
來源:接地氣學(xué)堂微信公眾號
作者:接地氣的陳老師
分享一個B2B用戶畫像的做法。網(wǎng)上流傳的資料大多是B2C相關(guān)的,導(dǎo)致在B2B企業(yè)的同學(xué)很困惑:”老師,說是RFM模型,可我們的客戶都是n久沒有一張單,一張訂單幾百萬,怎么個RFM法呢?“是滴,有這種困惑,就初步領(lǐng)略到了B2B業(yè)務(wù)的蛋疼之處。開局一首詩,大家體會下B2B各種無奈。
越是大企業(yè)流程越長,越是大額采購牽扯的利益越多,越是技術(shù)型采購可以操作的空間越大。各種騷套路如下圖:
在B2C里,電商為了誘惑大家買個幾十塊的東西,都會送個禮品,派個優(yōu)惠券;B2B里為了誘惑客戶下幾百萬上千萬的訂單,手段更是五花八門,無所不用其極。
各種明爭暗斗,寫本《采購部主任》或者《投標(biāo)攻略》的書都夠了。所以才有了開頭的各種吐槽。我還跟那些做B2C企業(yè)項目的同事開玩笑:B2C業(yè)務(wù)的精準(zhǔn)營銷、個性推薦,最多是把地毯式轟炸換成火力覆蓋。最后想打動用戶,往往“代碼千行,不如優(yōu)惠券一張”,只要給點優(yōu)惠用戶就能來。做B2B的精準(zhǔn)營銷,則是靠各個身懷絕技,神通廣大的銷售。人家能精準(zhǔn)到領(lǐng)導(dǎo)的褲襠下三寸。
O(╯□╰)o
之所以會這樣,是B2B業(yè)務(wù)本身特點所決定的。(如下圖)
回答里舉的例子,都是軟件定制開發(fā)的采購,流程會特別復(fù)雜。一般商品采購會稍微短一些,但復(fù)雜度也遠(yuǎn)遠(yuǎn)超過普通B2C業(yè)務(wù)。企業(yè)采購要按流程走,有流程就有各種規(guī)矩。
用戶在京東買東西,不去淘寶買,可能淘寶砸一個優(yōu)惠券人就回來了。但一旦乙方在甲方失去聯(lián)系,甚至被打入采購黑名單,以后就永遠(yuǎn)失去了每年數(shù)以百萬計的生意,就是這么殘酷。丟失一個老客戶慘過開發(fā)10個新客戶,在B2B領(lǐng)域更成立。
所以,B2B企業(yè)會更需要做用戶畫像:一則為建立清晰的用戶聯(lián)系,把客戶控制權(quán)從一線銷售手里奪回來。二則,為了清楚掌握客戶特征,識別用戶需求,及時跟進(jìn)服務(wù)。與B2C用戶畫像一樣,B2B用戶畫像也可以分為用戶名稱,基本特征,消費行為,互動行為等維度,但要考察的內(nèi)容完全不同(如下圖)。
單純看用戶畫像的維度,相似之處很多,但有著兩個本質(zhì)區(qū)別:個人VS組織,個人需求VS經(jīng)營效果。
有些同學(xué)會想:需要哪些字段已經(jīng)列好了,下邊就和B2C用戶畫像一樣,采集數(shù)據(jù)—打標(biāo)簽—做關(guān)聯(lián)分析—做推薦算法,走起。對不對?大錯特錯!對B2B用戶畫像而言,列出需求字段只是萬里長征第一步,真正的挑戰(zhàn)從這里開始。
第一關(guān):銷售隊伍管理
和B2C不同,做B2C用戶畫像的企業(yè),不是淘寶、微信這種超級平臺,就是有能直接溝通客戶且有一定體量的公司(京東、餓了嗎、滴滴)。用戶登陸平臺后,所有的操作在平臺上完成。但B2B企業(yè)不同,用戶的操作不是單純依靠平臺,而需要通過銷售、商務(wù)、渠道一類人工工作。雖然有些大甲方(比如銀行、運營商)會建供應(yīng)商信息平臺,但單純通過平臺收集的信息,也僅僅是企業(yè)資質(zhì)一類的常規(guī)信息,與業(yè)務(wù)有關(guān)的核心字段(比如經(jīng)營情況)很少有人提供。至于大量中小企業(yè),就更難指望別人主動提供了。
這就產(chǎn)生一個巨大的隔閡:沒有一個做B2B業(yè)務(wù)的銷售,會乖乖把客戶信息全部交出來。是滴,包括陳老師自己,都是把客戶的信任當(dāng)作私有財產(chǎn)。如果銷售不配合,遠(yuǎn)在總部的職能部門根本連真實的客戶是誰都不知道。這里有太多手段可以魚目混珠(比如客戶的采購部一個組5個人,銷售只留一個最基層的職員的聯(lián)系方式給公司,真正推動流程的主管的聯(lián)系方式自己留),所以,用戶畫像的成功是建立在渠道管控之上的。渠道管不住,收回來的數(shù)據(jù)就是呵呵,后續(xù)的分析,也就是在爛泥巴里建高樓大廈了。
渠道管控,紀(jì)律是第一位的。除了紀(jì)律以外,我們可以通過工具來培養(yǎng)銷售的習(xí)慣,固化銷售的行為。比如用移動端銷售助手代替PC端;比如用企業(yè)微信替代個人微信,用電子通訊錄替代個人拜訪記錄;比如把發(fā)票報銷(絕對剛需!)和拜訪記錄掛鉤,沒有拜訪記錄不能報銷;比如需要征調(diào)專家資源的時候,必須錄入使用目標(biāo),要解答的問題等等。這樣讓大家輕松打開企業(yè)微信做報銷,錄入客戶信息,聯(lián)系客戶,即減少了銷售們最討厭的paper work,又提高了效率。有可能這樣做,對于老奸巨猾的老銷售很難起作用,但足以改變新進(jìn)銷售的習(xí)慣,從而使數(shù)據(jù)慢慢完善起來。
還可以通過交叉檢驗的方式,比如軟件類產(chǎn)品打標(biāo),售前需要參與方案設(shè)計,開發(fā)需要制作demo,客服需要跟進(jìn)使用滿意度,這些非銷售職能在反饋數(shù)據(jù)真實性上是大大優(yōu)于銷售的。可以利用這些職能參與的機(jī)會,效驗銷售提供的信息,豐富客戶數(shù)據(jù)。當(dāng)然也需要給這些對應(yīng)部門開發(fā)便利的服務(wù)工具以記錄數(shù)據(jù)。
第二關(guān):用戶行為分析
B2B業(yè)務(wù)的銷售過程很長,但一旦銷售完成,客戶可能今年都沒有需求。所以不存在所謂RFM(或者說只有M,沒有R,F(xiàn),越是大企業(yè)采購越是這樣)所以銷售行為分析的重點在售前,要關(guān)注每一次打標(biāo)的進(jìn)度(如下圖所示)。
B2C的應(yīng)用,核心是響應(yīng),像打僵尸模式,面對一堆僵尸練槍法。B2B的應(yīng)用則像吃雞,生存圈在不斷縮小(交易時間有明顯窗口期)初始位置不固定(不知道從哪個節(jié)點收到的需求)所以需要不斷跟進(jìn)!跟進(jìn)!跟進(jìn)!
B2B的用戶行為是我們和客戶共同創(chuàng)造的。不同于B2C業(yè)務(wù),只要推一條廣告,之后就等著顧客來點擊的被動模式。B2B業(yè)務(wù),客戶發(fā)出采購需求后,我方銷售需要及時跟進(jìn)。因此數(shù)據(jù)分析的重點,就在于我方跟進(jìn)了多少次,客戶進(jìn)度推進(jìn)到什么程度?;诹鞒痰姆治觯瑫葐渭兊戎袠?biāo)結(jié)束一個結(jié)果:成功/失敗要豐富很多。也比直接讓銷售自己填:失標(biāo)原因?;蛘呖蛻羯岛鹾醯脑倩卦L要準(zhǔn)確。(所以說到底,還是第一步得做好,用盡全力讓銷售保存拜訪記錄與溝通記錄)。
B2B用戶也會有向上銷售的機(jī)會,這個機(jī)會甚至比B2C的用戶來的更剛性和直接。比如我今天心情好,上淘寶買個周黑鴨吃,明天可能不想吃了。但企業(yè)營業(yè)收入從100億成長到200億,需要的服務(wù)器,系統(tǒng)功能,licence數(shù)量都必然會增加。這個估算反而比B2C容易,只是要關(guān)注用戶的經(jīng)營情況和部門架構(gòu)變動情況。
B2B用戶也會有交叉銷售的機(jī)會,但和B2C完全是兩碼事。B2C交叉銷售是基于一個人的購物習(xí)慣,比如我買了周黑鴨八成還需要啤酒。但B2B業(yè)務(wù),很有可能不同需求的負(fù)責(zé)部門都不一樣。企業(yè)還是同一家,但需求方發(fā)生變化。這實際上已經(jīng)是一個新問題了。
雖然乙方們都希望甲方上了我的CRM,再上我的BI,再上我的ERP。但甲方可不一定都這么認(rèn)為。有時候乙方能搞掂下邊的人,但大老板想平衡供應(yīng)商關(guān)系,不想一家獨大。有時候能搞掂大老板,但下邊的人有私心,就是卡著不讓你過。所以B2B的交叉銷售,基本上還是把不同的用戶角色當(dāng)不同的項目來處理,更容易成功。(所以說到底,是第一步得做好,摸清客戶組織架構(gòu),找到真正發(fā)力的點)。
第三關(guān):用戶分類
做B2C用戶分類時,我們常用K均值聚類的做探索性分析,在海量用戶中找分類準(zhǔn)則。B2B的思路完全不同??蛻粜枰覀兲峁┓?wù),本質(zhì)上還是想讓自己經(jīng)營的更好,而經(jīng)營這件事會有風(fēng)向標(biāo)的。比如我們能拿下行業(yè)內(nèi)的領(lǐng)頭羊,肯定能帶來很多其他企業(yè)競相效仿。比如一些中小散客戶,可能自己就是朝不保夕。所以在做用戶分類上,更多是看我們的戰(zhàn)略方向,根據(jù)我們的盈利目標(biāo)與客戶的盈利能力,做一些有強(qiáng)業(yè)務(wù)指導(dǎo)的分類(如下圖所示)。畢竟業(yè)務(wù)是做出來的,不是算出來的。有明確的方向,大家才好做業(yè)務(wù)。
B2C面對的往往是大眾日常需求,如吃飯,衣服,出行;B2B面對的企業(yè)需求,本質(zhì)只有1個:經(jīng)營效果。所以關(guān)注用戶的經(jīng)營效果,制定我們的經(jīng)營方略,才是設(shè)計用戶分類的出發(fā)點
基本的用戶畫像概念就如上做述。雖然流程是差不多的:
設(shè)計用戶字段
采集用戶數(shù)據(jù)
描述用戶行為
進(jìn)行用戶分類
但業(yè)務(wù)模式不同,直接導(dǎo)致了項目做法,實施重點,實施方式的不同。和B2C用戶畫像,我們強(qiáng)調(diào)做埋點一樣,B2B核心就是銷售管理,是基于業(yè)務(wù)流程數(shù)據(jù)的采集,能搞掂了數(shù)據(jù)才有后續(xù)分析,不然就是巧婦難為無米之炊了。
于是回歸到開頭的問題,那個同學(xué)問我,為什么手上有企業(yè)最核心的銷售數(shù)據(jù),卻分析不出來個啥?我一口氣問了八個有沒有:
有沒有采集客戶的行業(yè)、經(jīng)營情況、行業(yè)排名、發(fā)展速度數(shù)據(jù)?
有沒有預(yù)先客戶分類,比如哪些是開拓重點,哪些是現(xiàn)金牛
有沒有清晰的客戶角色(不是企業(yè)名稱)記錄
有沒有最初的銷售線索來源、到達(dá)時間、可靠性記錄
有沒有銷售跟進(jìn)次數(shù)、時間的記錄
有沒有客戶采購流程的進(jìn)度記錄
有沒客戶問題溝通的記錄
有沒有來自售前、客服交叉記錄
這位可憐的同學(xué)茫然的回答了八個:“不知道”……雖然他是做這個傳統(tǒng)企業(yè)的經(jīng)營分析,但他手頭只有可憐巴巴的銷售成單記錄。除了XX企業(yè)名稱+成單金額+成單時間外一無所有。這就難怪他分析不出所以然了。打個比方,B2C業(yè)務(wù)里拿些銷售數(shù)據(jù)分析,就像你在旁觀比賽,并且看到比賽中間進(jìn)了球。你可以根據(jù)進(jìn)球當(dāng)時雙方球隊的表現(xiàn)推測后續(xù)進(jìn)球情況。但B2B業(yè)務(wù)里,銷售數(shù)據(jù),就好像比賽已經(jīng)打到點球決勝負(fù),你只看到了最后一個隊的點球絕殺,是滴,雖然你看到絕殺了,但是比賽也結(jié)束了,你也只看到了最后一幕。分析個啥……
不過我安慰他:很多B2B企業(yè)做慣了傳統(tǒng)企業(yè)的生意,沒有好的流程和系統(tǒng)支持,管理能力也跟不上,確實是這樣的了,不過這不耽擱我們自己往更全面,更優(yōu)化的方向去思考。至于那些成功的企業(yè),無一例外不是在銷售流程管理上下足了功夫的。在這個方面,分析真的幫助有限,大家自己努力到位即好。限于篇幅,細(xì)節(jié)之處省略較多,有機(jī)會再一一詳細(xì)分享。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10