公司屬性分眾是指依產業、規模、營收、所在地和成長階段等屬性將目標公司分組，再針對每組在訊息、方案和銷售模式上採取不同做法。每個 B2B 團隊都在做某種形式的分眾，但大多數做得不好：分界來自資料供應商的預設下拉選單（「51-200名員工」），而不是來自團隊自己的成交與失敗紀錄。
本文是實務操作指南。如果您需要先了解底層資料的定義，請閱讀我們詞彙表中的公司屬性資料條目。本文涵蓋哪些公司屬性真正能預測契合度、如何從已成交資料設定區隔邊界（附計算範例）、在網站上該向每個區隔顯示什麼、資料從哪裡來、準確度如何，以及一開始該建立多少個區隔。
哪些公司屬性真正能預測 B2B 契合度
公司屬性欄位有數十種，但通常只有少數幾個會改變誰購買、付多少錢以及需要多久。請用兩個問題為候選屬性排序：這個屬性是否會改變買家的問題或流程？您能否在業務通話前就可靠地得知？
| 屬性 | 它預測什麼 | 首次接觸前的可靠度 | 適用時機 |
|---|---|---|---|
| 產業（子產業） | 問題、用語、法規、所需佐證 | 中：分類系統彼此不一致 | 您的客戶案例或法規遵循說明因產業而異 |
| 員工人數級距 | 購買流程、利害關係人數量、方案契合度 | 中到高 | 價格方案或銷售模式隨規模改變 |
| 營收級距 | 預算能力 | 私人公司偏低（通常為估算值） | 員工人數可能造成誤判，例如人力精簡但營收很高的公司 |
| 地理位置 | 語言、貨幣、資料落地、業務涵蓋範圍 | 總部層級高，辦公室層級較低 | 您在不同地區的銷售方式或合規要求不同 |
| 成長與募資信號 | 急迫性、預算可用性、招募需求 | 對已獲投資的新創公司較高（有公開消息） | 您的產品幫助正在擴張的團隊 |
| 技術堆疊重疊程度 | 整合契合度、轉換成本、競品使用情形 | 中：可偵測網站上看得到的工具 | 您的產品依賴或取代特定工具 |
嚴格來說，最後一列屬於技術屬性而非公司屬性，但就區隔而言，它的作用相同：都是會改變您該說什麼的固定公司屬性。我們的看法：對軟體公司來說，「使用 X 工具」往往是比產業更精準的區隔，因為它直接對應到整合訊息。
如何從成交資料設定區隔界線
不要從供應商的規模分級開始，而是從您自己的成果出發。做法如下：
- 匯出已結案商機（成交與未成交），範圍為過去 12 到 24 個月，包含公司員工人數、產業、地區、交易金額、建立日期與結案日期。
- 擴充缺漏欄位，讓每一列都有您想測試的屬性。空白列會使結果產生偏差。
- 先細分區間。使用較窄的級距（例如1-20、21-50、51-100、101-200等），才能看出成果在哪裡發生變化。
- 依級距計算：贏單率、平均合約價值、銷售週期中位數，以及每個業務機會的期望值（贏單率乘以平均合約價值）。
- 合併表現相似的相鄰區間，並在指標跳動處劃定邊界。
- 檢查樣本數是否合理。只有五筆交易的區間只是個案。把它與相鄰區間合併，或標示為「未知」。
實作範例
範例（一家假設的 B2B 軟體公司在18個月內有300個已結案業務機會的示意數字）：
| 員工人數區間 | 已結案商機 | 贏單 | 成交率 | 平均合約金額 | 週期中位數 | 每個商機價值 |
|---|---|---|---|---|---|---|
| 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 |
每個商機的價值等於成交率乘以合約金額：0.24 x 14,000歐元 = 3,360歐元（四捨五入為3,400歐元），0.25 x 32,000歐元 = 8,000歐元，依此類推。這張表告訴我們：
- 1-50人產生最多商機，但每個商機的價值最低。這指向低接觸、自助式或快速 Demo 的路徑，而不是投入更多 SDR 時間。
- 51-200 人與 201-1,000 人的成交率幾乎相同，但合約金額相差超過一倍。即使銷售流程相似，在價格與實證上仍應將兩者視為不同區隔。
- 1,001人以上每筆交易價值高，但勝率低，而且只有三筆成交。樣本太少，難以下結論。請把它視為具名帳戶的 ABM 模式，等資料更多時再重新檢視。
這裡 1,000 人的分界是來自資料，而不是慣例。您的分界可能落在 30 人和 400 人。針對產業與地區重複這個練習，您就有一份以證據為基礎、而不是用猜的理想客戶輪廓。
區隔對照表：您的網站該向每個區隔展示什麼
區隔只有在有東西因它而改變時才有用。延續這個範例，以下是區隔如何轉化為網站訊息和行動呼籲。
| 區隔 | 主視覺訊息切入點 | 要呈現的佐證 | 主要 CTA |
|---|---|---|---|
| 小型（1-50人） | 設定快速、省力 | 來自小型團隊的簡短推薦語、導入時間 | 立即開始／預約15分鐘導覽 |
| 中型企業（51-200） | 對成長中團隊的成果 | 規模相近公司的客戶案例、整合 | 預約展示 |
| 中大型企業（201-1,000人） | 規模、掌控度、ROI | 投資報酬率案例、管理與權限、資安摘要 | 與業務洽談／取得量身打造的 ROI 估算 |
| 大型企業（1,001 以上） | 資安、法規遵循、導入支援 | 所屬產業中知名的標誌、安全性文件 | 聯絡企業團隊 |
| 產業疊加層（例如醫療） | 產業特有的問題與用語 | 產業案例研究、相關法規遵循 | 與規模區隔相同，但使用產業用語 |
| 未知公司 | 預設訊息 | 廣泛的標誌列 | 預設 CTA |
公司規模和產業最好分成兩層處理：規模決定 CTA 和佐證的分量，產業決定用語和案例研究。我們關於依公司規模個人化網站和產業專屬網站個人化的文章，分別提供了頁面層級的範例。
公司屬性資料從哪裡來
您會在兩個時刻需要公司屬性資料：離線時，用於分析交易與建立目標名單；即時時，在訪客進入您網站的那一刻。
- 您的 CRM。HubSpot、Salesforce 或 Pipedrive 中現有客戶和商機的紀錄。對您自己的帳戶而言是最可信的來源，但潛在客戶的資料往往不完整。
- 資料補充供應商。能為網域或記錄補上公司屬性的資料庫，例如 ZoomInfo、Apollo、Cognism、Dun & Bradstreet 以及 HubSpot Breeze Intelligence（前身為 Clearbit）。涵蓋率因地區與公司規模而異，因此請先用您自己的記錄測試再做決定。
- 反向 IP 查詢與訪客辨識。將訪客來源網路比對到公司的工具，例如 Leadfeeder、Demandbase 和 6sense。這是即時網站區隔得以實現的基礎。請參閱反向 IP 查詢如何運作。
- 技術資料來源。BuiltWith 與 Wappalyzer 會偵測公司網站上可見的技術；HG Insights 等廠商則會推斷更廣泛的已安裝產品。
- 公開來源。公司登記資料（例如英國的 Companies House）、美國上市公司的 SEC 申報、募資資訊的 Crunchbase、職缺公告與 LinkedIn 公司頁面。
- 自行提供的資料。詢問公司規模的表單欄位，或可以補充資料的網域。這是針對個別訪客最準確的來源，也是大多數團隊問得太多的地方。
若要使用相同屬性建立外撥名單，請參閱這份用於業務鎖定的公司屬性資料指南。
多數團隊忽略的準確度注意事項
- 不同來源的員工人數不一致。有的供應商計算 LinkedIn 個人檔案，有的根據公開申報資料，有的則是估算。請選定一個來源作為區隔的標準，避免同一家公司在不同級距之間跳動。
- 產業代碼各說各話。NAICS、SIC 與 LinkedIn 產業對同一家公司的分類不同，而多角化經營的企業可能同時符合好幾類。請將供應商的代碼對應到您自己 5 至 10 個產業的精簡清單。
- 私人公司的營收通常是推估值。只能當作大致級距參考，絕不能用作精確篩選條件。
- IP 比對會遺漏一些人。使用家用寬頻、VPN 和行動網路的遠距工作者，往往無法被解析到某家公司，小公司也比大公司更難比對。比對率因受眾而有很大差異，所以請自行量測：抽樣一批後來填寫了表單的訪客，檢查有多少人在填表之前就被比對到正確的公司。
- 地點代表總部。來自美國公司柏林辦公室的訪客，常被標記為美國。語言和幣別請使用訪客的地理位置，業務區域則使用總部。
- 資料會過時。募資輪次、員工人數與技術堆疊都會改變。至少每季為活躍帳戶重新補充資料。
一開始該設多少個分群
比您想像的少。限制您的很少是資料，而是內容與衡量。每個區隔都需要專屬的文案與實證、有人持續維護，以及足以判斷成效的流量。
衡量這一面毫不留情。範例：一個轉換率 2% 的分群，若想偵測提升到 2.6%（相對改善 30%），在 95% 信賴度與 80% 檢定力下，每個版本大約需要 9,800 位訪客，雙版本測試共約 1萬9,600 位已識別訪客。計算方式請見我們的A/B 測試樣本數指南。大多數 B2B 分群在一季內永遠達不到這個數字。
我們的決策規則：
- 從三個分眾開始，涵蓋您大部分的成交營收，再加上給未識別訪客的預設體驗。
- 只對最大的分群進行正式 A/B 測試。其他分群則依據業務與客戶證據直接上線個人化體驗，並逐季追蹤各分群的銷售管道與成交率。
- 只為有自己客戶案例且至少有幾筆成交案的產業加上產業覆蓋層。
- 只有在您能說出不同的訊息、不同的佐證和負責人時，才新增分眾。
規則定義好之後，像 Markettailor 的區隔這樣的工具就能在每次造訪時評估它們，但困難的是上述分析，而不是軟體。
常見問題
什麼是公司屬性區隔？
公司屬性區隔是依據產業、員工人數、營收、所在地、所有權結構與成長階段等公司屬性，將 B2B 潛在客戶與客戶分組。每個區隔再搭配符合該類公司採購方式的訊息、方案、價格重點與業務覆蓋。它是 B2B 版的人口統計區隔，後者是依年齡或收入等屬性將個別消費者分組。
公司屬性有哪些例子？
常見的公司屬性包括產業或子產業、員工人數、年營收、總部所在國家與地區、法律或所有權結構（上市、私人、私募基金投資、非營利）、公司成立年數、募資階段與近期募資，以及招募等成長訊號。技術堆疊通常另歸類為技術屬性，但在分群時常與公司屬性搭配使用。
如何選擇公司屬性區隔的邊界？
使用您自己的成交與失敗資料。依員工數、產業或地區將商機細分成多個區間，計算每個區間的成交率、平均合約金額、銷售週期與每個商機的價值，然後合併表現相似的區間，並在指標急劇變化處設定邊界。避免依賴資料供應商預設的規模級距，它們很少與您的買家相符。
一開始應該建立多少個公司屬性區隔？
三個，再加上一個針對無法識別訪客的預設體驗。每個區隔都需要自己的訊息、實證與負責人，以及足以衡量的流量。多數 B2B 網站的流量不足以對許多區隔進行 A/B 測試，因此請正式測試最大的區隔，其餘則追蹤各區隔的商機。只有在確實有明顯不同的訊息要呈現時，才新增區隔。