企业属性细分是指按行业、规模、收入、地点和成长阶段等属性对目标公司分组，然后在信息、优惠和销售模式上区别对待每一组。每个 B2B 团队都在做某种形式的企业属性细分，但大多数做得不好：分界线来自数据供应商的默认下拉选项（“51-200名员工”），而不是团队自己的赢单和丢单数据。
本文是一份实操指南。如果您需要先了解底层数据的定义，请阅读我们术语表中的企业属性数据词条。这里我们介绍哪些企业属性真正能预测匹配度、如何根据赢单数据划定细分边界（附计算示例）、网站上应向每个细分展示什么、数据从哪里来、准确性如何，以及一开始应该设置多少个细分。
哪些企业属性真正能预测 B2B 匹配度
企业属性字段有几十个，但通常只有少数几个会改变谁来购买、付多少钱以及需要多长时间。用两个问题为候选属性排序：该属性是否会改变买家的问题或流程？您能否在销售通话之前可靠地获知它？
| 属性 | 它能预测什么 | 首次接触前的可靠性 | 适用场景 |
|---|---|---|---|
| 行业（细分行业） | 问题、用语、法规、所需证明 | 中：各分类体系之间存在分歧 | 您的客户案例或合规说明因行业而异 |
| 员工人数区间 | 采购流程、利益相关方数量、套餐契合度 | 中到高 | 价格档位或销售模式随规模变化 |
| 营收区间 | 预算能力 | 对私营公司准确度较低（通常为估算值） | 员工人数会产生误导，例如人员精简但营收很高的公司 |
| 地域 | 语言、货币、数据驻留、销售覆盖 | 总部层面高，办公室层面较低 | 您在不同地区的销售或合规方式不同 |
| 增长和融资信号 | 紧迫性、预算可用性、招聘需求 | 对已融资的初创公司较高（有公开公告） | 您的产品帮助正在扩张的团队 |
| 技术栈重合度 | 集成匹配度、切换成本、竞品使用情况 | 中：可检测网页上可见的工具 | 您的产品依赖或替代特定工具 |
严格来说，最后一行属于技术栈数据而非企业属性数据，但在细分中它的作用是一样的：公司的一个固定属性，会改变您应该说的内容。我们的观点：对软件公司来说，“使用 X 工具”往往是比行业更精准的细分，因为它直接对应一条集成信息。
如何根据赢单数据设定细分边界
不要从供应商的规模分档出发，而要从您自己的业务结果出发。方法如下：
- 导出过去12到24个月已关闭的商机（赢单和丢单），包含公司员工人数、行业、地区、交易金额、创建日期和关闭日期。
- 补全缺失字段，让每一行都有您要测试的属性。空白行会使结果产生偏差。
- 先细分区间。使用较窄的区间（例如1-20、21-50、51-100、101-200等），以便看清结果在哪里发生变化。
- 按区间计算：赢单率、平均合同金额、销售周期中位数，以及每个商机的期望价值（赢单率乘以平均合同金额）。
- 合并表现相近的相邻分组，并在指标突变处划定边界。
- 检查样本量是否合理。只有五笔交易的区间只是个例。把它与相邻区间合并，或标记为“未知”。
实例
示例（一家假想的 B2B 软件公司在18个月内有300个已关闭商机，数字仅作示意）：
| 员工规模区间 | 已关闭商机 | 赢单 | 赢单率 | 平均合同金额 | 周期中位数 | 每个商机的价值 |
|---|---|---|---|---|---|---|
| 1-50 | 120 | 18 | 15% | €6,000 | 30天 | €900 |
| 51-200 | 90 | 22 | 24% | €14,000 | 55 天 | €3,400 |
| 201-1,000 | 60 | 15 | 25% | €32,000 | 95 天 | €8,000 |
| 1,001+ | 30 | 3 | 10% | €70,000 | 180天 | €7,000 |
每个商机的价值等于赢单率乘以合同金额：0.24 x 14,000欧元 = 3,360欧元（取整为3,400欧元），0.25 x 32,000欧元 = 8,000欧元，依此类推。这张表说明：
- 1-50人产生的商机最多，但每个商机的价值最低。这意味着应采用低接触、自助式或快速演示的路径，而不是投入更多 SDR 时间。
- 51–200 人和 201–1,000 人的赢单率几乎相同，但合同金额相差一倍以上。尽管销售流程相似，在定价和证明材料上仍应将它们作为独立的细分人群。
- 1,001人以上的每单价值很高，但赢单率低，且只基于三笔赢单。样本太少，难以得出什么结论。把它当作具名客户的 ABM 模式来做，等有更多数据后再复盘。
这里1,000人的分界线来自数据，而不是惯例。您的分界线可能在30人和400人。对行业和地区重复这一练习，您就得到了一个基于证据而非猜测的理想客户画像。
细分人群表：在网站上向每个细分人群展示什么
只有当某些东西因细分而改变时，细分才有用。继续上面的例子，下面是这些细分如何转化为网站信息和行动号召。
| 细分 | 首屏信息切入角度 | 需展示的证明 | 主要 CTA |
|---|---|---|---|
| 小型（1-50人） | 设置快，投入少 | 来自小团队的简短推荐语、上手时间 | 立即开始 / 预约15分钟演示讲解 |
| 中型企业（51–200人） | 对成长型团队的效果 | 规模相近公司的案例研究、集成 | 预约演示 |
| 中大型企业（201-1,000人） | 规模、管控、ROI | ROI 案例研究、管理与权限、安全概述 | 联系销售 / 获取定制 ROI 估算 |
| 大型企业（1,001人以上） | 安全、合规、推广支持 | 其所在行业知名的 Logo、安全文档 | 联系企业团队 |
| 行业叠加层（例如医疗行业） | 行业特有的问题和术语 | 行业案例研究、相关合规信息 | 与规模细分相同，但使用行业措辞 |
| 未知公司 | 默认信息 | 宽泛的 logo 栏 | 默认 CTA |
公司规模和行业最好分两层处理：规模决定 CTA 和证明的分量，行业决定用语和客户案例。我们关于按公司规模个性化网站和行业专属网站个性化的文章分别给出了页面级示例。
企业属性数据从何而来
您在两个时刻需要企业属性数据：离线时，用于分析交易和建立目标名单；实时时，用于访客落地您的网站时。
- 您的 CRM。HubSpot、Salesforce 或 Pipedrive 中现有客户和商机的记录。对于您自己的客户，这是最可信的来源，但潜在客户的数据往往不完整。
- 数据补全提供商。为域名或记录追加公司属性的数据库，例如 ZoomInfo、Apollo、Cognism、Dun & Bradstreet 和 HubSpot Breeze Intelligence（前身为 Clearbit）。覆盖率因地区和公司规模而异，签约前请先用您自己的记录测试。
- 反向 IP 查询与访问者识别。将访问者所在网络与公司进行匹配的工具，例如 Leadfeeder、Demandbase 和 6sense。这让实时网站细分成为可能。请参阅反向 IP 查询的原理。
- 技术图谱数据来源。BuiltWith 和 Wappalyzer 检测企业网站上可见的技术；HG Insights 等供应商推断更广泛的已部署软件情况。
- 公开来源。公司登记机构（例如英国的 Companies House）、美国上市公司的 SEC 文件、用于查询融资轮次的 Crunchbase、招聘信息和 LinkedIn 公司主页。
- 声明数据。询问公司规模的表单字段，或可用于补全数据的域名。对单个访客而言最准确的来源，也是大多数团队索要过多的那一类。
关于如何用同样的属性构建外呼名单，请参阅这份用于销售定向的企业属性数据指南。
大多数团队忽视的准确性问题
- 不同来源的员工人数各不相同。有的数据商统计 LinkedIn 档案，有的依据公开申报文件，有的则是估算。请选定一个来源作为细分的权威数据，避免同一家公司在不同规模区间之间来回跳动。
- 行业代码各不相同。NAICS、SIC 和 LinkedIn 行业分类对同一家公司的归类各不相同，多业务线企业还可能同时符合多个类别。把供应商的代码映射到您自己的5到10个行业的简短清单上。
- 私营公司的营收通常是模型估算的。只能将其作为粗略区间，绝不能当作精确筛选条件。
- IP 匹配会漏掉一些人。使用家庭宽带、VPN 和移动网络的远程办公人员往往无法被解析到公司，小公司也比大公司更难匹配。匹配率因受众差异很大，所以要测量您自己的数据：抽取一批后来填写了表单的访客，检查事先有多少被匹配到了正确的公司。
- 地理位置指的是总部。来自一家美国公司柏林办公室的访客，往往会被标记为美国。语言和货币请使用访客的地理定位，销售区域请使用总部所在地。
- 数据会老化。融资轮次、员工人数和技术栈都会变化。至少每季度对活跃客户重新补全一次数据。
起步时设置多少个细分
比您想象的少。限制您的很少是数据，而是内容和衡量。每个细分人群都需要自己的文案和证明材料、有人持续更新，以及足以判断是否有效的流量。
衡量这一环毫不留情。示例：一个转化率为2%的细分，如果您想检测出提升到2.6%（相对提升30%），在95%置信度和80%统计功效下，每个变体大约需要9,800名访客，两个变体的测试共需约19,600名已识别访客。计算过程见我们的 A/B 测试样本量指南。大多数 B2B 细分在一个季度内永远达不到这个数量。
我们的决策规则：
- 从三个细分开始，覆盖您大部分的赢单收入，再加上面向未识别访客的默认体验。
- 只对最大的细分做正式的 A/B 测试。对于其他细分，根据销售和客户的证据直接上线个性化体验，并按季度追踪每个细分的销售管道和赢单率。
- 添加行业叠加层，但只针对有自己的案例研究且至少赢过几单的行业。
- 只有当您能说出不同的信息、不同的证明和负责人时，才新增一个细分。
规则定义好之后，像 Markettailor 的细分这样的工具可以在每次访问时执行它们，但难点在于上面的分析，而不是软件。
常见问题
什么是企业属性细分？
企业属性细分是根据行业、员工人数、营收、所在地、所有制和发展阶段等公司属性，将 B2B 潜在客户和现有客户分成不同群体。每个细分群体再匹配与该类公司采购方式相符的信息、优惠、价格侧重点和销售覆盖。它相当于 B2B 版的人口统计细分，后者按年龄或收入等属性对个人消费者进行分组。
企业特征有哪些例子？
常见的企业特征包括行业或细分行业、员工人数、年营收、总部所在国家和地区、法律或所有权结构（上市、私营、私募股权支持、非营利）、公司成立年限、融资阶段和近期融资，以及招聘等增长信号。技术栈通常单独归为技术栈特征，但在细分中经常与企业特征一起使用。
如何划定企业属性细分的边界？
使用您自己的赢单和丢单数据。按员工人数、行业或地区把商机细分成小组，计算每组的赢单率、平均合同金额、销售周期和单个商机价值，然后合并表现相近的组，并在某项指标急剧变化的地方划定边界。不要依赖数据供应商默认的规模区间，它们很少与您的买家相符。
企业属性细分人群应该从几个开始？
三个，再加上一个面向无法识别访客的默认体验。每个细分人群都需要自己的信息、证明材料和负责人，以及足以衡量效果的流量。大多数 B2B 网站的流量不足以对多个细分人群做 A/B 测试，因此请对最大的那个做正式测试，其余的按细分人群跟踪销售管道。只有当确实有明显不同的信息要展示时，才增加细分人群。