很多外贸人会找邮箱、会写开发信,却常常卡在更前面的一步:不知道该找哪类公司、找公司里的谁。整理了几千条客户信息,发出邮件后却很少收到回复,回头一看,一半是同行,一半是根本不会采购这类产品的公司。
客户画像要解决的就是这个问题。它描述的是“最有可能买你产品的公司有哪些特征、公司里谁负责采购和做决定”。把这些特征写清楚后,找客户时就能按条件筛选,知道该找哪类公司、联系哪个岗位。
这篇文章讲三件事:怎么根据已成交的老客户总结出画像,外贸 B2B 客户画像要写哪些信息,以及怎么把画像变成搜索时可以直接用的筛选条件。文末附一张可以直接填写的客户画像模板。
网上搜“客户画像”,很多内容讲的是电商和 APP 的“用户画像”,和外贸 B2B 关系不大。不过要先把几个概念分清楚:
| 概念 | 描述的对象 | 典型内容 | 外贸里怎么用 |
| 客户画像(ICP,理想客户画像) | 一类公司 | 国家、行业、公司类型、规模、采购的产品 | 决定先开发哪些公司 |
| 买家角色(Buyer Persona) | 公司里的某个人 | 职位、负责什么、关心什么、怎么做决定 | 决定找谁、开发信写什么 |
| 用户画像 | 个人消费者 | 年龄、性别、兴趣、消费习惯 | 主要用于 B2C,外贸 B2B 基本用不上 |
外贸 B2B 要做的是前两个:先用客户画像筛选公司,再用买家角色找到公司里该联系的人。本文说的“客户画像”,包含公司特征和联系人信息这两部分。
最可靠的画像,来自已经和你成交的客户。凭感觉想出来的画像,常常和实际下单的客户对不上。
从成交记录里挑,标准可以是:利润高、多次下单、合作顺利、付款及时。不要把所有客户都放进来,如果把只下过一次小单、合作中问题较多的客户也算进去,可能会影响判断。
建一张表,每家客户一行,逐项填写:
| 记录项 | 示例 |
| 国家和地区 | 德国 |
| 公司类型 | 灯具分销商 |
| 公司规模 | 50–200 人 |
| 采购的产品和用途 | LED 面板灯,用于商业照明项目 |
| 年采购额或单次订单金额 | 单次 3–5 万美元 |
| 对接人的职位 | 采购经理 |
| 谁最终决定是否采购 | 老板 |
| 最初怎么认识的 | 展会 |
| 从接触到首单用了多久 | 4 个月 |
| 选择你的原因 | 交期稳定、能提供 CE 认证 |
官网、领英公司主页、往来邮件和海关数据,都可以用来补全这些信息。
看哪些特征反复出现:是不是集中在某几个国家?大多是分销商还是品牌商?对接人是不是都是采购经理?
也要看看不适合继续开发的客户:那些谈了很久没成交、压价严重、付款拖延的客户,有什么共同点?这些特征要写进画像的“排除条件”里,以后搜到这类公司就直接跳过。
把这些共同点用一句话写清楚,比如:
西欧地区、50–200 人规模、做商业照明项目的灯具分销商,对接采购经理,关注交期和认证。
如果客户类型明显分成几类,就写几条画像,按开发的优先顺序分级:A 级是最理想、优先开发的;B 级可以开发;C 级只在 A、B 级开发完后再考虑。
新公司或新市场还没有客户数据时,可以这样起步:
先确定一个初步方向,再根据实际回复判断是否合适,比一直等“想清楚”再开始要快得多。
外贸客户画像可以分成公司信息、联系人信息和采购情况三部分,每部分都写清楚“去哪里核实”。
| 信息项 | 要回答的问题 | 去哪里核实 |
| 国家和地区 | 重点开发哪些国家和地区? | 公司官网、领英公司主页 |
| 公司类型 | 品牌商、分销商、批发商、零售商、工程商,还是 OEM 工厂? | 官网的 About 页面和产品页 |
| 行业和细分领域 | 具体做什么业务? | 官网、领英公司主页的“专长”栏 |
| 公司规模 | 多少员工?营收大概多少? | 领英公司主页、企业数据库 |
| 采购的产品 | 是否真的在用你这类产品? | 官网产品页、海关数据 |
| 信息项 | 要回答的问题 | 去哪里核实 |
|---|---|---|
| 对接人职位 | 谁负责采购这类产品? | 领英个人主页 |
| 决策人 | 谁最终决定是否采购? | 小公司通常是老板;大公司要看采购或供应链负责人 |
| 关心什么 | 价格、交期、认证、最小起订量,还是定制能力? | 往来邮件、展会沟通记录 |
| 信息项 | 要回答的问题 | 去哪里核实 |
| 订单规模 | 单次订单大概多少金额、多少数量?和你的起订量是否匹配? | 老客户订单数据、海关数据 |
| 采购频率 | 一年采购几次?有没有季节性? | 海关数据、老客户订单 |
| 现有供应商 | 现在从哪里采购?有没有换供应商的可能? | 海关数据、开发信回复 |
| 采购周期 | 从接触到下单通常要多久? | 老客户成交记录 |
采购情况最难拿到,但对判断“值不值得开发”最有用。比如一家公司各方面都符合画像,但单次采购量只有你起订量的一半,就不适合放进 A 级。
画像写好以后,最常见的问题是:不知道怎么用它去找客户。方法是把画像里的每一项,改成搜索工具里可以填写的筛选条件。
以前面那条画像为例(西欧、50–200 人、做商业照明项目的灯具分销商,对接采购经理):
| 画像中的信息 | 对应的筛选条件 | 填写示例 |
| 西欧地区 | 公司所在地 | 德国、荷兰、比利时、法国 |
| 灯具分销商 | 行业 | 批发、电气设备 |
| 做商业照明项目 | 专长或关键词 | LED lighting、commercial lighting |
| 50–200 人 | 公司规模(员工数) | 51–200 |
| 对接采购经理 | 职位 | Purchasing Manager、Procurement Manager、Buyer |
| 小公司由老板决定是否采购 | 职位(补充) | Owner、Managing Director |
| 排除同行 | 排除条件 | 搜索结果中手动排除生产同类产品的工厂和贸易同行 |
转换时注意三点:
同样的转换也适用于 Google 搜索。比如把画像写成“LED lighting distributor Germany”这样的关键词组合,具体技巧见谷歌开发客户方法。
上面的方法用表格和 Google 也能做,但花时间。Snov.io 里有三个功能,可以把“整理客户画像、按条件找人、给客户打分”串起来。
还没想清楚画像,或者想看看有没有遗漏的客户类型,可以先让 AI 生成一版作为参考。
每个画像包含行业、地区、职位、公司规模、需要解决的问题和补充说明。生成后可以保存,也可以手动添加你自己整理的画像。
AI 生成的画像适合用来补充你可能没想到的客户类型。最后定稿时,还是要和你从老客户身上总结出来的特征对照,以真实成交数据为准。
在 B2B 潜在客户数据库里,可以直接按画像的各项条件筛选:
如果不熟悉筛选项,也可以用 AI 搜索:直接用一句话描述你要找的人,比如“德国 51–200 人的照明分销公司的采购经理”,AI 会自动设置好筛选条件。
用筛选条件查看有多少匹配结果是免费的;保存联系人、获取邮箱时才消耗点数。找到邮箱后,记得先用邮箱验证工具验证再发送。
手上已经有一份公司名单(比如展会名单),想知道哪些最符合画像,可以用公司数据丰富功能,给名单补充公司所在地、行业、类型、规模、简介、专长、同类公司、融资情况等信息。补全之后,按画像逐项对照,给每家公司打 A、B、C 级,优先开发 A 级。
| 常见错误 | 问题 | 正确做法 |
| 画像写得太宽,比如“欧美的进口商” | 等于没有画像,搜出来的名单和以前一样杂 | 写到具体的公司类型、规模和细分领域 |
| 凭感觉定画像 | 和实际下单的客户对不上 | 根据已成交客户的数据总结 |
| 只写公司,不写找谁 | 公司找对了,开发信却发给了客服、销售或 info@ 邮箱 | 同时写清楚对接人和决策人的职位 |
| 只写“要什么”,不写“不要什么” | 名单里混进大量同行和不匹配的公司 | 把排除条件写进画像 |
| 定完就不再更新 | 市场变了,画像还停在两年前 | 每季度根据新成交客户检查并更新 |
复制下面的表格,每条画像填一份。
| 项目 | 填写内容 |
| 画像名称 | 例:西欧商业照明分销商 |
| 优先级 | A / B / C |
| 一句话描述 | |
| 目标国家和地区 | |
| 公司类型 | 品牌商 / 分销商 / 批发商 / 零售商 / 工程商 / OEM 工厂 |
| 行业和细分领域 | |
| 公司规模(员工数或营收) | |
| 采购的产品和用途 | |
| 单次订单规模 | |
| 采购频率和季节性 | |
| 对接人职位(含常见英文叫法) | |
| 最终决策人 | |
| 他们最关心什么 | |
| 我们的优势(对这类客户) | |
| 排除条件 | |
| 对应的搜索筛选条件 | |
| 数据来源 | 老客户 / 海关数据 / 假设待验证 |
“数据来源”一栏很重要:标注清楚哪些是从真实客户总结出来的,哪些只是假设,以后检查和更新画像时才知道哪些需要验证。
大多数外贸公司写 2–4 条就够了。产品线很多、客户类型差别很大的,可以按产品线分别写。条数太多,开发时反而分散精力。
ICP 是 Ideal Customer Profile 的缩写,中文一般叫“理想客户画像”,指最适合购买你产品的那一类公司的特征描述。
目标市场回答的是“卖到哪里”,比如德国、美国;客户画像回答的是“在这个市场里卖给谁”,比如德国 50–200 人规模的灯具分销商。一个目标市场里可以有好几条客户画像。
先分清是哪个环节的问题:如果邮件大量退回或进了垃圾箱,问题在发件设置和名单质量,可以看外贸邮件退信怎么办;如果邮件正常送达但没人回,再检查画像是否准确、开发信是否说中了这类客户关心的点。
做客户画像,核心是三个动作:从老客户身上总结出共同特征,把特征改成找客户时能直接使用的筛选条件,再用实际回复不断调整。花一个下午把画像做清楚,之后每一次找客户、写开发信都会更有方向。
想直接试试按画像找客户,可以免费注册 Snov.io,用 AI 生成一版客户画像,再在数据库里按条件筛选,看看能找到多少匹配的公司。