ABM：美国最火B2B营销理念

在之前很多营销技术趋势的文章中有提到过在美国火得一塌糊涂的营销理念：Account-based marketing, 即 ABM。那么有许多小伙伴都在问，ABM到底是在讲什么? 它和营销自动化，集客营销，数据库营销等概念和技术又有什么关系和区别呢?

就ABM相关的概念和问题我们查阅了不少信息，下面就把发现和收获逐一分享给大家。

说明：由于在国内还没有通用的标准翻译, 在文章中先都用ABM来指代，也欢迎各位同行讨论建议。另外文中插图来自于目前 ABM 最为积极的布道者和实践者，Engagio 的CEO，Marketo前CMO Jon Miller 的演讲文档。

ABM到底是什么?

关于ABM的概念，企业软件咨询平台TrustRadius给出的定义如下：

ABM 是一种 B2B 营销策略，该策略强调市场营销和销售的协同，以增强营销活动带来收益回报提升的效果。

从操作角度具体来说，只要是有助于找到理想的客户特征，获取更精准的客户列表，并通过个性化的方式和内容精准触达正确客户联系人的解决方案都可以算作ABM的策略。

而另外一家专业咨询机构 ITSMA 则认为 ABM 并不是一个全新的概念，早在2003年该公司就首先提出了ABM的理念和应用方法,即:

ABM 基于对客户需求的研究洞察，使得营销人员可以和销售团队合作，从而建立与关键大客户决策执行人员更深入更紧密的关系。

只不过那个时候B2B营销和销售领域，对客户需求特征的研究，获取目标客户联系方式，以及有针对性的营销更多还是人工来完成的。随着 2015年 VC 投资了多家重要的技术公司，才使得 ABM 策略结合最新营销技术的发展又一次变成炙手可热的营销新趋势。

从以上的两家定义及一些其他来源的信息，我们可以总结出ABM最主要的几个特点：

ABM是一种营销和销售协同的策略，手段是营销的方法，但终极目标是销售达成
营销技术的成熟和发展可以使ABM策略发挥出更大效用

ABM策略主要分为3大部分：理想客户的获取，个性化精准内容触达，收益回报的衡量
ABM 更多是面向 B2B 领域，尤其比较适合决策过程复杂的大客户销售

下面我们再稍微详细地看一下其中几点。

1 营销和销售目标的协同

从我们查到的信息来看，虽然美国的营销技术非常成熟，但是仍然面对一个比较大的问题，就是通过内容营销等方法获得潜在客户线索，有很多并不是真正的销售对象或者是很难转化的，这就出现了营销和销售团队工作之间的断层。

因此在 ABM 策略中，会把理想客户的特征定位以及联系方式等信息的获取放在整个流程的首位，之后再继续使用内容营销等手段来与这些更精准的潜在客户进行互动。

Jon Miller对ABM的目标有个生动的比喻就是 ” Fishing with Spears, not Net” （用鱼叉来捕鱼，而不是撒网)。

这实际上与标准的Inbound 营销转化漏斗路径是相反的。ABM的支持者，Terminus 公司的联合创始人及 CMO Sangram Vajre 甚至提出了# FlipMyFunnel (翻转漏斗) 的口号，认为营销自动化的目标应该更聚焦在最有价值的潜在客户身上。

当然Vajre的观点也遭到不少人的反对和质疑。是否适合中国的情况，我们也希望能与大家一起探讨。

2 ABM策略涉及多种营销技术综合应用

前面我们提到过ABM的应用领域主要分为3大部分：理想客户数据的获取，个性化精准内容触达，收益回报的衡量。Jon Miller又把他们更细化的分为了7个部分：

1. Selection 客户的选择和优先级的确定（注：ABM相关的文章中的Account 客户即指公司)
2. Contacts 客户联系人信息获取 （contact 指目标公司中所有可能参与购买决策的具体员工)
3. Insights 洞察客户的需求（可包括公司和具体决策人两个水平)
4. Content 根据客户需求和特征生产个性化内容
5. Interaction 渠道互动（这里既包括数字化媒体渠道，也包括传统的线下销售渠道)
6. Orchestration 客户互动旅程的编制协同
7. Analytics& Infrastructure 客户数据分析以及效果追踪测量

我们可以看到每一阶段在美国都已有很多活跃的公司，有一些已经是比较成熟的技术，只是在ABM策略的框架下进行了重新的组合和应用。

3 理想客户定位及数据获取

相对于营销内容的制作传播以及营销效果衡量，理想客户特征的确认和信息获取这个部分是ABM策略中连接销售目标与营销活动最核心的关键步骤。下面这张图很好地说明了客户及联系人数据管理的层次和阶段：

第一个阶段就是靠销售经验判断；

第二个阶段会有一些简单的公司客户信息的积累；接下来则是更进一步的信息和分析，包括客户使用技术产品的信息，购买意向，互动行为等。

而最后一个层次，就是使用预测性分析和模型技术，通过算法确定理想客户的特征以及潜在客户名单。