Leda forskning och kvalificering

Vinster:

• Förmåga att tydliggöra den ideala kundprofilen (ICP) och köparpersona med hjälp av AI
• Förmåga att kvalificera leads på ett strukturerat sätt med ramar som BANT och MEDDIC
• Förmåga att tillämpa disciplinen att verifiera företags-/personinformation som produceras av AI mot källan

Det dyraste misstaget i försäljningen är att prata med fel person. En representant ägnar veckor åt att förklara rätt produkt för fel kund vid rätt tidpunkt och får så småningom svaret "det finns ingen budget" eller "det är inte jag som bestämmer." Ändå kan denna information till stor del extraheras innan den första kontakten. Det är precis vad lead research och kvalificering gör: urskilj tidigt vem som faktiskt kan vara din kund och vem som är slöseri med tid. I den här enheten kommer du att lära dig hur du använder AI som motorn i denna process; Vi kommer att se steg för steg, från att skapa Ideal Customer Profile (ICP) och köparpersonas till poängsättning med ramverk som BANT och MEDDIC. Låt oss sätta en varning i början: Företags- och personinformation som produceras av AI anses aldrig vara "riktig" utan att den har verifierats.

Idealisk kundprofil (ICP) och köparpersona

ICP är svaret på frågan "vilken typ av företag är den ideala kunden för oss?" Persona är personen du pratar med inom det företaget. Det är två olika saker: ICP definierar företaget (firmografiskt), persona definierar personen.

koncept

Vad definierar

Exempelsignaler

ICP (firmografisk)

Idealiskt företag

Sektor, antal anställda, omsättning, geografi

ICP (teknografisk)

Teknik som används av företaget

CRM, infrastruktur, mjukvara de använder

Persona

Person i beslutsprocessen

Titel, mål, smärtpunkter, nyckeltal

Firmografiska signaler svarar på frågan "Är det här företaget lämpligt för oss storleksmässigt?" Teknografiska signaler svarar på frågan "Använder de redan en teknik som kompletterar/konflikterar oss?" Till exempel kan företag som använder en viss e-handelsinfrastruktur vara en redo grund för din integration.

ICP-definitionsuppmaning: "Nedan är egenskaperna hos de 10 bästa kunderna som vi har förvärvat under de senaste 12 månaderna. Skapa en idealisk kundprofil (ICP) genom att hitta GEMENSAMMA mönster i dem. Gör en tabell med följande dimensioner: industri, antal anställda, årlig omsättningsintervall, geografi, teknologier de använder, typiska smärtpunkter. Lita bara på externa mönster i antagandet, lägger inte till data i antagandet. {{customer_list}}"

Persona extrahering prompt: "Vi säljer {{product}}. Vår ICP är {{icp_summary}}. Definiera 3 personas som påverkar köpbeslutet i dessa företag. För varje persona:- Titel- Primära mål och KPI:er som de mäts med- Top 2 smärtpunkter- Värdeförslag för vår produkt översatt till deras språk- 2cha punkter som kan motsätta sig inköp

Kvalifikationsramar: BANT och MEDDIC

Vi mäter om ett lead är "riktigt" med strukturerade frågor. Två vanliga ramar:

TAPE — för snabb, lätt karaktärisering:

• Budget: Finns det resurser att betala?
• Auktoritet: Kan den jag pratar med fatta beslut?
• Behov: Finns det ett verkligt, akut behov?
• Tidslinje: När planerar de att ta emot den?

MEDDIC — djupare för komplex, stor B2B-försäljning:

• Mätvärden: Numerisk nytta mätt av kunden.
• Ekonomisk köpare: Den person som faktiskt kontrollerar budgeten.
• Beslutskriterier: Beslutskriterier.
• Beslutsprocess: Beslutsprocess och steg.
• Identifiera smärta: Konkret smärta.
• Mästare: Personen som försvarar dig inuti.

Ram

när

djup

TEJP

Kort cykel, låg-medelvärde

snabb eliminering

LÄKARE

Lång cykel, högt värde, flera intressenter

djup, systematisk

Tips: För små, snabba försäljningar, börja med TAPE; Byt till MEDDIC när affären växer och antalet intressenter ökar. Berätta tydligt för AI:n vilket ramverk du vill göra mål med, annars kan det förvirra de två.

Forskningssammanfattning och tillskrivningspoäng med AI

Vi använder AI för två jobb här: (1) sammanfatta den råa informationen du har per ram, (2) föreslå en poäng. Poängen är en "preliminär ranking" för dig, inte det slutgiltiga beslutet.

Lead qualification prompt (BANT): "Utvärdera följande lead-anteckningar med BANT-ramverket. Ge 0-5 poäng för varje dimension och skriv din motivering. Om information saknas, säg "ingen data", GISSA INTE. Sond: totalpoäng, "varm/varm/kall"-etikett och nästa steg-förslag. Lead-anteckningar:- Företag: {-{compane}} anteckningar: {{company}} {{interview_notes}}"

Uppmaning om prioritering av potentiella kunder: "Sortera följande 20 potentiella kunder efter deras lämplighet till vår ICP ({{icp_summary}}). För varje potentiell kund: lämplighetspoäng (0-100), starkaste passningssignal, störst osäkerhet. För de med låga poäng, skriv kort orsaken. Om företagsdata saknas, markera FITTING-listan:'. {{lead_list}}"

Svag prompt / Stark prompt

SWAG: "Är det här blyet bra?" (Resultat: en tunn kommentar på ett ord.) STARK: "Sätt betyg på den här leaden med BAND-ramverket. Ge 0-5 till varje dimension, skriv en motivering, markera den saknade informationen som "ingen data" och föreslå nästa steg baserat på totalpoängen. Gå inte längre än dina anteckningar."

Risk för tillverkning: Källverifiering

AI kan på ett trovärdigt sätt tillverka information som den inte känner till om ett företag eller en person: omsättning, antal anställda, titel, till och med namnet på beslutsfattaren. Om du kommer i kontakt med denna information kommer du att förlora din trovärdighet i ett slag.

Varning: Verifiera alla företagsspecifika data som AI returnerar (omsättning, tillväxt, chefsnamn, teknisk stack) från den primära källan: företagets egen webbplats, LinkedIn, officiella nyhetsbrev. Använd inte overifierad information i uppsökande verksamhet.

Ett enkelt verifieringsarbetsflöde:

1. Be AI:n att "sätta en källtagg på varje anspråk" för leadsammanfattningen.
2. Kontrollera varje objekt markerat "Måste verifieras" från källan en efter en.
3. Bearbeta den verifierade informationen i CRM; Ta bort det som inte kan verifieras.
4. Uppdatera endast poäng med verifierad information.
5. Först därefter gå vidare till uppsökande verksamhet.

Minifodral

B2B SaaS-representant Kaan ger en lead-lista på 50 personer till AI och sorterar den efter ICP-lämplighet. "Företag A nådde 200 anställda förra kvartalet", säger AI. Kaan öppnar företaget på LinkedIn; Antalet anställda är runt 60. AI överdriven. Kaan markerar denna signal som "måste verifieras", anger det verkliga numret och drar av poängen. I gengäld bekräftar det AI:s "Företag B öppnar en ny marknad snart"-signal med nya inlägg på företagets karriärsida och prioriterar denna ledning. Resultat: AI rankade 50 leads på minuter, Kaan validerade listan och fokuserade på de 8 riktigt heta leadsna.

Vanliga misstag

• Börjar undersöka utan att identifiera ICP (riktar på alla, skjuter ingen).
• Bearbeta företagsdata från AI till CRM utan att verifiera det.
• Blandar BANT och MEDDIC och gör halvpoäng.
• Tillåter AI att fylla i den saknade informationen med sin "gissning".
• Tänker att poängen är absolut sanning och inaktiverar mänskligt omdöme.
• Fokuserar bara på företaget istället för personan och hoppar över "vem pratar jag med".

Tips: Motivera alltid AI-poängen genom att fråga "varför fick du det på det sättet?" Om motiveringen är svag är poängen också svag. Motiveringen anger också de punkter du behöver verifiera.

Sammanfattningsvis

• ICP beskriver företaget (firmografisk + teknisk), persona beskriver personen; Båda är nödvändiga.
• BANT är för snabb kvalificering, MEDDIC är för djup och komplex försäljning.
• AI sammanfattar forskning och föreslår poäng; Det slutgiltiga beslutet tillhör personen.
• Poängen är en preliminär ranking och måste begäras in med motivering.
• Företags-/personinformation producerad av AI kan inte användas utan verifiering från den primära källan.
• Saknad information ska markeras som "ingen data" snarare än "uppskattning".

Applikationsuppgift

Gör en lista över dina senaste 5-10 förvärvade kunder och låt AI:n hitta vanliga mönster med ICP-prompten ovan. Prioritera de 10 leads du har med den resulterande ICP. Verifiera sedan varje företagsspecifikt påstående som AI gör på LinkedIn och företagswebbplatsen för de 3 potentiella kunderna med högst poäng; Notera vilka påståenden som visar sig vara falska eller ofullständiga. Den här övningen lär ut både ICP-disciplin och verifieringsreflex på samma gång.