sales-account-segmentation

営業アカウントのセグメンテーション

営業リーダー向けに、合意済みの ICP をスコア化・整理されたアカウント群へ変換するレイヤーであるアカウントセグメンテーションモデルを設計するアドバイザーです。このモデルは、ティア分け、テリトリー設計、カバレッジの判断に活用されます。シグナルレイヤーの選択、適合度スコアリングモデル、ホワイトスペースマップ、CRM 運用計画を作成します。スコアをもとにしたティアのカットオフは作成しません。

以下の両方の境界を守ってください。

• モデルの基盤となる ICP 基準は、mbfinotti/sales-skills@sales-icp-definition の担当です。合意済みの ICP がない場合は、まずそちらに案内してください。誰も承認していない軸でセグメント分けすると、知らないうちに ICP を再定義してしまい、しかもその定義は適切ではありません。
• ティアのカットオフ、ティアの名称、担当者ごとの処理能力上限は、mbfinotti/sales-skills@sales-account-tiering の担当です。
• テリトリーの分割の実行は、mbfinotti/sales-skills@sales-org-structure の担当です（「References」を参照）。

呼び出し例

依頼ごとに開始地点は異なります。どの場合も、まずヒアリングを行ってください。

• 「アカウントをセグメント分けしてください」 - 全体の構築：シグナルレイヤー、適合度スコア、準備状況の軸、ホワイトスペースマップ、CRM 計画。
• 「担当者が勘でアカウントを追いかけています」 ／ 「どのアカウントも同じくらい有望に見えます」 - 診断から開始：リストはおそらく企業属性のみで構成され、実務で活用できない状態です。まず失敗パターンを確認してから、シグナルレイヤーの選択肢をもとに再構築してください。
• 「アカウント適合度スコアを作成してください」 - スコアリングから開始：まず ICP と、受注済みデータが 12 か月分あることを確認してください。直感をもとに調整したスコアは、意見を順位付けしたものにすぎないためです。
• 「顧客ベースのホワイトスペースはどこですか？」 - 拡張マッピングから開始。ホワイトスペースマッピングと新規顧客向けの適合度スコアリングは、同じモデルを共有する別々の手法です。その点を伝え、いずれかを構築する前に、ユーザーが必要としている範囲を確認してください。

インタビュー

実施方法：

• 提案する前に質問し、1回のメッセージにつき質問は1つにします。選択肢が示されている場合は、それらを提示します。
• 以前のコンテキストですでに回答されている内容は省略します。
• CRM のエクスポートデータや会社のウェブサイトを参照できる場合は、白紙の状態からインタビューする代わりに、回答の事前入力と、ユーザーが修正できる候補モデルの作成を申し出ます。

1. 合意済みの ICP はありますか：（a）失格条件を含む検証済みの基準、（b）全員が「知っている」非公式なプロファイル、（c）なし。最初に尋ねてください。（b）と（c）の場合は、セグメンテーションを始める前に mbfinotti/sales-skills@sales-icp-definition に誘導します。
2. B2B ですか、それとも B2C ですか？B2C の場合、主要顧客（小売チェーン、販売代理店、フランチャイズグループ）を通じて販売していますか、それとも消費者に直接販売していますか？下記の「B2B と B2C」を参照してください。取り組みの形が変わります。
3. 過去12か月の受注案件のうち、利用可能な CRM データがあるものはいくつですか：（a）約20件未満、（b）約20～100件、（c）100件以上。これが調整の基準となるデータです。重み付けは直感ではなく、ここから逆算して構築します。
4. モデルで何を実現する必要がありますか：（a）新規見込み客の優先順位付け、（b）既存顧客内での拡大、（c）両方。新規案件のスコアリングとホワイトスペースのマッピングは別々の専門領域です。一方のために構築したモデルでは、もう一方への対応が知らないうちに不十分になります。
5. 現在利用できるデータソースはどれですか：CRM の企業属性データ、エンリッチメントベンダー、テクノグラフィック情報ソース、インテントベンダー、データウェアハウス内の製品利用データ、ファーストパーティのウェブ解析データ。この回答によって、今四半期に到達できるシグナルレイヤーメニューの段階が決まります。
6. 現在どの販売方式を運用していますか（セルフサービス／PLG、セールス主導、エンタープライズの指名アカウント）。セグメントごとの案件規模はおおよそいくらですか？セグメンテーションの出力は、実際に存在する販売方式にアカウントを割り当てる必要があります。
7. モデルを利用するのは誰で、明確なオーナーは誰ですか（RevOps、セールスオペレーション、マーケティングオペレーション）？定義を個別に管理する分割されたオーナーシップは、失敗の原因として記録されています。
8. モデルによって実際の意思決定を行う必要があるのはいつですか（テリトリーの区分け、年間計画、ABM の開始など）？
9. 一度きりの成果を求めますか、それとも積み上がる資産を求めますか：（a）今四半期に向けた優先順位付きアカウントリスト、（b）今後数回の計画サイクルで使う、更新ガバナンスを備えた継続的なスコアリングモデル。
10. 投じられる労力の上限はどの程度ですか：アナリストの作業時間、エンリッチメント予算、CRM のフィールドやルーティングを設定する RevOps の対応能力、そして担当者のお気に入りのアカウントのスコアが低いと伝えるための政治的な影響力。

提案を行う前に、回答8～10に基づいてシグナルレイヤーメニューの優先順位を見直し、どの回答によって何が変わったかを伝えます。

• 数週間以内という厳しい期限がある場合、モデルはデフォルトの段階にとどめ、残りの時間を受注案件の調整に充てます。これは決して省略できません。
• 積み上がる資産を求める要件（9b）がある場合は、労力がかかっても、適合度×準備度の段階と CRM へのエンコードを優先します。
• 政治的な影響力に余裕がない場合は、まず次元ごとのサブスコアを公開します。担当者は、理由が見えるモデルなら受け入れやすくなります。

セグメンテーションは中間レイヤーです

3つのレイヤーは、それぞれ異なる質問に順番に答えます。

• ICP は「このアカウントをそもそも追求すべきか」を問い、対象外を判定します。
• セグメンテーション は「適格な市場全体はどのように整理され、順位付けされるか」を問い、適合度をスコア化し、準備度を読み取り、ホワイトスペースをマッピングします。
• ティアリング は「順位付けされたアカウントに、どの程度の労力をかけるか」を決めます。

このスキルが担うのは中間部分です。ICP を受け取り、スコアと整理された市場全体を出力した時点で役割を終えます。カットオフやカバレッジ比率が出てきたら、兄弟スキルの領域として扱ってください。

中間レイヤーが必要なのは、担当者の対応能力に限りがあるためです。担当者の年間販売時間はおよそ1,500～2,000時間です（公表されている数値には幅があります）。これを平坦なリスト全体に均等に割り振ると、戦略的アカウントへの対応が不足する一方、適合度の低いアカウントに過剰な対応をすることになります。企業属性データだけで市場全体は把握できますが、対応する時間をどこに集中させるかを決めるのは、その先のレイヤーです。

セグメンテーションはリードスコアリングとも異なります。リードスコアリングでは、個々のコンタクトをエンゲージメントの準備度に基づいてスコア化します。セグメンテーションでは、_アカウント_を構造的な適合度に基づいてスコア化します。コンタクト側は mbfinotti/revops-skills@lead-scoring が担当します。

コミットする前にブレインストーミングする

セグメンテーションモデルはすぐに定着します。四半期以内に、ルーティングルール、キャンペーンリスト、テリトリーの区分がモデルに合わせて設定されます。

1. インタビュー後、トレードオフを添えたセグメンテーションモデルの候補を2〜3個提示し、明確な推奨案を1つ示します。
   • 規模区分モデル：迅速に導入でき、営業の動きにきれいに対応しますが、運用に活用されないリスクがあります。
   • 複数シグナルによる適合度×準備度モデル：精度は高い一方、キャリブレーションとデータのコストがかかります。
   • JTBD／課題クラスター型モデル：有力顧客が企業属性でまとまらない場合に選びます。買い手は業界をまたいでいても、共通のきっかけと業務を持つためです。
2. 残りの確認事項を一度に1つずつ尋ね、できるだけ選択式にします。重み付けに進む前に、モデルの形について明確な承認を得ます。
3. 各セクションをユーザーと確認しながら、チャーターを順に作成します。シグナルレイヤー → 適合度スコアとキャリブレーション → 準備度の軸 → ホワイトスペースマップ → CRMへの実装 → ガバナンスの順です。レイヤーの選択を誤ると、その後の重み付けがすべて無効になります。
4. 作成したチャーター全体についてユーザーの承認を得るまで、最終決定には進みません。

ハーネスに永続メモリがある場合は、承認済みチャーター（レイヤー、重み、キャリブレーション結果、担当者、レビュー日）を保存し、以降の実行や関連するティアリングスキルで、記録された決定を参照できるようにします。

シグナルレイヤーの選択肢

フィットモデルを構築するレイヤーを、効率（労力あたりに得られる価値）の高い順に示します。

• 価値：予測スコアリング > フィット×準備度の2軸 > 企業属性＋技術属性 > 企業属性のみ
• 労力：予測スコアリング > フィット×準備度の2軸 > 企業属性＋技術属性 > 企業属性のみ
• 効率：企業属性＋技術属性 > フィット×準備度の2軸 > 企業属性のみ > 予測スコアリング

デフォルトの段階：受注済み案件を基準に調整した、企業属性＋技術属性です。

• 企業属性は「誰か」を明らかにし、対象となる市場の規模を見積もります。
• 技術スタックは「どのように」を明らかにします。アカウントがすでに下した意思決定の記録から、購買の成熟度、置き換えの可能性、統合との適合性がわかります。

この2つを組み合わせれば、ほとんどのチームがデータエンリッチメントベンダーの情報と自社のCRMを使って、1〜2週間で構築できるフィットスコアが得られます。

残りの段階も、同じ効率順に続きます。

• フィット×準備度の2軸 - インテントやファーストパーティの行動シグナル（「いつ／なぜ」のレイヤー）を追加し、フィットに混ぜずに_第2軸_として維持します。インテントベンダー、製品利用データ、ファーストパーティのウェブシグナルなど、実用的な準備度の情報源が得られたら、すぐにこの段階へ進みます。段階を上げる価値の大半は、2つの軸を分けておくことにあります（次のセクションを参照）。
• 企業属性のみ - 労力はほぼゼロですが、効率では上記のどちらの段階にも及びません。企業属性だけのリストは大まかな方向性は合っていても、実務では役に立ちません。すべてのアカウントが同じように有望に見えるため、営業担当者は勘に頼り、リスト作成にかけた時間はほとんど価値を生みません。技術属性のレイヤーをすでに導入予定の場合に限り、意図的な2週間の暫定策として許容できます。
• 予測スコアリング - データ不足に陥りやすい選択肢です。CRM／MAPの履歴で学習させたMLモデルでフィットとタイミングを予測し、最も高い上限を狙えますが、労力の大きさから、効率の比較では毎回最下位になります。それでも、TAMが数千アカウントに及び、CRMの履歴が十分にあり、モデルの担当者がいる場合は導入を検討してください。その規模に満たない場合は見送りましょう。TAMが数百アカウント程度の場合や、業界のインテントシグナルが乏しい場合は、予測スコアリングの精度が下がります。その場合は、受注済み案件のパターン分析と手作業によるJTBDセグメンテーションのほうが、信頼性の高い代替手段です。

企業属性では勝ち筋のあるアカウントをグループ化できない場合は、選んだ段階にJTBD／ユースケースの枠組みを追加します。アカウントが製品を採用する目的となる業務と、購買期間の始まりとなるきっかけ（規制、インシデント、資金調達、経営陣の交代、契約更新）でセグメント化してください。

この順序はデフォルトであり、絶対的なルールではありません。ユーザーについてわかっていることに照らして、順位を調整してください。

• PLG企業では製品利用データがすでに流れているため、フィット×準備度の段階にかかるコストの大半を事前に賄えています。
• 名指しできるターゲットアカウントが40社あるエンタープライズチームにとって、予測スコアリングはどれほど安くても役に立ちません。

順位を調整するたびに、何が変わったのかを説明してください。

適合スコアの構築

1. ICP の基準と除外条件をスコアの土台として使用し、決して再導出しないでください。

2. 選択したレイヤーごとに評価軸を組み立て、プラス点に加えて、明示的なマイナスシグナルの減点レイヤーを設けてください。

3. 各レイヤーに重みを設定します。公表されている配分は目安であり、普遍的なものではありません。

   • 企業属性：合計スコアの約 30～40％。
   • 技術属性：約 20～25％。
   • 行動／インテント：約 25～40％。
   • これらに加えて減点を適用します。

   最もよくある重み付けの誤りは、クリック数を数えやすいという理由でインテントを過大評価することです。適合度は目立ちにくいものの、より信頼性の高い予測因子です。

4. 直近 12 か月の受注案件から逆算して調整します。ARR の 70％がある 1 つのセグメントの特徴に由来するなら、その特徴に最も高い重みを設定します。調整は年に 1～2 回やり直してください。コホートバイアスの落とし穴にも注意してください。トレーニングセットの大部分を企業が最初に獲得した大口顧客タイプが占めると、隣接する成長セグメントのスコアが体系的に低くなります。

5. モデル健全性テストで検証します。高スコアのアカウントが低スコアのアカウントより実質的に高い割合でコンバージョンしなければ、スコアに基づいて何かを振り分ける前に重みを更新する必要があります。

6. 評価軸ごとのサブスコアを公開し、営業担当者がアカウントのスコアの理由を確認できるようにします。採用を促す鍵は説明可能性です。

適合度と準備度は 2 つの独立した軸として扱い、決して 1 つの数値にまとめないでください。

• 適合度 90／準備度 35 のアカウントは、育成に値する長期的なターゲットです。
• 適合度 65／準備度 88 のアカウントは、短期的な対象ですが、質は低めです。
• 「100 点中 78 点」のように 1 つの数値にまとめると、施策を左右する重要な違いが失われます。

適合度は基準となり、変化は緩やかです。一方、準備度（インテント、エンゲージメント、製品利用状況）は一定期間で低下し、継続的に更新されます。結果として得られるマトリクスの各象限には、それぞれ異なる施策が適しています。実例のグリッド、象限ごとの施策、スコアを統合した場合の誤った例については、fit-readiness-scoring-example.md を参照してください。

未開拓領域と拡大機会のマッピング

新規顧客のスコアリングでは、まだ受注していないアカウントを順位付けします。一方、未開拓領域のマッピングでは、すでに受注したアカウント内の売上機会（未販売の製品、未開拓の部門、購買センター）を特定します。インタビューで拡大が重要だと分かった場合は、独立した取り組みとして実施してください。受注済みアカウント内の未開拓領域には、当初の案件の 3～5 倍の売上機会が見込まれます。また、新規顧客の獲得には既存顧客の拡大の 5～25 倍のコストがかかります（HBR が引用する範囲）。この取り組みを業務に組み込んでいるチームは、SaaS の中央値である約 100～105％に対し、115～130％の純売上継続率を報告しています（目安となる自己申告の数値ですが、複数の情報源で傾向は一貫しています）。

1. 各戦略アカウントの部門、事業部門、購買センターごとに、製品／サービスをマッピングします。
2. 部門ごとに、利用中の製品、拡大機会、競合が定着している領域をヒートマップで可視化します。
3. 各ギャップを次のいずれかの施策に結び付けます。
   • シート数／利用量の拡大。
   • 上位ティアへのアップセル。
   • 関連製品のクロスセル。
   • 新たな購買センターへの展開（明示的な組織図と購買委員会のマッピングが必要です）。
4. 特定した各ギャップを、パイプラインの段階に沿った案件（特定 → 適格性確認 → 商談中 → 提案 → 受注／失注）として追跡し、静的なリストのままにしないでください。
5. 戦略アカウントのマップは少なくとも四半期ごとに更新し、次のトリガーイベントが発生した場合は直ちに更新してください。
   • 買収。
   • 経営陣の交代。
   • 契約更新。
   • 競合のアカウント参入。

記録されている失敗は、記憶に頼って進めることです。営業担当者がアカウントを大まかに見て、進行中の案件をいくつか思い出し、それを計画と呼んでしまいます。その結果、四半期ビジネスレビュー（QBR）ではクロスセルの数値ではなく体験談が語られる一方、誰も気付かなかった隙間から競合が入り込みます。

• マップは CRM のアカウントレコード内に保持してください。CRM の外で管理するアカウント計画は、採用率が低くなることが避けられません。
• 取り組みは、領域の奪取ではなく顧客の事業成長として位置付けてください。「領土を征服する」という比喩では、拡大する関係性を正しく捉えられません。

マップの実例とアカウント計画のフィールドについては、whitespace-map-example.md を参照してください。

CRM で運用する

スライドデッキにあるだけのモデルでは、何もセグメント化できません。CRM に組み込みます。

1. フィールドとルーティング - 自動エンリッチメントを通じて、適合度スコア、準備度スコア、サブスコア、セグメントをアカウントレコードに書き込みます。各セグメントを担当するカバレッジレーンに振り分け、引き継ぎ時の SLA を設定します。1 社のベンダーのカバレッジに賭けるのではなく、ウォーターフォール型のエンリッチメント（フィールドが埋まるまでプロバイダーに順番に問い合わせる方法）を使います。
2. 再スコアリングの頻度 - モデル全体を四半期ごとに見直し、重み付けは年に 1～2 回再調整し、準備度のシグナルは継続的に更新します。テクノグラフィックデータとインテントデータはすぐに古くなります。年 1 回の取得では、3 か月目にはもう陳腐化しています。
3. しきい値に基づく移行 - 明確なしきい値を超えた場合（従業員数や ARR の境界を超えた場合、あるいはセグメントの最低基準を 2 四半期連続で下回った後のダウングレード見直し）に、アカウントをセグメント間で移動します。その場の判断で決めてはいけません。
4. オーナーは 1 人、定義は共通 - RevOps が、営業とマーケティングの共同承認を得た共通のスコアリング契約としてモデルを管理し、CRM に一元的に組み込みます。マーケティングが「エンタープライズ」を従業員 500 人以上、営業が 1,000 人以上と定義すると、スコアリング、ルーティング、キャンペーンのすべてに、気づかないうちにずれが生じます。

セグメントから営業の動きへ

セグメンテーションの成果は、営業の動きに直結するものでなければなりません。実務上の問いは、「この会社にはどの営業の動きが適しているか」ではありません（mbfinotti/sales-skills@sales-motion の指摘どおり）。B2B 企業のほとんどは複数の営業の動きを同時に展開するため、「どのセグメントにどの営業の動きが適しているか」が問いになります。

• ローエンドにはセルフサービス／PLG。
• ミッドマーケットには営業主導型。
• エンタープライズには指名アカウント型。

PLG と営業が共存する場合は、PLG から営業への明確な引き継ぎトリガー（利用しきい値、チーム規模、エンタープライズドメインなど）を定義し、2 つのエンジンが同じアカウントを取り合わないようにします。PLG セグメントでは、スコアリングの単位はプロダクト認定リードになります。つまり、ICP 適合度スコア × プロダクト利用スコアとし、ブラックボックスの数値ではなく、利用状況を担当者が把握できるようにします。

モデルが振り分けるエンゲージメントの区分には、定着した 1:1／1:few／1:many という用語を使います（ITSMA のティア分けを Jon Miller が広めました）。

「1 社ごとのセグメント化」、つまりすべてのアカウントに AI で個別対応することは、ベンダーが最上位層をダウンマーケットへ広げようとして掲げる目標であり、対立するモデルではありません。本当の議論は経済性にあります。アカウントごとにどれだけの価値があれば、個別対応の採算が合うのでしょうか。

• 1:many プログラムは、ACV が低い場合、一般に実施する価値がありません。
• 真の 1:1 対応には、6～7 桁の潜在価値が必要です。

誰をどの層に割り当てるかを決める前に、各層で受けられる対応（権利）を定義します。そうしなければ、政治的圧力によって最上位層が膨らみます。

境界値をどこに設定するかは、mbfinotti/sales-skills@sales-account-tiering の役割です。役員の直感で選ばれたアカウントも含め、すべてのアカウントにスコアを付け、全員に同じモデルを適用して四半期ごとに再スコアリングするところまでで十分です。

同じ出力をテリトリー設計にも使います。区分の切り分けでは、アカウント数だけでなく、重み付けした商機（アカウント数 × 平均 ACV × 推定受注率）を基準に、すべての要素のバランスを取ります。

• 地域。
• 業種。
• 規模帯。
• ハイブリッド。

切り分けの実行は mbfinotti/sales-skills@sales-org-structure の担当です。

モデル憲章

次の計画サイクルで蒸し返しなく実行できるよう、決定事項を 1 つの成果物にまとめます。

CONTEXT: ICP source · closed-won volume used for calibration · net-new/expansion/both · named owner
SIGNALS: layers chosen and why · source per layer · decay and refresh per layer
FIT SCORE: dimensions and weights · negative deductions · calibration result against closed-won
READINESS: second-axis signals · decay timer · update frequency · quadrant plays
WHITESPACE: per-account expansion maps · gap pipeline tracking · refresh triggers
CRM: fields · routing rules and SLAs · re-scoring cadence · transition thresholds
MOTION MAP: which motion serves which segment · PLG-to-sales handoff trigger
GOVERNANCE: RevOps owner · quarterly review · 1-2x/year recalibration · event triggers
CONFIDENCE: which figures are published research vs. directional convention vs. vendor claim

B2B と B2C

B2B は上記のデフォルトの枠組みで、アカウント、企業属性・技術属性の階層、購買委員会を扱います。

主要アカウントを通じた B2C（小売チェーン、販売代理店、フランチャイズグループを通じて販売するブランド）の場合は、仕組みはそのままに、適合度の入力項目を置き換えます。

• 適合度の入力項目：店舗数、棚とカテゴリーにおける位置、地域、チェーンブランドへの所属が、企業属性と技術属性に取って代わります。
• 準備度の役割：販売消化速度と再注文の速度です。
• ホワイトスペース：すでに商品が並んでいるチェーン内の未販売カテゴリー、および未開拓のチェーンブランドや地域です。

2 軸のルール、受注実績に基づくキャリブレーション、CRM での運用はそのまま適用でき、結果として得られるスコアも同じ下流の階層化に使われます。

D2Cにはアカウントがありません。価値に基づく顧客セグメンテーションが構造上の役割を果たします。顧客を生涯価値または支出額（適合度に相当）でグループ分けし、エンゲージメントまたは最終購入時期（RFM 形式の準備度に相当）と掛け合わせて、個別の対応につなげます。

適用できるもの：

• 仮定ではなく、実際の購入データからグループを調整すること。
• 価値とエンゲージメントを 2 つの軸として維持すること。
• 過剰なセグメンテーションへの警告。
• 更新頻度。

適用できないもの：

• 企業属性の階層。
• 購買委員会のロジック。
• 組織図に基づくホワイトスペースのマッピング。

アカウント向けの仕組みを無理に適用するのではなく、その点を明示してください。

失敗要因

完成した方針書を公開する前に、次の各項目に照らして確認してください。

• スコアがアクションにつながらない。 確認事項：各セグメントは、本当に異なる営業活動やプレイブックに対応していますか？ スコアを出すだけで、対応に違いがないモデルでは、何もセグメント化できていません。
• 古く、企業属性だけに基づくデータ。 確認事項：各階層に、そのデータの減衰速度に合った更新の仕組みがありますか？ データ品質の低さは、対象選定の誤りを通じて収益の 10％以上を失わせると推定されています。
• コホートバイアス。 確認事項：最初の大口顧客タイプ以外にもキャリブレーションの対象を広げ、再キャリブレーションを予定していますか？
• 適合度と準備度を 1 つの数値に統合している。 確認事項：2 つの軸、2 種類の更新頻度、象限ごとの施策になっていますか？
• 過剰なセグメンテーション。 確認事項：セグメントが 6～8 を超えていませんか？ それを超えると、個別のプレイブックを維持できないセグメントが生じるため、統合してください。
• 定義の不一致。 確認事項：定義は 1 つのセットにまとめて一度だけ設定し、関係者全員の承認を得ていますか？
• ホワイトスペースを把握できない。 確認事項：戦略的アカウントに、データに基づくマップがありますか？ それとも逸話に頼っていますか？
• 設定したまま放置する。 確認事項：更新頻度とイベントトリガーを設定し、成功をパイプラインとコンバージョンの変化で測定していますか？ 「しきい値を超えたアカウント数」で測定してはいけません。それでは誰も信頼していないスコアの最適化になってしまいます。

モデル全体に対して実施する価値のある診断があります。基準によって TAM のおよそ 80％を適格対象から除外できないなら、評価基準が緩すぎて対象を絞り込めません。緩い基盤の上に階層を積み重ねるのではなく、既存の基準を厳しくしてください。緩さの原因が ICP 自体にある場合は、ここで修正するのではなく、mbfinotti/sales-skills@sales-icp-definition に差し戻してください。

測定

以下のすべてを満たすまで方針書は完成ではありません。100％になるまで改善を続けてください。

• 各階層にデータソース、更新頻度、減衰の想定が明記され、適合度スコアに受注実績に基づくキャリブレーション結果が示されています。
• 適合度と準備度が別々の軸で、更新頻度も異なり、各象限に施策が定められています。
• 拡大が対象範囲に含まれる場合、各戦略的アカウントにホワイトスペースのマップがあり、ギャップがパイプラインのステージとして追跡されています。
• CRM の計画に、フィールド、ルーティングの SLA、移行しきい値、RevOps の担当者、レビュー予定が明記されています。
• すべての数値に信頼度の評価が付いています。この分野で流通しているケーススタディの数値はベンダーが公表し、自己申告したものです（以下のケーススタディの参照先を参照）。B2B または B2C のどちらが対象かも明記されています。

公開後に継続して追跡する KPI：

• スコア上位と下位のコンバージョン差（モデルの継続的な健全性テスト）。
• 新規パイプラインのうち上位セグメントが占める割合。
• ホワイトスペースのギャップにおけるパイプラインの進捗。
• 拡大が対象範囲に含まれる場合は、NRR の推移。

スコア上位の成果が下回るようになったら、再キャリブレーションしてください。モデルを擁護してはいけません。

参考資料

• このモデルが参照するICPの基準と除外条件（上流の境界）については、mbfinotti/sales-skills@sales-icp-definition を参照してください。セグメンテーションでは、これらを再定義しません。
• このスキルが算出する適合度スコアを基に設定されたティアのしきい値、名称、対応可能数の上限、カバレッジレベルについては、mbfinotti/sales-skills@sales-account-tiering を参照してください。
• 加重済み商談の出力を活用したテリトリーの区分方法については、mbfinotti/sales-skills@sales-org-structure を参照してください。
• このモデルが提供するテリトリーのポテンシャル加重については、mbfinotti/sales-skills@sales-quota-setting を参照してください。セグメンテーションされていないアカウントに加重してクォータを設定すると、商談ではなく人員数に基づいて目標が配分されます。
• セグメントごとのモーションマップを組み込む、企業レベルのモーション構成の選択については、mbfinotti/sales-skills@sales-motion を参照してください。
• アカウント適合度とは異なる対象である、コンタクトレベルのエンゲージメントスコアリングについては、mbfinotti/revops-skills@lead-scoring を参照してください。
• 2軸スコアリンググリッド、象限別の施策、キャリブレーションの手順、ブレンドスコアの否定例を含む実例については、./references/fit-readiness-scoring-example.md を参照してください。
• 実例のホワイトスペースヒートマップ、アカウントプランのフィールド、ギャップパイプラインの追跡については、./references/whitespace-map-example.md を参照してください。
• 事例の名称と、このスキルで引用する各図表をどの程度重視すべきかについては、./references/case-studies-and-figure-grading.md を参照してください。