收益：
- 能够借助人工智能阐明理想的客户档案 (ICP) 和买家角色
- 能够利用 BANT 和 MEDDIC 等框架以结构化方式确定潜在客户资格
- 能够根据来源应用验证人工智能生成的公司/个人信息的能力
销售中最昂贵的错误就是与错误的人交谈。一位代表花费数周时间在正确的时间向错误的客户解释正确的产品，最终收到的答案是“没有预算”或“我不是做决定的人”。然而，这些信息很大程度上可以在第一次接触之前提取出来。这正是领先研究和资格认证的作用：尽早区分谁实际上可能是您的客户，谁是浪费时间。在本单元中，您将学习如何使用人工智能作为此过程的引擎；我们将逐步了解从创建理想客户档案 (ICP) 和买家角色到使用 BANT 和 MEDDIC 等框架进行评分。让我们首先警告一下：人工智能产生的公司和个人信息在未经验证的情况下永远不会被认为是“真实的”。
理想的客户档案 (ICP) 和买家角色
ICP 回答了“哪种类型的公司是我们的理想客户？”这一问题。人物角色是指在公司内与您交谈的人。它们是两个不同的东西：ICP 定义公司（公司信息），角色定义人。
概念
什么定义
信号示例
ICP（公司统计）
理想公司
行业、员工人数、营业额、地理位置
ICP（技术）
公司使用的技术
他们使用的 CRM、基础设施和软件
人格面具
决策过程中的人
标题、目标、痛点、KPI
公司结构信号回答了“这家公司的规模是否适合我们？”的问题。技术信号回答了“他们是否已经在使用与我们互补/冲突的技术？”这一问题。例如，使用特定电子商务基础设施的公司可能是您集成的现成基础。
ICP 定义提示：“以下是我们在过去 12 个月中获得的前 10 位客户的特征。通过查找其中的常见模式来创建理想客户档案 (ICP)。制作一个包含以下维度的表格：行业、员工范围、年营业额范围、地理位置、他们使用的技术、典型痛点。仅依赖数据中的模式，不要在数据之外添加假设。主要客户：{{customer_list}}”
角色提取提示：“我们销售 {{product}}。我们的 ICP 是 {{icp_summary}}。定义影响这些公司购买决策的 3 个角色。对于每个角色：- 标题 - 衡量它们的主要目标和 KPI - 前 2 个痛点 - 我们产品的价值主张翻译成他们的语言 - 可能反对购买的 2 个点”
资格框架：BANT 和 MEDDIC
我们通过结构化问题来衡量潜在客户是否“真实”。两个常见的框架：
TAPE — 用于快速、轻量级表征：
- 预算：有资源可以支付吗？
- 权威：与我交谈的人可以做出决定吗？
- 需求：是否有真正的、紧急的需求？
- 时间表：他们计划什么时候收到？
MEDDIC — 更深入地实现复杂的大型 B2B 销售：
- 指标：由客户衡量的数值效益。
- 经济买家：实际控制预算的人。
- 决策标准：决策标准。
- 决策过程：决策过程和步骤。
- 识别疼痛：具体的疼痛。
- 冠军：在内心保护你的人。
框架
当
深度
胶带
周期短、中低价值
快速消除
医学诊断中心
长周期、高价值、多利益相关方
深刻、系统
提示：对于小额快速销售，请从 TAPE 开始；随着交易的增长和利益相关者数量的增加，转向 MEDDIC。明确告诉AI你想用哪个框架来评分，不然可能会把两者混淆。
研究总结和人工智能归因评分
我们在这里将人工智能用于两项工作：（1）按框架总结您拥有的原始信息，（2）提出分数。分数只是你的“初步排名”，而不是最终决定。
潜在客户资格提示 (BANT)：“使用 BANT 框架评估以下潜在客户注释。为每个维度给出 0-5 分，并写下您的理由。如果信息缺失，请说‘无数据’，请勿猜测。探索：总分、‘热/暖/冷’标签和下一步建议。潜在客户注释：- 公司：{{company}}- 受访者/职位：{{person}}- 注释：{{interview_notes}}"
潜在客户列表优先级提示：“根据对我们 ICP ({{icp_summary}}) 的适合性对以下 20 个潜在客户进行排序。对于每个潜在客户：适合性得分 (0-100)、最强的拟合信号、最大的不确定性。对于得分较低的，请简要写出原因。如果公司数据缺失，请标记“适合”，“必须经过验证”。潜在客户列表：{{lead_list}}”
弱提示/强提示
弱者：“这个线索好吗？” （结果：一句脆弱的单字评论。） 强：“使用 BAND 框架对这一领先优势进行评分。给每个维度打分 0-5，写出理由，将缺失的信息标记为“无数据”，并根据总分建议下一步。不要超出你的笔记范围。”
伪造风险：来源验证
人工智能可以可信地伪造它不知道的有关公司或个人的信息：营业额、员工人数、头衔，甚至决策者的姓名。如果接触到这些信息，你就会一下子失去信誉。
注意：验证人工智能从主要来源返回的任何公司特定数据（营业额、增长、高管姓名、技术堆栈）：公司自己的网站、LinkedIn、官方新闻通讯。请勿在外展活动中使用未经验证的信息。
一个简单的验证工作流程：
- 要求人工智能“在每个声明上放置来源标签”作为主要摘要。
- 对标有“必须核实”的每一项，都从来源处一一核对。
- 将验证后的信息处理到CRM中；删除无法验证的内容。
- 仅使用经过验证的信息更新评分。
- 然后才继续进行外展。
迷你包
B2B SaaS 代表 Kaan 向 AI 提供了 50 人的领导名单，并根据 ICP 适合性进行排序。 “A 公司上季度员工人数达到 200 人，”AI 表示。卡恩在 LinkedIn 上开设了公司；员工人数在60人左右。AI夸大了。卡恩将此信号标记为“必须验证”，输入实数并扣除分数。作为回报，它通过在公司的职业页面上发布新帖子来确认 AI 的“B 公司即将开辟新市场”信号，并优先考虑这一领先优势。结果：AI 在几分钟内对 50 个潜在客户进行了排名，Kaan 验证了该列表并重点关注了 8 个真正热门的潜在客户。
常见错误
- 在未确定 ICP 的情况下开始调查（针对所有人，不射击任何人）。
- 将AI提供的公司数据处理到CRM中而不进行验证。
- 混合 BANT 和 MEDDIC 并进行一半评分。
- 让AI用它的“猜测”来填补缺失的信息。
- 认为分数是绝对真实的并且妨碍了人类的判断。
- 只关注公司而不是角色并跳过“我在和谁说话”。
提示：始终通过询问“你为什么这样评分？”来证明 AI 评分的合理性。如果理由很弱，那么得分也很弱。理由还指出了您需要验证的要点。
综上所述
- ICP描述了公司（公司结构+技术结构），角色描述了人；两者都是必要的。
- BANT 用于快速排位赛，MEDDIC 用于深入而复杂的销售。
- 人工智能总结研究并给出评分建议；最终决定权属于个人。
- 该分数是初步排名，必须在提出合理要求的情况下提出。
- 人工智能产生的公司/个人信息未经第一来源验证不得使用。
- 缺失信息应标记为“无数据”而不是“估计”。
应用任务
列出您最近获得的 5-10 个客户，并让 AI 通过上面的 ICP 提示找到常见模式。使用生成的 ICP 优先考虑您拥有的 10 个潜在客户。然后验证 AI 在 LinkedIn 和公司网站上针对 3 个得分最高的潜在客户做出的每个公司特定声明；请注意哪些声明被证明是错误或不完整的。该练习同时教授 ICP 纪律和验证反应。