ICP Definition

Construye data-driven Ideal Customer Profiles desde win/loss analysis, firmographic scoring, y behavioral signals. Transforma vague assumptions sobre tus best customers en un quantifiable, actionable scoring model que enfoca tu entire go-to-market motion en accounts más probable que cierren.

Pre-Work Framework

Antes de que empieces construyendo un ICP, establece el business context y data foundation que hará tu profile actionable. Pregúntate y pregunta a tu team:

1. ¿Qué customer data tienes access a? (Firmographic data de CRM, account characteristics como company size/industry/revenue, o usage telemetry desde tu product?) Tu ICP debe construirse sobre data que realmente puedas sourcear y acceder en real time. Si no tienes access a employee count o revenue data, no puedes score contra eso. Identifica cuáles data sources alimentan tu lead database, tu CRM, y tus prospecting tools.

2. ¿Tienes win/loss history que analizar? (Al menos 20-30 closed deals en either direction?) Tus best customers son tu data. Sin historical wins y losses, estás construyendo un ICP en opinion. Si tienes menos de 20 closed deals, enfócate en customer interviews y cohort analysis.

3. ¿Cuál market segment estás enfocándote? (Vertical como healthcare/fintech, company size como mid-market, geography, o use case como "companies implementing new CRM systems"?) Tu ICP debería ser específico a un go-to-market segment. Intentar construir un single ICP para "todas SaaS companies" es muy broad. Estrecha la aperture primero.

4. ¿Cuál es tu product maturity stage? (Early-stage con unproven product-market fit, growth-stage con clear use cases, o scale-stage con predictable unit economics?) Esto cambia qué signals importan. Para early-stage, te preocupan customer type (e.g., "early adopter mindset"). Para scale-stage, te preocupa firmographic fit y revenue impact.

5. ¿Qué sales cycle data tienes? (Average deal size por customer type, sales velocity por segment, customer lifetime value por cohort?) Esto te ayuda a weight cuáles firmographic signals importan más. Una 300-person fintech company podría cerrar 2x más rápido que una 300-person manufacturing company; tu ICP debería reflejar esa diferencia.

Core Principles

Estos cinco principles guían cada decisión en ICP development. Previenen construir profiles basados en gut feel y aseguran tu ICP se mantenga rooted en evidence.

Principle 1: ICP Is a Living Document, Not a Mandate

What it means: Un ICP no es un one-time proclamation. Evoluciona conforme tu product, market, y customer base evolucionan. Construyelo quarterly. Un customer profile que fue perfecto en 2024 podría estar incompleto en 2025 si tu product agregó nuevas capabilities o tu market shiftó.

Why it matters: Los markets se mueven. Las priorities de tus customers cambian. Nuevos use cases emergen. Si lockeas un ICP en stone y declares "this is law," te perderás nuevas opportunities y optimizarás para outdated customer characteristics. Tu sales team también lo ignorará porque no refleja reality.

How to apply it: Agenda quarterly ICP reviews. Pull tus últimos 20 deals (wins y losses) y pregunta: "¿Aún son los mismos factors que hicieron esos deals win? ¿Emergió algún nuevo customer type que no predijimos?" Actualiza tu scoring model y firmographic definitions accordingly.

Principle 2: Wins Over Opinions

What it means: Tu ICP debería construirse exclusively desde data sobre customers que han comprado de ti, no desde hypotheses sobre quién debería comprar. Si tu founder tiene una theory sobre ideal customers, valídala contra real customer data antes de hacerla parte de tu ICP.

Why it matters: La founder intuition frecuentemente está equivocada. Tus best customers raramente se ven como lo que inicialmente predijiste. Vienen de unexpected verticals, tienen unusual buying processes, o usan tu product para use cases que no anticipaste. Cuando construyes un ICP desde opinion en lugar de wins, screenas tus actual best customers y desperdicias tiempo en accounts que no cerrarán.

How to apply it: Pull tus últimos 20-30 closed-won deals. Extrae el firmographic profile: ¿Qué industry? ¿Company size? ¿Revenue? ¿Growth stage? ¿Buying role? ¿Budget authority? Compara wins a losses. ¿Qué characteristics comparten tus wins que tus losses no? Construye tu ICP desde esa data primero. Solo después que has identificado patterns en wins agregas forward-looking hypotheses.

Principle 3: Negative Profiles Matter as Much as Positive Ones

What it means: Un ICP es incompleto sin anti-personas—customer types que nunca comprarán o que siempre son un poor fit. Defínelas con el mismo rigor que defines tus ideal customers.

Why it matters: Saber quién NOT targetear es tan valueable como saber quién targetear. Si 80% de tus losses vienen de mid-market healthcare companies, eso's una signal a deprioritizar ese segment o cambiar tu product/messaging para ello. Si early-stage startups consistently negocian aggressively y consumen massive post-sale support, podrían ser profitable pero low-leverage. Un anti-persona previene que tu team persiga accounts que nunca convertirán o que convertirán en low-value, high-friction customers.

How to apply it: Para cada positive persona en tu ICP, identifica una corresponding anti-persona. Example: "Positive: Enterprise SaaS companies con 500+ employees y $50M+ ARR. Anti-persona: Early-stage startups con <$2M ARR en seed stage." Luego score deals contra ambos. Si una opportunity matcha tu anti-persona más closely que tu ideal persona, flag ello para additional scrutiny o deprioritization.

Principle 4: Segment to Score

What it means: Raramente tienes un ICP. Tienes múltiples. Diferentes customer types compran de ti por diferentes razones, a diferentes speeds, con diferentes deal economics. Construye separate ICPs para cada segment, luego weight por revenue impact.

Why it matters: Un single ICP que intenta describir "todos nuestros customers" es tan broad es useless. Fintech companies compran para speed y compliance. Healthcare companies compran para security y HIPAA alignment. Ambos pueden ser ideal customers, pero los buying signals son diferentes. Si los scores contra el mismo ICP, te perderás los signals que actualmente drive conversion.

How to apply it: Cluster tus closed-won deals por una dimensión—industry, company size, o use case. Pull los top 2-3 clusters. Para cada cluster, construye un separate ICP con segment-specific characteristics. Luego prioriza el segment que tiene el highest customer lifetime value o fastest sales velocity. Enfoca tu go-to-market motion allí primero.

Principle 5: Validate With Revenue

What it means: El ultimate test de un ICP es si accounts matcheando ello actualmente cierran y generan revenue. Usa tu ICP para predecir outcomes, luego compara predictions a actuals. Si tus highest-scoring accounts no son tus fastest closers o most valuable customers, tu ICP está misaligned.

Why it matters: Un ICP que produce interesting analysis pero no predice real commercial outcomes es academic. Se siente bien pero no drive results. Al tying tu ICP de vuelta a revenue—average deal size, sales velocity, customer lifetime value, expansion revenue—lo haces un business tool, no un compliance document.

How to apply it: Después que lanzas tu ICP scoring model, trackea estos metrics por 90 días: (1) Average ICP score para deals que cerraron vs. deals que no. (2) Average deal size por ICP score band. (3) Average sales cycle por ICP score. Si deals scoring 80+ tienen 2x higher close rates y 3x higher deal size, tu ICP funciona. Si no hay correlation, revisita tu scoring model.

The Process

Construyendo un ICP no es una single activity. Es un five-phase process que toma 2-4 weeks con full team collaboration. Cada phase produce un specific output que se vuelve el input para la next phase.

Phase 1: Historical Analysis of Best Customers (3-5 days)

Objective: Identifica patterns en tus closed-won deals. ¿Qué tienen en común tus winners?

Steps:

1. Pull tus últimos 20-30 closed deals. Obtelos desde tu CRM. Incluye deals cerrados en los últimos 12-18 meses (suficiente para ser recent, lo suficientemente atrás para tener meaningful data). Incluye wins y losses.

2. Extrae firmographic data para cada deal:

   • Company name
   • Industry (y sub-segment si applicable)
   • Company size (employee count)
   • Revenue / ARR (o estimate si no publicly available)
   • Growth stage (early-stage, growth, mature, o derive desde funding/revenue)
   • Geographic headquarters
   • Buying role (quién initiated la opportunity)
   • Deal size
   • Sales cycle length
   • Closed-won o closed-lost

3. Separa wins de losses. Crea dos groups. Compara los profiles side-by-side.

4. Identifica qué wins comparten que losses no. Usa una simple table:

5. Busca outliers. ¿Tienes deals que no fiten el pattern? Un small startup que cerró un huge deal, o un enterprise que fue un quick close? Documenta esos. Podrían ser secondary personas worth desarrollar separately.

Output: Un summary de firmographic patterns en wins vs. losses, y una list de outlier opportunities para investigar further.

Phase 2: Firmographic Pattern Extraction (2-3 days)

Objective: Define los specific firmographic boundaries de tu ICP—los hard numbers que definen quién targeteas.

Steps:

1. Para cada top characteristic desde Phase 1, define ranges. No solo digas "large companies." Di "250-2,500 employees." Ranges hacen scoring posible.

   Example:

   • Company Size: 200-2,000 employees (sweet spot para mid-market sales motion)
   • Annual Revenue: $30M-$500M ARR (self-sufficient para invest en solutions, pero no tan large que construyan internally)
   • Growth Rate: 20%+ YoY (growing lo suficientemente rápido para necesitar nuevos processes/tools)
   • Industry: SaaS, FinTech, Healthcare Tech (dónde tu use case es most relevant)
   • Years in Business: 4+ (established lo suficiente para tener formal processes, no startup chaos)
   • Geographic Focus: US/UK/EU (dónde tu sales team opera)

2. Para cada range, crea scoring rules. Si un prospect cae dentro tu range, obtienen points. Si están below o above, no.

   Example scoring para company size:

   • 200-2,000 employees: 3 points (ideal)
   • 50-199 o 2,001-5,000 employees: 1 point (adjacent, possible pero less ideal)
   • <50 o >5,000 employees: 0 points (outside wheelhouse)

3. Weight por impact. No todos characteristics son equally predictive. Si company size correlaciona a deal size y close rate más strongly que geography, weight ello higher.

   Example:

   • Company Size (30% weight): Most predictive de deal size
   • Revenue (25% weight): Predictive de budget y buying authority
   • Industry (25% weight): Highly predictive de use case fit
   • Growth Rate (10% weight): Helpful pero secondary
   • Geographic region (10% weight): Logistics, no primary fit

4. Test tus ranges contra tus historical wins. Do 80%+ de tus wins caen en estos ranges? Si no, ajusta. Tus ranges deberían capturar al least 70-80% de tus historical wins.

Output: Un scoring rubric con defined firmographic ranges, point allocations, y weights. Esto se vuelve tu ICP scorecard.

Phase 3: Behavioral Signal Identification (2-3 days)

Objective: Beyond firmographics, cuáles buying behaviors señalan un high-probability customer?

Steps:

1. Revisa tu sales cycle para behavioral patterns. Vuelve a tus call notes, emails, y CRM activities para 10 de tus best closed deals. ¿Qué pasó durante el sales cycle que señaló el deal probablemente cerraría?

   Example behavioral signals:

   • Prospect requested a technical discussion con tu product team en discovery phase (signals serious intent)
   • Economic buyer showed up to a meeting (signals budget authority está engaged)
   • Prospect ran a pilot or trial sin ser asked (signals high engagement)
   • Prospect introduced you to peers o colleagues (signals internal consensus building)
   • Multiple stakeholders desde diferentes departments engaged (signals cross-functional buy-in)

2. Compara a losses. En deals que no cerraron, ¿ocurrieron estos behaviors? Probablemente no. Documenta la absence.

   Example: "En losses, raramente vimos economic buyer engagement hasta late stage. Cuando engagement del economic buyer llegó late, deals eran significantly más difíciles de cerrar."

3. Distingue positive signals desde negative ones. Positive signals aceleran deals. Negative signals te alertan que un deal está en risk.

   Positive:

   • Quick response times (within 24 hours a tu outreach)
   • Prospect asks ROI-focused questions (signals están evaluando value)
   • Prospect provides internal feedback y iteration (signals usando tu product seriously)

   Negative:

   • Long gaps entre communication (signals low priority)
   • Prospect asks only price/vendor stability questions (signals comparing commodities, no evaluating fit)
   • Prospect requests extensive custom development (signals tu product no fit su workflow)

4. Crea un behavioral signal checklist. Usa esto durante qualification conversations para assess fit beyond firmographics.

   Example:

   • Prospect identified un specific business problem, no solo interesados en exploring
   • Economic buyer attended al least una discovery call
   • Prospect shared internal metrics/KPIs que están intentando mejorar
   • Champion agreed a evangelize internally o present a team
   • Prospect willing a run una trial/POC con defined success criteria

Output: Una list de positive y negative behavioral signals que, cuando observados durante sales conversations, either validan o challenge tu firmographic ICP score.

Phase 4: Scoring Model Creation (3-5 days)

Objective: Construye el actual scoring model que tu team usará para evaluar opportunities.

Steps:

1. Crea un scorecard combinando firmographic y behavioral signals. Esto se vuelve tu repeatable qualification tool.

   Example ICP Scorecard:

   Category	Signal	Points	Notes
   Firmographics (60 points max)
   Company Size	200-2,000 employees	20	Defined deal size range
   	50-199 o 2,001-5,000	5	Marginal fit
   	<50 o >5,000	0	Poor fit
   Annual Revenue	$30M-$500M ARR	20	Budget capacity
   	$10M-$30M o >$500M	5	Marginal fit
   	<$10M	0	Unlikely a invest
   Industry Fit	SaaS / FinTech / HealthTech	15	Use-case validated
   	Other fast-growing SaaS verticals	5	Possible fit
   	Retail / Manufacturing / Traditional	0	Different priorities
   Growth Stage	High growth (20%+ YoY)	5	Invests en scaling
   	Steady growth (5-20% YoY)	2	Mature pero stable
   	Flat o declining	0	Lower priority
   Buying Signals (40 points max)
   Economic Buyer Identified	Confirmed en conversation	15	Decision authority verified
   	Likely pero no confirmed	8	Inferred desde role
   	Unknown	0	Cannot assess fit
   Technical Fit Validated	Prospect ran trial/POC	12	Evidence de serious intent
   	Discussed en discovery	6	Signal pero no proven
   	Not yet discussed	0	Unknown
   Stakeholder Consensus	Multiple depts engaged	8	Cross-functional support
   	Champion only	4	Single point de failure
   	No engagement beyond champion	0	Risky
   Timeline	Specific (e.g., "sign by June")	5	Real urgency
   	Vague ("when ready")	2	Low priority
   	Indefinite	0	Exploration only

2. Define score bands y interpretation:

   • 85-100: Strong fit. Prioritize. High close probability.
   • 70-84: Good fit. Pursue actively. Monitor para behavioral signals.
   • 55-69: Possible fit. Qualify rigorously. Require proof de fit antes de proposal.
   • 40-54: Weak fit. Only pursue si outbound prospecting ratio es low (i.e., tienes capacity).
   • 0-39: Poor fit. Recycle a pipeline o pass.

3. Test tu model contra historical deals. Score tus últimos 20 closed deals (ambos wins y losses) usando este scorecard. Do wins score 85+? Do losses score below 55? Si no, ajusta tus signals y weights.

4. Identifica cualquier missing signals. Conforme scores historical deals, podrías notich un signal que predice outcomes pero no está en tu scorecard. Añádelo.

Output: Un complete, tested ICP scorecard que tu team puede usar para evaluar cada nueva opportunity. Esto se vuelve tu standard qualification tool.

Phase 5: Quarterly Validation (Ongoing)

Objective: Asegura tu ICP se mantiene accurate conforme tu market, product, y customer base evolucionan.

Steps:

1. Cada 90 días, pull tus most recent deals. Scórealos usando tu ICP scorecard.

2. Measure correlation:

   • Average ICP score para deals que cerraron vs. didn't
   • Average deal size por ICP score band
   • Average sales cycle por ICP score
   • Customer lifetime value por ICP score

3. Ajusta si signals drift. Si 85+ ICP-scored deals no están cerrando en high rates, tu model está broken. Investiga por qué. Did tu market change? Did agregaste nuevos use cases? Actualiza tu scorecard.

4. Documenta nuevas personas. Si estás consistently cerrando deals outside tu ICP definition (e.g., nuevo vertical que no estaba en tu original analysis), crea una secondary persona.

Output: Updated ICP scorecard, updated go-to-market strategy priorizando segments por actual revenue impact.

Anti-Patterns

Estos cinco patterns son las más common razones que ICPs fallan. Recónócelos y evítalos.

Anti-Pattern 1: The Founder's Gut ICP

What it looks like: "Sé cuál es nuestro best customer. Construí el product para mid-market SaaS companies con fast-growing teams. Eso's nuestro ICP."

Why it's harmful: La founder intuition frecuentemente está misaligned con market reality. El founder construyó el product para una persona, pero tres diferentes personas han emergido como actual customers. Al lockear en la founder's original vision, te pierdes tus best customers. También desmoralizas tu sales team cuando el ICP que les das no matcha los accounts que realmente están cerrando.

What to do instead: Valida la founder's hypothesis con data. Do mid-market SaaS companies actualmente representan 70%+ de wins? Si yes, great, hazlo tu ICP. Si no, actualízalo basado en dónde wins realmente vienen. La founder's intuition es un starting point, no gospel.

Anti-Pattern 2: The TAM-Equals-ICP Fallacy

What it looks like: "Nuestro total addressable market es todas SaaS companies. Nuestro ICP debería ser 'todas SaaS companies con 50+ employees.'"

Why it's harmful: Solo porque puedas sellera market no significa debas. TAM es qué's posible si construyes para todos. ICP es qué's probable dado tu específic product, positioning, y go-to-market motion. Un ICP que's demasiado broad no es actionable. No enfoca tu team. Y hace scoring meaningless (everything scores high).

What to do instead: Estrecha tu ICP a el segment dónde estás winning más rápido y haciendo más dinero. Eso's 1-3 customer types, no 100. Puedes expandir over time, pero empieza con el segment dónde product-market fit es strongest.

Anti-Pattern 3: The Static ICP

What it looks like: Construyendo un ICP una vez en 2023 y usando ello unchanged through 2025. "Este es nuestro ICP. No lo cambies."

Why it's harmful: Los markets se mueven. Tu product evoluciona. Las customer priorities shiftan. Un ICP frozen en time se vuelve increasingly inaccurate. Empezarás ignorándolo porque no refleja reality. Tu team dejará de usarlo como qualification tool y revertirá a gut feel.

What to do instead: Quarterly reviews. Pull tus most recent deals. Pregunta: "¿Aún son los mismo factors driving wins? ¿Emergió algún nuevo customer type?" Actualiza el scorecard si evidence lo warranta. Trata ello como living, no locked.

Anti-Pattern 4: The Single-Dimension Profile

What it looks like: "Nuestro ICP es enterprise SaaS companies." Eso's todo. No revenue range, no specific use case, no behavioral signals.

Why it's harmful: Single-dimension ICPs son demasiado vague. "Enterprise SaaS" incluye companies desde $10M a $10B en revenue, ranging desde fintech a HR tech. Tienen completely diferentes buying processes, budgets, y decision criteria. Un scorecard que no distingue entre ellos es useless. Tu team no sabrá cómo score nuevas opportunities.

What to do instead: Define tu ICP en al least 3-4 dimensions: company size, revenue, industry, y use case. Construye scoring rules para cada dimension. Haz firmographics concrete (e.g., "500-5,000 employees" no "enterprise").

Anti-Pattern 5: The Look-Alike Trap

What it looks like: Usando third-party look-alike lists o "companies similar a tus customers" como tu ICP. Asumiendo que porque Company A es un great customer, Company B (que se ve similar en papel) también será un great customer.

Why it's harmful: Look-alikes son surface-level matches. Podrían tener similar company size o industry, pero podrían tener completely diferentes buying processes, product priorities, o use cases. Desperdiciarás time prospectando accounts que se ven bien en una spreadsheet pero actualmente no necesitan tu product o no pueden comprar la way que vendes.

What to do instead: Construye tu ICP desde tus actual closed deals, no look-alikes. Usa behavioral signals durante qualification para validar que un prospect no es solo un firmographic match pero actualmente tiene un use case que fit. Look-alikes son una lead generation tool, no un ICP validation tool.

Output Format

Cuando construyes un ICP usando esta skill, deberías producir:

1. ICP Scorecard

Una single, quantifiable scoring tool que capture:

• Firmographic dimensions con point allocations
• Behavioral signals con scoring rules
• Score bands con clear interpretation (e.g., 85+ = Strong Fit)
• Weights para cada dimension

2. Anti-Persona Profiles

Para cada positive persona, define corresponding anti-personas:

• Characteristic: "Early-stage startups con <$2M ARR"
• Why they're poor fit: "Inconsistent buying authority, aggressive discount expectations, high support burden"

3. Segment Definitions

Si tienes múltiples ICPs, claramente define los segments:

• Segment 1: Mid-market SaaS (500-2,000 employees, $50M-$500M ARR)
• Segment 2: Enterprise FinTech (2,000+ employees, $100M+ ARR)

4. Validation Plan

Documenta cómo medirás si tu ICP es accurate:

• Metric 1: Average close rate para 85+ scored deals (target: 70%+)
• Metric 2: Average deal size por score band
• Metric 3: Sales cycle por score band
• Review frequency: Quarterly

Task-Specific Questions

Mode 1: Building ICP from Scratch

Cuando estás developing un ICP para la primera vez o para un nuevo market, pregunta:

1. ¿Qué closed deals tienes access a? (¿Cuántos wins y losses en los últimos 12-18 meses?) Esto determina si tienes suficiente data para construir statistically meaningful profiles.

2. ¿Qué firmographic data puedes acceder en real time? (CRM, prospecting database, manual research?) Tu ICP debe ser scoreable con data que tu sales team actualmente puede obtener.

3. ¿Has identificado los top 2-3 customer segments que drive revenue? (Por industry, por company size, o por use case?) Empieza con el segment dónde product-market fit es strongest, no el broadest posible market.

Mode 2: Validating Existing ICP

Cuando ya tienes un ICP pero quieres confirmar que aún es accurate, pregunta:

1. ¿Cuándo fue tu current ICP actualizado por última vez? Si es más de 6 meses atrás, probablemente necesita validation.

2. Do tus recent deals matchar el ICP que has defined? (Pull tus últimos 10-15 deals y scórealos.) Si 80%+ score 70 o higher, tu ICP es accurate. Si menos, algo ha shifteado.

3. ¿Cuáles customer types actualmente están driving revenue? (Average deal size y close rate por segment?) Prioriza el segment con el highest customer lifetime value.

Mode 3: Refining Scoring Model

Cuando tienes un ICP scorecard pero quieres mejorarlo, pregunta:

1. ¿Ciertos firmographic signals no son predictive? (E.g., geography no correlaciona a close rates?) Quítalos o de-weight.

2. ¿Estás viendo wins que no predijiste y losses que esperabas a ganar? Estos son signals que tu model está missing algo. ¿Qué comparten surprise wins? ¿Qué les falta a surprise losses?

3. ¿Hay un behavioral signal desde tu sales cycle que no estás capturing? (E.g., "deals dónde el customer pidió una technical POC cierran 3x más rápido"?) Añádelo a tu scorecard.

Quality Checklist

Antes que finalices tu ICP, verifica:

• ICP está construido desde analysis de al least 20-30 actual closed deals (no founder opinion o market research)
• Al least 70-80% de tus historical wins score 70+ en tu scorecard
• Al least 70-80% de tus historical losses score below 55 en tu scorecard
• Firmographic ranges son concrete (e.g., "200-2,000 employees" no "mid-market")
• Cada firmographic dimension está weighted basado en actual predictive power (no gut feel)
• Behavioral signals son specific y observable durante sales conversations (no vague)
• Score bands tienen clear interpretation y conversion probabilities
• Anti-personas están defined para cada positive persona
• Tienes un plan a validar el ICP quarterly con real revenue data
• Tu sales team actualmente puede sourcear y verificar el firmographic data (no's aspirational)

Related Skills

Discovery Framework — Para running initial discovery conversations que uncover si un prospect fit tu ICP. Usa discovery a gather los firmographic y behavioral signals que tu ICP depende de.

Deal Qualification — Para scoring deals contra MEDDIC y confirmando que un prospect matcheando tu ICP está actualmente qualified a avanzar a proposal. ICP te consigue in the door; qualification asegura cierren.

Pipeline Review — Para analyzing tu entire Pipeline usando ICP scores a identify cuáles deals deberían priorizarse basado en fit y probability. Usa ICP como un input signal a pipeline health.

ABM Strategy — Para running account-based marketing y sales motions enfocados en tus highest-ICP-fit accounts. Una que sabes quiénes son tus ideal customers, usa ABM a penetrate esos accounts en scale.

Competitive Intelligence — Para gathering competitive data en accounts matcheando tu ICP a personalize outreach y posicionarte contra competitors.

Example Prompts

1. "Tengo 25 closed deals desde los últimos 18 meses. Ayúdame a identificar patterns en wins vs. losses y recomienda un ICP. Aquí's la lista: [company name, size, industry, deal size, won/lost]."

2. "Construye un scoring rubric para nuestro ICP. Nuestros best customers son mid-market SaaS companies con 300-2,000 employees que están growing 20%+ YoY. ¿Cómo debería weightear company size, industry, y growth rate?"

3. "Score estas 10 opportunities contra nuestro ICP: [list]. Dime cuáles deberían priorizarse y cuáles deberían reciclarse."

4. "Nuestro ICP fue construido 18 meses atrás. Quiero validarlo con recent data. Aquí están mis últimos 20 deals: [list]. ¿Deberíamos actualizar el ICP?"

5. "Estamos viendo unexpected wins desde un nuevo customer segment. ¿Cómo actualizo nuestro ICP a reflect esto sin losing focus en nuestro core segment?"

6. "¿Qué behavioral signals deberíamos buscar en discovery calls a confirmar un prospect fit nuestro ICP beyond solo firmographics?"

7. "Crea un scorecard que combine company size, growth rate, industry fit, y buying signals. Weightea por predictive power."

8. "Nuestro anti-persona es early-stage startups. ¿Cómo los screened out early en prospecting en lugar de discovering ello late en sales?"