이득:
- AI를 활용해 이상적인 고객 프로필(ICP)과 구매자 페르소나를 명확히 하는 능력
- BANT 및 MEDDIC과 같은 프레임워크를 사용하여 구조화된 방식으로 리드를 검증하는 기능
- AI가 생산한 기업/개인 정보를 원본과 대조하여 검증하는 원칙을 적용하는 능력
영업에서 가장 큰 비용을 초래하는 실수는 잘못된 사람과 대화하는 것입니다. 담당자는 적절한 시간에 잘못된 고객에게 올바른 제품을 설명하는 데 몇 주를 소비하고 결국 "예산이 없습니다" 또는 "내가 결정하는 사람이 아닙니다"라는 답변을 받습니다. 그러나 이 정보는 첫 번째 접촉 이전에 대부분 추출될 수 있습니다. 이것이 바로 리드 연구 및 검증이 하는 일입니다. 즉, 실제로 고객이 될 수 있는 사람과 시간 낭비인 사람을 조기에 구별하는 것입니다. 이 단원에서는 AI를 이 프로세스의 엔진으로 사용하는 방법을 배웁니다. ICP(이상적인 고객 프로필) 및 구매자 페르소나 생성부터 BANT 및 MEDDIC과 같은 프레임워크를 사용한 점수 매기기까지 단계별로 살펴보겠습니다. 처음부터 경고하자. AI가 생산한 회사와 개인 정보는 검증 없이는 결코 '진짜'로 간주되지 않는다.
이상적인 고객 프로필(ICP) 및 구매자 페르소나
ICP는 "우리에게 이상적인 고객은 어떤 기업인가?"라는 질문에 대한 답입니다. 페르소나는 해당 회사 내에서 대화를 나누는 사람입니다. 그것들은 두 가지 다른 것입니다. ICP는 회사(기업 정보)를 정의하고, 페르소나는 사람을 정의합니다.
개념
무엇이 정의하는가
예시 신호
ICP(기업그래픽)
이상적인 회사
부문, 직원 수, 매출액, 지역
ICP(기술적)
회사에서 사용하는 기술
그들이 사용하는 CRM, 인프라, 소프트웨어
페르소나
의사결정 과정에 있는 사람
제목, 목표, 문제점, KPI
기업정보 신호는 "이 회사가 규모 측면에서 우리에게 적합한가요?"라는 질문에 답합니다. 기술 신호는 "그들이 이미 우리와 보완/충돌하는 기술을 사용하고 있습니까?"라는 질문에 대답합니다. 예를 들어, 특정 전자 상거래 인프라를 사용하는 회사는 통합을 위한 준비된 기반이 될 수 있습니다.
ICP 정의 프롬프트: "다음은 지난 12개월 동안 확보한 상위 10명의 고객의 특징입니다. 공통 패턴을 찾아서 이상적인 고객 프로필(ICP)을 만듭니다. 다음 차원으로 테이블을 만듭니다: 산업, 인원 수 범위, 연간 매출액 범위, 지리, 사용 기술, 일반적인 문제점. 데이터의 패턴에만 의존하고 데이터 외부에 가정을 추가하지 마십시오. 상위 고객: {{customer_list}}"
페르소나 추출 프롬프트: "저희는 {{제품}}을(를) 판매합니다. ICP는 {{icp_summary}}입니다. 이 회사의 구매 결정에 영향을 미치는 3가지 페르소나를 정의합니다. 각 페르소나에 대해:- 제목- 측정 기준이 되는 주요 목표 및 KPI- 상위 2가지 문제점- 해당 언어로 번역된 제품의 가치 제안-구매에 반대할 수 있는 2점"
자격 프레임워크: BANT 및 MEDDIC
구조화된 질문을 통해 리드가 "실제"인지 여부를 측정합니다. 두 가지 일반적인 프레임워크:
TAPE — 빠르고 가벼운 특성화용:
- 예산: 지불할 자원이 있습니까?
- 권위: 내가 말하는 사람이 결정을 내릴 수 있나요?
- 필요: 실제로 긴급한 필요가 있습니까?
- 타임라인: 언제 받을 계획인가요?
MEDDIC — 복잡하고 대규모 B2B 판매를 위한 더 깊은 기능:
- 지표: 고객이 측정한 수치적 이점입니다.
- 경제적 구매자: 실제로 예산을 통제하는 사람.
- 결정 기준: 결정 기준.
- 결정 프로세스: 결정 프로세스 및 단계.
- 통증 식별: 구체적인 통증.
- 챔피언: 내면에서 당신을 지켜주는 사람.
프레임
언제
깊이
테이프
짧은 주기, 낮은 중간 값
빠른 제거
메딕
긴 주기, 높은 가치, 다중 이해관계자
깊고 체계적
팁: 소규모의 빠른 판매를 위해서는 TAPE로 시작하세요. 거래 규모가 커지고 이해관계자 수가 늘어나면 MEDDIC으로 전환하세요. 어떤 프레임워크로 점수를 매기고 싶은지 AI에게 명확하게 알려주십시오. 그렇지 않으면 둘을 혼동할 수 있습니다.
AI를 이용한 연구 요약 및 귀속 점수 매기기
여기서는 두 가지 작업에 AI를 사용합니다. (1) 프레임별로 보유한 원시 정보를 요약하고, (2) 점수를 제안합니다. 점수는 최종 결정이 아닌 '예비 순위'입니다.
리드 자격 프롬프트(BANT): "BANT 프레임워크를 사용하여 다음 리드 메모를 평가합니다. 각 차원에 대해 0~5점을 부여하고 근거를 작성합니다. 정보가 누락된 경우 '데이터 없음'이라고 말하고 추측하지 마세요. 프로브: 총 점수, '핫/웜/콜드' 라벨 및 다음 단계 제안. 리드 메모:- 회사: {{회사}}- 인터뷰 대상자/직위: {{사람}}- 메모: {{interview_notes}}"
리드 목록 우선 순위 지정 프롬프트: "ICP({{icp_summary}})에 대한 적합성에 따라 다음 20개의 리드를 정렬합니다. 각 리드에 대해: 적합성 점수(0-100), 가장 적합한 신호, 가장 큰 불확실성. 점수가 낮은 경우 이유를 간략하게 작성합니다. 회사 데이터가 누락된 경우 FITTING, '확인되어야 함'으로 표시합니다. 리드 목록: {{lead_list}}"
약한 프롬프트 / 강한 프롬프트
약함: "이 리드가 좋은가요?" (결과: 얄팍한 한 단어 코멘트.) STRONG: "BAND 프레임워크를 사용하여 이 리드에 점수를 매깁니다. 각 차원에 0-5를 부여하고, 근거를 작성하고, 누락된 정보를 '데이터 없음'으로 표시하고 총 점수를 기준으로 다음 단계를 제안합니다. 메모를 넘어서지 마십시오."
조작 위험: 소스 확인
AI는 이직률, 직원 수, 직함, 심지어 의사 결정자의 이름까지 회사나 사람에 대해 알지 못하는 정보를 신뢰할 수 있게 조작할 수 있습니다. 이 정보를 접하게 되면 단번에 신뢰를 잃게 됩니다.
주의: AI가 기본 소스(회사 자체 사이트, LinkedIn, 공식 뉴스레터)에서 반환하는 회사별 데이터(매출액, 성장, 임원명, 기술 스택)를 확인하세요. 지원 활동에 확인되지 않은 정보를 사용하지 마세요.
간단한 확인 작업 흐름:
- 리드 요약을 위해 AI에게 "각 주장에 소스 태그를 추가"하도록 요청하세요.
- 출처에서 "꼭 확인해야 함"이라고 표시된 항목을 하나씩 확인해보세요.
- 확인된 정보를 CRM으로 처리합니다. 확인할 수 없는 내용은 삭제하세요.
- 검증된 정보로만 점수를 업데이트하세요.
- 그런 다음에야 홍보 활동을 진행하세요.
미니 케이스
B2B SaaS 대표인 Kaan은 50명의 리드 목록을 AI에 제공하고 이를 ICP 적합성에 따라 정렬합니다. AI는 “A회사는 지난 분기에 직원이 200명에 이르렀습니다.”라고 말합니다. Kaan은 LinkedIn에 회사를 설립했습니다. 직원 수는 60명 정도다. AI가 과장했다. Kaan은 이 신호를 "확인해야 함"으로 표시하고 실수를 입력한 후 점수를 차감합니다. 그 대가로 회사의 채용 페이지에 새로운 게시물을 올려 AI의 "B사가 곧 새로운 시장을 오픈합니다"라는 신호를 확인하고 이 리드를 우선순위로 둡니다. 결과: AI는 몇 분 만에 50개의 리드 순위를 매겼고, Kaan은 목록을 검증하고 8개의 정말 인기 있는 리드에 집중했습니다.
일반적인 실수
- ICP를 식별하지 않고 조사를 시작합니다(모든 사람을 대상으로 하고, 아무도 쏘지 않음).
- AI가 제공한 기업 데이터를 검증 없이 CRM으로 처리합니다.
- BANT와 MEDDIC을 혼합하여 하프 스코어링을 수행합니다.
- AI가 "추측"으로 누락된 정보를 채울 수 있도록 허용합니다.
- 점수가 절대적인 진실이라고 생각하고 인간의 판단을 무력화시키는 것입니다.
- 페르소나 대신 회사에만 집중하고 '내가 누구와 이야기하고 있는지'를 생략합니다.
팁: 항상 “왜 그렇게 점수를 매겼나요?”라고 질문하여 AI 점수를 정당화하세요. 명분이 약하면 점수도 약하다. 근거는 또한 확인해야 할 사항을 나타냅니다.
요약하면
- ICP는 회사(기업정보 + 기술)를 설명하고, 페르소나는 사람을 설명합니다. 둘 다 필요합니다.
- BANT는 빠른 자격 확인을 위한 것이고 MEDDIC은 심층적이고 복잡한 판매를 위한 것입니다.
- AI는 연구를 요약하고 점수를 제안합니다. 최종 결정은 그 사람의 몫입니다.
- 점수는 예비 순위이므로 정당한 사유를 가지고 요청해야 합니다.
- AI가 생산한 기업/개인 정보는 1차 출처의 검증 없이는 사용할 수 없습니다.
- 누락된 정보는 '추정'이 아닌 '데이터 없음'으로 표시해야 합니다.
응용과제
최근에 확보한 고객 5~10명의 목록을 만들고 AI가 위의 ICP 프롬프트를 사용하여 공통 패턴을 찾도록 합니다. 결과 ICP를 사용하여 보유한 10개의 리드에 우선순위를 지정하세요. 그런 다음 AI가 LinkedIn 및 회사 사이트에서 가장 높은 점수를 받은 3개의 리드에 대해 제시하는 각 회사별 주장을 확인합니다. 어떤 주장이 거짓이거나 불완전한 것으로 판명되는지 확인하세요. 이 연습에서는 ICP 규율과 검증 반사를 동시에 가르칩니다.