由于工作需要，许多小伙伴需要对toB行业进行分析，在这个过程中也难免会产生一些问题，为什么在to C中经常用到的方法在这没有效果？本文作者就工作中的难点进行了分析解惑，希望可以对你起到帮助，一起来看看吧。

一提起toB行业的分析，很多同学都是唉声叹气，不知道该咋做。也有客户消费数据呀，为啥toC常用的方法，到这就出问题了？那是因为，toB行业真正的分析利器没有用好。

一、toB行业，难在哪里

虽然toB和toC核心都是消费，但差异巨大

toC：大部分是个人消费，金额低，决策随意。

toB：再小单子，也是企业采购流程，决策复杂。

因此，对toC而言，只要我们还和用户保持联系，再时不时搞个活动啥的，用户怎么都会回来买。

而对toB而言，客户不会这么随意下单，即使下单，背后的原因也非常复杂。

比如：

1. 客户单纯因为我们报价最低，才选我们……
2. 客户自己没啥经验，就试着走评标流程，我们运气好中了
3. 客户信了我们销售的忽悠，觉得我们神威无敌
4. 客户只是想敲打下现有供应商，引入我们当鲶鱼
5. 客户看了我们的介绍，觉得还不错，可以试试……
6. 客户很有经验，对比过多种样品，觉得我们真心好

以上6种情况，只有情况6是客户真心实意认可我们，其他5种，根本就是运气好混上的。

这种单子后续丢掉，毫不意外。更不要说，有很多订单是我们的销售发挥“洗脚城上二楼”的本领弄回来的……

现在问题来了：以上情况，只会记录在销售们的脑袋里，几乎完全不会出现在数据库里。

大部分toB公司的数据库里，只有签约合同信息。这是非常片面和被动的。远在万里之外的分析人员根本啥都不知道，也没法深入分析。

有同学会说：toC的用户消费，即使没有行为埋点数据，也能通过交易订单，做RFM分析呀，为啥toB就不可以能？

答：还是因为toC的交易随意性高，用户这次不买，下次打个折也就买了。

打个比方：toB更类似普通人买房（决策过程复杂、决策风险高），你也不会拿RFM来分析普通人的买房行为，就是这个道理。

那怎么办呢？

二、从这里开始

破局的关键，当然是：把数据拿回来！况且，都2022年了， 拿销售行为数据完全没有那么麻烦。利用企业微信+CRM系统，可以在销售过程关键节点做控制，拿回关键的数据标杆，构建客户标签体系。

那么，哪些标签很重要呢？从本质上看，toB能谈成单子，除了运气外，有五个基本要素：

1. 产品功能
2. 客户关系
3. 价格设置
4. 解决方案
5. 行业经验

这四点任意一点客户满意，就能谈下去。客户认可得越多，赢面就越大。

这五点对应的客户标签是：

1. 客户产品评价标签：好/中/差/不予置评
2. 客户关系标签：强关系/弱关系/无关系
3. 报价标签：高于/低于市场价，是否用超低价抢单
4. 解决方案标签：是否给予定制方案
5. 行业经验标签：我方是否在客户行业有优势

这五类标签里，标签5是最容易搞掂的。toB行业较之toC的一大优势，就是：企业信息是相对透明的（不像个人信息被隐私保护厉害），因此客户所属行业，规模，可以获取到信息。

我方自己在该行业的已签约订单、客户数、客户案例，也能提前准备，用于判断我方是否有优势。

破局的第一步，就是：准备数字化的行业案例（H5/小程序形式的），被销售查阅/使用。

在销售获取客户线索的时候，就提示可用案例情况，让销售们不要空口上阵，为后续数据采集铺好路。

三、向流程要数据

一般toB类销售过程都有这么几步，相应关键控制点如下（如下图）：

根据产品形态的不同，采集数据方式会有差异。如果是制成工业品，就直接比较参数、价格，样品体验，需要销售人员又较多现场互动，才能回收信息。

如果是saas产品，则有用户体验环节，可以让产品配置体验ID，之后通过后台数据记录，观察用户体验功能点，使用深度。

优先区分功能评价很重要，因为价格是很重要的一环，只要价格够低，是有可能把功能上缺陷掩盖过去的，这样会误导后续判断。

如果客户明显对功能点有挑剔、不满、则需重点关注。

如果同一个行业客户多次提出不满，则要提交给产品做优化。

价格评价，和市场价格、对手价格，我方报价、客户预算四方面有关。其中市场价格是可以常规监控的。

对手价格、客户预算，需要销售人员补齐，把收集到信息上报。从而综合判断：客户是否是因为我方报低价才接受的。

这样，在销售每个阶段，逐步补充关键标签，就能勾画出完整的客户标签。从而了解到：客户选择我们的真正原因。

四、综合分析

首先区分关系型客户。关系型客户本质上是靠关系在运作，其评价、采购习惯对其他客户没啥参考意义。关系断了没有，才是关键！

其次，区分超低价客户。超低价订单本身就利润极低，且客户第一次就超低价下单，后续我方想提价，很有可能丫就流失了。这一类订单仅适合去库存/冲业绩使用，需控制规模。

剩下的较为正常的客户里，可以做深入分析，关注：

1. 客户行业（是否我方优势行业）
2. 客户对产品/解决方案评价（是否有正反馈，有正反馈最好）
3. 客户接受的价格（只要不是地板价，就有进一步操作空间）
4. 客户自身规模、走势（是否有潜力扩大合作）

这样组成分析逻辑，能很清晰看到客户状态，从而为解释：为啥客户流失，找到思路。也能为运营找到更多战术（如下图）：

五、中标后复购分析

对复购分析，也要结合客户标签，在客户流失之前，提前感知风险，比如：

• 对关系型客户，如果客户组织架构调整，关系动摇，则第一时间考虑对策，不然失掉客户只是早晚的事。
• 对于工业品/原料供应，可以根据客户采购量VS客户业务体量，推算预计使用周期。主动触发销售跟进复购订单。
• 对于saas型产品，则需要关注客户使用情况，登录ID，使用时长等数据。如果客户根本就没用起来，那流失也是早晚的事。

这些需要结合销售拜访数据进行分析，所以即使是复购分析，依然是：向流程要数据。

六、小结

以上分析过程，数据分析师不做，toB的销售们也会自己默默在心理做。如果真的想深入分析，把控过程，靠的是数字化手段，把藏在线下的数据转移到线上，在增强客户体验的同时，让总部掌握更多信息。

就像电商改造传统零售一样，即使开门店也不影响线上下单。至于传统制造企业销售们一手遮天，saas企业“卖啥不吃啥”自己都不用系统，那就是另一个话题了。

#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。