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

假设某个用户在神测试策门户做了以下行为：

• 体验demo停留时长1个公司小时；
• 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，那么公司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企业名中寻找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1518时长* 权重1 观看产打分品视频时长*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，只不过目免费前很多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。】

2. 留存阶段的企业画像方法

在留存阶段，我们更关注的是SAAS服务有没有为企业本身带来价值，大多数SAAS企业级服务的价值是降本提效，听起来这是个不怎么好衡量的东西。

我们或可利用价值在SAAS产品中的体现来衡量，比如：

• 这个公司的员工是不是在规律的使用你的产品：Slack（ 企业社交工具）中，这个企业每天有多少人在使用Slack。
• 这个公司的员工有没有达成他要执行测试的任务，比如shopify（电商SAAS类产品）中，一个小商铺的营业额大概是多少。

发现没有，此时的企业画像的对象是”公司“及”公司的员工“，是一个群体，所以就需要我们在计算指标的时候需要以公司为单位来对用户行为进行聚合，这就是和C端有很大的不同。

在这里，我们列出以下类型的指标来做企业画像，大家灵活采纳：

活跃度指标：

• 过去x天内某企业的登录总次数：可以作为客户是否在活跃使用的前企业名提条件。
• 公司总用户数：如果用户数即将达到saas版本上限，可以向用户推荐升级版本。

关键人物类指标：

• 最活跃用户：这很可能是对SAAS产品续购有很大发言权的人，可以作为企业画像中的关键人物。
• 第一次使用的用户：这可能是将产品推而广之的一个关键人物。
• 最后一次使用的用户：当客户有流失迹象时，可以联系该人物了解情况。

价值达成度指标：

• 过去x天执行某任务的次数（比如CR打分M产品中某公司的新增客户数、Shopify中店铺1518的成单数量）；
• 过去X天内的交易金额；

复购及流失类指标：

有了指标体系，建立企业画像相对就和我们常规的用户画像类似，只需利用指标值去圈定一些企业群体；比如测名将最后一次访问距今时间长度 大于7天的认为即将流失的客户，打上“流失”的标签，业务流程上规定售后人员应该及时跟进“流失”客户进行挽留, 便达到了企业画像中挽留客户的目的。

06 总结

本文探讨了企业画免费像的必要性，同时针对达到一定用户规模的面向中小型客户的SAAS产品公司提供了一些可供参考的大数据指标；然而目前为止，大数据在企业画像的应用仍然非常稀少，笔者一家之言难免偏颇，撰写本为学习，欢迎大家一起探讨。

参考文献：

Segment Account-level Audiences