Technographic data

Technografische data (technographic data) is informatie over de technologie die een bedrijf gebruikt: de software, platforms en tools die samen de techstack vormen, meestal met een notitie over wanneer elke tool is gezien en hoe zeker de bron is. Firmografische data vertelt je wie een bedrijf is, technografische data vertelt je wat er draait.

Voor een B2B-verkoper is dat vaak de nuttigste helft. Een bedrijf dat betaalt voor je grootste concurrent, een bedrijf met drie tools die op de jouwe aansluiten en een bedrijf dat geld in advertenties steekt zonder iets om ze te meten: alle drie verdienen ze een ander eerste bericht. Niets daarvan zie je terug in een branchecode of een bandbreedte voor het aantal medewerkers.

Het addertje is dat niemand zijn stack publiceert. Elk technografisch record is een detectie van buitenaf, en de teams die zich eraan branden, zijn de teams die die detecties lezen als een inventaris. Een tool die één keer is gezien, een jaar geleden, door een crawler die alleen de homepage bekeek, is een hint en meer niet.

TL;DR

• Een goed record noemt de tool en de categorie, waar hij is gedetecteerd, wanneer hij voor het eerst en voor het laatst is gezien, en een betrouwbaarheidsniveau. Zonder de datums en de bron kun je een actueel feit niet onderscheiden van een oude gok.

• Firmografische data brengt de markt terug tot bedrijven die zouden kunnen kopen. De stack laat zien welke daarvan nu een probleem hebben dat jij oplost. Filter dus eerst met firmografische data en sorteer wat overblijft met technografische data.

• Providers detecteren tools op vier manieren: code op de website (BuiltWith, Wappalyzer), openbare DNS- en e-mailrecords zoals SPF, vacatures (TheirStack en anderen) en partnerlijsten, case studies of enquêtes. Elke route ziet een ander deel van de stack.

• Een ontbrekende tool telt alleen als bewijs als die tool normaal een spoor achterlaat. Geen advertentiepixel op een openbare site zegt iets. Geen ERP gedetecteerd zegt bijna niets, omdat backofficesoftware zelden de website raakt.

• De stack ondersteunt vier plays: een concurrent vervangen, verkopen via een integratie, een duidelijk gat vullen en reageren als er een tool bijkomt of verdwijnt. Laat de detectie de invalshoek van je bericht bepalen, en citeer de scripts van de prospect niet aan hem terug.

• Sla het handvol tools dat een beslissing verandert op als CRM-properties, verrijk inbound leads bij binnenkomst en outbound accounts vlak voor een sequence, en controleer detecties opnieuw voordat er een campagne op draait.

Wat één technografisch record echt bevat

Haal de export van een provider terug tot de kern en elke rij bevat meestal dezelfde paar velden:

• De tool en de categorie. HubSpot onder marketing automation, Intercom onder live chat, Snowflake onder datawarehouse. Categorieën doen er meer toe dan je zou denken, omdat de meeste plays draaien op "gebruikt iets in categorie X" en zelden op één specifiek product.

• De detectiebron. Een script op de website, een DNS-record, een vacature, een partnerdirectory. De bron vertelt je hoe de tool is gezien en welk soort fout waarschijnlijk is.

• Voor het eerst en voor het laatst gezien. Wanneer de tool voor het eerst bij het bedrijf is opgemerkt en wanneer hij voor het laatst is bevestigd. De documentatie van de gratis API van BuiltWith gaat een stap verder en scheidt technologieën die als live op het domein worden beschouwd van technologieën die als niet langer live gelden. Precies dat onderscheid heb je nodig voordat je een vervanger pitcht.

• Betrouwbaarheid. Sommige providers geven een score of een label hoog, gemiddeld of laag, gebaseerd op hoeveel signalen overeenkomen en hoe recent ze zijn.

De datums zijn de velden die mensen overslaan, en juist die gaan je opbreken. Een rij die zegt dat een bedrijf een marketingplatform gebruikt, vertelt je weinig zolang je niet weet of dat vorige week is bevestigd of achttien maanden geleden. Zitten ze niet in de export van een provider, vraag er dan om. Zijn ze niet beschikbaar, behandel dan elke rij als ouder dan hij lijkt.

Firmografische data zegt wie kan kopen, de stack zegt waarom

Firmografische data beschrijft het bedrijf zelf: branche, aantal medewerkers, omzet, locatie. Daarmee bepaal je dat een logistiek softwarebedrijf van 200 mensen in de Benelux in je markt hoort. Wat het je niet kan vertellen, is of dat bedrijf het probleem heeft dat jij oplost. Twee bedrijven met identieke firmografische data kunnen totaal verschillende prospects zijn.

De stack vult dat in. Gebruikt een van die twee bedrijven het product van een concurrent, met een contract dat komend voorjaar wordt verlengd, en gebruikt het andere helemaal niets in jouw categorie, dan heb je twee verschillende gesprekken, en waarschijnlijk voor elk een andere prioriteit. In de uitleg over firmografische data lees je hoe firmografische, demografische, technografische en intent data het werk verdelen. De praktische volgorde is simpel: firmografische data bepaalt welke accounts in aanmerking komen, en technografische data bepaalt welke daarvan je als eerste oppakt en wat je ze vertelt.

Waar technografische data vandaan komt

Hoe een tool is gedetecteerd, vertelt je hoeveel je erop kunt vertrouwen. Het loont dus om de vier routes te kennen die de meeste providers gebruiken.

Code op de website

Dit is de klassieke methode achter BuiltWith en Wappalyzer. Een crawler laadt de pagina's van het bedrijf en legt wat hij vindt (scripttags, cookies, response headers, metatags) naast een bibliotheek met vingerafdrukken. Een trackingscript van HubSpot, een Google Ads-tag of een snippet van Hotjar laat elk een herkenbaar patroon achter. Het werkt betrouwbaar voor alles wat in de browser van een bezoeker moet draaien: analytics, advertentiepixels, chatwidgets, cookiebanners, het CMS. Het HTTP Archive, dat Wappalyzer gebruikt voor zijn jaarlijkse Web Almanac, noemt de grens zonder omwegen in zijn methodologie: laat een tool geen herkenbare vingerafdrukken achter in de code van de website, dan is het gebruik ervan niet te meten.

DNS- en e-mailrecords

De openbare DNS van een bedrijf zegt veel over de e-mailsetup. Het MX-record laat zien wie de inkomende mail afhandelt, en het SPF-record somt de diensten op die namens het domein mail mogen versturen. Google vertelt Workspace-klanten in zijn eigen handleiding voor het instellen van SPF dat ze include:_spf.google.com moeten publiceren, en daarnaast de domeinen van alle andere afzenders die ze gebruiken. Een SPF-record dat ook een marketingplatform of een supporttool bevat, is dus het bedrijf dat de wereld vertelt welke systemen namens hem e-mail versturen. Wij lezen die records vaker met de hand dan je zou verwachten, omdat ze gratis en actueel zijn.

Vacatures

Vacatures noemen voortdurend tools: "Salesforce-admin", "ervaring met dbt en Snowflake", "je wordt eigenaar van onze Gong-setup". TheirStack bouwt zijn hele technografische dataset op deze manier, en zijn documentatie is verfrissend direct over de grens, onder een kop die zegt dat een technologie die niet wordt genoemd, nog geen technologie is die ontbreekt. Vacatures zijn de beste route naar backofficetools (ERP, finance, data, CRM-beheer) die nooit op een website verschijnen. Bij bedrijven die niemand aannemen, zijn ze ook de zwakste route.

Partnerlijsten, case studies en enquêtes

Leveranciers publiceren klantlogo's en case studies, integratiemarktplaatsen laten zien wie wat heeft geïnstalleerd, en sommige providers ondervragen kopers rechtstreeks. Grotere providers combineren dat met hun eigen modellen. HG Insights zegt bijvoorbeeld over zijn methode dat die niet uitsluitend leunt op webscraping of digitale signaturen, en claimt technologie zichtbaar te maken die achter de firewall wordt gebruikt. Vraag elke provider via welke route een bepaalde detectie binnenkwam, want het antwoord verandert hoeveel gewicht die verdient.

Afwezigheid is alleen bewijs bij tools die een spoor achterlaten

De meeste nuttige plays rusten op een gat: het bedrijf heeft betaalde advertenties en geen attributietool, of een groeiend salesteam en geen sales engagement platform. Je vertrouwt dan op wat de data niet heeft gevonden, en dat is het wankelste wat een technografisch record je kan vertellen.

Onze vuistregel is de vraag of de ontbrekende tool normaal van buitenaf zichtbaar zou zijn. Attributie- en analyticstools draaien meestal een script op de openbare site. Heeft een crawler de site onlangs gecontroleerd en er geen gevonden, dan is het gat waarschijnlijk echt. Een ERP, een financieel systeem of een datawarehouse duikt bijna nooit op een website op, dus "niet gedetecteerd" zegt bijna niets over of ze er een hebben. Een CRM zit ertussenin. Vaak vang je het via een trackingscript, een ingebed formulier of een vacature, en net zo vaak mis je het volledig.

Dezelfde voorzichtigheid geldt voor wat de data wel heeft gevonden. Stacks veranderen bij contractverlengingen, en een detectie die al een jaar niet opnieuw is bevestigd, kan een tool beschrijven die het bedrijf heeft laten vallen. Een script kan ook langer meegaan dan het abonnement en in de sitetemplate blijven staan terwijl niemand er al lang meer inlogt. Lees elke detectie dus als een waarschijnlijkheid. Hoge betrouwbaarheid en recent gezien komt dicht bij een feit. Eén waarneming van vorig jaar is een reden om te gaan kijken, en nog geen reden om te gaan schrijven.

Zijn twee providers het oneens over hetzelfde bedrijf, dan zien meestal twee methodes verschillende dingen, en heeft er zelden een ongelijk. Een crawler en een bron op basis van vacatures kunnen allebei gelijk hebben. Zet je ze na elkaar in een waterfall enrichment-setup en bewaar je bij elke detectie de bron, dan krijg je een completere stack dan met een van de twee alleen.

Plays die beginnen bij een techstack

Vertrouw je een detectie eenmaal, dan wordt die een reden om contact op te nemen. De meeste technografische targeting valt onder een van vier plays.

Een concurrent vervangen

Bouw een lijst van bedrijven die het product gebruiken dat jij vervangt, en schrijf over de specifieke zwaktes waar je kopers over klagen. De timing doet er net zoveel toe als de lijst. Veel B2B-software draait op jaarcontracten, dus een bericht om een concurrent te vervangen komt meestal het best aan in de maanden voor een verlenging. Een datum van eerste detectie geeft je een ruwe schatting van wanneer dat zou kunnen zijn.

Verkopen via een integratie

Bedrijven die al tools gebruiken die op de jouwe aansluiten, hoeven minder om te bouwen en hebben minder redenen om nee te zeggen. Synchroniseert je product met HubSpot, dan hoort een HubSpot-detectie als fitsignaal in je lead scoring. In onze ervaring lopen die deals meestal sneller dan deals waarvoor eerst een nieuwe integratie nodig is.

Een duidelijk gat vullen

Stel dat je attributiesoftware verkoopt. In plaats van elk mid-market e-commercebedrijf te mailen, selecteer je de bedrijven met advertentiepixels van Google en Meta op hun site en zonder gedetecteerde attributietool. De lijst wordt veel kleiner, en elk bedrijf erop heeft hetzelfde zichtbare probleem: geld dat in advertenties gaat zonder helder zicht op wat het oplevert. Dat bericht schrijf je met vertrouwen, omdat het bewijs gewoon in hun paginabron staat.

Een verandering opvangen

Duikt er een nieuwe tool op of verdwijnt er een oude, dan loopt er vaak een project. Een bedrijf dat net een datawarehouse heeft toegevoegd, denkt waarschijnlijk opnieuw na over rapportage. Een bedrijf dat het script van een concurrent heeft verwijderd, zit misschien tussen twee leveranciers in. Zulke veranderingen zijn een trigger event, net als een fundingronde of een nieuwe aanwinst in het team, en ze staan naast andere buying signals in een signal-based selling-setup. Combineer je een verandering in de stack met intent signals, zoals onderzoek naar jouw categorie, dan weet je dat er iets is veranderd en dat iemand aan het rondkijken is.

De e-mail schrijven zonder als surveillance over te komen

De snelste manier om een goede detectie te verspillen, is hem te citeren. "Ik zag dat je het Hotjar-script op je prijspagina hebt staan" vertelt de prospect dat je zijn site hebt doorgelicht, en de meeste mensen vinden dat eerder vreemd dan indrukwekkend.

Gebruik de stack om het probleem te kiezen, en schrijf daarna over het probleem. Een team dat het product van een concurrent gebruikt, krijgt een e-mail over wat dat product slecht doet. Een team dat adverteert zonder attributie, krijgt een e-mail over niet weten welke campagnes zichzelf terugverdienen. Een openbare, bekende tool noemen is prima als dat het punt van het bericht is ("we synchroniseren in twee richtingen met Salesforce"). Noem je iets wat alleen een crawler kan weten, dan begint het te voelen alsof iemand meekijkt.

Waar technografische data in het CRM thuishoort

Een provider kan je honderden tools per bedrijf verkopen. Bijna geen daarvan hoort in je CRM. Kies het handvol dat een beslissing verandert (je concurrenten, de tools waarmee je integreert, de gaten waar je plays op leunen) en sla elk ervan op als property, met de datum waarop het voor het laatst is gezien. Al het andere kan in de enrichmenttool blijven, waar je het ophaalt zodra een nieuwe play erom vraagt.

Die paar velden doen daarna echt werk. Ze maken je ideale klantprofiel scherper, van "B2B-software, 50 tot 500 mensen" naar "B2B-software, 50 tot 500 mensen, met een CRM waarmee wij integreren". Ze filteren je outbound list building, voeden je fitscore en helpen de routing om deals waarin je een concurrent wilt vervangen bij de rep te leggen die die concurrent kent.

Bij outbound verrijk je het account vlak voordat het een sequence in gaat, en dus geen maanden vooruit. Bij inbound draai je inbound enrichment zodra er een formulier binnenkomt. Zo ziet de rep de stack voor het eerste gesprek, en kun je twee leads die op papier gelijk lijken rangschikken op wie het gat heeft dat jij vult. Allebei horen ze bij gewone data enrichment, en allebei hebben ze net als elk ander veld last van data decay. Controleer de detecties waar een campagne op draait dus opnieuw voordat de campagne de deur uit gaat.

Onthoud ook wat voor data dit is. Technografische data komt bijna altijd van een data provider, en dat zet het aan de third-party kant van de grens tussen first-party en third-party data. Vertelt een prospect je rep in een gesprek welk CRM ze gebruiken, dan wint dat antwoord van elke detectie. Geef het een eigen veld, en laat de volgende enrichment-run het niet overschrijven.

Tot slot

Technografische data is een van de weinige manieren om te leren hoe een bedrijf werkt voordat je er met iemand hebt gesproken. De waarde zit in hoe je het leest, als iemand uit de praktijk: weet via welke route elke detectie binnenkwam, weeg hem af naar hoe recent hij is bevestigd, en vertrouw een gat alleen als de ontbrekende tool normaal zichtbaar zou zijn.

Zo gebruikt doet een stack twee dingen tegelijk. Hij vertelt je welke accounts je als eerste oppakt, en met welk probleem je opent. Dat laatste gaat bij de meeste cold outreach mis. Stackdata hoort dus in de targetinglaag van je GTM-systeem, en geeft je een specifieke openingszin zodra prospecting automatisch draait, in plaats van een template waarin alleen de bedrijfsnaam is verwisseld.

Bij technografische builds voor klanten komen drie dingen in hun eigen CRM- en enrichmentaccounts: de detectiebronnen, de korte lijst met tools die het opslaan waard zijn en de regels voor verversen. Elk veld krijgt een notitie over waarom het er staat, en na het project blijft het team van de klant het zelf bijsturen.

Veelgestelde vragen