现在针对C端用户营销的技术手段越来越成熟了，网民数据越来越多，维度丰富，可以做比较全面的用户画像，再进行针对性营销。而To B公司如何高效获客，一直是难点，技术的作为也一直很有限。
最近美国To B营销智能化服务公司ZoomInfo（简称：“ZI”）上市，To B营销智能化开始引发关注。ZoomInfo于6月5日在美国纳斯达克上市，开盘当天收涨61.9%，市值达到130亿美元。其后一路上涨到64美元，市值达到245亿美金。最近市值在170-200亿之间。
Zoominfo创立于2000年，总部位于美国华盛顿州Vancouver，以SaaS的部署方式为企业销售、市场营销人员提供销售线索与情报服务。
招股书显示，Zoominfo在2018年、2019年营收分别为1.44亿美元、2.93亿美元；净亏分别为2860万美元、7800万美元；在2020年第一季度营收为1.022亿美元，上年同期为5460万美元；净亏损由4020万美元降至590万美元。
ZoomInfo在招股书中表示，上市前已获得1.5万个客户，遍布各个行业，所处的赛道存在240亿美元的市场机会。虎嗅发布过关于这家公司的报道，感兴趣的读者可以一读。
百炼智能是国内一家做类似业务的创业公司，联合创始人姚从磊最近两年一直在关注ZoomInfo，花了很多时间研究它，他表示，“这两年ZoomInfo发展得非常快，图谱的覆盖度变得非常好，数据量和维度都增加了很多，描绘企业画像的维度越来越多了，并且越来越准确，这个事很难。另外行业Know How也积累越来越多了。”
在国内，也有若干家做相似业务的公司，如百炼智能、火眼云、致趣百川、探迹科技、SalesDriver（思卓咨询）、精线索、WinDeal、STEPONE AI、云探客、数点营销、快启等。CRM厂商销售易的产品中，也有销售线索管理的板块。
目前这个领域还处在“静悄悄”的状态，没有明星公司，也还没有巨头介入到这个市场，赛道名称也还没统一，有的叫“智能获客”，有的叫“营销自动化”。目前只有百炼智能、火眼云、致趣百川、探迹科技等少数公司宣布获得融资。不过天下To B公司苦“获客”久矣，如果能帮助B端公司获客，价值还是很大的。而且随着国外有高估值的对标公司涌现，这个领域预计关注度会有所提升。
#更新#最新的消息显示，探迹科技7月15日对外宣布已完成1.2亿元B轮融资，由红杉资本中国基金领投，启明创投跟投。看来在国外出现估值高的对标公司后，头部的投资机构正在加速进场。
用AI技术来帮助企业做B端获客，到底靠不靠谱，能起到什么作用？这个行业值得被看好吗？
To B获客难在哪儿？
最近to B领域有个大单，4月初，中国银联祭出《2020年银联云建设采购项目》， 9 家乙方参与投标，其中包括华为云、腾讯云、百度云、金山云以及其他一些代理公司。最终腾讯云以3.86亿元中标，成为当时的金融云第一大单。有意思的是，云服务老大阿里云自始至终未露面参与竞标，也没有代理公司参与。
业内猜测，银联一直与华为关系密切，另外银联与网联处于明争暗斗的状态，微信跟银联走得近，网联和支付宝走得近，阿里云自觉成单机会不如华为云和腾讯云，再加上合同规定要转让全部源码，阿里云兴趣不高，所以没有参与。
真实原因我们不得而知。但这个案例表明，to B的营销，不是见到招投标就上那么简单，要尽量提前知晓这个市场机会，更要在这个机会出现时，准确评估自己在其中的机会，以及友商的优劣势。如果机会不大就果断退出，避免投入很大精力却最终一无所获的局面，把精力放在机会更大的项目上。to B的销售大部分时间也是做这些事：凭借资源和经验，找销售线索，评估成单的可能性，再进行营销和跟进。
一家企业服务公司的获客流程
这里面会有很多难点，首先不一定能获得足够多的客户真实信息资料，有了资料以后，也不知道客户在什么时点会有采购需求，客户采购决策参与人往往不止一个，能够找到真正影响决策的人并向其推荐自己的产品，也非易事。因为采购金额较高，客户决策周期往往很长。这样，B端产品的销售人员可能需要预备大量的潜在客户资料，加以研究、沟通，但其中无效沟通会非常多，商业线索有效性低，即使是有效的线索，也有可能因为销售对客户的不了解而浪费掉。
众多情况使得B端产品获客难度非常高。以我们之前研究过的科大讯飞为例，科大讯飞八成左右营收来自B端，销售费用在营收中的比重常年达到2成左右。传统行业也是如此，医药公司主要渠道在医院、药店等B端，2019年321家A股药企累计支出销售费用2873.23亿元，整体销售费用率16.49%。其中近4成公司销售费用率超过30%，超1成公司销售费用率在50%以上。
B端有哪些具体的获取销售线索的方式呢？肯定不能靠摆摊。销售人员一方面可以通过广告露出、参加展会、赞助类活动、沙龙、发布白皮书等形式，等待客户联系，比较被动。展会是相对有效的方式，因为参加展会的往往是行业上下游有真实需求的企业；另一方面可以主动出击，通过网络、熟人资源、代理商等渠道，找到潜在客户联系方式之后进行推介，都是比较常见的方法，效率往往比较低，信息获取成本、时间成本、沟通成本较高。
火眼云创始人张陆鹏在一次演讲中提到，有个做云后端业务的项目，花了上千万做市场营销获取了大约2万多的注册客户，销售入场开始梳理的时候，却发现里面只有大约1%是目标企业客户，其他都是技术小白，完全没有付费能力，结果项目只好清算掉。
爬全网信息发现销售线索，评估成单可能性
对于B端销售这样一个高难度的工种，技术能起到什么作用呢？
业内公司一般是通过爬虫等技术收集全网的企业信息数据，包括结构化与非结构化的信息，对非结构化商业信息进行结构化，基于NLP技术对内容进行理解，分清楚不同的实体和关系，将结构化信息间的关系进行组织，打造知识图谱产品，形成节点以及节点之间的关系，为销售部门提供的销售线索查询、分析和预测服务。
可以认为to B智能获客、销售线索管理是CRM软件的上游链条，销售线索获取以后，在CRM软件进行线索全生命周期管理控制与监控。
to B智能获客工具跟传统的获客手段并不完全是替代关系，更多是传统的获客手段的辅助和补充，企业依然在线上买搜索引擎关键字，线下通过展会等途径获取销售线索，to B智能获客工具可以辅助对这些线索进行管理，通过知识图谱提供的信息检索来发现线索的更多信息，如这个目标客户规模如何，之前有怎样的供应商等等，来评估是否继续跟进，以及确定怎样的销售策略。除此之外，to B智能获客工具也将在网络上发现的销售线索推送给销售人员。
目前to B智能获客还在很初级阶段，已经有很多初创产品上市，对外宣传资料称已经获得上百家客户。
产品的原理都差不多，都是爬数据，将数据结构化，理解信息之间的关系，做知识图谱，用SaaS形式部署，可以给客户查询、推送，也可以做目标客户的资料补齐，以及智能外呼、电话、短信、邮件、广告等多种触达目标客户的方式。
但每家公司的侧重点不尽相同，有业内人士表示，梳理了同行的产品和业务后发现，各家做得都不一样。抓取的数据不一定相同，呈现给客户的功能重点也不尽相同，客户群体也不同，有些偏互联网领域，有些偏传统行业。
这样的产品能解决客户的获客问题吗？虎嗅Pro最近与百炼智能联合创始人姚从磊进行了交流。姚从磊此前曾在腾讯和豌豆荚任职，这是他首次进入To B领域。在他看来，To B的营销和To C不同之处在于，交易中往往有甲方、乙方、丙方三方，三方的诉求不一样。
甲方需求是：花尽可能少的钱，从靠谱的供应商买到想要的东西；寻找新的供应商，即供应商优选；投资咨询，比如要投资超大规模的数据中心，建在哪个地方，需要依据和数据支撑。
乙方的需求是：做销售端规划，确定可能会拿下的客户，以及在什么时间点能够拿下，大概的额度是多少。这取决于在过往信息的基础之上做成单可能性、销售时点的预测。
比如说明年4月份潜在甲方客户会有一个采购。乙方需要提前把资源布好，等到采购发生的时候再做计划已经晚了。要对于特别分散的信息做准确的梳理，用决策模型去预测。2B销售特别大的痛点是，看到一个机会，但不确定能否拿下。如果没有充分的把握就参与，机会成本大。基于过往数据进一步的分析和建模，资源浪费能够很大程度避免。
丙方是乙方的合作伙伴，拥有生产产品或者提供服务的能力，但并不一定能获得甲方订单，可以通过乙方，把服务卖给甲方。
三方的决策都是非常谨慎的。要采购四五百万的东西，不可能上百度搜一下，看到一个可能的供应商，就拍脑袋从那里采购了。这里面有很多关键的决策点，有很多重要的时机。
姚从磊表示，对于甲方，百炼智能提供选址等方面的投资咨询，基于采集的数据进行建模，客户输出决策维度，模型输出结果。其次就是基于知识图谱为客户做潜在供应商资质的核验。
对于乙方和丙方，第一就是帮助客户的决策层做销售方面的规划布局，第二就是提供销售线索，帮着客户的营销执行层判断每个销售机会是不是真的机会，构建算法模型进行预测，在合适的时机推送相关信息。
百炼智能的产品与功能
姚从磊举例称，有一家客户是全球500强的日化快销类企业，自己的渠道已经非常丰富，后续在中国市场的增长寄希望于把自己做成丙方，想把全国日化劳保类产品所有的乙方渠道扫一遍。这需要非常精准的监控和监测，去匹配、实时推送。要确保最后推送给他的潜在机会是实时的。比如乙方机构当时刚中标，并且这个乙方机构本身并不具备生产能力，这个时候才可以推送，并且还要确保所有信息都是准确的。这就需要做一系列的处理。
为提高精准程度，百炼智能把所拥有的知识图谱信息跟客户内部信息打通。客户内部历史上已经有成单的客户，客户的信息可以训练模型，找到比较容易成单的对象的特征，让机器自己学出来。
百炼智能目前针对筛选乙方的需求，推出了“渠道宝”产品；针对挖掘潜在客户的需求，推出了“潜客宝”；在招标信息监测与预测方面，推出了“子弹标讯”。
如何判断销售时点？姚从磊认为，具体的参考维度包括甲方企业刚刚招标、乙方企业刚刚中标，以及刚刚获得融资并在持续招聘等等。以保险行业为例，toB业务主要是团险，尤其是财产保险。实际中会有很多具体信号，比如有企业刚招标去建个楼，或者买车、买大型设备，接着就有对财险的需求。能源行业，比如要建风电厂，投资额是几十亿，这里面也有大量的上下游关系。
下一步还要加以判断自己是否还有机会。比如某乙方渠道昨天刚中标一个大工程，这对钢材厂商来讲可能是一个机会，但还需要看乙方过往的信息，是否提及到它的钢材供应商。把信息可以串起来进行判断。如果通过知识图谱发现它已经有比较稳定的供应商了，那就不是机会，除非自己提供的服务成本比已有供应商低很多。也就是说，第一是即时性，第二在即时性的前提下判断靠谱程度是多高。
此外百炼智能在产品功能上的另一个角度是构建信任。甲方的采购决策者对于采购结果要负责任，对供应商的选择会非常慎重。能够获得甲方信任是成单的重要因素。姚从磊称，百炼智能提供的一个功能是通过知识图谱中的关系，找到甲方比较信任的人或机构来做中间方。如果一个销售发现目标客户的采购负责人是他大学同学的前同事，经过他同学的介绍，对方采购负责人可能比较快地信任这个销售，成单的概率也就可以提高。再比如企业找到一些中间机构，如曾经入驻过的孵化器，来为自己背书，也有可能提高成单几率。
这样来看，to B领域的智能获客工具，其实更多是帮助企业营销人员梳理线索、分析成单概率的技术工具，如果营销人员面临海量的信息需要筛选、众多的线索需要跟进，技术工具可以帮助提高处理信息的效率，并通过构建的知识图谱在海量关系中找到人可能忽视或凭人力无法发现的信息，提高成单的可能性。
据报道，HR SaaS公司薪人薪事创始人常兴龙和联合创始人刘彤有在百度移动互联无线事业部和在58同城营销数据分析的工作经历，为了HR SaaS产品的获客，他们做了一个爬虫工具，搜索全网关于人力资源、薪资管理的信息，确定需求后对接联系方式再进行精准推送服务，这跟智能获客工具很相似。to B智能获客工具其实是把企业自己开发的获客工具的环节，以及销售人员自己手动搜寻信息的环节都替代掉。
不同公司的产品逻辑与路线不同
业内其他公司的产品逻辑与百炼智能不尽相同。
火眼云的产品名称为“基于AI的ABM营销智能平台”，企业数据中强调营收的维度，在基础功能之上，将获得的目标客户根据潜在收入等维度做分层，来决定营销投入的权重和优先级，潜在收入高的目标客户作为优秀客户进行重点跟踪。另外是对决策人群做分层，如企业高管、技术研发、产品运营、市场营销等，形成不同的展示内容，链接企业决策人的不同触达方式。
火眼云智能获客平台工作流
与百炼智能不同，火眼云在销售线索之余也更多着眼与品牌营销层面，与广告平台合作，在微信、头条等平台精准广告投放，增强品牌影响力。
致趣百川与火眼云有些相似，服务的是B端公司的全流程品牌推广与营销获客。以致趣百川与金蝶集团的合作为例，致趣百川服务的是金蝶的从流量到孵化、再到商机CRM跟进的数字营销流程：
第一，通过共鸣的内容，形成有效的流量来源；
第二，结合线上搜索引擎、媒体平台引流，以及线下活动、视频直播、全员营销和裂变海报，进行全渠道获客；
第三，将这些线索通过官网和微信渠道进行注册，统一交由线索运营中心管理，通过回访和外呼筛选有效商机，并通过内容营销从沉睡线索中不断唤醒老客户，持续孵化，形成营销闭环。
探迹科技相比之下与百炼智能能加相似，结合知识图谱、NLP、机器学习算法等，为To B企业提供线索挖掘、商机触达、客户管理到成单分析的智能销售服务，帮助To B企业解决寻找、联系、管理客户的难题，高效获取精准销售线索，降低获客成本。
创业公司的资源有限，不可能做全行业的方案。致趣百川解决方案主要集中在B2B科技、B2B工业品、教育、医疗；火眼云客户主要是互联网公司。百炼智能把主要落地行业集中在快消、能源、保险、医疗领域。
选择进入哪些行业，姚从磊认为有几个标准，第一是行业体量是不是足够大，第二个，这些行业本身的智能水平是不是够高，这两点决定了市场会比较大，竞争相对比较蓝海一点。第三个，这个行业里面是否有大型的TOP级KA客户。这一点决定了项目能够及时的回款，毕竟一家创业的2B公司需要有比较好的现金流，另外，头部的客户行业know-how相对会更全一点，可以帮助公司更快积累行业认知。
基础是数据，壁垒是行业know how
要实现上述的功能，基础是数据。基础的工商信息、法人信息等都会有，因为每家公司选择落地的行业不同，收集的信息也会不同。火眼云将信息按静态特征和情报特征来分，静态特征包括基础信息、业务特征、团队特征、资本特征、品牌特征等，情报特征包括融资、开辟新业务等。
姚从磊表示，百炼智能采集很多信息，比如招投标信息、公开新闻、公开招聘信息，以及企业、政府等机构官方网站的信息，机构的知识产权申请信息等。中国有数万个招投标网站，从中把关键的信息抽取出来，信息很多时候都是信号，把里面的信号搜集出来，再叠加每个节点，即公司或者机构，再把工商信息、公司和机构官网的重要信号和信息往上叠加，形成一个大的图谱。这个图谱上的每个点，再打上时间标签。这里面最重要是时间和空间、区域。因为B2B销售不可能把全国市场全吃下来，会更在意重点区域，此外会更加在意当下发生的事情。最后在服务于某个行业的时候，要加上这些行业的know-how。
百炼智能的技术应用平台
对于这一过程中的难点，姚从磊认为主要有几个方面：
一是基础的原始数据，很多网站原始数据在提获取的时候，需要遵守法律协议以及Robots协议，百炼智能有一个法律团队做这事，确保数据源采集合规；
二是把原来的非结构化数据结构化，有一定的难度，现在百炼智能在服务的行业里面做到将95%左右的非结构化数据结构化，还有一个团队专门去做剩余的5%，通过人工做校验，确保准确率在99%以上。这样才能满足2B的产品需求；
三是建立结构化数据之间的关联，形成知识图谱，从结构化数据到图谱，也是一个鸿沟，因为图谱很大，里边的实体包括标的物、商品服务、机构，加起来大概有2亿；
四是行业know-how，这也是最大的壁垒。姚从磊认为，这个行业的壁垒并非NLP与知识图谱技术，因为服务的企业越来越多，积累越来越多的行业知识。落地过程中跟企业内部的信息去对接，对接的过程里，对行业know-how的积累越来越深，同时处理互联网公开数据的能力也会有提高。
举个例子，现在几乎所有的图谱营销工具，都提供Look your like功能，就是推荐跟现有客户比较像的客户。在以前，定义相似客户是人为定几个维度，比如说在同一楼、同一行业的客户。有了知识图谱之后，根据行业know-how，可能做得更精细。比如根据行业经验判断，成立年限是某年以后的，规模是什么样，在过去一年内通过公开招标的方式中标了多少金额以上，最近正在快速扩张、招聘，等等，具备这些特征才是潜在客户。把这些信息提出来，才足够有用。知识图谱营销在应用中最大的问题是资源浪费，行业know-how就是尽可能做到准确。
现在还没有巨头进入到这个领域，究其原因：一方面是这个领域太新，还没有引起重视，大家还没达成共识；另一方面是这个产品需要在行业里做深做透，下沉到具体行业场景，结合行业知识，打造能解决客户问题的产品，做起来会比较重。而AI大公司往往更想做平台。在to B智能营销这个领域，抓取数据、建个图谱，供客户查询，并不能起到效果，也没有壁垒。
真正的壁垒还是在行业中形成结合行业经验的解决方案，同时打造自己的有影响力的营销方法论。
现在，在B端，成型的营销方法论还未出现。这也是to B智能营销的一个重要方向。火眼云创始人张陆鹏透露，该公司在过往的实践和探索中总结出客户“智能增量”方法论。未来to B智能营销公司应该都会推自己的方法论去占领B端用户心智。
这个行业潜力如何？
火眼云创始人张陆鹏去年在接受36氪采访时表示，当前行业处于早起阶段，已有众多初创产品上线。预计明年到后年将会是一个分水岭，会涌现出一批头部企业。
因为zoominfo的出现，预计国内资本圈对于这个赛道会多一些关注。姚从磊认为，现在行业到了一个爆发前夜，这个事有价值，但大家又都困惑这个市场到底有多大，因为全世界找不到任何一家。现在有zoominfo在美国市场估值的情况，大家就可以去做可能情况的推演和计算了。
现在行业整体上还处在发展头部客户、打造标杆案例的阶段，如果成熟了，可能会慢慢下沉到中小企业。再加上美国已经涌现了可以对标的高估值公司，to B智能营销的市场正在具备想象空间。
但这个领域想要做大，还面临很多难题。
适用领域是否足够广？
从适用领域来说，to B智能获客产品更适用于信息繁杂、不断有潜在销售机会的领域。姚从磊认为，招投标领域的网站大概有好几万家。如果没有工具软件支撑，销售做的事情就是一个一个平台去查询。很多销售团队每天干的事情就是去他们知道的网站搜一遍，把里面的字段抽取出来贴到Excel里面，去做下一步的工作基础。
这样来看，to B智能获客产品可以在一个网络数据多、信息繁杂的行业里帮助销售人员分析信息，提高工作效率。但如果是没有这么多信息的领域，产品的价值不好体现。
实际中很多交易信息没有通过招投标，也没有通过线上，市场之间直接通过线下合同就走完了，并没有在线上留下痕迹，toB智能营销也就无从下手。
很多中小公司产品单一，销售也局限在本区域内，守着本地的有限客户。比如小钢厂、水泥厂，运输成本高，客户主要就在本地，而本地大客户也就屈指可数的几家。大部分公司销售人员都是通过自己通过人脉来获取线索，也可以通过网络了解得最新的招投标信息，通过个人经验来分析线索，再进行营销，是比较常见和成熟的方式。智能获客工具不容易找到用武之地。
产品在成单过程中的价值不好确定
在实际使用和推广中，to B智能获客产品会面临一个尴尬：成单是多方面因素作用的结果，既有销售线索的作用，也有客户产品本身的因素，以及销售的经验、智慧、努力程度等。现实中很难确定智能获客产品价值到底有多大，这会影响客户的付费意愿。
姚从磊认为，客户对产品有一个基准的认可就可以。客户对ROI特别看重，尤其是头部企业都有自己的ROI计算方式。比如花了一百万，客户希望至少能赚回两百万来。不同企业有自己的计算方法。未来需要通过龙头企业的示范效应来加强推广。产品的这些功能，是企业所需要的，大多是靠人工去做，低效且耗人力。有了智能获客产品后，可以提高人效，企业能算出ROI出来。
如何将客户群体下沉到中小企业
现在行业里的公司都在服务头部大客户，打造标杆案例，形成更多的行业认知，来推广行业理念。而已成为一个大行业，势必要下沉到更多的中小企业。这肯定需要一个较长的过程，除了中小企业对产品的认知更低，还有价格和服务成本的问题。
在价格上，服务一个客户，一年几十万甚至百万的费用，让中小企业很难痛快地掏钱。解决方案可能是将产品分层，低价格对应着较少的服务功能。但这样又会降低产品对中小企业的吸引力。
从服务成本上来说，现在为头部大客户做定制化的方案不能移植到中小企业群体，因为服务成本太高。未来只能通过功能模块化、产品标准化来解决。
总结来说，国外有了zoominfo这样的标杆公司，国内相关企业有了对标公司，关注度可能会提升。但只有真正规模化应用并对客户的销售工作产生价值了，行业才算腾飞。目前行业的价值还在验证的阶段，只在部分行业的头部客户群体中获得应用，未来还需要积累更多的数据与行业经验，在更大规模的客户群体中证明自己。
评论