevétel, a székhely országa és régiója, jogi vagy tulajdonosi szerkezet (tőzsdén jegyzett, magán, kockázatitőke-alap által támogatott, nonprofit), a cég kora, a finanszírozási fázis és a legutóbbi befektetés, valamint olyan növekedési jelek, mint a toborzás. A technológiai stacket általában külön, technográfiai adatként kezelik, de a szegmentációban gyakran a cégjellemzők mellett használják.
Hogyan válaszd meg a firmográfiai szegmensek határait?
Használd a saját megnyert és elvesztett üzleteid adatait. Csoportosítsd a lehetőségeket finoman létszám, iparág vagy régió szerint, számold ki csoportonként a nyerési arányt, az átlagos szerződésértéket, a sales ciklust és a lehetőségenkénti értéket, majd vond össze a hasonlóan viselkedő csoportokat, és oda húzd a határokat, ahol egy mutató élesen változik. Ne támaszkodj egy adatszolgáltató alapértelmezett méretkategóriáira, amelyek ritkán illenek a vevőidhez.
Hány cégadat-alapú szegmenssel érdemes kezdeni?
Hármat, plusz egy alapértelmezett élményt azoknak a látogatóknak, akiket nem tudsz azonosítani. Minden szegmensnek kell saját üzenet, bizonyíték és felelős, valamint elég forgalom a méréshez. A legtöbb B2B oldalnak nincs elég forgalma sok szegmens A/B teszteléséhez, ezért a legnagyobbat teszteld formálisan, a többinél pedig szegmensenként kövesd a pipeline-t. Csak akkor adj hozzá szegmenst, ha egyértelműen más üzenetet kell mutatni.