公司屬性資料（firmographics）是描述組織的資訊，例如產業、員工人數、營收、所在地與法律結構。它之於公司，就像人口統計資料之於個人，是 B2B 團隊用來判斷哪些客戶符合目標市場的基礎資料層。
公司屬性資料回答的是「這是什麼樣的公司？」它無法告訴您這家公司正在研究什麼（那是意圖資料），或使用什麼軟體（那是技術棧資料）。
公司屬性資料如何運作
公司屬性大多是可以查詢或推論的穩定事實：
| 屬性 | 範例值 | 常見來源 |
|---|---|---|
| 產業 | NAICS 541511，客製化電腦程式設計服務 | 登記資料、資料供應商、自行回報 |
| 員工數 | 250-499 | 專業社群網路、公開申報資料、供應商 |
| 年營收 | 5,000萬至1億美元 | 公開申報資料、非上市公司的估計值 |
| 總部所在地 | 美國德州奧斯汀 | 註冊機構、網站 |
| 辦公室據點 | 美國、英國、德國 | 網站、供應商 |
| 權責歸屬 | 私人企業，私募股權投資 | 公開申報資料、募資資料庫 |
| 公司成立年數 | 創立於2014年 | 登記冊 |
| 成長期 | 員工人數年增 30% | 隨時間累積的職務與個人資料 |
| 公司架構 | 大型集團的子公司 | 公開申報資料、供應商 |
產業通常以標準分類系統編碼。在北美是由美國人口普查局維護的北美產業分類系統（NAICS）；較舊的 SIC 代碼在資料產品中仍很常見。許多廠商也會加上自己較簡單的產業標籤，但不一定能與 NAICS 清楚對應。
對於私人公司，營收（有時連員工人數）都是估計值。請把它們當作區間，而不是精確數字。
範例
範例（示意）：一家人資軟體公司檢視最近100筆成交交易，發現大多數來自總部位於美國或英國、員工數200-2,000人的醫療、物流與製造業公司。它將此寫成三條企業特徵規則，並應用在三個地方：
- CRM 將每個帳戶標記為契合或不契合。
- LinkedIn 廣告只鎖定這些產業與規模級距。
- 網站對來自醫療產業且已識別的訪客顯示醫療業客戶案例，對物流公司則顯示物流業案例。
接著它會檢查結果：如果「適配」分群的成交率沒有明顯高於分群外，代表規則錯了，就要修正。
B2B 團隊如何運用公司屬性資料
- 定義理想客戶輪廓：產業、規模與地區是 ICP 的前幾列。
- 帳戶評分：為目標規模級距與產業給予契合度分數。
- 區域與分派：依地區或區隔將帳戶指派給業務。
- 廣告指定目標：廣告平台上的公司規模與產業篩選條件。
- 網站區隔：為已識別訪客提供產業與規模專屬的標題與實證。
大多數團隊做錯的地方
我們的看法：公司屬性是必要的，但被過度使用。產業加上員工人數能區分適合與不適合，卻無法區分準備購買與尚未準備的公司。任何公司屬性篩選條件都有成千上萬家公司符合。用公司屬性定義候選池，再用行為與意圖決定本週該關注誰。
常見問題
公司屬性資料與人口統計資料有什麼不同？
人口統計描述的是人：年齡、職稱、地點、學歷。公司屬性描述的是組織：產業、規模、營收、地點。B2B 團隊兩者都需要，因為購買的是公司，做決定的卻是人。公司屬性用來挑選帳戶，角色與職級資料則用來挑選其中的聯絡人。
公司屬性資料從哪裡來？
公開登記資料與申報文件、公司網站、專業人脈網路、徵才資訊，以及整合這些來源的商業資料供應商。對於您自己的客戶與名單，表單欄位與業務筆記能補充第一方公司屬性資料。準確度不一，因此請為關鍵欄位記錄來源與日期，並至少每年更新一次。
在 GDPR 下，公司屬性資料算是個人資料嗎？
關於公司的資料，例如產業或員工人數，一般不屬於個人資料。當它與可識別的個人連結時，例如在聯絡人記錄上，就會成為個人資料。獨資經營者是邊緣案例，因為公司資訊可能識別出背後的個人。
相關內容
透過能帶來轉換的企業特徵資料區隔將屬性轉為區隔，以技術特徵加入工具資料，並在訪客辨識中了解您網站上的公司是如何被辨識的。