Pangunahing Pananaliksik at Kwalipikasyon

Mga nadagdag:

• Kakayahang linawin ang perpektong profile ng customer (ICP) at persona ng mamimili sa tulong ng AI
• Kakayahang maging kwalipikado ang mga lead sa isang structured na paraan na may mga frameworks gaya ng BANT at MEDDIC
• Kakayahang ilapat ang disiplina sa pag-verify ng impormasyon ng kumpanya/tao na ginawa ng AI laban sa pinagmulan

Ang pinakamahal na pagkakamali sa pagbebenta ay ang pakikipag-usap sa maling tao. Ang isang kinatawan ay gumugugol ng mga linggo na nagpapaliwanag ng tamang produkto sa maling customer sa tamang oras at kalaunan ay natatanggap ang sagot na "walang badyet" o "Hindi ako ang nagdedesisyon." Gayunpaman ang impormasyong ito ay maaaring makuha sa kalakhan bago ang unang pakikipag-ugnay. Iyan mismo ang ginagawa ng lead research at kwalipikasyon: maagang matukoy kung sino talaga ang maaaring maging customer mo at kung sino ang nag-aaksaya ng oras. Sa yunit na ito matututunan mo kung paano gamitin ang AI bilang makina ng prosesong ito; Makikita natin ang hakbang-hakbang, mula sa paggawa ng Ideal Customer Profile (ICP) at mga persona ng mamimili hanggang sa pagmamarka gamit ang mga frameworks gaya ng BANT at MEDDIC. Maglagay tayo ng babala sa simula: Ang impormasyon ng kumpanya at tao na ginawa ng AI ay hindi kailanman itinuturing na "totoo" nang hindi nabe-verify.

Ideal Customer Profile (ICP) at Buyer Persona

ICP ang sagot sa tanong na "anong uri ng kumpanya ang perpektong customer para sa amin?" Ang Persona ay ang taong kausap mo sa loob ng kumpanyang iyon. Ang mga ito ay dalawang magkaibang bagay: ICP ang tumutukoy sa kumpanya (firmographic), ang persona ay tumutukoy sa tao.

konsepto

Ano ang tumutukoy

Mga halimbawang signal

ICP (firmographic)

Tamang kumpanya

Sektor, bilang ng mga empleyado, turnover, heograpiya

ICP (technographic)

Teknolohiya na ginagamit ng kumpanya

CRM, imprastraktura, software na ginagamit nila

Persona

Tao sa proseso ng pagpapasya

Pamagat, mga layunin, mga punto ng sakit, mga KPI

Sinasagot ng mga firmographic signal ang tanong na "Angkop ba ang kumpanyang ito para sa amin sa mga tuntunin ng laki?" Sinasagot ng mga teknograpikong senyales ang tanong na "Gumagamit na ba sila ng teknolohiya na umaakma/salungat sa atin?" Halimbawa, ang mga kumpanyang gumagamit ng isang partikular na imprastraktura ng e-commerce ay maaaring isang handa na lugar para sa iyong pagsasama.

ICP definition prompt: "Nasa ibaba ang mga katangian ng nangungunang 10 customer na nakuha namin sa nakalipas na 12 buwan. Lumikha ng Ideal Customer Profile (ICP) sa pamamagitan ng paghahanap ng mga COMMON pattern sa mga ito. Gumawa ng table na may mga sumusunod na dimensyon: industriya, headcount range, annual turnover range, heograpiya, mga teknolohiyang ginagamit nila, tipikal na punto ng sakit. Umasa lang sa mga pattern sa labas ng data, huwag idagdag ang mga nangunguna sa mga customer: {{customer_list}}"

Persona extraction prompt: "Nagbebenta kami ng {{product}}. Ang aming ICP ay {{icp_summary}}. Tumukoy ng 3 personas na nakakaimpluwensya sa desisyon sa pagbili sa mga kumpanyang ito. Para sa bawat persona:- Pamagat- Pangunahing layunin at KPI kung saan sinusukat ang mga ito- Nangungunang 2 pain point- Value proposition ng aming produkto na isinalin sa kanilang wika- 2 puntos na maaaring tumutol sa pagbili"

Mga Framework ng Kwalipikasyon: BANT at MEDDIC

Sinusukat namin kung "totoo" ang isang lead gamit ang mga structured na tanong. Dalawang karaniwang balangkas:

TAPE — para sa mabilis, magaan na paglalarawan:

• Badyet: May mga mapagkukunan ba na babayaran?
• Awtoridad: Maaari bang magdesisyon ang kausap ko?
• Kailangan: Mayroon bang tunay, kagyat na pangangailangan?
• Timeline: Kailan nila balak tanggapin ito?

MEDDIC — mas malalim para sa kumplikado, malalaking benta ng B2B:

• Mga Sukatan: Numerical na benepisyo na sinusukat ng customer.
• Economic Buyer: Ang taong talagang kumokontrol sa badyet.
• Pamantayan ng Desisyon: Pamantayan ng Desisyon.
• Proseso ng Desisyon: Proseso at hakbang ng desisyon.
• Kilalanin ang Sakit: Konkretong sakit.
• Champion: Yung taong nagtatanggol sayo sa loob.

Frame

kailan

lalim

TAPE

Maikling ikot, mababang-katamtamang halaga

mabilis na pag-aalis

MEDDIC

Mahabang cycle, mataas ang halaga, multi-stakeholder

malalim, sistematiko

Tip: Para sa maliliit at mabilis na benta, magsimula sa TAPE; Lumipat sa MEDDIC habang lumalaki ang deal at dumarami ang bilang ng mga stakeholder. Sabihin nang malinaw sa AI kung aling balangkas ang gusto mong maka-iskor, o maaaring malito ang dalawa.

Buod ng Pananaliksik at Pagmamarka ng Attribution gamit ang AI

Ginagamit namin ang AI para sa dalawang trabaho dito: (1) ibuod ang hilaw na impormasyon na mayroon ka ayon sa frame, (2) magmungkahi ng marka. Ang marka ay isang "preliminary ranking" para sa iyo, hindi ang panghuling desisyon.

Prompt para sa kwalipikasyon ng lead (BANT): "Suriin ang mga sumusunod na tala ng lead gamit ang BANT framework. Magbigay ng 0-5 puntos para sa bawat dimensyon at isulat ang iyong katwiran. Kung nawawala ang impormasyon, sabihin ang 'walang data', HUWAG HUlaan. Probe: kabuuang marka, label na 'mainit/mainit/malamig' at suhestyon sa susunod na hakbang. Mga tala ng lead:- Kumpanya: {{Tauhan}}: Pamagat: {{company}} {{interview_notes}}"

Prompt sa pagbibigay-priyoridad sa listahan ng lead: "Pagbukud-bukurin ang sumusunod na 20 lead ayon sa kanilang pagiging angkop sa aming ICP ({{icp_summary}}). Para sa bawat lead: score ng kaangkupan (0-100), signal ng pinakamalakas na fit, pinakamalaking kawalan ng katiyakan. Para sa mga may mababang marka, isulat sandali ang dahilan. Kung nawawala ang data ng kumpanya, markahan ang FITTING, 'dapat ma-verify ang listahan ng mga lead: {}}'.

Mahina Prompt / Malakas na Prompt

MAHINA: "Maganda ba ang lead na ito?" (Resulta: isang manipis, isang salita na komento.) MALAKAS: "I-iskor ang lead na ito gamit ang BAND framework. Bigyan ng 0-5 ang bawat dimensyon, magsulat ng katwiran, markahan ang nawawalang impormasyon bilang 'walang data' at imungkahi ang susunod na hakbang batay sa kabuuang marka. Huwag lumampas sa iyong mga tala."

Panganib ng Paggawa: Pag-verify ng Pinagmulan

Ang AI ay maaaring kapani-paniwalang gumawa ng impormasyon na hindi nito alam tungkol sa isang kumpanya o tao: turnover, bilang ng mga empleyado, titulo, maging ang pangalan ng gumagawa ng desisyon. Kung nakipag-ugnayan ka sa impormasyong ito, mawawala ang iyong kredibilidad sa isang iglap.

Babala: I-verify ang anumang data na partikular sa kumpanya na ibinabalik ng AI (turnover, paglago, executive name, tech stack) mula sa pangunahing pinagmulan: sariling site ng kumpanya, LinkedIn, mga opisyal na newsletter. Huwag gumamit ng hindi na-verify na impormasyon sa outreach.

Isang simpleng daloy ng trabaho sa pag-verify:

1. Hilingin sa AI na "maglagay ng source tag sa bawat claim" para sa buod ng lead.
2. Suriin ang bawat item na may markang "Dapat ma-verify" mula sa pinagmulan nang paisa-isa.
3. Iproseso ang na-verify na impormasyon sa CRM; Tanggalin ang hindi ma-verify.
4. I-update lamang ang pagmamarka na may na-verify na impormasyon.
5. Pagkatapos lamang magpatuloy sa outreach.

Mini Case

Ang kinatawan ng B2B SaaS na si Kaan ay nagbibigay ng nangungunang listahan ng 50 katao sa AI at iniayos ito ayon sa pagiging angkop sa ICP. "Naabot ng Firm A ang 200 empleyado noong nakaraang quarter," sabi ng AI. Binuksan ni Kaan ang kumpanya sa LinkedIn; Ang bilang ng mga empleyado ay nasa paligid ng 60. AI exaggerated. Minarkahan ni Kaan ang signal na ito bilang "dapat ma-verify", ipinasok ang tunay na numero at ibinabawas ang marka. Bilang kapalit, kinukumpirma nito ang signal ng AI na "Company B is opening a new market soon" na may mga bagong pag-post sa page ng karera ng kumpanya at binibigyang-priyoridad ang lead na ito. Resulta: Niraranggo ng AI ang 50 lead sa loob ng ilang minuto, na-validate ni Kaan ang listahan at nakatutok sa 8 talagang maiinit na lead.

Mga Karaniwang Pagkakamali

• Nagsisimulang mag-imbestiga nang hindi kinikilala ang ICP (tina-target ang lahat, walang binaril).
• Pinoproseso ang data ng kumpanya na ibinigay ng AI sa CRM nang hindi ito bini-verify.
• Paghahalo ng BANT at MEDDIC at paggawa ng half scoring.
• Pinapayagan ang AI na punan ang nawawalang impormasyon ng "hulaan" nito.
• Iniisip na ang marka ay ganap na katotohanan at hindi pinapagana ang paghatol ng tao.
• Tumutok lamang sa kumpanya sa halip na sa katauhan at laktawan ang "sino ang kausap ko".

Tip: Palaging bigyang-katwiran ang marka ng AI sa pamamagitan ng pagtatanong ng "bakit mo ito naiiskor ng ganoon?" Kung mahina ang katwiran, mahina rin ang marka. Ipinapahiwatig din ng katwiran ang mga punto na kailangan mong i-verify.

Sa buod

• Inilalarawan ng ICP ang kompanya (firmographic + technographic), inilalarawan ng persona ang tao; Parehong kailangan.
• Ang BANT ay para sa mabilis na pagiging kwalipikado, ang MEDDIC ay para sa malalim at kumplikadong mga benta.
• Ang AI ay nagbubuod ng pananaliksik at nagmumungkahi ng mga marka; Ang huling desisyon ay pag-aari ng tao.
• Ang marka ay isang paunang pagraranggo at dapat na hilingin nang may katwiran.
• Ang impormasyon ng kumpanya/tao na ginawa ng AI ay hindi maaaring gamitin nang walang pag-verify mula sa pangunahing pinagmulan.
• Ang nawawalang impormasyon ay dapat markahan bilang "walang data" sa halip na "tantiya".

Gawain ng aplikasyon

Gumawa ng listahan ng iyong huling 5-10 nakuhang mga customer at ipahanap sa AI ang mga karaniwang pattern gamit ang prompt ng ICP sa itaas. Unahin ang 10 lead na mayroon ka gamit ang resultang ICP. Pagkatapos ay i-verify ang bawat claim na partikular sa kumpanya na ginagawa ng AI sa LinkedIn at sa site ng kumpanya para sa 3 lead na may pinakamataas na marka; Tandaan kung aling mga claim ang lumalabas na mali o hindi kumpleto. Ang pagsasanay na ito ay nagtuturo ng parehong disiplina sa ICP at pag-verify ng reflex sa parehong oras.