ICP Definition

Costruisci data-driven Ideal Customer Profile da win/loss analysis, firmographic scoring e behavioral signal. Trasforma vague assumption sui tuoi best customer in un quantifiable, actionable scoring model che focusa l'intero go-to-market motion su account più likely per chiudere.

Pre-Work Framework

Prima di iniziare a costruire un ICP, stabilisci il business context e la data foundation che renderà il tuo profile actionable. Chiedi a te stesso e al tuo team:

1. Quale customer data hai accesso a? (Firmographic data da CRM, account characteristic come company size/industry/revenue, o usage telemetry dal tuo product?) Il tuo ICP deve essere costruito su data che puoi effettivamente source e accedere in real time. Se non hai accesso a employee count o revenue data, non puoi scorare contro di esso. Identifica quali data source alimentano il tuo lead database, CRM, e prospecting tool.

2. Hai win/loss history che puoi analizzare? (Almeno 20-30 closed deal in entrambe le direzioni?) I tuoi best customer sono il tuo data. Senza historical win e loss, stai costruendo un ICP su opinion. Se hai meno di 20 closed deal, focusa invece su customer interview e cohort analysis.

3. Quale market segment stai focusando? (Vertical come healthcare/fintech, company size come mid-market, geography, o use case come "company implementando new CRM system"?) Il tuo ICP dovrebbe essere specific a uno go-to-market segment. Tentare di costruire un single ICP per "all SaaS company" è troppo broad. Narrow l'aperture prima.

4. Quale è il tuo product maturity stage? (Early-stage con unproven product-market fit, growth-stage con clear use case, o scale-stage con predictable unit economics?) Questo cambia quali signal importano. Per early-stage, ti importa di customer type (es. "early adopter mindset"). Per scale-stage, ti importa di firmographic fit e revenue impact.

5. Quale sales cycle data hai? (Average deal size per customer type, sales velocity per segment, customer lifetime value per cohort?) Questo aiuta a weighting quale firmographic signal importano di più. Una 300-person fintech company potrebbe chiudere 2x faster che una 300-person manufacturing company; il tuo ICP dovrebbe riflettere quella differenza.

Core Principles

Questi cinque principle guidano ogni decision nello ICP development. Loro prevengono di costruire profile basato su gut feel e garantiscono il tuo ICP rimane radicato in evidence.

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

What it means: Un ICP non è una one-time proclamation. Evolve while il tuo product, market e customer base evolvono. Costruiscilo quarterly. Un customer profile che era perfetto in 2024 potrebbe essere incomplete in 2025 se il tuo product aggiunse new capability o il tuo market shiftò.

Why it matters: I market si muovono. Le priorità dei tuoi customer cambiano. New use case emergono. Se lockni un ICP in stone e dichiara "questo è law," misserai new opportunity e ottimizzerai per outdated customer characteristic. Il tuo sales team ignoreà anche perché non rispecchia reality.

How to apply it: Pianifica quarterly ICP review. Tira i tuoi ultimi 20 deal (win e loss) e chiedi: "Sono i factor che fecero quei deal vincere ancora gli stessi? Fecero new customer type emergere che non abbiamo predetto?" Aggiorna il tuo scoring model e firmographic definition accordingly.

Principle 2: Wins Over Opinions

What it means: Il tuo ICP dovrebbe essere costruito exclusively da data su customer che hanno comprato da te, not da hypothesis su chi dovrebbe comprare. Se il tuo founder ha una theory su ideal customer, validala contro real customer data prima di renderla parte del tuo ICP.

Why it matters: Founder intuition è spesso wrong. I tuoi best customer raramente assomigliano a quello che inizialmente predetto. Vengono da unexpected vertical, hanno unusual buying process, o usano il tuo product per use case che non anticipasti. Quando costruisci un ICP da opinion piuttosto che win, schermi fuori i tuoi actual best customer e sprechi time su account che non chiuderanno.

How to apply it: Tira i tuoi ultimi 20-30 closed-won deal. Estrai il firmographic profile: Quale industry? Company size? Revenue? Growth stage? Buying role? Budget authority? Compara win a loss. Quali characteristic condividono i tuoi win che i tuoi loss no? Costruisci il tuo ICP da quel data primo. Solo dopo hai identificato pattern nei win fai tu add forward-looking hypothesis.

Principle 3: Negative Profiles Matter as Much as Positive Ones

What it means: Un ICP è incomplete senza anti-persona — customer type chi non compreranno mai o chi sono sempre una bad fit. Definiscili con lo stesso rigor che definisci i tuoi ideal customer.

Why it matters: Sapere chi NOT targetare è valuable quanto sapere chi targetare. Se 80% dei tuoi loss vengono da mid-market healthcare company, questo è un signal per deprioritizare quel segment o cambiare il tuo product/messaging per esso. Se early-stage startup consistently negozia aggressivamente e consuma massive post-sale support, possono essere profitable ma low-leverage. Un anti-persona previene al tuo team di chase account che mai convertiranno o convertiranno in low-value, high-friction customer.

How to apply it: Per ogni positive persona nel tuo ICP, identifica una corresponding anti-persona. Example: "Positive: Enterprise SaaS company con 500+ employee e $50M+ ARR. Anti-persona: Early-stage startup con <$2M ARR in seed stage." Poi scora deal contro entrambi. Se un'opportunity matcha la tua anti-persona più closely che il tuo ideal persona, flaggala per additional scrutiny o deprioritization.

Principle 4: Segment to Score

What it means: Raramente hai uno ICP. Ne hai multipli. Different customer type comprano da te per different reason, a different speed, con different deal economics. Costruisci separate ICP per ogni segment, poi weightali per revenue impact.

Why it matters: Un single ICP che tenta di descrivere "all our customer" è così broad che è useless. Fintech company comprano per speed e compliance. Healthcare company comprano per security e HIPAA alignment. Entrambi possono essere ideal customer, ma i buying signal sono diversi. Se li scori contro lo stesso ICP, misserai il signal che effettivamente guida conversion.

How to apply it: Cluster i tuoi closed-won deal per una dimension — industry, company size, o use case. Tira out i top 2-3 cluster. Per ogni cluster, costruisci un separate ICP con segment-specific characteristic. Poi prioritizzerai il segment che ha il highest customer lifetime value o fastest sales velocity. Focusa il tuo go-to-market motion là primo.

Principle 5: Validate With Revenue

What it means: L'ultimate test di un ICP è se account che lo matchano effettivamente chiudono e generano revenue. Usa il tuo ICP per predire outcome, poi compara prediction a actual. Se i tuoi highest-scoring account non sono i tuoi fastest closer o most valuable customer, il tuo ICP è misaligned.

Why it matters: Un ICP che produce interesting analysis ma non predice real commercial outcome è academic. Sentiti bene ma non guida resultat. Legando il tuo ICP back to revenue — average deal size, sales velocity, customer lifetime value, expansion revenue — lo rendi un business tool, non un compliance document.

How to apply it: Dopo lanci il tuo ICP scoring model, traccia questi metric per 90 giorni: (1) Average ICP score per deal che chiuse vs. deal che no. (2) Average deal size per ICP score band. (3) Average sales cycle per ICP score. Se deal che scorano 80+ hanno 2x higher close rate e 3x higher deal size, il tuo ICP funziona. Se non c'è correlation, rivedi il tuo scoring model.

The Process

Costruire un ICP non è una single activity. È un five-phase process che prende 2-4 settimane con full team collaboration. Ogni phase produce un specific output che diventa l'input per la next phase.

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

Objective: Identifica pattern nei tuoi closed-won deal. Cosa hanno in comune i tuoi winner?

Steps:

1. Tira i tuoi ultimi 20-30 closed deal. Ottienili dal tuo CRM. Includi deal chiusi negli ultimi 12-18 mesi (sufficienti per essere recent, abbastanza lontani indietro per avere meaningful data). Includi win e loss.

2. Estrai firmographic data per ogni deal:

   • Company name
   • Industry (e sub-segment se applicabile)
   • Company size (employee count)
   • Revenue / ARR (o estimate se non publicly available)
   • Growth stage (early-stage, growth, mature, o derivare da funding/revenue)
   • Geographic headquarters
   • Buying role (chi ha initiated l'opportunity)
   • Deal size
   • Sales cycle length
   • Closed-won o closed-lost

3. Separa win da loss. Crea due group. Compara i profile side-by-side.

4. Identifica cosa win condividono che loss no. Usa una simple table:

5. Guarda per outlier. Hai deal che non rientrano nel pattern? Una small startup che chiuse un huge deal, o una enterprise che era un quick close? Documenta quelli. Potrebbero essere secondary persona worth sviluppare separately.

Output: Un summary di firmographic pattern in win vs. loss, e una list di outlier opportunity per investigare further.

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

Objective: Definisci i specific firmographic boundary del tuo ICP — i hard number che definiscono chi targetare.

Steps:

1. Per ogni top characteristic da Phase 1, definisci range. Non dire solo "large company." Dire "250-2,500 employee." I range rendono scoring possibile.

   Example:

   • Company Size: 200-2,000 employee (sweet spot per mid-market sales motion)
   • Annual Revenue: $30M-$500M ARR (self-sufficient per investire in solution, ma non così large che costruiscono internally)
   • Growth Rate: 20%+ YoY (crescendo fast enough per aver bisogno di new process/tool)
   • Industry: SaaS, FinTech, Healthcare Tech (dove il tuo use case è most relevant)
   • Years in Business: 4+ (established enough per avere formal process, not startup chaos)
   • Geographic Focus: US/UK/EU (dove il tuo sales team opera)

2. Per ogni range, crea scoring rule. Se un prospect rientra nel tuo range, ricevono point. Se sono below o above, non fanno.

   Example scoring per company size:

   • 200-2,000 employee: 3 point (ideal)
   • 50-199 o 2,001-5,000 employee: 1 point (adjacent, possibile ma less ideal)
   • <50 o >5,000 employee: 0 point (outside wheelhouse)

3. Weight per impact. Non tutti i characteristic sono ugualmente predictive. Se company size correlate a deal size e close rate più strongly che geography, weightlo più high.

   Example:

   • Company Size (30% weight): Most predictive di deal size
   • Revenue (25% weight): Predictive di budget e buying authority
   • Industry (25% weight): Highly predictive di use case fit
   • Growth Rate (10% weight): Helpful ma secondary
   • Geographic region (10% weight): Logistics, not primary fit

4. Testa i tuoi range contro il tuo historical win. Fanno 80%+ dei tuoi win rientrano in questi range? Se no, adjust. I tuoi range dovrebbero catturare almeno 70-80% dei tuoi historical win.

Output: Un scoring rubric con defined firmographic range, point allocation e weight. Questo diventa il tuo ICP scorecard.

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

Objective: Beyond firmographic, quale buying behavior segnala un high-probability customer?

Steps:

1. Review il tuo sales cycle per behavioral pattern. Torna ai tuoi call note, email, e CRM activity per 10 dei tuoi best closed deal. Cosa è accaduto durante il sales cycle che ha segnalato il deal era likely per chiudere?

   Example behavioral signal:

   • Prospect requested una technical discussion con il tuo product team in discovery phase (segnala serious intent)
   • Economic buyer showed up a una meeting (segnala budget authority è engaged)
   • Prospect ran una pilot o trial senza essere asked (segnala high engagement)
   • Prospect introduced te a peer o colleague (segnala internal consensus building)
   • Multiple stakeholder da different department engaged (segnala cross-functional buy-in)

2. Compara a loss. In deal che non chiusero, questi behavior accaddero? Probably no. Documenta l'assenza.

   Example: "In loss, raramente abbiamo visto economic buyer engagement fino a late stage. Quando l'abbiamo fatto, deal erano significantly difficili per chiudere."

3. Distingui positive signal da negative one. Positive signal accelerano deal. Negative signal avvisano che un deal è a rischio.

   Positive:

   • Quick response time (within 24 hour a la tua outreach)
   • Prospect chiede ROI-focused question (segnala valutano value)
   • Prospect fornisce internal feedback e iteration (segnala usano il tuo product seriously)

   Negative:

   • Long gap tra communication (segnala low priority)
   • Prospect chiede solo price/vendor stability question (segnala comparando commodity, non valutando fit)
   • Prospect richiede extensive custom development (segnala il tuo product non rientra nel loro workflow)

4. Crea una behavioral signal checklist. Usa questo durante qualification conversation per assess fit beyond firmographic.

   Example:

   • Prospect identified uno specific business problem, not solo interested in exploring
   • Economic buyer attended almeno una discovery call
   • Prospect condiviso internal metric/KPI che tentano per migliorare
   • Champion agreed per evangelize internally o presente a team
   • Prospect willing per run una trial/POC con defined success criteria

Output: Una list di positive e negative behavioral signal che, quando osservati durante sales conversation, o validano o challengano il tuo firmographic ICP score.

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

Objective: Costruisci il actual scoring model che il tuo team userà per valutare opportunity.

Steps:

1. Crea uno scorecard combinando firmographic e behavioral signal. Questo diventa il tuo repeatable qualification tool.

   Example ICP Scorecard:

   Category	Signal	Point	Notes
   Firmographic (60 point max)
   Company Size	200-2,000 employee	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 per investire
   Industry Fit	SaaS / FinTech / HealthTech	15	Use-case validated
   	Other fast-growing SaaS vertical	5	Possible fit
   	Retail / Manufacturing / Traditional	0	Different priorità
   Growth Stage	High growth (20%+ YoY)	5	Invests in scaling
   	Steady growth (5-20% YoY)	2	Mature ma stable
   	Flat o declining	0	Lower priority
   Buying Signal (40 point max)
   Economic Buyer Identified	Confirmed in conversation	15	Decision authority verified
   	Likely ma not confirmed	8	Inferred da role
   	Unknown	0	Cannot assess fit
   Technical Fit Validated	Prospect run trial/POC	12	Evidence di serious intent
   	Discussed in discovery	6	Signal ma not proven
   	Not yet discussed	0	Unknown
   Stakeholder Consensus	Multiple dept engaged	8	Cross-functional support
   	Champion only	4	Single point di failure
   	No engagement beyond champion	0	Risky
   Timeline	Specific (es. "sign by June")	5	Real urgency
   	Vague ("when ready")	2	Low priority
   	Indefinite	0	Exploration only

2. Definisci score band e interpretation:

   • 85-100: Strong fit. Prioritize. High close probability.
   • 70-84: Good fit. Pursue actively. Monitor per behavioral signal.
   • 55-69: Possible fit. Qualify rigorosamente. Require proof di fit prima di proposal.
   • 40-54: Weak fit. Solo pursue se il tuo outbound prospecting ratio è low (es. hai capacity).
   • 0-39: Poor fit. Recycle a pipeline o pass.

3. Testa il tuo model contro historical deal. Score i tuoi ultimi 20 closed deal (sia win che loss) usando questo scorecard. Fanno win score 85+? Fanno loss score below 55? Se no, adjust i tuoi signal e weight.

4. Identifica qualsiasi missing signal. Mentre scori historical deal, potresti notare un signal che predice outcome ma non è nel tuo scorecard. Aggiungilo.

Output: Un complete, tested ICP scorecard che il tuo team può usare per valutare ogni new opportunity. Questo diventa il tuo standard qualification tool.

Phase 5: Quarterly Validation (Ongoing)

Objective: Assicura il tuo ICP rimane accurate mentre il tuo market, product e customer base evolvono.

Steps:

1. Ogni 90 giorni, tira i tuoi most recent deal. Scorali usando il tuo ICP scorecard.

2. Misura correlation:

   • Average ICP score per deal che chiusero vs. no
   • Average deal size per ICP score band
   • Average sales cycle per ICP score
   • Customer lifetime value per ICP score

3. Adjust se il signal drifta. Se 85+ ICP-scored deal non stanno chiudendo a high rate, il tuo model è rotto. Investiga perché. Il tuo market è cambiato? Aggiungesti new use case? Aggiorna il tuo scorecard.

4. Documenta new persona. Se stai consistently chiudendo deal outside il tuo ICP definition (es. una new vertical che non era nel tuo original analysis), crea una secondary persona.

Output: Updated ICP scorecard, updated go-to-market strategy prioritizzando segment per actual revenue impact.

Anti-Patterns

Questi cinque pattern sono i most common ragioni perché ICP falliscono. Riconoscili ed evitali.

Anti-Pattern 1: The Founder's Gut ICP

What it looks like: "Conosco il nostro best customer. Ho costruito il product per mid-market SaaS company con fast-growing team. Questo è il nostro ICP."

Why it's harmful: Founder intuition è spesso misaligned con market reality. Il founder costruì il product per una persona, ma tre different persona hanno emergere come actual customer. Lockando nel founder original vision, missi i tuoi best customer. Spergiuri anche il tuo sales team quando l'ICP che loro sono dati non matcha gli account che effettivamente chiudono.

What to do instead: Valida l'hypothesis del founder con data. Fanno mid-market SaaS company effettivamente rappresentare 70%+ dei win? Se sì, great, rendilo il tuo ICP. Se no, aggiorna lo basato su dove i win effettivamente vengono. L'intuizione del founder è un starting point, not gospel.

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

What it looks like: "Il nostro total addressable market è tutti i SaaS company. Il nostro ICP dovrebbe essere 'all SaaS company con 50+ employee.'"

Why it's harmful: Solo perché puoi vendere a un market non significa dovresti. TAM è what's possibile se costruisci per tutti. ICP è what's probable dato il tuo specific product, positioning e go-to-market motion. Un ICP che è troppo broad non è actionable. Non focusa il tuo team. E rende il scoring meaningless (tutto scora high).

What to do instead: Narrow il tuo ICP a il segment dove stai vincendo fastest e facendo il most money. Questo è 1-3 customer type, not 100. Puoi espandere over time, ma inizia con il segment dove il product-market fit è strongest.

Anti-Pattern 3: The Static ICP

What it looks like: Costruire un ICP una volta in 2023 e usarlo unchanged through 2025. "Questo è il nostro ICP. Non cambiarlo."

Why it's harmful: I market si muovono. Il tuo product evolve. Le priorità dei customer shiftano. Un ICP congelato nel time diventa sempre più inaccurato. Inizierai ignorandolo perché non rispecchia reality. Il tuo team smetterà di usarlo come qualification tool e ritornerà a gut feel.

What to do instead: Quarterly review. Tira i tuoi most recent deal. Chiedi: "Sono i stessi factor ancora guidando win? Fecero new customer type emergere?" Aggiorna il scorecard se la evidence lo warrants. Tratta lo come living, not locked.

Anti-Pattern 4: The Single-Dimension Profile

What it looks like: "Il nostro ICP è enterprise SaaS company." Questo è tutto. No revenue range, no specific use case, no behavioral signal.

Why it's harmful: Single-dimension ICP sono troppo vague. "Enterprise SaaS" include company da $10M a $10B in revenue, ranging da fintech a HR tech. Loro hanno completely different buying process, budget e decision criteria. Un scorecard che non distingue tra loro è useless. Il tuo team non saprà come scorare new opportunity.

What to do instead: Definisci il tuo ICP su almeno 3-4 dimensione: company size, revenue, industry e use case. Costruisci scoring rule per ogni dimensione. Rendi firmographic concrete (es. "500-5,000 employee" not "enterprise").

Anti-Pattern 5: The Look-Alike Trap

What it looks like: Usando third-party look-alike list o "company simile ai tuoi customer" come il tuo ICP. Assumendo che perché Company A è un great customer, Company B (che sembra simile sulla carta) sarà anche un great customer.

Why it's harmful: Look-alike sono surface-level match. Loro potrebbero avere similar company size o industry, ma potrebbero avere completely different buying process, product priorità o use case. Sprecerai time prospecting account che sembra good su una spreadsheet ma effettivamente non hanno bisogno del tuo product o non possono comprare il modo cui vendi.

What to do instead: Costruisci il tuo ICP da i tuoi actual closed deal, not look-alike. Usa behavioral signal durante qualification per validare che un prospect non è solo una firmographic match ma effettivamente ha un use case che rientra. Look-alike sono uno lead generation tool, not una ICP validation tool.

Output Format

Quando costruisci un ICP usando questa skill, dovresti produce:

1. ICP Scorecard

Uno single, quantifiable scoring tool che cattura:

• Firmographic dimension con point allocation
• Behavioral signal con scoring rule
• Score band con clear interpretation (es. 85+ = Strong Fit)
• Weight per ogni dimension

2. Anti-Persona Profiles

Per ogni positive persona, definisci corresponding anti-persona:

• Characteristic: "Early-stage startup con <$2M ARR"
• Perché sono poor fit: "Inconsistent buying authority, aggressive discount expectation, high support burden"

3. Segment Definitions

Se hai multiple ICP, chiaramente definisci i segment:

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

4. Validation Plan

Documenta come misurerai se il tuo ICP è accurate:

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

Task-Specific Questions

Mode 1: Building ICP from Scratch

Quando stai sviluppando un ICP per la prima volta o per un new market, chiedi:

1. Quali closed deal hai accesso a? (Quanti win e loss negli ultimi 12-18 mesi?) Questo determina se hai sufficient data per costruire statistically meaningful profile.

2. Quale firmographic data puoi accedere in real time? (CRM, prospecting database, manual research?) Il tuo ICP deve essere scorable con data il tuo sales team può effettivamente ottenere.

3. Identifichi i top 2-3 customer segment che guidano revenue? (Per industry, per company size, o per use case?) Inizia con il segment dove il product-market fit è strongest, not il broadest possible market.

Mode 2: Validating Existing ICP

Quando già hai un ICP ma vuoi confirmare è ancora accurate, chiedi:

1. Quando è stato il tuo current ICP last updated? Se è più di 6 mesi fa, probabilmente ha bisogno di validation.

2. Fanno i tuoi recent deal match l'ICP che hai definito? (Tira i tuoi ultimi 10-15 deal e scorali.) Se 80%+ scorano 70 o più high, il tuo ICP è accurate. Se meno, qualcosa ha shiftato.

3. Quali customer type stanno effettivamente guidando revenue? (Average deal size e close rate per segment?) Prioritizzerai il segment col highest customer lifetime value.

Mode 3: Refining Scoring Model

Quando hai uno ICP scorecard ma vuoi migliorarlo, chiedi:

1. Sono certi firmographic signal non predictive? (Es. geography non correlate a close rate?) Rimuovili o de-weighting li.

2. Stai vedendo win che non predissi e loss che mi aspetterei di vincere? Questi sono signal che il tuo model sta mancando qualcosa. Cosa hanno in comune i surprise win? Cosa manca ai surprise loss?

3. C'è uno behavioral signal dal tuo sales cycle che non stai catturando? (Es. "deal dove il customer richiese un technical POC chiudono 3x faster"?) Aggiungilo al tuo scorecard.

Quality Checklist

Prima di finalize il tuo ICP, verifica:

• ICP è costruito da analysis di almeno 20-30 actual closed deal (not founder opinion o market research)
• Almeno 70-80% dei tuoi historical win scorano 70+ sul tuo scorecard
• Almeno 70-80% dei tuoi historical loss scorano below 55 sul tuo scorecard
• Firmographic range sono concrete (es. "200-2,000 employee" not "mid-market")
• Ogni firmographic dimension è weighted basato su actual predictive power (not gut feel)
• Behavioral signal sono specific e observable durante sales conversation (not vague)
• Score band hanno clear interpretation e conversion probability
• Anti-persona sono definiti per ogni positive persona
• Hai un plan per validare il tuo ICP quarterly con real revenue data
• Il tuo sales team può effettivamente source e verify il firmographic data (non è aspirational)

Related Skills

Discovery Framework — Per running initial discovery conversation che uncover se un prospect rientra il tuo ICP. Usa discovery per gather il firmographic e behavioral signal che il tuo ICP dipende.

Deal Qualification — Per scoring deal contro MEDDIC e confirming che un prospect matching il tuo ICP è effettivamente qualified per advance a proposal. ICP ti ottiene nella door; qualification assicura loro chiudono.

Pipeline Review — Per analyzing la tua entire pipeline usando ICP score per identificare quali deal dovrebbero essere prioritizzati basato su fit e probability. Usa ICP come un input signal per pipeline health.

ABM Strategy — Per running account-based marketing e sales motion focused su i tuoi highest-ICP-fit account. Una volta che sai chi i tuoi ideal customer sono, usa ABM per penetrare quegli account at scale.

Competitive Intelligence — Per gathering competitive data su account matching il tuo ICP per personalizzare outreach e position contro competitor.

Example Prompts

1. "Ho 25 closed deal degli ultimi 18 mesi. Aiutami identifica pattern nei win vs. loss e recommenda un ICP. Ecco la list: [company name, size, industry, deal size, won/lost]."

2. "Costruisci uno scoring rubric per il nostro ICP. I nostri best customer sono mid-market SaaS company con 300-2,000 employee che stanno crescendo 20%+ YoY. Come dovrebbe weightare company size, industry e growth rate?"

3. "Scora questi 10 opportunity contro il nostro ICP: [list]. Dimmi quali dovrebbero essere prioritizzati e quali dovrebbero essere riciclati."

4. "Il nostro ICP è stato costruito 18 mesi fa. Voglio validarlo con data recente. Ecco i miei ultimi 20 deal: [list]. Dovremmo aggiornare il ICP?"

5. "Stiamo vedendo unexpected win da un new customer segment. Come aggiorno il nostro ICP per riflettere questo senza perdere focus sul nostro core segment?"

6. "Quale behavioral signal dovremmo cercare in discovery call per confirmare un prospect rientra il nostro ICP beyond solo firmographic?"

7. "Crea uno scorecard che combina company size, growth rate, industry fit e buying signal. Weightali per predictive power."

8. "Il nostro anti-persona è early-stage startup. Come li schermiamo out early in prospecting instead di discovering lo late in sales?"