技术栈数据（technographics）描述一家公司使用的技术：CRM、营销自动化平台、云服务商、分析工具、电商平台等。企业属性数据告诉您一家公司是什么（行业、规模、所在地），技术栈数据则告诉您它如何运作。对 B2B 营销人员来说，这回答了两个实际问题：这家公司能用我们的产品吗？我们要替代的是谁？
技术栈数据、企业属性数据与意向数据对比
这三类数据回答的是不同的问题，结合使用效果最好：
- 企业属性：这家公司是谁。行业、员工人数、收入、地区。
- 技术栈数据：公司在用什么。已安装的工具、平台，有时还包括支出。
- 意向数据：公司当前正在调研什么。主题激增、评测网站活动、对您网站的访问。
一个有用的思路：企业属性定义 ICP，技术属性细化 ICP，意向决定时机。
技术栈数据是如何收集的
每个数据来源都有盲区，所以了解某个数据点的出处很有帮助。
网站扫描。爬虫加载公司的公开网站，检测其使用的脚本、标签和框架。BuiltWith 和 Wappalyzer 等工具就是这样工作的。对于在浏览器中加载的任何东西（分析工具、聊天组件、CMS、标签管理器、A/B 测试工具），它都很准确；但对登录后面的一切都看不到：ERP、内部数据库、大多数安全工具。
招聘信息。一家在招“Salesforce 管理员”或要求“有 Snowflake 使用经验”的公司，等于在告诉您它的技术栈。挖掘招聘信息能覆盖扫描看不到的后台工具，但它滞后于实际情况，而且偏向于公司正准备采用的工具，而不是已经在用的工具。
自报数据和合作伙伴数据。集成应用市场、点评网站和调研问卷。有数据时很准确，但覆盖稀疏。
您自己的第一方数据。访客阅读的集成页面、演示表单上“您使用哪个 CRM？”字段，以及现有客户的已连接应用数据。这往往是您能拿到的最准确的技术栈数据，而大多数团队并没有把它存到可用的字段里。
技术栈数据在哪些地方容易出错
- 检测到不等于在使用。两年前就取消的工具留下的跟踪脚本，仍然会出现在扫描结果中。
- 常见工具不算信号。W3Techs 报告称约40%的网站运行在 WordPress 上。知道潜在客户使用 WordPress 或 Google Analytics，并不能区分好客户和差客户。只有您最优质的客户才使用的工具，才值得加权。
- 公司层面，而非团队层面。一家大公司的不同事业部可能使用三套 CRM，而记录中往往只列出一套。
- 数据过时。技术栈会变化。把任何超过六个月的技术图谱属性当作线索，而不是事实。
B2B 团队如何使用技术图谱数据
ICP 评分
对使用与您有集成的平台的公司加分，对使用您经常击败的竞争对手产品的公司也加分。对技术栈不兼容的公司减分。权重应来自赢单数据，而不是假设。
竞品替换活动
建立一个使用特定竞品的客户细分，然后围绕迁移工作量、转换成本以及他们团队会发生的变化进行沟通。这类活动以迁移路径而不是功能对比开场时，效果往往最好。
网站个性化
技术栈数据让一些最贴切的站内调整成为可能。来自使用 HubSpot 的公司的访客，可以在集成页上首先看到 HubSpot 集成、专门针对 HubSpot 的 CTA（“看看它如何处理您的 HubSpot 数据”），以及另一位 HubSpot 用户的客户案例。如果您还跟踪每家已识别公司浏览了哪些集成页面，就能自动收集到第一方技术栈数据。
客户数据往往分散在营销、销售和产品系统中，这就是为什么从供应商处购买的技术栈数据经常到不了网站层。把它存储在账户记录上，让 CRM 和您的细分规则都能读取，就能解决这个问题。
销售优先级排序与话术
了解潜在客户所用 CRM、数据仓库以及您所在品类当前工具的销售代表，可以跳过三个需求挖掘问题，直接从相关话题切入。在每条线索或客户提醒中附上排名前三的技术图谱属性。
如何开始收集第一方技术图谱数据
在购买技术图谱数据之前，先收集您自己的网站和表单已经提供的信息。这不花一分钱，而且通常更准确。
- 在演示申请表中加一个技术栈问题。用一个简短的下拉菜单问“您使用哪款 CRM？”它既能筛选线索，又能为您提供一个可靠的技术栈字段。只加一个问题；每多一个字段都会降低表单完成率。
- 将集成页面浏览记录到客户名下。当某家已识别的公司两次阅读您的 Salesforce 集成页面时，在客户记录中存储“可能使用 Salesforce”并注明日期。
- 从客户处提取已连接应用的数据。现有客户的集成情况显示了您最佳账户所使用的技术栈。这一分布就是为潜在客户技术栈特征加权的基准。
- 为每个值标注来源和日期。“Salesforce（表单，2026-09）”和“Salesforce（扫描，2025-11）”的可信度应有所不同。当来源冲突时，优先采用第一方数据。
- 然后才用供应商填补缺口。只为没有第一方信号的目标客户购买技术图谱数据，而不是覆盖整个市场。
常见问题
技术栈数据算个人数据吗？通常不算。它描述的是公司使用的软件，而不是某个人。当它被关联到具名联系人记录时，就成了个人数据，此时该记录适用常规的数据保护规则。
准确度如何？准确度取决于数据来源和工具类别。通过近期扫描检测到的浏览器可见工具通常是准确的。从招聘信息推断出的后台工具则常常是错的或过时的。请把每个值都视为带时间戳的概率。
示例：一个技术栈细分
一家与 HubSpot 和 Salesforce 原生集成的营销分析供应商可能会这样定义：
- A 级：员工200至2,000人，B2B，使用 HubSpot 或 Salesforce，使用标签管理器，未检测到直接竞争对手产品。
- B 级（替换竞品）：企业特征相同，且检测到使用竞品 X。
- 排除：未检测到 CRM 且员工少于50人。
A 层级客户看到以集成为主的信息，B 层级客户看到以迁移为主的信息，被排除的群体则看到自助式内容。