I Del 1 pratade vi om varför de flesta ICP:er missar värdefulla segment. Nu är det dags att titta på vad ni kan göra för att bygga er ICP baserat på data och inte antaganden.
En datadriven ICP bygger på analys av era faktiska kunder – inte på gissningar. I den här artikeln går vi igenom exakt hur ni gör det, steg för steg.
Steg 1: Analysera era nuvarande kunder, på djupet
Första steget är att samla data om era befintliga kunder. Och vi pratar inte om "vi säljer till IT-företag" – vi pratar om hundratals datapunkter per företag.
Firmografisk data:
Teknografisk data:
Beteendedata:
Webbdata:
Detta är inte kvalitativ research – det är kvantitativ analys av era kunder som grupp.
Steg 2: Identifiera era "best fit"-kunder
Inte alla kunder är lika värdefulla. Dela upp er kundbas i tre grupper:
Högpresterande kunder:
Medelpresterande kunder:
Lågpresterande kunder:
Fokusera analysen på era högpresterande kunder. Vilka gemensamma mönster ser ni?
Steg 3: Hitta de dolda mönstren
Det är här det blir riktigt intressant. Moderna analysverktyg kan identifiera samband ni aldrig skulle hitta manuellt.
Exempel på mönster:
Företag A (SaaS för HR):
Poängen är: Er ICP är inte vad ni tror, den är vad datan visar.
Steg 4: Testa och iterera
En datadriven ICP är inte statisk. Den utvecklas när:
Analysera kvartalsvis:
Goava Discover gör denna analys löpande automatiskt, så att era AI-rekommendationer alltid baseras på er senaste kunddata.
Läs mer om hur Convini får rätt förutsättningar att hålla hög aktivitet med träffsäkerhet och kvalitet i sin prospektering.
Nu har ni en datadriven ICP men hur hittar ni företag som matchar era mönster? Hur prioriterar säljteamet bland tusentals potentiella leads?
I Del 3 visar vi hur ni går från en ICP till konkreta AI-rekommendationer som säljteamet kan agera på direkt.
Om ni inte redan fått en gratis ICP-analys av er kundportfölj. Hittar ni Goavas ICP Market Agent här: Få gratis ICP-analys →
Det ni får i analysen: