«Наш идеальный клиент — средний бизнес с выручкой от 100 миллионов». Знакомо, правда? На каждой второй стратегической сессии звучит что-то подобное. Директор уверенно кивает, маркетолог записывает в блокнот, продажники делают вид, что поняли. А потом все расходятся — и ничего не меняется. Потому что под это описание попадает половина компаний в стране.
Мы однажды посчитали: у одного нашего клиента под «средний бизнес с выручкой от 100 миллионов» подходило больше 12 тысяч организаций только в его регионе. Отлично, осталось всего лишь обзвонить их все и найти тех, кому реально нужен продукт. Спойлер: так это не работает.
Поэтому мы перевернули подход с ног на голову. Вместо того чтобы выдумывать портрет идеального клиента на совещаниях, начали копаться в CRM — в истории реальных сделок, которые уже закрылись. И знаете что обнаружили? «Золотые» клиенты часто выглядят совсем не так, как все привыкли думать. Иногда это даже обидно — столько лет гонялись не за теми. Но лучше узнать поздно, чем никогда. Ниже расскажу, как мы это делаем и как повторить за неделю. А если хотите сначала разобраться с базой по CRM-аналитике — загляните в статью про 7 дашбордов для CEO.
Почему привычный способ определять ICP — это гадание на кофейной гуще
Давайте честно: как обычно строится портрет идеального клиента? Собираются руководители, наливают кофе, и начинается мозговой штурм. «Кто у нас обычно покупает?» — спрашивает директор. «Ну, средний бизнес...» — отвечает кто-то. «Да, и чтобы IT-директор был адекватный», — добавляет другой. Через час на доске красуется список признаков, который все дружно фотографируют на телефоны. Готово, ICP создан!
Проблема в том, что это не ICP. Это коллективные фантазии о том, каким должен быть идеальный клиент. Люди вспоминают яркие случаи, удачные сделки, приятных заказчиков — и на этом строят картину мира. А память штука избирательная, она хранит не статистику, а эмоции.
Вот что мы видим снова и снова. Кто-то говорит: «Нам нужны крупные клиенты, enterprise» — потому что это звучит солидно, а ещё потому что продажник получил большой бонус за сделку с банком три года назад. На практике эти enterprise-клиенты согласовывают контракт по полгода, выбивают скидки до неприличия, а потом ещё требуют индивидуальные доработки. Средний же бизнес — тот самый, который «несерьёзный» — закрывается за три недели и платит по прайсу без торга.
Или другая история: «IT-компании от 50 сотрудников — наш целевой сегмент». Хорошо, но среди них есть те, кто принимает решение за неделю, и те, кто будет водить вас по кругу полгода, а потом тихо исчезнет. Разница не в количестве сотрудников. Разница в том, как эти компании принимают решения, кто за ними стоит, какая у них культура. А это в описание «IT от 50 человек» не вписывается никак.
ICP 2.0 устроен иначе. Мы не придумываем профиль — мы его находим. В данных CRM уже записано, какие сделки закрылись быстро, какие принесли много денег на длинной дистанции, а какие потребовали кучу усилий и закончились ничем. Надо просто правильно посмотреть на эти данные — и «золотые» когорты проступят сами, как изображение на проявляющейся фотографии.
С чего начать: достаём из CRM всё, что нажито непосильным трудом
Первый шаг — выгрузить все закрытые сделки за последний год-два. Можно и больше, но слишком далеко в прошлое лучше не уходить: рынок меняется, ваш продукт меняется, клиенты меняются. Данные пятилетней давности могут больше запутать, чем помочь.
Теперь важный момент. Большинство выгружает только название компании и сумму сделки. Это как пытаться понять человека по фотографии на паспорт — технически что-то видно, но ничего не понятно. Нужна полная картина.
Во-первых, всё про саму компанию: в какой отрасли работает, сколько сотрудников, какая примерная выручка, где находится, сколько лет на рынке. Во-вторых, история самой сделки: сколько дней прошло от первого контакта до оплаты, откуда пришёл лид, кто его вёл, сколько звонков и встреч понадобилось. В-третьих, что было после покупки: вернулся ли клиент, покупал ли ещё, жаловался ли, рекомендовал ли кому-то. И в-четвёртых — контекст: кто принимал решение о покупке, какая проблема привела клиента к вам, почему выбрали именно вас, а не конкурента.
Звучит как много работы? Отчасти да. В CrmAI большая часть этого уже структурирована, можно просто нажать кнопку и получить готовый отчёт. Если у вас другая система — придётся повозиться, возможно, написать SQL-запрос или собрать данные вручную из разных источников. Но оно того стоит. Потому что без этой полноты данных вы опять получите не ICP, а догадки.
И ещё одна ловушка, в которую попадают почти все: смотреть только на сумму сделки. «Этот клиент заплатил миллион — значит, идеальный!» А потом выясняется, что этот миллион отбивали год, скидку дали 40%, клиент ушёл через полгода и оставил гневный отзыв. Какой же он идеальный? Сумма — это только часть истории.
Как понять, какая сделка действительно хорошая
Есть одна неприятная правда: не все закрытые сделки одинаково полезны для бизнеса. Бывает, продал — и потом жалеешь. Клиент капризный, требует внимания больше, чем платит, а через год уходит к конкуренту. Формально сделка в плюс, по факту — в минус, если посчитать все затраты.
Поэтому нам нужен способ оценить качество каждой сделки. Не «хорошая — плохая», а конкретная цифра, которую можно сравнивать. Мы для этого используем так называемый Deal Quality Score, или DQS — оценку качества сделки по шкале от 0 до 100.
Как она работает? Берём четыре главных параметра. Первый — соотношение того, сколько клиент принёс за всё время, к тому, сколько на него потратили (LTV к CAC). Второй — скорость: чем быстрее сделка закрылась, тем лучше, время менеджеров тоже денег стоит. Третий — возвращается ли клиент, покупает ли снова, продлевает ли подписку. Четвёртый — сколько усилий понадобилось: количество звонков, встреч, писем, пока клиент не сказал «да».
Каждый параметр приводим к шкале от 0 до 100, умножаем на вес (мы обычно даём LTV/CAC 30%, скорости 25%, возвращаемости 25%, и усилиям 20%), складываем — и получаем итоговый DQS. Сделки с результатом выше 70 — это ваше золото, их надо изучать под микроскопом. Ниже 40 — проблемные, даже если формально они закрылись и деньги пришли.
В CrmAI этот скоринг считается автоматически, вам нужно только настроить веса под свой бизнес. Для SaaS, например, возвращаемость обычно важнее скорости — там длинные отношения. Для проектного бизнеса наоборот — важнее быстро закрыть и перейти к следующему. Если хотите глубже разобраться в теме скоринга — у нас есть отдельная статья про Lead Scoring 2.0.
«Год убеждал себя, что наши идеальные клиенты — крупные производственные холдинги. Престижно, большие чеки, всё как положено. Из 50 попыток закрыли три. Три! Когда посчитали DQS по всей базе, я сначала не поверил: лучшие показатели у средних дистрибьюторов, которых мы считали «мелочью». Они закрываются за три недели, не торгуются, возвращаются каждый квартал. Переключились на них — за полгода конверсия выросла вчетверо. Иногда данные больно бьют по самолюбию, но лучше так, чем ещё год тратить время впустую».
Марат Сейтжанов
Коммерческий директор, B2B-дистрибьютор
Ищем закономерности: что общего у лучших клиентов
Вот тут начинается самое интересное. У вас есть куча сделок с высоким DQS — теперь нужно понять, что их объединяет. Почему именно эти клиенты оказались такими замечательными? Что в них особенного?
Можно, конечно, сесть в Excel и вручную фильтровать данные, искать пересечения. Но честно? Это муторно, долго, и легко пропустить что-то неочевидное. Человеческий мозг плохо работает с таблицами на сотни строк — он устаёт и начинает видеть паттерны там, где их нет, и пропускать там, где они есть. Поэтому лучше использовать алгоритмы кластеризации, которые делают это автоматически.
И вот какие вещи обычно всплывают, когда начинаешь копать. Отраслевые закономерности: оказывается, логистика и e-commerce закрываются быстро, а госсектор — это бесконечные тендеры и согласования. Размерные закономерности: не абстрактный «средний бизнес», а очень конкретный диапазон — скажем, 20–50 человек и выручка от 50 до 200 миллионов. Чуть больше — и уже другое поведение, другие процессы принятия решений.
Ещё интереснее — поведенческие паттерны. Клиенты, которые пришли по рекомендации, закрываются вдвое быстрее холодных. Те, кто начал с пробного периода, потом остаются дольше. Те, кто на первой встрече спросил про интеграцию с 1С — на 70% вероятнее купят. Такие вещи в традиционный ICP не записывают, а они решают.
И отдельная история — кто принимает решение. Если на той стороне собственник или CEO — всё происходит быстро: понравилось — купил, не понравилось — отказал. Если решение принимает комитет из IT-директора, финансового и безопасника — готовьтесь к марафону на несколько месяцев, и то не факт, что добежите до финиша.
В CrmAI вся эта кластеризация встроена: система сама группирует похожих клиентов и показывает, по каким признакам они объединились. Можно задать порог — например, «покажи только сегменты с DQS выше 70» — и сразу видишь, кто реально приносит деньги.
Собираем ICP 2.0: не один портрет, а система приоритетов
Теперь, когда кластеры найдены, пора превратить их в рабочий инструмент. И вот тут важный момент: забудьте про «один идеальный клиент». Это слишком грубое упрощение. В реальности у вас будет несколько когорт, и каждая требует своего подхода.
Представьте себе светофор. Зелёный свет — когорта A, это ваши «золотые» клиенты, на них бросаем лучших менеджеров и максимум ресурсов. Жёлтый — когорта B, клиенты хорошие, но требуют больше усилий или приносят меньше. Красный — когорта C, с ними либо работаем через автоматизацию с минимальными затратами, либо честно отказываем. Да-да, иногда не продавать — это правильная стратегия.
Покажу на примере, как это может выглядеть. «Быстрые дистрибьюторы» — оптовая торговля, 30–70 человек, собственник принимает решения сам, DQS под 80, приоритет максимальный. «Растущий e-com» — онлайн-ритейлеры поменьше, 10–30 человек, пришли через контент-маркетинг, их главная боль — как масштабироваться без хаоса, DQS около 75, тоже приоритет A. «Консервативный средний» — производственники побольше, 100–300 человек, долго думают, зато если купили — остаются надолго, DQS 68, приоритет B. И наконец «стартапы» — меньше десяти человек, маленькие чеки, часто уходят, DQS 35, приоритет C.
Когда такая система появляется, работа отдела продаж меняется радикально. Новый лид? Смотрим признаки, определяем когорту — и сразу понятно, сколько времени на него тратить и кому передавать. Никаких гаданий, никаких споров «а вдруг это перспективный клиент». Данные говорят за себя.
От документа к действию: как не дать ICP пылиться на полке
Знаете, что общего у большинства ICP в компаниях? Они красиво описаны в презентации, которую один раз показали на совещании, а потом благополучно забыли. Лежит файл где-то на Google Drive, его никто не открывает, а менеджеры продолжают работать как работали — по наитию.
Чтобы ICP реально работал, нужна автоматизация. Каждый новый лид должен автоматически сравниваться с вашими когортами и получать метку: «похож на золотых» или «не похож». Звучит как магия, но технически это несложно.
Вот как это устроено в CrmAI. Приходит новый лид — система сразу подтягивает информацию о компании из открытых источников: сколько сотрудников, какая отрасль, примерная выручка. Потом сравнивает эти данные с профилями когорт. Совпадение с когортой A больше 70%? Лид получает высокий приоритет и автоматически попадает к лучшему свободному менеджеру. Похож на когорту C? Уходит в автоматическую воронку с минимальным ручным участием.
Ещё одна полезная штука — look-alike поиск. Допустим, у вас есть база из тысячи потенциальных клиентов, которую вы где-то достали. Можно загрузить её в систему, и она отфильтрует тех, кто похож на ваши «золотые» когорты. Вместо того чтобы обзванивать всех подряд, вы звоните только тем, у кого высокие шансы купить.
И что особенно важно — система следит за тем, как меняется ситуация. Если какой-то сегмент начинает «выгорать» — новые сделки закрываются хуже, DQS падает — приходит уведомление. Пора что-то менять: либо искать новые когорты, либо разбираться, что пошло не так. Так ICP превращается из статичной картинки в живой инструмент. Больше про то, как связать маркетинг и продажи в единую систему — в статье про Smarketing.
Обратная сторона медали: кому точно не надо продавать
Все так увлекаются поиском идеальных клиентов, что забывают про обратную сторону вопроса. А она не менее важна. Понять, кто точно не ваш клиент — это сэкономить кучу времени и нервов.
Проигранные сделки — это не просто неудачи, которые хочется забыть. Это ценнейший источник информации. Почему отказали? «Дорого» — окей, но какие именно клиенты говорят, что дорого? «Выбрали конкурента» — а какой сегмент чаще уходит к конкурентам? «Нет бюджета» — у кого конкретно обычно нет бюджета? Когда начинаешь раскладывать отказы по полочкам, проявляются закономерности.
Ещё важнее — на каком этапе отвалились. Если клиенты из определённого сегмента стабильно уходят после демо — это не продажники плохо работают. Это продукт не подходит для этого сегмента, и никакими скилами это не исправить. Лучше не тратить время на демо вообще.
И самое болезненное — посчитать, сколько стоил каждый отказ. Сколько часов работы менеджера, сколько встреч, сколько презентаций. Если на определённый сегмент уходит по 50 часов работы, а закрывается только каждая десятая сделка — это не клиенты. Это чёрная дыра, которая сжирает ресурсы.
В CrmAI мы делаем обязательным поле «Причина отказа» при проигрыше сделки. Варианты заранее определены, чтобы потом можно было считать статистику. И через пару месяцев картина становится кристально ясной. Госсектор — 85% отказов из-за тендерных процедур. Значит, либо учимся работать с тендерами, либо честно признаём: это не наш рынок.
История из жизни: как SaaS-компания год гонялась не за теми
Расскажу про один кейс, который хорошо иллюстрирует всё вышесказанное. Один из наших клиентов делает SaaS для автоматизации документооборота. Хороший продукт, сильная команда. И у них была железобетонная уверенность: наши клиенты — это enterprise. Банки, крупные холдинги, телеком. Логика понятная: большие чеки, престижные лого для портфолио, многолетние контракты.
Они год работали по этой стратегии. Взяли 47 enterprise-лидов в работу. Закрыли... три. Три сделки из сорока семи — это конверсия 6%. Средний цикл — восемь месяцев согласований, демо для разных отделов, пилотных проектов, которые никуда не вели. Стоимость привлечения одного клиента — под миллион тенге. При таких раскладах даже большой чек не очень-то радует.
Когда мы посчитали DQS по всем их закрытым сделкам — не только enterprise, а вообще всем — картина перевернулась. Лучшие показатели, выше 85 баллов, оказались у юридических фирм среднего размера. 20–50 сотрудников, решение принимает управляющий партнёр, цикл сделки — две-три недели. Конверсия — 35%. И самое удивительное: LTV вдвое выше, чем у enterprise, потому что эти клиенты возвращаются, покупают дополнительные модули, рекомендуют коллегам.
Компания перенаправила 70% маркетингового бюджета на юридический сегмент. Да, пришлось признать, что год работали не в том направлении — это было неприятно. Но через полгода у них было 40 новых клиентов, стоимость привлечения упала втрое, выручка выросла на 60%. Enterprise не бросили совсем — выделили отдельную небольшую команду для «премиум-направления». Но перестали делать на него ставку.
Грабли, на которые наступают почти все
За годы работы с разными компаниями мы насмотрелись на типичные ошибки. Расскажу о пяти самых частых — может, сэкономите себе время.
Первая — слишком мало данных. Двадцать сделок — это не статистика, это анекдоты. На таком объёме можно увидеть что угодно, и это будет случайность. Для более-менее надёжных выводов нужно хотя бы 50–100 сделок. Если у вас меньше — подождите, пока накопится, или расширьте временной период.
Вторая — смотреть только на первую продажу. Клиент купил на миллион — ура, идеальный! А потом он ушёл через полгода и больше не вернулся. А другой купил на 200 тысяч, но приходит каждый месяц уже третий год. Кто из них на самом деле ценнее? LTV важнее разового чека, но про это постоянно забывают.
Третья — сделать ICP один раз и забыть. Рынок меняется, конкуренты появляются, ваш продукт развивается. То, что было «золотой» когортой год назад, сегодня может уже не работать. ICP нужно пересматривать хотя бы раз в квартал, а лучше — следить за показателями в реальном времени.
Четвёртая — ICP живёт отдельно от реальной работы. Красивая презентация есть, но продажники понятия не имеют, как на первом звонке определить, «золотой» это клиент или нет. ICP должен быть переведён в конкретные вопросы и чек-листы, которые можно использовать в работе.
И пятая — зацикленность на демографии. «IT-компании в Алматы от 50 сотрудников» — это не ICP. Это просто фильтр в базе данных. Настоящий ICP включает поведение: как принимают решения, какие боли испытывают, что для них важно, как общаются. Без этого вы снова стреляете по площадям.
Что нужно сделать: короткая шпаргалка
Если решили строить ICP 2.0 — вот последовательность шагов. Не обязательно делать всё сразу, но важно двигаться именно в этом порядке, иначе будете строить замок на песке.
Начните с выгрузки всех закрытых сделок за последний год-два. Убедитесь, что у вас есть не только суммы, но и атрибуты компаний, и история взаимодействий, и постпродажные данные. Чем полнее картина — тем точнее будут выводы.
Дальше посчитайте качество каждой сделки: соотношение LTV к затратам на привлечение, скорость закрытия, возвращается ли клиент, сколько усилий потребовалось. Сведите это в единый показатель — DQS или как угодно его называйте.
Выделите когорты с высоким DQS и поймите, что их объединяет. Отрасль? Размер? Поведение? Кто принимает решения? Чем конкретнее признаки — тем лучше. «Средний бизнес» — плохо. «Дистрибьюторы 30–70 человек, собственник-ЛПР, пришли по рекомендации» — хорошо.
Не забудьте про обратную сторону — проанализируйте проигранные сделки и определите anti-ICP. Кому точно не стоит продавать? На каких сегментах вы стабильно теряете время?
Настройте автоматический скоринг входящих лидов по признакам ICP. Каждый новый контакт должен автоматически получать метку: «золотой», «обычный», «нецелевой».
Синхронизируйтесь с маркетингом: таргетинг, контент, каналы — всё должно быть заточено под ваши «золотые» когорты. И поставьте себе напоминание пересмотреть ICP через три месяца. Потому что он устареет — это гарантированно.
Как CrmAI упрощает всю эту историю
Можно ли делать всё это вручную? Технически да. Excel, сводные таблицы, много кофе и несколько бессонных ночей. Но честно — это путь к ошибкам и выгоранию того бедолаги, которому поручат этот проект.
В CrmAI мы автоматизировали всю цепочку. Система сама считает DQS для каждой сделки — вам нужно только один раз настроить веса под свой бизнес. Кластеризация работает на алгоритмах машинного обучения и находит паттерны, которые человек просто не заметит. Например, однажды система выявила: «Клиенты, которые на первом звонке спрашивают про интеграцию с 1С, закрываются втрое чаще». Человек бы это не уловил — слишком тонкий сигнал.
Каждый входящий лид автоматически сравнивается с профилями когорт и получает приоритет. Менеджеру не нужно гадать и вспоминать признаки — система сама подскажет, на кого обратить внимание в первую очередь. А дашборд показывает картину в реальном времени: какие сегменты приносят деньги, какие проседают, как меняется ситуация от месяца к месяцу.
Хотите посмотреть, как это выглядит на практике? Закажите демо — загрузим ваши данные и покажем, как выглядят ваши «золотые» когорты. Иногда результат удивляет даже тех, кто уверен, что знает своих клиентов.
Главное, что стоит запомнить
ICP 2.0 — это не упражнение по фантазированию на тему «кто бы нам подошёл». Это археология: раскопки в данных, которые у вас уже есть, в поисках ответа на вопрос «кто нам реально подходит».
Ваша CRM знает ответ. Там записано, кто покупал быстро, кто торговался до посинения, кто вернулся трижды, а кто исчез через месяц. Нужно только правильно задать вопрос и уметь интерпретировать ответ.
Десять клиентов с высоким качеством сделки принесут больше, чем пятьдесят случайных. И отнимут меньше сил, нервов и времени. Это простая арифметика, которую почему-то все игнорируют в погоне за количеством.
И последнее: ICP — это не документ, который делают один раз и кладут на полку. Это живая система, которая должна постоянно обновляться. Сегодняшние «золотые» клиенты через год могут стать обычными. Рынок не стоит на месте, и ваш ICP тоже не должен.
Если хотите попробовать — начните с малого. Выгрузите двадцать своих лучших сделок и найдите три признака, которые их объединяют. Это уже будет первая версия ICP 2.0, пусть и грубая. А если хотите сделать всё по-настоящему, с AI-кластеризацией и автоматическим скорингом — напишите нам, разберёмся вместе.