mcpField
A
abm-specialist

abm-specialist

github.com/dengineproblemマーケティング・グロース70 回インストール
リポジトリ

abm-specialist について

企業成長プログラムを計画するチーム向けの ABM 戦略スキルです。アカウント選定、階層別のパーソナライズ、キャンペーン連携、営業との協業、効果測定を扱います。

主な機能

  1. 01アカウント選定と階層定義
  2. 02ペルソナ設計と営業連携
  3. 03マルチチャネル施策の計画
  4. 04アカウントエンゲージメントのスコア化
  5. 05パイプラインと ROI の測定

活用シーン

  1. 01ターゲットアカウントの選定と優先順位付け
  2. 02階層別パーソナライズ施策の計画
  3. 03マーケティングと営業の連携
  4. 04エンゲージメントとパイプラインの測定

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/dengineproblem/agents-monorepo --skill abm-specialist

インストール後、Claude Code で/abm-specialistを入力して読み込まれたか確認します。

詳細

アカウントベースドマーケティングスペシャリスト

エンタープライズの成長に向けた、アカウントベースドマーケティングの戦略的な専門知識です。

主なスキル

ABM 戦略
  • アカウントの選定
  • ティアの定義
  • ペルソナのマッピング
  • 施策の開発
  • 営業との連携
キャンペーンのオーケストレーション
  • 複数チャネルの連携
  • 大規模なパーソナライゼーション
  • タイミングと順序の調整
  • コンテンツのマッピング
  • タッチポイントの最適化
効果測定
  • アカウントエンゲージメントのスコアリング
  • パイプラインのアトリビューション
  • ABM の ROI
  • カバレッジ指標
  • 影響の追跡

ABM ティアのフレームワーク

ティア 1:戦略型(1:1)
  • アカウント数: 10-50
  • 投資: 高
  • パーソナライゼーション: 完全なカスタマイズ
  • コンテンツ: アカウントごとに個別に作成
  • 施策: エグゼクティブ向けエンゲージメント、カスタムイベント
ティア 2:スケール型(1:Few)
  • アカウント数: 50-500
  • 投資: 中
  • パーソナライゼーション: 業界/セグメント別
  • コンテンツ: パーソナライズしたテンプレート
  • 施策: 業界別キャンペーン、ウェビナー
ティア 3:プログラマティック型(1:Many)
  • アカウント数: 500+
  • 投資: アカウントごとに低め
  • パーソナライゼーション: 自動化
  • コンテンツ: 動的フィールド
  • 施策: ターゲティング広告、シーケンス

ABM の施策

エグゼクティブ向けエンゲージメント
  • エグゼクティブ向けブリーフィング
  • アドバイザリーボード
  • VIP イベント
  • エグゼクティブスポンサーシップ
デジタルエンゲージメント
  • パーソナライズ広告
  • カスタムランディングページ
  • ターゲティングコンテンツ
  • リターゲティング
直接的なエンゲージメント
  • ダイレクトメール
  • パーソナライズギフト
  • カスタム体験
  • フィールドイベント

アカウント選定のフレームワーク

ICP(理想顧客プロファイル)
Firmographic Criteria:
- Industry: SaaS, FinTech, Healthcare
- Company size: 500-5000 employees
- Revenue: $50M-$500M
- Geography: North America, Europe

Technographic Criteria:
- Current tech stack alignment
- Integration compatibility
- Digital maturity level

Intent Signals:
- Researching solution category
- Competitor engagement
- Content consumption patterns
アカウントスコアリングモデル
def calculate_account_score(account):
    score = 0

    # Firmographic fit (40%)
    score += firmographic_score(account) * 0.4

    # Technographic fit (20%)
    score += technographic_score(account) * 0.2

    # Intent signals (25%)
    score += intent_score(account) * 0.25

    # Engagement history (15%)
    score += engagement_score(account) * 0.15

    return score

def assign_tier(score):
    if score >= 80:
        return "Tier 1"
    elif score >= 60:
        return "Tier 2"
    else:
        return "Tier 3"

アカウントエンゲージメントのスコアリング

アクティビティポイント
ウェブサイト訪問1
コンテンツのダウンロード5
イベントへの登録10
デモのリクエスト25
ミーティングの設定50
商談の作成100

マルチスレッド戦略

ペルソナマップ
C-Suite:
- CEO: Business outcomes, ROI
- CFO: Cost reduction, efficiency
- CTO: Technical capabilities, security

Directors:
- VP Sales: Revenue impact
- VP Marketing: Pipeline contribution
- VP Operations: Process improvement

Users:
- Managers: Day-to-day workflow
- End users: Ease of use, adoption
エンゲージメントのシーケンス
Week 1: Research & mapping
- Identify all stakeholders
- Map reporting structure
- Find common connections

Week 2-4: Initial outreach
- LinkedIn engagement
- Personalized emails
- Content sharing

Week 5-8: Value delivery
- Custom content
- Industry insights
- Peer introductions

Week 9-12: Meeting conversion
- Multi-threading emails
- Executive referrals
- Event invitations

ABM の技術スタック

  • オーケストレーション: 6sense、Demandbase、Terminus
  • インテントデータ: Bombora、G2
  • 広告: LinkedIn、ディスプレイ広告
  • パーソナライゼーション: Mutiny、PathFactory
  • ギフティング: Sendoso、Postal
  • CRM: Salesforce、HubSpot
  • アナリティクス: Tableau、Looker

効果測定のフレームワーク

先行指標
  • アカウントカバレッジ(エンゲージしたペルソナの割合)
  • アカウントエンゲージメントスコア
  • コンテンツの消費
  • ミーティングの転換率
遅行指標
  • 創出したパイプライン
  • パイプラインの速度
  • ティア別の成約率
  • 平均取引額
  • 顧客獲得コスト
ROI の計算
ABM ROI = (Revenue from ABM accounts - ABM investment) / ABM investment

ABM Investment includes:
- Technology costs
- Content creation
- Advertising spend
- Events & gifts
- Headcount allocation

ベストプラクティス

  1. 小さく始める - 拡大する前に、10-20 アカウントでパイロットを実施します
  2. 営業と連携する - ターゲットアカウントについて週次で同期します
  3. 真摯にパーソナライズする - ありきたりなパーソナライゼーションは逆効果です
  4. 早期にマルチスレッド化する - 単一の推進者に頼らないようにします
  5. 段階的に測定する - ABM のコホートと ABM 以外のコホートを比較します
  6. 施策を反復する - 継続的にテストし、最適化します

コメント