mcpField
C
crm-icp-analysis

crm-icp-analysis

github.com/cognyaiマーケティング・グロース11146 回インストール2 週間前に更新
リポジトリ

crm-icp-analysis について

crm-icp-analysisは、HubSpotの成約案件、企業、コンタクトを分析して理想顧客像を定義するCogny Agentスキルです。全項目または特定のデータ領域を分析し、実行可能な知見を記録します。

主な機能

  1. 01成約・失注案件の分析
  2. 02成約企業と買い手ペルソナの把握
  3. 03案件の各指標によるセグメント比較
  4. 04理想顧客像の作成
  5. 05分析結果に基づく知見の記録

活用シーン

  1. 01収益につながる業界や企業規模の特定
  2. 02成約に結び付く買い手の役職の把握
  3. 03リードソースと営業サイクルの比較

MCP 対応

CognyのMCPサーバーを通じてHubSpotのプロパティ、案件、企業、コンタクトを読み取り、Cogny経由で知見を記録します。

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/cognyai/claude-code-marketing-skills --skill crm-icp-analysis

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

詳細

CRM ICP 分析

HubSpot CRM の成約済み案件、関連するコンタクト、企業を分析して、データに基づく理想顧客プロファイルを作成します。収益を予測する業界、企業規模、役職、案件規模、営業サイクル、リードソースのパターンを特定します。

必要条件： Cogny Agent のサブスクリプション（月額 $9） — 登録

使用方法

/crm-icp-analysis — あらゆる軸で包括的な ICP 分析を実行します /crm-icp-analysis companies — 企業のファーモグラフィック分析のみを実行します /crm-icp-analysis contacts — 購買ペルソナ分析のみを実行します /crm-icp-analysis deals — 案件パターン分析のみを実行します

前提条件の確認

mcp__cogny__hubspot__get_user_details を呼び出して、CRM へのアクセスを確認します。コンタクト、企業、案件への読み取りアクセス権を確認してください。アクセス権がない場合：

This skill requires HubSpot CRM access via Cogny's MCP server.
Sign up at https://cogny.com/agent and connect your HubSpot account.

手順

1. 利用可能なプロパティを確認する

データをクエリする前に、どのフィールドがあるかを確認します。

hubspot__get_properties(objectType: "deals")
hubspot__get_properties(objectType: "companies")
hubspot__get_properties(objectType: "contacts")

分析に必要な主要プロパティを特定します。

  • 案件： dealstage、amount、closedate、createdate、pipeline、dealtype、hs_analytics_source
  • 企業： industry、numberofemployees、annualrevenue、city、state、country、type
  • コンタクト： jobtitle、hs_persona、lifecyclestage、hs_analytics_source

ICP に関連しそうなカスタムプロパティ（カスタム業界フィールド、企業ティア、セグメントタグなど）があれば記録します。

2. 成約済み案件を分析する

収益の基準値を設定するため、成約済み案件を検索します。

hubspot__search_crm_objects(
  objectType: "deals",
  filterGroups: [{"filters": [{"propertyName": "dealstage", "operator": "EQ", "value": "closedwon"}]}],
  properties: ["dealname", "amount", "closedate", "createdate", "pipeline", "dealtype", "hs_analytics_source"],
  sorts: [{"propertyName": "closedate", "direction": "DESCENDING"}],
  limit: 200
)

total 件数を確認し、必要に応じてページネーションを行って、データセット全体を取得します。

以下を算出します。

  • 成約済み案件の合計数と総収益
  • 平均案件規模（平均値と中央値）
  • 案件規模の分布：区分に分けます（例：<$5K、$5-25K、$25-100K、$100K+）
  • 平均営業サイクル期間：createdate から closedate までの日数
  • 案件規模の区分ごとの営業サイクル
  • パイプラインごとの成約率（複数のパイプラインがある場合）
  • リードソースの内訳：どのソースが成約済み案件を生み出しているか

比較のため、失注案件も検索します。

hubspot__search_crm_objects(
  objectType: "deals",
  filterGroups: [{"filters": [{"propertyName": "dealstage", "operator": "EQ", "value": "closedlost"}]}],
  properties: ["dealname", "amount", "closedate", "createdate", "pipeline", "hs_analytics_source"],
  limit: 200
)

成約案件と失注案件を比較し、差を生み出すパターンを特定します。

3. 成約企業を分析する

成約済み案件に関連付けられた企業を取得します。案件 ID を使って get_crm_objects で関連付けを取得し、関連する企業をまとめて取得します。

hubspot__get_crm_objects(
  objectType: "companies",
  objectIds: [<associated company IDs>],
  properties: ["name", "industry", "numberofemployees", "annualrevenue", "city", "state", "country", "type", "domain"]
)

ファーモグラフィックプロファイルを作成します。

  • 業界の内訳：案件数と総収益で業界を順位付けします
  • 企業規模の分布：従業員数の区分別（1-50、51-200、201-1000、1000+）
  • 収益範囲：成約企業の年間収益の区分
  • 地域：国、州・地域の集中度
  • 企業タイプ：顧客、パートナー、見込み客の分類

以下を特定します。

  • 成約済み案件の 20% 超に登場する業界（コア ICP）
  • 最適な企業規模（成約率が最も高い区分）
  • 地理的な集積
4. 購買ペルソナを分析する

成約済み案件に関連付けられたコンタクトを取得し、まとめて取得します。

hubspot__get_crm_objects(
  objectType: "contacts",
  objectIds: [<associated contact IDs>],
  properties: ["jobtitle", "hs_persona", "lifecyclestage", "hs_analytics_source", "email", "firstname", "lastname"]
)

購買ペルソナのプロファイルを作成します。

  • 役職の分類：類似する役職をグループ化します（例：「VP Marketing」「Head of Marketing」「Marketing Director」＝マーケティングリーダー）
  • 役職レベルの分布：C レベル、VP、ディレクター、マネージャー、個人貢献者
  • 職能分野：マーケティング、営業、プロダクト、エンジニアリング、財務、オペレーション
  • 案件ごとのコンタクト数：単一担当者型と複数担当者型の案件
  • ペルソナごとのリードソース：各ペルソナがどのようにして自社を見つけたか

以下を特定します。

  • 優勢な購買ペルソナ（成約済みコンタクトの 30% 超）
  • より高い成約率を示す複数担当者型の案件
  • より大きな案件規模と相関するペルソナ
5. 複数の軸を横断して分析する

案件、企業、コンタクトから得た知見を組み合わせます。

  • 最適なセグメント：最も高い成約率を生み出す業界＋企業規模＋ペルソナ
  • 最高価値のセグメント：平均案件規模が最も大きい組み合わせ
  • 最短成約セグメント：営業サイクルが最も短い組み合わせ
  • リードソースの効率性：最適な適合リードを生み出すソース（リード数が最も多いソースとは限りません）
  • アンチ ICP のパターン：成約率が低い、または失注率が高いセグメント
6. ICP 定義を出力する
CRM ICP Analysis
Data basis: [N] closed-won deals, [N] companies, [N] contacts
Period: [earliest close date] to [latest close date]
Total revenue analyzed: $[X]

═══════════════════════════════════════════════════
IDEAL CUSTOMER PROFILE
═══════════════════════════════════════════════════

Company Firmographics:
  Industry:        [Top 1-3 industries] ([X]% of wins)
  Employee Count:  [Range] (sweet spot: [X-Y])
  Annual Revenue:  $[Range]
  Geography:       [Top regions]

Buyer Persona:
  Primary Buyer:   [Title cluster] ([X]% of deals)
  Secondary Buyer: [Title cluster] ([X]% of deals)
  Seniority:       [Level] and above
  Function:        [Department]

Deal Characteristics:
  Average Deal Size:    $[X] (median: $[Y])
  Sweet Spot Range:     $[X] - $[Y]
  Average Sales Cycle:  [N] days
  Best Lead Sources:    [Source 1], [Source 2]

Win Rate Analysis:
  Overall Win Rate:     [X]%
  Best Segment Rate:    [X]% ([segment description])
  Worst Segment Rate:   [X]% ([segment description])

═══════════════════════════════════════════════════
ICP FIT SCORING MODEL
═══════════════════════════════════════════════════

Dimension          | Weight | Criteria
───────────────────|────────|─────────────────────────
Industry           |  25%   | [Top industries] = match
Company Size       |  20%   | [Range] employees = match
Seniority          |  20%   | [Level]+ = match
Job Function       |  15%   | [Functions] = match
Deal Size Potential|  10%   | $[X]+ = match
Lead Source        |  10%   | [Sources] = match

Scoring: 80-100 = Strong fit | 60-79 = Moderate fit | <60 = Weak fit

═══════════════════════════════════════════════════
ANTI-ICP (AVOID)
═══════════════════════════════════════════════════

- [Pattern 1 that predicts losses]
- [Pattern 2 that predicts losses]
- [Pattern 3 that predicts losses]

Top 3 Actions:
1. [Highest-impact recommendation]
2. [Second recommendation]
3. [Third recommendation]
7. 調査結果を記録する

実行可能な ICP に関するインサイトすべてについて、mcp__cogny__create_finding を呼び出してください。

{
  "title": "ICP sweet spot: SaaS companies 200-1000 employees close at 2.3x average rate",
  "body": "Analysis of 87 closed-won deals shows SaaS companies with 200-1000 employees have a 42% win rate vs 18% overall. Average deal size $45K, 34-day sales cycle. These companies represent only 23% of pipeline but 51% of revenue. Recommend: prioritize this segment in outbound and ad targeting.",
  "action_type": "icp_refinement",
  "expected_outcome": "Increase win rate by focusing pipeline on high-fit segments",
  "estimated_impact_usd": 5000,
  "priority": "high"
}

ICP 分析のアクションタイプ：

  • icp_refinement — ICP 定義の更新、スコアリングモデルの変更
  • targeting_refinement — ICP に基づく広告／アウトバウンドのターゲティング変更
  • pipeline_optimization — 特定のセグメント向けの営業プロセスの変更
  • lead_source_optimization — ICP との適合度が高いリードソースへの投資強化
  • disqualification_rule — 早期に除外するアンチ ICP のパターン

コメント

Markdown 対応