编辑导读：用户画像是产品经理必备技能之一，我们可以通过构建用户画像了解客户和挖掘需求。由于B端产品的特殊性，一般情况下，我们看到的大多数是C端的用户画像构建。本文作者从自身工作实践出发，分享了B端用户画像构建的相关思路，供大家一同参考学习。

分享一个B2B用户画像的做法。网上流传的资料大多是B2C相关的，导致在B2B企业的同学很困惑：”老师，说是RFM模型，可我们的客户都是n久没有一张单，一张订单几百万，怎么个RFM法呢？“是滴，有这种困惑，就初步领略到了B2B业务的蛋疼之处。开局一首诗，大家体会下B2B各种无奈。

越是大企业流程越长，越是大额采购牵扯的利益越多，越是技术型采购可以操作的空间越大。各种骚套路如下图：

在B2C里，电商为了诱惑大家买个几十块的东西，都会送个礼品，派个优惠券；B2B里为了诱惑客户下几百万上千万的订单，手段更是五花八门，无所不用其极。

各种明争暗斗，写本《采购部主任》或者《投标攻略》的书都够了。所以才有了开头的各种吐槽。我还跟那些做B2C企业项目的同事开玩笑：B2C业务的精准营销、个性推荐，最多是把地毯式轰炸换成火力覆盖。最后想打动用户，往往“代码千行，不如优惠券一张”，只要给点优惠用户就能来。做B2B的精准营销，则是靠各个身怀绝技，神通广大的销售。人家能精准到领导的裤裆下三寸。

O(╯□╰)o

之所以会这样，是B2B业务本身特点所决定的。（如下图）

回答里举的例子，都是软件定制开发的采购，流程会特别复杂。一般商品采购会稍微短一些，但复杂度也远远超过普通B2C业务。企业采购要按流程走，有流程就有各种规矩。

用户在京东买东西，不去淘宝买，可能淘宝砸一个优惠券人就回来了。但一旦乙方在甲方失去联系，甚至被打入采购黑名单，以后就永远失去了每年数以百万计的生意，就是这么残酷。丢失一个老客户惨过开发10个新客户，在B2B领域更成立。

所以，B2B企业会更需要做用户画像：一则为建立清晰的用户联系，把客户控制权从一线销售手里夺回来。二则，为了清楚掌握客户特征，识别用户需求，及时跟进服务。与B2C用户画像一样，B2B用户画像也可以分为用户名称，基本特征，消费行为，互动行为等维度，但要考察的内容完全不同（如下图）。

单纯看用户画像的维度，相似之处很多，但有着两个本质区别：个人VS组织，个人需求VS经营效果。

有些同学会想：需要哪些字段已经列好了，下边就和B2C用户画像一样，采集数据—打标签—做关联分析—做推荐算法，走起。对不对？大错特错！对B2B用户画像而言，列出需求字段只是万里长征第一步，真正的挑战从这里开始。

第一关：销售队伍管理

和B2C不同，做B2C用户画像的企业，不是淘宝、微信这种超级平台，就是有能直接沟通客户且有一定体量的公司（京东、饿了吗、滴滴）。用户登陆平台后，所有的操作在平台上完成。但B2B企业不同，用户的操作不是单纯依靠平台，而需要通过销售、商务、渠道一类人工工作。

虽然有些大甲方（比如银行、运营商）会建供应商信息平台，但单纯通过平台收集的信息，也仅仅是企业资质一类的常规信息，与业务有关的核心字段（比如经营情况）很少有人提供。至于大量中小企业，就更难指望别人主动提供了。

这就产生一个巨大的隔阂：没有一个做B2B业务的销售，会乖乖把客户信息全部交出来。是滴，包括陈老师自己，都是把客户的信任当作私有财产。如果销售不配合，远在总部的职能部门根本连真实的客户是谁都不知道。

这里有太多手段可以鱼目混珠（比如客户的采购部一个组5个人，销售只留一个最基层的职员的联系方式给公司，真正推动流程的主管的联系方式自己留），所以，用户画像的成功是建立在渠道管控之上的。渠道管不住，收回来的数据就是呵呵，后续的分析，也就是在烂泥巴里建高楼大厦了。

渠道管控，纪律是第一位的。除了纪律以外，我们可以通过工具来培养销售的习惯，固化销售的行为。比如用移动端销售助手代替PC端；比如用企业微信替代个人微信，用电子通讯录替代个人拜访记录；比如把发票报销（绝对刚需！）和拜访记录挂钩，没有拜访记录不能报销；比如需要征调专家资源的时候，必须录入使用目标，要解答的问题等等。

这样让大家轻松打开企业微信做报销，录入客户信息，联系客户，即减少了销售们最讨厌的paper work，又提高了效率。有可能这样做，对于老奸巨猾的老销售很难起作用，但足以改变新进销售的习惯，从而使数据慢慢完善起来。

还可以通过交叉检验的方式，比如软件类产品打标，售前需要参与方案设计，开发需要制作demo，客服需要跟进使用满意度，这些非销售职能在反馈数据真实性上是大大优于销售的。可以利用这些职能参与的机会，效验销售提供的信息，丰富客户数据，当然也需要给这些对应部门开发便利的服务工具以记录数据。

第二关：用户行为分析

B2B业务的销售过程很长，但一旦销售完成，客户可能今年都没有需求。所以不存在所谓RFM（或者说只有M，没有R，F，越是大企业采购越是这样）所以销售行为分析的重点在售前，要关注每一次打标的进度（如下图所示）。

B2C的应用，核心是响应，像打僵尸模式，面对一堆僵尸练枪法。B2B的应用则像吃鸡，生存圈在不断缩小（交易时间有明显窗口期）初始位置不固定（不知道从哪个节点收到的需求）所以需要不断跟进！跟进！跟进！

B2B的用户行为是我们和客户共同创造的。不同于B2C业务，只要推一条广告，之后就等着顾客来点击的被动模式。B2B业务，客户发出采购需求后，我方销售需要及时跟进。因此数据分析的重点，就在于我方跟进了多少次，客户进度推进到什么程度。

基于流程的分析，会比单纯等着招标结束一个结果：成功/失败要丰富很多。也比直接让销售自己填：失标原因。或者客户傻乎乎的再回访要准确。（所以说到底，还是第一步得做好，用尽全力让销售保存拜访记录与沟通记录）。

B2B用户也会有向上销售的机会，这个机会甚至比B2C的用户来的更刚性和直接。比如我今天心情好，上淘宝买个周黑鸭吃，明天可能不想吃了。但企业营业收入从100亿成长到200亿，需要的服务器，系统功能，licence数量都必然会增加。这个估算反而比B2C容易，只是要关注用户的经营情况和部门架构变动情况。

B2B用户也会有交叉销售的机会，但和B2C完全是两码事。B2C交叉销售是基于一个人的购物习惯，比如我买了周黑鸭八成还需要啤酒。但B2B业务，很有可能不同需求的负责部门都不一样。企业还是同一家，但需求方发生变化。这实际上已经是一个新问题了。

虽然乙方们都希望甲方上了我的CRM，再上我的BI，再上我的ERP。但甲方可不一定都这么认为。有时候乙方能搞掂下边的人，但大老板想平衡供应商关系，不想一家独大。有时候能搞掂大老板，但下边的人有私心，就是卡着不让你过。

所以B2B的交叉销售，基本上还是把不同的用户角色当不同的项目来处理，更容易成功。（所以说到底，是第一步得做好，摸清客户组织架构，找到真正发力的点）。

第三关：用户分类

做B2C用户分类时，我们常用K均值聚类的做探索性分析，在海量用户中找分类准则。B2B的思路完全不同。客户需要我们提供服务，本质上还是想让自己经营的更好，而经营这件事会有风向标的。

比如我们能拿下行业内的领头羊，肯定能带来很多其他企业竞相效仿。比如一些中小散客户，可能自己就是朝不保夕。

所以在做用户分类上，更多是看我们的战略方向，根据我们的盈利目标与客户的盈利能力，做一些有强业务指导的分类（如下图所示）。毕竟业务是做出来的，不是算出来的。有明确的方向，大家才好做业务。

B2C面对的往往是大众日常需求，如吃饭，衣服，出行；B2B面对的企业需求，本质只有1个：经营效果。所以关注用户的经营效果，制定我们的经营方略，才是设计用户分类的出发点

基本的用户画像概念就如上做述。虽然流程是差不多的：

• 设计用户字段
• 采集用户数据
• 描述用户行为
• 进行用户分类

但业务模式不同，直接导致了项目做法，实施重点，实施方式的不同。和B2C用户画像，我们强调做埋点一样，B2B核心就是销售管理，是基于业务流程数据的采集，能搞掂了数据才有后续分析，不然就是巧妇难为无米之炊了。

于是回归到开头的问题，那个同学问我，为什么手上有企业最核心的销售数据，却分析不出来个啥？我一口气问了八个有没有：

1. 有没有采集客户的行业、经营情况、行业排名、发展速度数据？
2. 有没有预先客户分类，比如哪些是开拓重点，哪些是现金牛
3. 有没有清晰的客户角色（不是企业名称）记录
4. 有没有最初的销售线索来源、到达时间、可靠性记录
5. 有没有销售跟进次数、时间的记录
6. 有没有客户采购流程的进度记录
7. 有没客户问题沟通的记录
8. 有没有来自售前、客服交叉记录

这位可怜的同学茫然的回答了八个：“不知道”……虽然他是做这个传统企业的经营分析，但他手头只有可怜巴巴的销售成单记录。除了XX企业名称+成单金额+成单时间外一无所有。这就难怪他分析不出所以然了。

打个比方，B2C业务里拿些销售数据分析，就像你在旁观比赛，并且看到比赛中间进了球。你可以根据进球当时双方球队的表现推测后续进球情况。但B2B业务里，销售数据，就好像比赛已经打到点球决胜负，你只看到了最后一个队的点球绝杀，是滴，虽然你看到绝杀了，但是比赛也结束了，你也只看到了最后一幕。分析个啥……

不过我安慰他：很多B2B企业做惯了传统企业的生意，没有好的流程和系统支持，管理能力也跟不上，确实是这样的了，不过这不耽搁我们自己往更全面，更优化的方向去思考。至于那些成功的企业，无一例外不是在销售流程管理上下足了功夫的。

在这个方面，分析真的帮助有限，大家自己努力到位即好。限于篇幅，细节之处省略较多，有机会再一一详细分享。

#专栏作家#

接地气的陈老师，微信公众号：接地气学堂，人人都是产品经理专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议