一篇文章让你掌握企业画像

一个数据人的自留地 2023-07-29 11:52:47

01 前言

前一阵子在群里发了一个问题：对于to B的公司，要不要做企业画像？如何做企业画像？结果一石激起千层浪，大家讨论非常热烈。

原来一直以为用户画像在to C的公司用的比较多，没想到服务B端的企业也有这么多人在关注，大家一致认为企业画像是有必要的。

然而大家的分歧在于：如何做？人肉做，还是大数据，是否需要用到大数据？目前企业画像这块的文章也比较少，今天就和大家一起探讨一下，为需要做企业画像的同学提供一些思路。

02 什么是企业画像

首先给大家一个直观印象，打开企查查、天眼查，搜索一家公司，你会看到如下信息：

产品经理，产品经理网站

这就是一个典型的企业画像，然而对于一家toB的公司（为企业提供服务的公司），这样的画像显然是不够的。

一般来说，不管是企业画像还是C端用户画像，我们可以把画像的属性分为两类：

企业或个人本身的属性，比如天眼查能看到的就是这种属性。
依赖于客户关系的画像，这部分属性也是我们在企业画像中要做的重要内容。

举个例子：某餐厅是美团快驴进货的客户，同时又是金蝶记账的客户，那么这家餐厅在天眼查有一个画像，在快驴和金蝶就会有两个画像：

快驴这边的画像可能是：川菜系（辣椒采买大户），日进货额1000元-2000元。
金蝶记账的画像可能是：重度活跃用户（每日记账100笔，用户数：3人）。

显然，后者对对企业的意义更为重要。

03 为什么要做企业画像

引用Mika同学的一个概括：

“有助于商务团队更有针对性的去商谈客户”
“（帮助）产研团队更好了解用户特性，找到更好的方向去优化系统”

有没有觉得和CRM（客户关系管理）的作用很像，所以也就有了@西索大佬说的：

B端的画像，一般来说都是揉合在CRM里面：

建立有效的企业标签和信息记录，重在留痕，避免因为人为原因造成客户信息丢失；
帮助线下BD团队更快的定位到企业的key person以及真正做决策的人，理清楚不同角色之间的决策关系；
通过对线索、商机、标签的链路建设，可以帮助营销和市场端快速制定差异化的打法和市场拓展策略；
企业信息的收集，建立针对性的信用评价机制，可以在产品模块、第三方接口上进行应用；
市场规模的评估，客户诉求的收集，都会影响到产品模式和商业模式；

04 如何做企业画像

企业画像似乎是必要的，但是到底怎么做，是否需要引入大数据来做？仁者见仁智者见智。

我的思考如下：

对于量级小的公司，人肉做应该就足够了。因为大数据画像成本比较高，量级小的公司显然是不划算的。当然人肉做的缺点也很明显：完全依赖于“人”。一方面是因为做画像的人之间的水平天差地别，另一方面就算是大家水平都很高，也不一定愿意去记录下这些信息在公司分享。
对于to大B类的公司（专门为大型公司提供服务的公司），也不适合做大数据企业画像；因为这样的公司客户数量少，甚至看到几百人服务某一个客户；而客户本身定制化程度很高，大数据总结出来的画像分析不能形成规模效应。
对于传统行业，大数据采集基本谈不上，更不用说大数据画像了。

排除上述三类公司，或许有一类公司可以做大数据画像；那就是达到一定用户规模的面向中小型客户的SAAS产品公司（不理解SAAS的同学自行百度）。

注意这里有几个形容词：

1）达到一定用户规模：如前文所述，量级小的公司不适和。

2）面向中小型：客户数量增长潜力大，更可能产生规模效应。

3）SAAS：SAAS 服务本身有天然的做企业级用户画像的优势：

获客阶段，SAAS 公司的门户是重要的获客渠道。通过客户在门户上的留痕大数据可以更精准的排出高意向线索，以便销售更高效跟进。
留存阶段，用户在SAAS 产品的留痕是很容易被捕捉到的，SAAS产品可以根据用户行为找到更好的方向去优化产品，并且这种优化客户随时都可以提给客户。
SAAS产品复购诉求要求我们对客户要有更加清晰的认识，这样才能让客户长期留存。企业画像也可以帮助我们做流失预警。

4）产品：注意是SAAS 产品，并不是SAAS项目。项目的定制化很强，以SAAS项目为主营项目的公司，和to 大B类的公司一样不能形成规模效应。只有是产品，才可能需要企业画像。

人肉企业画像是个传统话题，商业中很早有应用，今天我们重点看看用大数据做企业画像的一些思路。

05 如何用大数据做企业画像

依照之前所述，在不同的阶段有不同的方法。

1. 获客阶段企业画像方法

这个阶段企业画像的意义主要在于为线索打分提供重要支撑，帮助商务了解客户，因此我们可以集中在客户对营销方案的反馈行为上。

这里，我们假设SAAS门户网站是SAAS产品的营销渠道，来看一个典型的SAAS 企业–神策数据的门户上有视频、白皮书、demo等不同的营销形式。

产品经理，产品经理网站

假设某个用户在神策门户做了以下行为：

体验demo停留时长1个小时；
观看了完整视频；
浏览了产品A；
下载白皮书3次；

我们将这些行为和线索传递给销售员，那么销售员看到这些行为之后就会对客户有个更直观的了解，从而在接下来的跟进中更有针对性，更能促成交易。

同时在有一定的积累之后，我们可以对已转化线索和客户行为进行相关性分析（关于相关性分析在如何在数据中寻找Aha时刻有提到），得出哪些行为更能促成下单，一方面可以评出最佳的营销内容，同时也可用于调整各类行为的权重，最终得到一个合理的线索分数，作为线索优先级的依据，提高销售效率。

比如：

线索分数 = 体验demo停留时长* 权重1 + 观看产品视频时长*权重2 + 浏览了产品 * 次数*权重3 + 下载白皮书 * 次数*权重

在这个阶段，我们用到的数据画像方法是和C端用户类似的，只不过目前很多SAAS门户在客户注册（线索录入）时还要求客户填入公司名，或者公司域名，那么假如一家公司有多个客户同时来访问门户，那么意味着这里的企业画像就是要基于一个群体（拥有相同公司名或者公司域名的客户）来做了，这个客户（线索）的得分也会相应提高。

【注意，这里的线索打分并不是线索意向度，只是表面线索对产品的关注程度，比如竞品公司留下的线索是高分线索，但并不是高意向线索。】