Przewodnik / Sygnały Zakupowe

Tech stack signals: targetowanie firm po tym, czego używają

Jeśli hiring mówi ci, na co firma zaraz wyda pieniądze, tech stack mówi ci, na co już się zdecydowała. Dane technograficzne to jeden z najbardziej użytecznych filtrów w B2B outboundzie i jednocześnie jeden z najłatwiejszych do zepsucia, ponieważ dane szybko się starzeją, a pokusa do robienia over-targetingu jest ciągła. W tym przewodniku omówię, co sygnały ze stacku tak naprawdę ci mówią, skąd pochodzą dane, jak używamy ich do robienia displacement i complement plays, oraz o failure mode, który po cichu zabija większość motions opartych na technografii.

Co technografia tak naprawdę ci mówi

Firma używa narzędzi, na które ją stać, skonfigurowanych przez ludzi, których zatrudniła, i zintegrowanych z resztą jej stacku. Kiedy więc wiesz, czego używa targetowane konto, zazwyczaj możesz z dużą pewnością wywnioskować cztery rzeczy: poziom budżetu, dojrzałość technologiczną, co płynnie zintegruje się z twoim produktem i gdzie leżą okazje na displacement (wyparcie konkurencji).

• Budżet. Firma działająca na Snowflake i Lookerze to inna półka cenowa niż ta na Postgresie i Metabase. Żadne z tych podejść nie jest złe, ale firmy te zareagują na inne price points i inne sales motions.
• Dojrzałość. Narzędzia zdradzają wiek organizacji. Nowoczesny observability stack w trzyletnim startupie mówi, że zespół inżynierski zdążył już się przeskalować. Ściana legacy Javy w piętnastoletniej firmie oznacza, że sprzedajesz w zupełnie innej rozmowie.
• Dopasowanie integracji. Jeśli twój produkt polega na konkretnym CRM-ie, hurtowni danych czy identity providerze, dane technograficzne powiedzą ci, czy historia o integracji będzie długa, czy krótka.
• Okazja na displacement. Jeśli używają konkurencji, masz konkretny wedge (punkt zaczepienia). Jeśli używają pokrewnego narzędzia, które uzupełnia twoje, masz inny wedge.

Skąd biorą się dane

• BuiltWith i Wappalyzer. Dwaj najbardziej znani dostawcy, obaj opierają się na tym, co działa na ogólnodostępnej stronie WWW (analityka, tag managers, frameworki frontendowe, procesory płatności, narzędzia marketingowe). Mocne do wszystkiego, co dotyka strony internetowej. Bezużyteczne dla narzędzi, które żyją za ekranem logowania.
• Oferty pracy jako wycieki informacji o stacku. Opisy stanowisk inżynierskich wprost wymieniają narzędzia, których używa zespół. Oferta na rolę senior backend u targetowanego klienta w jednym akapicie zdradza język, bazę danych, chmurę, dostawcę CI i często observability stack. To jedne z danych technograficznych o najwyższej jakości w internecie, w dodatku darmowe.
• Publiczne repozytoria. Firmy pracujące otwarcie (np. na GitHubie) nieustannie zdradzają swój stack przez manifesty, pliki konfiguracyjne i README. Użyteczne dla sprzedających dev-tools, dla reszty nieco węższe zastosowanie.
• Case studies na stronach vendorów. Większość vendorów B2B publikuje listę klientów. Scrapowanie tych stron daje ci bardzo pewną listę kont używających danego narzędzia. Displacement plays często zaczynają się właśnie tutaj.
• Specjalistyczne bazy danych. Kilku vendorów agreguje dane technograficzne z różnych kategorii, w tym o narzędziach, które nigdy nie dotykają publicznej strony WWW. Coverage (pokrycie) różni się diametralnie w zależności od kategorii i regionu. Zanim zapłacisz, zawsze zrób trial na próbce kont, które możesz zweryfikować ręcznie.

W naszym procesie wzbogacania danych (enrichment – np. w usegrit.io lub Clay) zazwyczaj łączymy dwa źródła dla każdego stack signal, z którego odpalamy workflow: jedno źródło dla skali (breadth) dające coverage i drugie źródło dla weryfikacji i dokładności. Pojedyncze źródło prawie zawsze jest samo w sobie albo zbyt wąskie, albo generuje za dużo szumu (noisy).

Displacement plays

Displacement play targetuje firmy używające rozwiązania konkurencji. To technographic motion o najwyższym możliwym intencie (zamiarze zakupowym), ponieważ już wiesz, że buyer ma budżet na tę kategorię, przeszedł już przez proces decyzyjny i znajduje się gdzieś na krzywej między miesiącem miodowym a cichym rozczarowaniem.

Displacement play działa, kiedy masz konkretny, łatwy do obrony wedge. "Jesteśmy lepsi" to nie wedge. "Jesteśmy szybsi w tym workflow, który pożera 60 procent czasu waszych power userów" to jest wedge. "Robimy to, w co wasz obecny dostawca przestał inwestować dwa lata temu" to wedge. Wiadomość musi brzmieć tak, jakbyś dokładnie rozumiał, co frustruje ich w obecnym rozwiązaniu we wtorkowe popołudnie, a nie jakbyś po prostu przeczytał ich recenzje na G2.

Częstym błędem w displacement jest timing. Nowi klienci obecnego dostawcy wciąż mają miesiąc miodowy. Klienci wieloletni albo przestali się przejmować, albo obudowali obecne narzędzie integracjami tak mocno, że stało się niemożliwe do usunięcia. Sweet spot to zazwyczaj klienci od 12 do 36 miesięcy po wdrożeniu, którzy zderzyli się już z ograniczeniami, których narzędzie nie rozwiązuje, ale nie zdążyli jeszcze przebudować wokół niego całego swojego świata.

Complement plays

Complement play targetuje użytkowników narzędzi pokrewnych. Jeśli sprzedajesz produkt typu reverse ETL, użytkownicy konkretnej hurtowni danych to twój TAM. Jeśli sprzedajesz produkt do billingu, z użytkownikami konkretnego CRM-a zrobisz o wiele prostszą rozmowę, niż z tymi, których CRM się z tobą nie integruje.

Complement plays mają niższy intent niż displacement (buyer nie zadeklarował wprost potrzeby w twojej kategorii), ale konwertują lepiej niż zimny outbound po samym ICP (wiesz, że całe okablowanie będzie działać). Wiadomość powinna wychodzić od integracji, a nie od produktu. Najlepiej działa schemat: "Używacie już X. Oto z czym większość zespołów używających X mierzy się w następnej kolejności, a tu jest rozwiązanie, które do tego zbudowaliśmy".

Świeżość danych: główny failure mode

Największym pojedynczym failure mode w technograficznych motions są nieświeże dane. Narzędzie wykryte na stronie WWW w zeszłym kwartale mogło zostać z niej wyrzucone dwa miesiące temu. Relacja z konkurentem, która wyglądała na pewną w rocznej bazie danych, mogła już wygasnąć. Buyer, który czyta "Widziałem, że używacie X", podczas gdy w lutym przeszedł na Y, oznaczy twój e-mail jako spam i pójdzie dalej.

Pomagają tu dwa tanie nawyki. Po pierwsze, oznaczaj datą każdy rekord technograficzny i usuwaj wszystko starsze niż 90 dni – dotyczy to sygnałów, na których faktycznie odpalasz kampanie. Po drugie, wbuduj krok weryfikacyjny w sam workflow. Zanim wiadomość zostanie wysłana, agent robi pięciosekundowy check (ostatnia oferta pracy, nowy listing na marketplace integracji, niedawna wzmianka w case study), żeby potwierdzić, że ten stack wciąż istnieje. Pominięcie tego kroku kończy się przepraszaniem za błąd, który twój CRM zrobił na autopilocie.

Nakładanie filtrów technograficznych na firmografię

Dane technograficzne same w sobie dają gorszą listę niż firmografia ICP sama w sobie. Prawdziwa wartość leży w ich połączeniu. Wzorzec, którego używamy w usegrit.io, to zaczęcie od firmograficznego TAM (branża, wielkość, geografia, wzrost), a następnie nałożenie filtra ze stackiem jako podbicia prawdopodobieństwa, a nie jako twardej bramki. Firma dopasowana do targetu, ale bez stack signal, zostaje w workflow w wolniejszej kadencji nurture. Firma pasująca do targetu z obecnym stack signal wskakuje do kampanii o wysokim intencie w tym tygodniu.

Traktowanie technografii jako twardej bramki agresywnie kurczy twój TAM, często bardziej, niż uzasadniałaby to jakość danych. Traktowanie tego jako warstwy prawdopodobieństwa pozwala ci priorytetyzować bez zjawiska overfittingu na podstawie danych, które mogą być o trzy miesiące zdezaktualizowane.

Najczęstsze błędy

• Zbytnie ufanie jednemu źródłu. Jeden dostawca to tylko jedna opinia. Zweryfikuj dane ręcznie na próbce przed skalowaniem.
• Ignorowanie świeżości stacku. Stempluj rekordy datą, usuwaj te przeterminowane, weryfikuj przed wysyłką.
• Zaczynanie wiadomości od faktu wykrycia. "Widzę, że używacie X" brzmi jak inwigilacja. Zacznij od implikacji lub problemu, a narzędzie wspomnij mimochodem.
• Mylenie obecności narzędzia ze stopniem adopcji. Piksel na stronie internetowej nie oznacza, że firma na poważnie wdrożyła narzędzie. Łącz dane technograficzne z hiring signals lub social signals, aby ocenić rzeczywistą adopcję.

Gdzie to pasuje w szerszym signal stacku

Tech stack signals działają najlepiej w parze z motion signals, takimi jak hiring czy funding, które mówią ci, że coś zmienia się w tym kwartale, a także z job changes na stanowiskach menedżerskich, które sygnalizują, że nowy decydent może robić rewizję stacku, który odziedziczył. Szerszy framework znajdziesz w artykułach jak zbudować system GTM oraz czym jest GTM Engineering.