การวิจัยและการรับรองผู้นำ

กำไร:

• ความสามารถในการชี้แจงโปรไฟล์ลูกค้าในอุดมคติ (ICP) และลักษณะผู้ซื้อด้วยความช่วยเหลือของ AI
• ความสามารถในการคัดเลือกลูกค้าเป้าหมายในลักษณะที่มีโครงสร้างด้วยกรอบงาน เช่น BANT และ MEDDIC
• ความสามารถในการใช้ระเบียบวินัยในการตรวจสอบข้อมูลบริษัท/บุคคลที่ผลิตโดย AI กับแหล่งที่มา

ความผิดพลาดที่แพงที่สุดในการขาย คือการพูดคุยกับคนผิด ตัวแทนใช้เวลาหลายสัปดาห์ในการอธิบายผลิตภัณฑ์ที่เหมาะสมให้กับลูกค้าผิดในเวลาที่เหมาะสม และในที่สุดก็ได้รับคำตอบว่า "ไม่มีงบประมาณ" หรือ "ฉันไม่ใช่คนตัดสินใจ" แต่ข้อมูลนี้สามารถดึงออกมาได้เป็นส่วนใหญ่ก่อนการติดต่อครั้งแรก นั่นคือสิ่งที่ผู้นำการวิจัยและการรับรองทำ: แยกแยะตั้งแต่เนิ่นๆ ว่าใครอาจเป็นลูกค้าของคุณจริงๆ และใครที่เสียเวลา ในหน่วยนี้คุณจะได้เรียนรู้วิธีใช้ AI เป็นเครื่องมือของกระบวนการนี้ เราจะดูทีละขั้นตอน ตั้งแต่การสร้างโปรไฟล์ลูกค้าในอุดมคติ (ICP) และลักษณะผู้ซื้อ ไปจนถึงการให้คะแนนด้วยกรอบงาน เช่น BANT และ MEDDIC เรามาเตือนกันตั้งแต่ต้นว่า ข้อมูลบริษัทและบุคคลที่ผลิตโดย AI จะไม่ถือว่าเป็น "ของจริง" หากไม่ได้รับการตรวจสอบ

โปรไฟล์ลูกค้าในอุดมคติ (ICP) และลักษณะผู้ซื้อ

ICP คือคำตอบของคำถามที่ว่า "บริษัทประเภทไหนที่เหมาะกับเรา" Persona คือบุคคลที่คุณพูดคุยด้วยภายในบริษัทนั้น พวกเขาเป็นสองสิ่งที่แตกต่างกัน: ICP กำหนดบริษัท (บริษัท) บุคคลกำหนดบุคคล

แนวคิด

สิ่งที่กำหนด

ตัวอย่างสัญญาณ

ICP (เฟิร์มกราฟิก)

บริษัทในอุดมคติ

ภาคส่วน จำนวนพนักงาน การหมุนเวียน ภูมิศาสตร์

ICP (เทคโนโลยี)

เทคโนโลยีที่บริษัทใช้

CRM, โครงสร้างพื้นฐาน, ซอฟต์แวร์ที่พวกเขาใช้

บุคลิก

บุคคลที่อยู่ในกระบวนการตัดสินใจ

หัวข้อ เป้าหมาย ปัญหา KPI

สัญญาณ Firmographic ตอบคำถาม "บริษัทนี้เหมาะกับเราในแง่ของขนาดหรือไม่" สัญญาณเทคโนโลยีตอบคำถาม "พวกเขาใช้เทคโนโลยีที่เสริม/ขัดแย้งกับเราแล้วหรือยัง" ตัวอย่างเช่น บริษัทที่ใช้โครงสร้างพื้นฐานอีคอมเมิร์ซบางอย่างอาจเป็นพื้นที่ที่พร้อมสำหรับการบูรณาการของคุณ

พร้อมท์คำจำกัดความของ ICP: "ด้านล่างนี้คือคุณลักษณะของลูกค้า 10 อันดับแรกที่เราได้รับในช่วง 12 เดือนที่ผ่านมา สร้างโปรไฟล์ลูกค้าในอุดมคติ (ICP) โดยการค้นหารูปแบบทั่วไปในนั้น สร้างตารางที่มีมิติข้อมูลต่อไปนี้: อุตสาหกรรม, ช่วงจำนวนพนักงาน, ช่วงการหมุนเวียนประจำปี, ภูมิศาสตร์, เทคโนโลยีที่พวกเขาใช้, ปัญหาทั่วไป พึ่งพารูปแบบในข้อมูลเท่านั้น อย่าเพิ่มสมมติฐานนอกข้อมูล ลูกค้ายอดนิยม: {{customer_list}}"

ข้อความแจ้งการแยกบุคคล: "เราขาย {{product}} ICP ของเราคือ {{icp_summary}} กำหนดบุคคล 3 คนที่มีอิทธิพลต่อการตัดสินใจซื้อในบริษัทเหล่านี้ สำหรับแต่ละบุคคล:- ชื่อ- เป้าหมายหลักและ KPI ที่ใช้วัดผล - จุดบอด 2 อันดับแรก - ข้อเสนอคุณค่าของผลิตภัณฑ์ของเราแปลเป็นภาษาของพวกเขา- 2 คะแนนที่อาจคัดค้านการซื้อ"

กรอบคุณสมบัติ: BANT และ MEDDIC

เราวัดว่าโอกาสในการขายนั้น "จริง" หรือไม่ด้วยคำถามที่มีโครงสร้าง สองกรอบการทำงานทั่วไป:

TAPE — เพื่อการแสดงคุณลักษณะที่รวดเร็วและมีน้ำหนักเบา:

• งบประมาณ: มีทรัพยากรที่จะจ่ายหรือไม่?
• ผู้มีอำนาจ: บุคคลที่ฉันกำลังพูดคุยเพื่อตัดสินใจได้หรือไม่?
• Need: มีความจำเป็นเร่งด่วนจริงหรือ?
• ไทม์ไลน์: พวกเขาวางแผนที่จะได้รับเมื่อใด

MEDDIC — เจาะลึกยิ่งขึ้นสำหรับการขาย B2B ขนาดใหญ่ที่ซับซ้อน:

• ตัวชี้วัด: ผลประโยชน์เชิงตัวเลขที่วัดโดยลูกค้า
• ผู้ซื้อทางเศรษฐกิจ: บุคคลที่ควบคุมงบประมาณอย่างแท้จริง
• เกณฑ์การตัดสินใจ: เกณฑ์การตัดสินใจ
• กระบวนการตัดสินใจ: กระบวนการและขั้นตอนการตัดสินใจ
• ระบุความเจ็บปวด: ความเจ็บปวดที่เป็นรูปธรรม
• แชมป์: คนที่ปกป้องคุณจากภายใน

กรอบ

เมื่อ

ความลึก

เทป

รอบสั้น ค่าต่ำ-ปานกลาง

กำจัดอย่างรวดเร็ว

เมดิก

วงจรยาว มูลค่าสูง ผู้มีส่วนได้ส่วนเสียหลายฝ่าย

ลึกซึ้งและเป็นระบบ

เคล็ดลับ: สำหรับการขายเล็กๆ น้อยๆ อย่างรวดเร็ว ให้เริ่มด้วย TAPE เปลี่ยนไปใช้ MEDDIC เมื่อข้อตกลงเติบโตขึ้นและจำนวนผู้มีส่วนได้ส่วนเสียเพิ่มขึ้น บอก AI ให้ชัดเจนว่าคุณต้องการให้คะแนน Framework ใด ไม่เช่นนั้นอาจทำให้ทั้งสองสับสนได้

สรุปการวิจัยและการให้คะแนนการระบุแหล่งที่มาด้วย AI

เราใช้ AI สำหรับงานสองอย่างที่นี่: (1) สรุปข้อมูลดิบที่คุณมีตามเฟรม (2) แนะนำคะแนน คะแนนถือเป็น "อันดับเบื้องต้น" สำหรับคุณ ไม่ใช่การตัดสินใจขั้นสุดท้าย

ข้อความแจ้งคุณสมบัติลูกค้าเป้าหมาย (BANT): "ประเมินบันทึกลูกค้าเป้าหมายต่อไปนี้ด้วยกรอบงาน BANT ให้ 0-5 คะแนนสำหรับแต่ละมิติและเขียนเหตุผลของคุณ หากข้อมูลหายไป ระบุว่า 'ไม่มีข้อมูล' อย่าคาดเดา ตรวจสอบ: คะแนนรวม ป้ายกำกับ 'ร้อน/อุ่น/เย็น' และข้อเสนอแนะขั้นตอนถัดไป หมายเหตุลูกค้าเป้าหมาย:- บริษัท: {{บริษัท}}- ผู้ให้สัมภาษณ์/ตำแหน่ง: {{person}}- หมายเหตุ: {{interview_notes}}"

ข้อความแจ้งการจัดลำดับความสำคัญของรายการลูกค้าเป้าหมาย: "จัดเรียงลูกค้าเป้าหมาย 20 รายต่อไปนี้ตามความเหมาะสมกับ ICP ของเรา ({{icp_summary}}) สำหรับแต่ละลูกค้าเป้าหมาย: คะแนนความเหมาะสม (0-100) สัญญาณที่พอดีที่สุด ความไม่แน่นอนสูงสุด สำหรับผู้ที่มีคะแนนต่ำ ให้เขียนเหตุผลสั้นๆ หากข้อมูลบริษัทหายไป ให้ทำเครื่องหมาย FITTING 'ต้องตรวจสอบ' รายการลูกค้าเป้าหมาย: {{lead_list}}"

พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง

อ่อนแอ: "ลีดนี้ดีไหม?" (ผลลัพธ์: ความคิดเห็นที่บอบบางและเป็นคำเดียว) แข็งแกร่ง: "ให้คะแนนโอกาสในการขายนี้โดยใช้กรอบงาน BAND ให้ 0-5 ในแต่ละมิติ เขียนเหตุผล ทำเครื่องหมายข้อมูลที่ขาดหายไปว่า 'ไม่มีข้อมูล' และแนะนำขั้นตอนถัดไปตามคะแนนรวม อย่าไปไกลกว่าบันทึกย่อของคุณ"

ความเสี่ยงของการผลิต: การตรวจสอบแหล่งที่มา

AI สามารถสร้างข้อมูลที่ไม่รู้เกี่ยวกับบริษัทหรือบุคคลได้อย่างน่าเชื่อถือ เช่น การลาออก จำนวนพนักงาน ตำแหน่ง แม้แต่ชื่อของผู้มีอำนาจตัดสินใจ หากคุณสัมผัสกับข้อมูลนี้ คุณจะสูญเสียความน่าเชื่อถือในคราวเดียว

ข้อควรระวัง: ตรวจสอบข้อมูลเฉพาะของบริษัทที่ AI ส่งคืน (มูลค่าการซื้อขาย การเติบโต ชื่อผู้บริหาร กลุ่มเทคโนโลยี) จากแหล่งที่มาหลัก: เว็บไซต์ของบริษัทเอง LinkedIn จดหมายข่าวอย่างเป็นทางการ อย่าใช้ข้อมูลที่ไม่ได้รับการตรวจสอบในการเผยแพร่ประชาสัมพันธ์

ขั้นตอนการตรวจสอบอย่างง่าย:

1. ขอให้ AI “ใส่แท็กแหล่งที่มาในการอ้างสิทธิ์แต่ละรายการ” เพื่อเป็นข้อมูลสรุปโอกาสในการขาย
2. ตรวจสอบแต่ละรายการที่มีเครื่องหมาย "ต้องตรวจสอบ" จากแหล่งที่มาทีละรายการ
3. ประมวลผลข้อมูลที่ตรวจสอบแล้วลงใน CRM ลบสิ่งที่ไม่สามารถตรวจสอบได้
4. อัปเดตการให้คะแนนด้วยข้อมูลที่ตรวจสอบแล้วเท่านั้น
5. จากนั้นจึงมุ่งสู่การขยายงานต่อไป

มินิเคส

Kaan ตัวแทน B2B SaaS มอบรายชื่อผู้นำจำนวน 50 คนให้กับ AI และจัดเรียงตามความเหมาะสมของ ICP “บริษัท A มีพนักงานถึง 200 คนในไตรมาสที่แล้ว” AI กล่าว คานเปิดบริษัทบน LinkedIn จำนวนพนักงานประมาณ 60 คน AI พูดเกินจริง คานทำเครื่องหมายสัญญาณนี้ว่า "ต้องตรวจสอบ" ใส่จำนวนจริงและหักคะแนน ในทางกลับกัน เป็นการยืนยันสัญญาณ "บริษัท B กำลังเปิดตลาดใหม่เร็วๆ นี้" ของ AI พร้อมการโพสต์ใหม่บนหน้าอาชีพของบริษัท และจัดลำดับความสำคัญของโอกาสในการขายนี้ ผลลัพธ์: AI จัดอันดับลูกค้าเป้าหมาย 50 รายในไม่กี่นาที Kaan ตรวจสอบรายการและมุ่งเน้นไปที่ลูกค้าเป้าหมายที่ร้อนแรง 8 ราย

ข้อผิดพลาดทั่วไป

• เริ่มสอบสวนโดยไม่ระบุ ICP (กำหนดเป้าหมายทุกคน ไม่ยิงใคร)
• ประมวลผลข้อมูลบริษัทที่ AI ให้ไว้ใน CRM โดยไม่ต้องตรวจสอบ
• ผสม BANT และ MEDDIC แล้วให้คะแนนครึ่งหนึ่ง
• ให้ AI กรอกข้อมูลที่หายไปด้วยการ “เดา”
• คิดว่าคะแนนเป็นความจริงที่สมบูรณ์และปิดการตัดสินของมนุษย์
• มุ่งความสนใจไปที่บริษัทเท่านั้น แทนที่จะเป็นบุคลิก และข้าม "ฉันกำลังคุยกับใคร"

เคล็ดลับ: ปรับคะแนน AI ให้เหมาะสมเสมอโดยถามว่า “ทำไมคุณถึงให้คะแนนแบบนั้น” ถ้าเหตุผลอ่อน คะแนนก็อ่อนไปด้วย เหตุผลยังระบุประเด็นที่คุณต้องตรวจสอบด้วย

โดยสรุป

• ICP อธิบายบริษัท (firmographic + technographic) บุคคลอธิบายถึงบุคคล ทั้งสองมีความจำเป็น
• BANT มีไว้สำหรับการตรวจสอบคุณสมบัติอย่างรวดเร็ว MEDDIC มีไว้สำหรับการขายเชิงลึกและซับซ้อน
• AI สรุปการวิจัยและเสนอแนะคะแนน การตัดสินใจขั้นสุดท้ายเป็นของบุคคลนั้น
• คะแนนเป็นการจัดอันดับเบื้องต้นและต้องขอโดยมีเหตุผล
• ข้อมูลบริษัท/บุคคลที่ผลิตโดย AI ไม่สามารถนำมาใช้ได้หากไม่มีการตรวจสอบจากแหล่งที่มาหลัก
• ข้อมูลที่ขาดหายไปควรทำเครื่องหมายว่า "ไม่มีข้อมูล" แทนที่จะเป็น "ประมาณการ"

งานสมัคร

สร้างรายชื่อลูกค้าที่ได้รับ 5-10 รายล่าสุดของคุณ และให้ AI ค้นหารูปแบบทั่วไปด้วยข้อความแจ้ง ICP ด้านบน จัดลำดับความสำคัญของลูกค้าเป้าหมาย 10 รายที่คุณมีโดยใช้ ICP ที่เป็นผลลัพธ์ จากนั้นตรวจสอบการอ้างสิทธิ์เฉพาะบริษัทแต่ละแห่งที่ AI ทำบน LinkedIn และเว็บไซต์ของบริษัทสำหรับโอกาสในการขายที่ได้คะแนนสูงสุด 3 อันดับแรก โปรดทราบว่าการกล่าวอ้างใดที่กลายเป็นเท็จหรือไม่สมบูรณ์ แบบฝึกหัดนี้สอนทั้งวินัยของ ICP และแบบสะท้อนการตรวจสอบในเวลาเดียวกัน