پروفایل مشتری ایدهآل؛ از داده واقعی تا انتخاب بازار هدف
ساختن پروفایل مشتری ایدهآل در بازاریابی B2B از معاملههای برده، باخته و مشتریهای ازدسترفته و حرف واقعی مشتری؛ هوش مصنوعی شواهد را مرتب میکند و ویژگیهای بیپشتوانه «نامعلوم» میمانند.
خلاصهٔ مطلب
- پروفایل مشتری ایدهآل یک نوع سازمان را توصیف میکند، پرسونا یک نقش را و قصد خرید زمانبندی را. اینها را جدا نگه دارید.
- برندهها را با باختهها، مشتریهای ازدسترفته و حسابهای پرزحمت مقایسه کنید. ویژگی مشترک برنده و بازنده، دلیل خوببودن مشتری نیست.
- علاوه بر اینکه چه کسی هستند، ثبت کنید چرا خریدند: مسئله، محرک، ارزش و توانایی موفقشدن.
- از هوش مصنوعی برای مرتبکردن رکوردها با شناسه و پیدا کردن نمونههای نقض استفاده کنید، نه برای پرکردن جاهای خالی با نقشبازیکردن به جای مشتری.
فهرست این نوشته
از یک چتبات بپرسید مشتری ایدهآل شما کیست؛ در چند ثانیه جواب میگیرید. جوابش عنوان شغلی دارد، اندازهٔ شرکت دارد، فهرستی از دغدغهها دارد و شاید حتی یک اسم و یک پادکست محبوب. خوب هم نوشته شده. فقط تقریباً هیچکدامش از مشتریهای شما نیامده است.
این مقاله دربارهٔ همین مشکل است. پروفایل مشتری ایدهآل (ICP) توصیف میکند در چه نوع سازمانهایی برنده میشوید، خوب تحویل میدهید و مشتری را نگه میدارید. این پروفایل را از سوابق خودتان میسازید: معاملههایی که بردید و باختید، مشتریهایی که ماندند و رفتند، حسابهایی که خدمترسانی به آنها سخت بود و حرفهایی که مشتریها با زبان خودشان زدند. هوش مصنوعی میتواند در مرتبکردن و مقایسهٔ این شواهد کمک کند، اما نمیتواند جای خودشان را بگیرد. هر چیزی که سوابق شما پشتیبانیاش نمیکند، باید «نامعلوم» بماند.
پروفایل مشتری ایدهآل، پرسونا، کمیتهٔ خرید و قصد خرید چهار چیز متفاوتاند
این اصطلاحها اغلب جای هم به کار میروند و همین سردرگمی در هدفگیری اشتباه واقعی درست میکند. هر کدام به سؤال متفاوتی جواب میدهد.
| اصطلاح | چه چیزی را توصیف میکند | به چه سؤالی جواب میدهد | مثال |
|---|---|---|---|
| پروفایل مشتری ایدهآل | یک نوع سازمان | سراغ کدام حسابها برویم و به کدامها خدمت بدهیم؟ | شرکتهای لجستیک متوسط که گزارشهایشان را از چند سیستم جدا از هم درمیآورند |
| پرسونای خریدار | یک نقش در آن سازمان | این فرد به چه چیزی اهمیت میدهد و چه چیزی باید ببیند؟ | مدیر عملیاتی که مسئول عددهای هفتگی است |
| کمیتهٔ خرید | گروهی که در خرید دخیلاند | چه کسان دیگری باید موافقت کنند و چه اعتراضی دارند؟ | عملیات، مالی، امنیت فناوری اطلاعات و کاربران نهایی |
| قصد خرید | شواهد فعالیت فعلی | آیا این حساب همین حالا دنبال راهحل است؟ | درخواست دمو، بازدید از صفحهٔ قیمت، درخواست پیشنهاد رسمی |
پروفایل مشتری ایدهآل دربارهٔ اینکه یک حساب مشخص امروز آمادهٔ خرید است یا نه، چیزی نمیگوید. یک شرکت میتواند کاملاً با پروفایل شما جور باشد و تا سه سال دیگر هیچ دلیلی برای تغییر نداشته باشد. «تناسب» و «زمانبندی» را جدا نگه دارید؛ وگرنه فهرست فرصتهایتان پر میشود از حسابهای مناسبی که اصلاً در بازار خرید نیستند.
مجموعهٔ متوازنی از شواهد جمع کنید
غریزهٔ اول این است که به بهترین مشتریها نگاه کنیم و بنویسیم چه چیزهای مشترکی دارند. نتیجه تصویری است که هم خوشایند است و هم گمراهکننده. اگر بهترین مشتریهایتان همه شرکتهای متوسطاند، اما معاملههای باخته و مشتریهای ازدسترفته هم همینطورند، پس اندازهٔ شرکت چیزی نیست که یک مشتری را خوب میکند. این را فقط وقتی میفهمید که هر دو طرف را ببینید.
مجموعهٔ شواهد مفید اینها را دارد:
- حسابهای برنده که ماندهاند: همانهایی که با کمال میل دوباره با آنها قرارداد میبندید.
- حسابهای برنده که رفتهاند: جایی که فروش جواب داد اما تناسب نه.
- معاملههای باخته: مخصوصاً آنهایی که به «تصمیمنگرفتن» باختید، نه به رقیب.
- حسابهای پرزحمت: مشتریهایی که ماندند اما خیلی بیشتر از انتظار انرژی گرفتند.
- زبان مشتری: یادداشت مصاحبهها، متن تماسها، تیکتهای پشتیبانی و نظرها، با همان کلمات خود مشتری.
- محدودیتهای تجاری: چه چیزی را میتوانید تحویل بدهید، کجا میتوانید بفروشید و چه اندازهای از قرارداد برایتان منطقی است.
دادهٔ کامل نخواهید داشت و اشکالی ندارد. چیزی را که دارید ثبت کنید، منبعش را بنویسید و دربارهٔ کمبودنش صادق باشید.
«چه کسی هستند» را از «چرا میخرند» جدا کنید
اطلاعات شناسنامهای شرکت، مثل صنعت، اندازه، منطقه و فناوری، هم راحت جمع میشود و هم راحت بیش از حد به آن اعتماد میکنیم. این اطلاعات حساب را توصیف میکنند، نه دلیل نیازش به شما را. برای هر مشتری خوب سعی کنید به چهار سؤال دیگر هم جواب بدهید:
- مسئله: قبل از خرید چه چیزی درست کار نمیکرد؟
- محرک: چه چیزی تغییر کرد که همان موقع اقدام کردند، نه یک سال زودتر؟
- ارزش: چه چیزی به دست آوردند که از گزینهٔ جایگزینشان نمیگرفتند؟
- توانایی موفقشدن: چه چیزی داشتند که اجازه داد از محصول خوب استفاده کنند؟ یک تیم، یک فرایند، دادهٔ تمیز یا یک حامی در مدیریت ارشد.
سؤال چهارم همان است که بیشتر پروفایلها جا میاندازند و اغلب دلیل رفتن مشتری را توضیح میدهد. یک شرکت میتواند مسئله، محرک و بودجه را داشته باشد و باز هم با محصول شما شکست بخورد، چون بعد از راهاندازی هیچکس مسئولش نیست.
هوش مصنوعی کجا کمک میکند و از کجا شروع به ساختن میکند
وقتی سوابق را دارید، هوش مصنوعی مفید است. یادداشتهای ناشناسشدهٔ معاملهها، خلاصهٔ مصاحبهها یا جدول حسابها را به آن بدهید و بخواهید:
- حسابها را بر اساس مسئله و محرکی که گفتهاند گروهبندی کند
- فهرست کند کدام ویژگی در حسابهای برنده، باخته و ازدسترفته دیده میشود
- نمونههای نقض را پیدا کند: حسابهایی که ویژگی را دارند اما موفق نشدهاند
- کنار هر ادعا، شناسهٔ رکورد منبع را بیاورد
- سؤالهایی را فهرست کند که شواهد نمیتواند به آنها جواب بدهد
دو دستور آخر از همه مهمترند. کنار هر جمله شناسهٔ رکورد را بخواهید تا یک نفر بتواند بررسیاش کند. نمونههای نقض را صریحاً بخواهید، چون خلاصه بهطور طبیعی الگوی رایج را نگه میدارد و استثناها را حذف میکند، و بینش اصلی اغلب در همان استثناهاست.
کاری که هوش مصنوعی نباید بکند، پرکردن جاهای خالی است. اگر از مدل بخواهید نقش مشتری شما را بازی کند، جوابهایی روان و باورپذیر میدهد که از الگوهای کلی دادهٔ آموزشیاش ساخته شدهاند. این کار برای آمادهکردن سؤالهای مصاحبه شاید مفید باشد. اما تحقیق دربارهٔ مشتریهای شما نیست و هرگز نباید بهعنوان شاهد وارد پروفایل شود. روش کامل تحلیل مصاحبهها را در تحلیل صدای مشتری با هوش مصنوعی ببینید.
یک نمونهٔ عملی با نمونهٔ کوچک و برچسبدار
این نمونه فرضی است. شرکت، حسابها و عددها برای نشان دادن روش ساخته شدهاند؛ دوازده رکورد یک فرایند را نشان میدهد، نه نتیجهای که از نظر آماری نماینده باشد.
یک شرکت فرضی نرمافزار گزارشگیری به تیمهای عملیات میفروشد. دوازده حساب از دو سال گذشته را بررسی میکند: شش حساب برنده (چهار تا هنوز مشتریاند و دو تا رفتهاند)، چهار معاملهٔ باخته و دو حساب که حالا آنها را نامناسب میداند. یک مرحلهٔ هوش مصنوعی یادداشتهای ناشناسشده را با شناسهٔ رکورد به ویژگیهای نامزد تبدیل میکند. بعد یک نفر بقیهٔ جدول را کامل میکند.
| ویژگی نامزد | رکوردهای موافق | رکوردهای مخالف | اهمیت تجاری | اطمینان | سؤال پیگیری |
|---|---|---|---|---|---|
| گزارشگیری از سه سیستم جدا یا بیشتر | ۵ از ۶ برنده | ۱ از ۴ باخته هم داشت | بالا: همان مسئلهٔ اصلی که محصول حل میکند | متوسط | آیا پیش از اولین تماس قابل تشخیص است؟ |
| یک تحلیلگر عملیات مشخص مسئول گزارشهاست | هر ۴ برندهٔ ماندگار | هیچکدام از ۲ حساب رفته نداشتند | بالا: موفقیت در استفاده را پیشبینی میکند | متوسط | در جلسهٔ شناخت دربارهٔ مسئول گزارش بپرسید |
| مدیر عملیات یا مالی جدید در یک سال اخیر | ۳ از ۶ برنده | برای باختهها نامعلوم | محرک احتمالی | کم | همین الگو را در معاملههای باخته بررسی کنید |
| بیشتر از ۲۰۰ کارمند | ۳ از ۶ برنده | ۲ از ۴ باخته | برنده و بازنده را از هم جدا نمیکند | کم | فعلاً از پروفایل حذف شود |
| «شرکت در حال رشد سریع» | هیچ | هیچ | نامشخص | صفر: هوش مصنوعی از آگهیهای استخدام حدس زده | بدون شاهد استفاده نشود |
دو ویژگی باورپذیر رد میشوند. اندازهٔ شرکت منطقی به نظر میرسید و خلاصهٔ اول هوش مصنوعی آن را یک ویژگی تعیینکننده آورده بود، چون نیمی از برندهها آن را داشتند. ستون مخالف نشان میدهد نیمی از باختهها هم همینطور بودند. «رشد سریع» بدتر بود: هیچ رکوردی دربارهٔ رشد حرفی نزده بود. مدل آن را از صفحههای استخدام استنباط کرده بود؛ یعنی حدسی روی یک حدس دیگر.
مهمترین ویژگی در توصیف اولیهٔ هیچکس از مشتری ایدهآل نبود: یک نفر مشخص که مسئول گزارشهاست. این ویژگی فقط به این دلیل پیدا شد که حسابهای ازدسترفته هم در نمونه بودند.
پروفایل موقت اینطور نوشته میشود:
سازمانهایی با محوریت عملیات که گزارشهایشان را از چند سیستم جدا از هم درمیآورند و یک نفر مشخص مسئول گزارشها دارند. تغییر اخیر مدیر عملیات یا مالی شاید محرک باشد (اطمینان کم). نامناسب: تیمهایی که مسئول گزارش ندارند، با هر اندازهای. نامعلوم: اینکه صنعت مهم است یا نه؛ بیرون از لجستیک رکورد کافی برای قضاوت نداریم.
کوتاه است، میزان اطمینانش را میگوید و مشخص میکند چه چیزی نظرش را عوض میکند. این از یک صفحه صفت و توصیف مفیدتر است.
قبل از ساختن هر چیزی روی پروفایل، آن را امتحان کنید
پیشنویس را پیش کسانی ببرید که با مشتری حرف میزنند. تیم فروش میگوید پروفایل با گفتوگوهایی که خوب پیش میروند جور است یا نه. تیم موفقیت مشتری میگوید کدام حسابها بعد از راهاندازی به مشکل میخورند. از هر کدام یک حساب بخواهید که با پروفایل جور است اما بد پیش رفت، و یک حساب که جور نیست اما خوب پیش رفت. همین موارد نشان میدهند پروفایل کجا اشتباه است.
اگر دادهٔ کمی دارید، مثلاً چون شرکت تازهکار است یا تازه وارد بازار جدیدی شده، منتظر دادهٔ بیشتر نمانید. پروفایل را با اطمینان کم در همهجا بنویسید، سؤالها را فهرست کنید و چند گفتوگوی بعدی با مشتری را طوری طراحی کنید که به همین سؤالها جواب بدهد. پروفایلی که میگوید «هنوز نمیدانیم» هم صادق است و هم مفید. پروفایلی که جاهای خالی را با فرض پر میکند، هیچکدام نیست.
چه زمانی باید بازبینیاش کنیم؟
وقتی شواهد تغییر میکند پروفایل را بازبینی کنید، نه فقط بر اساس تقویم: محصول یا بازار جدید، موجی از رفتن مشتریها در یک بخش، یا تغییر در شکل بهترین معاملههایتان. جدول شواهد را سند کاری نگه دارید و پروفایل کوتاه را خلاصهٔ آن، تا بازبینی بعدی از سوابق شروع شود، نه از حافظه.
پروفایل روشن نقطهٔ شروع تصمیمهای بعدی است. جایگاهیابی به این وابسته است که بدانید برای چه کسی هستید (جایگاهیابی در بازاریابی B2B)، و برنامهٔ محتوای مفید هم همینطور (استراتژی محتوای B2B). اگر همین حالا به سرنخها امتیاز میدهید، ارزیابی امتیازدهی سرنخ با هوش مصنوعی سطح بعدی را پوشش میدهد.
جدول خالی شواهد پروفایل مشتری ایدهآل
این جدول را در یک صفحهگسترده کپی کنید. علاوه بر ویژگیهای مثبت، برای ویژگیهای نامناسب و موارد نامعلوم هم ردیف اضافه کنید.
| ویژگی نامزد | رکوردهای موافق (شناسه) | رکوردهای مخالف (شناسه) | اهمیت تجاری | اطمینان | سؤال پیگیری |
|---|---|---|---|---|---|
| [ویژگی] | [شناسهٔ رکوردها] | [شناسهٔ رکوردها] | [چرا از نظر تجاری مهم است] | [زیاد، متوسط، کم، صفر] | [چه چیزی تأیید یا ردش میکند] |
| نامناسب: [ویژگی] | [شناسهٔ رکوردها] | [شناسهٔ رکوردها] | [هزینهٔ خدمترسانی به این حساب] | [اطمینان] | [سؤال] |
| نامعلوم: [سؤال] | – | – | [چرا مهم است] | صفر | [چطور میفهمیم] |
پرسشهای رایج
آیا ICP همان پرسوناست؟
نه. پروفایل مشتری ایدهآل نوع سازمانی را توصیف میکند که باید سراغش بروید و به آن خدمت بدهید. پرسونای خریدار یک نقش در آن سازمان و نیازهای آن فرد را توصیف میکند. معمولاً یک پروفایل و چند پرسونا لازم دارید، چون در خرید B2B چند نفر دخیلاند.
آیا بدون داده مشتری میشود با هوش مصنوعی ICP ساخت؟
میتواند چیزی بنویسد که شبیه پروفایل است، اما از الگوهای کلی ساخته شده، نه از مشتریهای شما. از هوش مصنوعی برای مرتبکردن سوابقی که دارید و فهرستکردن سؤالهای باز استفاده کنید. هر چیزی که بدون رکورد منبع اضافه میکند، فرضیهای برای آزمون است، نه بخشی از پروفایل.
چه زمانی باید پروفایل مشتری ایدهآل را بازبینی کنیم؟
وقتی شواهد تغییر میکند: محصول یا بازار جدید، الگویی از رفتن مشتریها در یک بخش، یا تغییر در شکل بهترین معاملهها. جدول شواهد را سند کاری نگه دارید تا هر بازبینی از سوابق شروع شود، نه از حافظه.
