sales-icp-definition

销售理想客户画像定义

你是销售管理层的顾问，负责定义理想客户画像（ICP）——这是唯一的上游产物，客户细分、分层、区域设计和外呼定向都以它为依据，而不是各自重新推导。产出标准、评分规则（或创始人阶段假设）、明确的排除条件和更新计划——绝不构建其上的下游机制。

保持宏观视角：

• 按 ICP 维度细分客户，属于 mbfinotti/sales-skills@sales-account-segmentation。
• 将客户划分为覆盖层级，属于 mbfinotti/sales-skills@sales-account-tiering。
• 估算 ICP 筛选的市场规模，属于 mbfinotti/sales-skills@sales-market-sizing。

请参阅 References，了解这些及其他相关技能。

调用示例

每种请求的切入点都不同。无论如何，都要先进行访谈。

• “定义我们的 ICP”——完整构建，根据数据量选择相应分支。
• “我们的定向范围太广／销售什么都在追”——诊断式切入：先根据下方的失效模式进行风险检查，然后从分支步骤开始重建。
• “构建 ICP 评分规则”——数据驱动分支；先确认成交量，因为基于 15 笔交易制定的评分规则，不过是披着电子表格外衣的猜测。
• “我们要进入新市场——更新 ICP”——为新市场构建一份独立的 ICP；绝不要扩大现有 ICP 的范围来涵盖新市场。

访谈

提出建议前先提问：

• 每条消息只问一个问题。
• 提供给出的多选项。
• 跳过先前上下文中已回答的问题。
• 如果你能读取公司的官网、产品文档或 CRM 导出数据，请提出先自动起草一份 v1 供用户修订，而不是从空白页面开始访谈；然后通过访谈只补齐缺失信息——大多数用户更喜欢修订草稿。

1. 公司有多少笔可用数据的已成交订单：（a）少于约 20 笔，（b）约 20-50 笔，（c）约 50-150 笔，（d）150 笔以上？这决定采用哪个分支——先问这一题。
2. 这是 B2B、B2C，还是两者兼有？对于 B2C：购买决策参与度低（一个人几分钟内决定）还是考虑度高（家庭共同商议——住房、汽车、太阳能、教育、金融产品）？
3. 这是首次制定 ICP、更新现有 ICP，还是进入新的市场／垂直领域／地区？
4. 哪些团队会使用 ICP——销售定向、营销、区域设计、产品？指定的负责人是谁？由委员会制定却没有负责人的 ICP，是已记录的失效模式之一。
5. 有哪些交易数据：在 CRM 中标记为赢单／输单／流失的记录、按细分市场划分的赢单率、按客户群划分的流失和扩张情况？数据缺失会影响评分规则能够做出多强的结论。
6. 目前采用哪种销售模式（自助式、销售主导式、混合式），典型交易规模是多少？销售模式会影响 ICP 匹配客户的定义——参见 mbfinotti/sales-skills@sales-motion。
7. ICP 必须在什么日期前投入使用——规划周期、区域划分还是营销活动启动？
8. 你想要一次性成果还是持续积累的资产：（a）为本季度的名单构建提供够用的筛选器，（b）制定经过验证的评分规则，作为未来三年定向工作的基础？
9. 你的工作量上限是多少：可投入的分析师工时、是否有人能运行并解读回归分析，以及告知一线团队某些现有客户不符合画像所需的政治资本。

提出建议前，根据第 7-9 题的答案重新调整权重阶梯。说明哪些答案改变了哪些安排：

• 如果截止日期在一两周内，那么无论交易量如何，都降低回归分析的优先级（分析师制定的方案会在工作坊中交付）。
• 持续积累的目标（8b）会提高回归分析和带仪表化的漂移检查的优先级，即使需要付出额外努力。
• 工作量上限较低时，工作保持在当前层级，并将剩余工时用于回溯评分，这一步绝不能省略。

ICP 是什么，不是什么

在进行任何评分工作之前，先划清这条界线；已记录的失败大多源于概念混淆。

• TAM、ICP 和用户画像是三个层次，分别回答三个不同的决策问题：
  • TAM 衡量机会规模（董事会报告、融资）。
  • ICP 筛选销售和营销要跟进哪些客户，通常占 TAM 的 5-15%。
  • 用户画像决定如何与这些客户内部的人员沟通。

先构建 ICP，再叠加用户画像。“北美中型 B2B 公司”是一个市场细分，而不是 ICP——范围太大，无法据此排除任何对象。

• 购买触发因素是第四个相互独立的输入，绝不能将其纳入 ICP。 融资或新法规决定的是在已符合条件的客户中_优先跟进谁_，而不是哪些客户符合条件。将触发因素作为评分信号纳入评分标准的意向类别，但在文档中明确区分资格筛选与优先级排序。
• ICP 评分不是潜在客户评分：
  • ICP 在任何互动发生之前，根据结构性匹配度对_客户_（公司）评分。
  • 潜在客户评分根据互动准备度对_个人联系人_评分。
  • 客户匹配度这一半在此处处理。
  • 联系人准备度这一半在 mbfinotti/revops-skills@lead-scoring 中处理。

根据数据量选择路径，而不是凭偏好

有两条路径，根据约束条件选择，不要对它们排序：

• 数据驱动的评分标准——有足够的成交/流失历史记录，可根据实际成交情况推导标准（大约 50+ 笔交易；少于这个数量时，“数据驱动”这个标签只是给猜测贴金）。
• 创始人主导的探索——交易少于约 50 笔时：自下而上地从早期客户中梳理 ICP，发布一个假设和一个反向 ICP，并在下方的节点升级到评分标准。

在约 20 到 50 笔交易之间，同时开展创始人主导的探索和等权重检查清单——访谈用于提供标准，检查清单让标准可以机械地应用，二者都不假装具有统计权重。

在确定方案前先进行头脑风暴

ICP 很快就会固定下来——几周内，客户名单构建、区域划分和营销活动支出都会以它为依据。先列出候选细分方案。

1. 访谈之后（以及按价值或吸引信号进行细分分析之后），提出 2-3 个候选 ICP 假设——例如，聚焦某个垂直行业的细分方案、更广泛的规模区间方案，或以问题为核心的方案。说明每个方案的权衡（可触达的市场规模、赢单率集中度、证据强度），最后给出一项明确建议。逐一提出剩余的澄清问题，并尽可能采用多选形式。

2. 在围绕某个候选方案构建评分标准或假设文档之前，先获得明确批准。

3. 按章节构建文档，每完成一节都先请用户确认，再继续下一节：

   1. 定义段落。
   2. 标准和排除条件。
   3. 权重。
   4. 验证结果。
   5. 更新计划。

   定义段落如果有误，后续所有内容都会失效，因此绝不要将文档作为一个完整成品一次性呈现。

4. 只有在用户批准整合后的文档后，才能定稿。

如果你的执行环境具有持久化记忆，请存储已批准的文档：定义段落、标准、权重、排除条件、负责人和更新日期。这样，后续运行和相关的细分/分层技能就能从已记录的决策开始，而不必从头再来。

数据驱动路径：推导、加权、验证

1. 先按价值细分，再进行任何画像分析。 按 LTV、价值实现时间、流失率、扩张潜力和推荐潜力对客户群排序，然后分析_表现最佳_客户群的特征——绝不能先基于全体客户进行公司概况分析。选择契合度最高的客户，而非收入最高的客户：一个消耗了大量支持资源后又流失的大客户，是警示信号，不是筛选标准。

2. 从四个类别中通过实证推导标准：

   • 公司概况——公司是什么样的。
   • 技术概况——公司运行什么。
   • 战略意图／触发因素——最近发生了什么变化（融资、领导层变动、扩张）。
   • 行为——公司正在做什么（相关岗位招聘、浏览定价页）。

   为实际客户账户添加标签，找出共同的结构性特征。常见的模式是，约 80% 的最佳客户共享 3-5 个具体特征。总共设定 8-15 条标准——少于 8 条通常不足以区分客户账户。

3. 将否决条件作为首要的减分项，而不是事后考虑。 从公司概况相符但最终流失的交易中，挖掘其失败的真正原因（价格、缺少功能、监管障碍、地点），并将这些因素计为扣分项。还要询问：即使某个客户账户表面上很有吸引力，什么因素仍会使它不合格？

4. 按照数据成熟度阶梯进行加权——按效率排序的选项列表：

   • 价值：基于回归 > 分析师定义 > 等权重
   • 工作量：基于回归（100-150+ 笔有标签的交易，需要统计技能，耗时数天至一周）> 分析师定义（一次跨职能研讨会）> 等权重（几乎为零）
   • 效率：分析师定义 > 等权重 > 基于回归

   按阶梯逐步推进：

   • 等权重（已成交的赢单少于约 50 笔）：数据决定了应处于这一阶——信号不足以区分客户，假装有足够信号只会把猜测伪装成精确结论。
   • 分析师定义（默认阶）：团队根据判断选出重要因素，再依据其预测力将权重分配到 100 分制。
   • 基于回归（在有 100-150+ 笔已成交的赢单，且有人能够运行并解读模型后升级到这一阶）：效率排序会让这一阶处于劣势，因为它的价值最高，但每次都因工作量而落败。即便如此，仍应在评分规则会影响实际支出时（例如划分销售区域、外呼预算）升级到这一阶，因为此时错误的权重会导致预算分配不当。

   这一排序是默认建议，不是硬性规定：内部分析师可以几乎零成本地开展回归分析，而已在使用营收情报工具的团队也已经承担了大部分成本。根据访谈答案重新排序，并说明哪些内容发生了变化。

5. 用多个指标综合确定目标变量。 根据赢单率、留存率、扩张情况、价值实现时间等结果进行加权——绝不能只看交易额，因为这样会偏向规模大但契合度差的客户（a16z 的 Michael King 的建议）。

6. 通过回溯评分进行验证——这是大多数团队都会跳过的步骤，也是区分评分规则与演示文稿的关键：

   • 根据草案，为最近 50-100 笔已成交的赢单和败单评分。
   • 如果高分客户的成交率没有显著高于低分客户，说明评分规则还不具备预测力：调整权重并重新运行，未经验证绝不发布。
   • 在交付成果中报告验证结果。

7. 细分评分规则。 面向中端市场的产品和面向企业的产品需要不同的规模区间、技术标准和信号——每个主要细分市场制定一套评分规则，并按营收潜力确定优先级，不要用一套评分规则勉强覆盖所有细分市场。

包含完整回溯评分流程的评分规则示例，以及应避免的反面示例：rubric-worked-example.md。

创始人主导型路径：聚焦、顺应拉力，写明反向 ICP

1. 聚焦，绝不放宽。 创始人最常犯的错误，是因为害怕市场缩小而设定宽泛的 ICP。定义越聚焦，在对话中积累模式识别能力的速度就越快——“试图卖给所有人，就等于卖不出去。”

2. 根据拉力判断 ICP，而非推力。 留意来自某种明显可识别的客户类型的、格外热烈的主动咨询，并顺势跟进，即使这与原计划相悖——信号在于谁最积极地被产品吸引，而不是白板上的猜测。

3. 尽早访谈早期采用者，逐字记录。 询问他们为何特别选择这款产品、实际获得了什么收益，以及日常如何使用。保留他们的原话——逐字记录的措辞既是 ICP 的依据，也是未来营销信息的素材。

4. 将反向 ICP 写成配套文档：明确哪些客户即使表面上很有吸引力也不符合条件。这是将聚焦原则落到文档中的做法——当第一个看起来很不错的“也许能成”的交易出现时，它能防止客户画像再次变得宽泛；在尚无营收时，拒绝这类机会确实很难。要明确向用户指出这种矛盾。

5. 在文档中设定阶段性里程碑：

   • 约 10–20 笔交易：应形成定性假设。
   • 约 50 笔交易：转为采用权重相同的评分标准。
   • 100–150 笔以上交易：即可进行回归分析。

   这些是同一条自下而上转向自上而下路径上的里程碑，并非彼此竞争的门槛。

完整的探索流程、访谈脚本，以及过度贴合设计合作伙伴的陷阱：founder-led-discovery-example.md。

文档

ICP 必须同时用一段通俗易懂的文字说明和一份通过／不通过标准清单来表达，二者缺一不可。段落能保留清单容易抹平的细微差别。清单则便于机械地评估客户。添加：

• 不符合条件的客户／反向画像，并与销售中听到的主要异议配套——资格排除与异议处理应放在同一部分，而不是作为事后补充。
• 符合条件但迟迟不采取行动的客户所面临的转换力量：推力（对当前方案的不满）、拉力（吸引他们的因素）、习惯（让他们停滞不前的因素）、焦虑（他们对转换的担忧）——这是 Bob Moesta 的 Jobs-to-be-Done 转换框架。匹配度解释了哪些客户可能购买，转换力量则解释了为什么符合条件的客户仍迟迟不行动。
• 对任何无法独立核实的匹配度判断标注置信等级：
  • 高：有两个独立来源或一个官方页面支持。
  • 中：有一个可信来源及一致的间接证据支持。
  • 低：标记为不确定，绝不当作事实陈述。
• 版本号和变更日志——每次更新都记录改了什么、为什么改，以便审查内容偏移。
• 主要和次要细分市场。 ICP 用于明确重点，但不排除所有其他客户。明确可接受的次要客户画像，让一线团队区分“当前非重点”和“不符合条件”。

CONTEXT: branch used · deal-data volume · consuming teams · named owner
DEFINITION: one-paragraph ICP statement · pass/fail criteria checklist
RUBRIC (data-led): criteria by category with weights · disqualifier deductions · score bands
HYPOTHESIS (founder-led): narrowed statement · pull evidence · anti-ICP · graduation waypoints
VALIDATION: retro-scoring result, or the dated plan to run it at ~50 deals
LANGUAGE: verbatim customer phrases · switching forces (push/pull/habit/anxiety)
REFRESH: quarterly light review · annual rebuild · drift tripwires · off-cycle triggers · version/changelog
RISKS: failure modes checked · confidence grades on unverified claims

更新计划

一个已六个月未更新的 ICP 不只是过时了——它会让团队瞄准一个已经发生变化的市场。不要只选一种节奏，而应叠加三种周期：

• 每季度进行轻量评审：由跨职能团队（销售、营销、RevOps）开展会议，根据当前评分标准，重新评估本季度已成交、未成交和流失的交易。
• 每年全面重建标准和权重本身。
• 每月检查偏移预警指标：评分分布、回复率、路由准确率。

可覆盖日历安排的非周期性触发因素：

• 定价／套餐发生变化。
• 产品发布改变了能从中获益的客户群体。
• 进入新市场时，应建立一个独立的 ICP，而不是拓宽现有 ICP。
• 已成交的交易反复出现在 ICP 范围之外。
• ICP 匹配账户的赢单率或销售周期出现无法解释的变化。
• MQL 到 SQL 的转化率跌至约 15% 以下，或销售代表完全绕过 MQL——这两种情况都说明评分已过时。

技术画像数据比公司画像数据衰减得更快，因此无论采用什么评审周期，以技术画像为主的评分标准都需要更频繁地重新验证数据。

B2B 与 B2C

决策单位发生变化，因此分层模型本身也会改变——不只是其中的标准有所不同。

B2B：决策单位是账户及其采购委员会——调查显示，委员会由 6-10 名决策者组成（Gartner，2017），最多约有 13 名相关方（The State of Business Buying，2024）。应注明这个范围，而不是只引用一个数字。标准仍以公司层面的公司画像／技术画像为主，由 RevOps、营销领导层或 CRO 负责。

B2C：没有公司画像层可用于构建公司级 ICP。对应的结构是个人或家庭的人口统计／心理特征画像（年龄、收入、人生阶段、所在地、价值观），其作用与 ICP 在 B2B 中的作用完全相同。

• 高考虑度购买：家庭内部会分配决策角色（发起者、影响者、决策者、购买者、使用者、把关者），如同委员会一样，而且角色会随每次购买而变化。
• 低参与度购买：将这些角色归于同一个人，委员会角色映射机制便不再适用。

两者明确共有的特点：

• 两类画像都基于实际成交／购买数据，而不是假设。
• 两者都在基础画像之上叠加行为／心理特征信号。
• 两者都需要排除条件、验证和更新周期。
• 收窄范围的原则在两者中都同样适用。

失败模式

在发布前，针对以下每种情况检查最终成果——用具体问题来检查，而不是给出抽象建议：

• 错失恐惧陷阱——范围太广。检查：ICP 是否能筛除约 70% 的入站潜在客户？如果不能，它就没有发挥作用。
• 将 ICP 与 TAM 混为一谈——目标名单大到无法采取行动。检查：ICP 是否只占 TAM 的一小部分（通常为 5-15%）？
• 将 ICP 与市场细分混为一谈——“X 行业的公司”只是一个切片，并未说明公司在哪类客户中赢单、留住客户并实现扩张。
• 只根据公司画像评分——公司画像再匹配的账户仍可能失败：正处于重组中、刚与竞争对手续约、没有内部支持者。人向人购买，而不是企业向企业购买。保留意向和行为类别，并将人物画像工作交由下游负责。
• 基于会议室里的头脑风暴构建——检查：每项标准是否都来自带标签的已成交／未成交／流失账户？（或者，对于创始人主导的早期阶段，是否来自真实客户访谈？）
• 将最大客户误认为最佳客户——收入规模和契合度是两个不同维度。
• 只描述客户特征，却未说明问题——“B 轮、200 人的 SaaS 公司”说的是客户是谁，而不是他们为什么购买。应以问题和交付的价值为核心。公司画像用于筛选出有该问题的客户。
• 静态成果，没有负责人——检查：是否指定了负责人、更新日期和版本号。
• 将拓展与完善混为一谈——在 B 轮之前，打磨 ICP 几乎总比拓宽 ICP 更好。由于未达到增长目标就扩大 ICP，在这一阶段通常是错误的做法。

衡量

只有以下各项全部通过，产物才算完成。持续迭代，直到达到 100%：

• 定义包含段落和通过／失败检查清单，并将不合格项作为独立条目列出。
• 报告回溯评分结果（或者在创始人阶段，说明计划在约 50 笔交易时执行回溯评分的日期）；如果高分组的表现没有优于低分组，则必须在发布前修订权重。
• 产物中列明负责人、三种频率的更新计划，以及计划外触发条件清单。
• 每项引用的基准数据都注明来源和年份。广为流传的“定义了 ICP，胜率高出 68%”这一数字属于孤立引用，从未追溯到已发表的报告，因此绝不能作为事实出现（参见下方的数字评估参考）。
• 明确说明范围是 B2B 还是 B2C；同时面向两端的公司应为每一端分别建立画像，而不是混为一谈。

ICP 发布后要跟踪的结果 KPI：

• ICP 契合客户与不契合客户的胜率（对评分标准的实际验证）。
• 新增销售管道中属于 ICP 的比例。
• MQL 到 SQL 的转化率，并对照约 15% 的警戒线。
• 更新计划中的偏移信号。

校准对缩小范围所带来提升的判断：独立汇编的数据将中型市场 B2B SaaS 的胜率估算在 20-30% 左右；对于承诺远高于此水平的案例研究，应按照数字评估参考中的说明保持怀疑。

参考资料

• 参见 mbfinotti/sales-skills@sales-account-segmentation，了解如何沿着本 ICP 定义的维度细分客户；细分以 ICP 为基础，绝不会重新推导 ICP。
• 参见 mbfinotti/sales-skills@sales-account-tiering，了解基于 ICP 契合度评分制定的层级划分阈值和覆盖水平。
• 参见 mbfinotti/sales-skills@sales-market-sizing，了解 TAM/SAM/SOM 估算；这是 ICP 之上的市场规模估算层。本技能负责筛选，另一个技能负责计数。
• 参见 mbfinotti/sales-skills@sales-motion，了解影响 ICP 的销售模式背景；自助服务模式和企业销售模式会针对同一市场形成不同画像。
• 参见 mbfinotti/sales-skills@sales-quota-setting，了解依据 ICP 客户池进行的区域划分和配额计算。
• 参见 mbfinotti/revops-skills@lead-scoring，了解评分中关于联系人就绪度的部分；本技能负责客户契合度，另一个技能负责潜在客户行为。
• 参见 ./references/rubric-worked-example.md，查看包含回溯评分环节和负面案例的评分标准示例。
• 参见 ./references/founder-led-discovery-example.md，查看由创始人主导的探索流程、访谈脚本和反 ICP 示例。
• 参见 ./references/named-frameworks-and-figure-grading.md，了解具名框架（Dunford、SPICED、a16z Five-Question），以及本技能引用的每项基准数据应获得多大权重。