Template ideal customer profile ini mengubah “pelanggan terbaik kami” menjadi lembar kerja berskor yang bisa digunakan sales, marketing, dan website Anda. Ada lima bagian: kriteria kecocokan berbobot, aturan skoring, tier A/B/C, daftar anti-ICP berisi faktor diskualifikasi, dan metode untuk memeriksa semuanya terhadap deal yang benar-benar Anda menangkan dan kalah. Salin tabelnya ke spreadsheet, atau unduh template sebagai CSV.
Untuk pemikiran di balik ICP (dan perbedaannya dengan buyer persona), baca panduan kami tentang cara membangun ideal customer profile. Halaman ini adalah lembar kerjanya.
Kesalahan yang Dilakukan Sebagian Besar Template Ideal Customer Profile
Sebagian besar template ICP hanya berupa daftar kotak: industri, ukuran, pendapatan, masalah. Template itu menggambarkan sebuah perusahaan, tetapi tidak memungkinkan Anda membandingkan peringkat dua akun nyata. Pandangan kami: ICP hanya berguna jika menghasilkan angka atau tingkatan untuk setiap akun di CRM Anda, dan jika tingkatan itu memprediksi win rate. Itulah sebabnya template ini memiliki bobot dan langkah validasi. Profil yang belum pernah diperiksa terhadap deal closed-lost adalah hipotesis, bukan ICP.
Bagian 1: Kriteria Kecocokan dan Bobot
Pilih lima hingga delapan kriteria yang datanya benar-benar bisa Anda peroleh. Beri bobot pada masing-masing sehingga totalnya 100. Tentukan apa yang dianggap kecocokan kuat dan kecocokan sebagian sebelum Anda memberi skor apa pun.
| Kriteria | Bobot | Sangat cocok (poin penuh) | Cocok sebagian (setengah poin) | Tidak cocok (0) | Sumber data |
|---|---|---|---|---|---|
| Industri | CRM, enrichment, pemetaan NAICS | ||||
| Ukuran perusahaan (karyawan) | Enrichment | ||||
| Wilayah / negara | CRM, negara dari IP | ||||
| Teknologi yang digunakan | Data teknografis, discovery sales | ||||
| Tim atau fungsi tersebut ada | LinkedIn, lowongan kerja | ||||
| Peristiwa pemicu (6 bulan terakhir) | Data berita, rekrutmen, pendanaan | ||||
| Sinyal anggaran | Tahap pendanaan, rentang pendapatan | ||||
| Total | 100 | ||||
Aturan menetapkan bobot:
- Mulailah dari perbedaan antara deal yang dimenangkan dan yang kalah, bukan dari opini. Jika 80% deal yang dimenangkan menggunakan CRM tertentu sementara deal yang kalah terbagi rata, teknologi layak mendapat bobot besar.
- Tidak ada satu kriteria pun yang bobotnya di atas 30. Jika tidak, satu kolom yang menentukan tier dan yang Anda bangun adalah filter, bukan skor.
- Masukkan hanya kriteria yang bisa Anda isi setidaknya untuk sebagian besar akun. Kriteria yang kosong di sebagian besar CRM Anda hanya menambah noise. Untuk definisi kolom, lihat entri glosarium tentang data firmografis dan teknografis.
Bagian 2: Aturan Scoring dan Tier
Setiap kriteria mendapat skor penuh sesuai bobotnya untuk kecocokan kuat, separuh bobotnya untuk kecocokan sebagian, dan 0 jika tidak cocok. Jumlahkan untuk mendapat skor antara 0 dan 100.
| Tier | Skor | Pola penjualan | Perlakuan website |
|---|---|---|---|
| A | 75 sampai 100 | Outreach ke akun bernama, sales senior | Hero yang dipersonalisasi, bukti yang sesuai, CTA meeting langsung |
| B | 50 sampai 74 | Tindak lanjut inbound, nurture | Personalisasi tingkat segmen (industri atau ukuran) |
| C | Di bawah 50 | Self-serve atau tidak dikejar secara aktif | Situs default |
| Dikecualikan | Terkena aturan anti-ICP apa pun | Jangan dikejar | Situs default, tanpa peringatan sales |
Bagian 3: Anti-ICP (Diskualifikasi)
Anti-ICP adalah daftar singkat kondisi yang mengecualikan sebuah akun berapa pun skornya. Daftar ini sering lebih berguna daripada ICP itu sendiri, karena mencegah waktu sales terbuang untuk deal yang tampak bagus tetapi tidak pernah ditutup atau cepat churn.
| Diskualifikasi | Bukti yang membenarkannya | Berlaku untuk |
|---|---|---|
| Contoh: kurang dari 10 karyawan | Contoh: sebagian besar pelanggan seperti itu churn dalam tahun pertama | Targeting outbound dan berbayar |
| Contoh: sektor teregulasi yang mewajibkan hosting on-premise | Contoh: produk hanya berbasis cloud | Semua motion |
| Contoh: kontrak yang sedang berjalan dengan kompetitor yang masih berlaku 2+ tahun lagi | Contoh: siklus penjualan macet di tahap pengadaan | Outbound |
Bagian 4: Contoh yang Sudah Diisi (Perusahaan Fiktif)
Hanya contoh. "Example Co" adalah perusahaan fiktif yang menjual software penjadwalan untuk bisnis layanan lapangan (instalatir, kontraktor pemeliharaan). Semua angka di bawah ini bersifat ilustratif.
| Kriteria | Bobot | Fit kuat | Cocok sebagian | Tidak cocok |
|---|---|---|---|---|
| Industri | 25 | Kontraktor peralatan bangunan (NAICS 2382) | Kontraktor spesialis lainnya (NAICS 238, sisanya) | Lainnya |
| Ukuran perusahaan | 20 | 50 hingga 500 karyawan | 20 hingga 49 atau 501 hingga 1.000 | Di bawah 20 atau di atas 1.000 |
| Teknisi lapangan | 20 | 15 teknisi atau lebih | 5 sampai 14 | Kurang dari 5 |
| Teknologi yang digunakan | 15 | Menggunakan CRM yang terintegrasi dengan kami | Menggunakan CRM lain | Hanya spreadsheet |
| Wilayah | 10 | Negara Nordik dan DACH | Negara UE lainnya | Di luar UE |
| Peristiwa pemicu | 10 | Merekrut dispatcher atau membuka cabang baru | Merekrut teknisi | Tidak terlihat |
| Total | 100 | |||
Skoring dua akun contoh:
| Kriteria | Akun 1: kontraktor HVAC, 140 staf, 40 teknisi, CRM terintegrasi, Jerman, sedang merekrut dispatcher | Akun 2: kontraktor listrik, 35 staf, 8 teknisi, spreadsheet, Prancis, tanpa pemicu |
|---|---|---|
| Industri (25) | Kuat: 25 | Kuat: 25 |
| Ukuran perusahaan (20) | Kuat: 20 | Sebagian: 10 |
| Teknisi lapangan (20) | Kuat: 20 | Sebagian: 10 |
| Teknologi (15) | Kuat: 15 | Tidak cocok: 0 |
| Wilayah (10) | Kuat: 10 | Sebagian: 5 |
| Pemicu (10) | Kuat: 10 | Tidak cocok: 0 |
| Skor dan tier | 100, Tier A | 50, Tier B |
Keduanya berada di industri yang tepat. Hanya skornya yang menunjukkan bahwa Akun 1 layak ditangani sales senior minggu ini dan Akun 2 masuk ke nurture.
Bagian 5: Validasi Terhadap Deal yang Menang dan Kalah
Lakukan ini sebelum siapa pun menggunakan tier-nya. Butuh satu sore dengan ekspor CRM.
- Ekspor deal yang sudah closing. Semua peluang closed-won dan closed-lost dari 12 hingga 24 bulan terakhir, beserta kolom yang dibutuhkan kriteria Anda. Kecualikan deal yang kalah karena alasan yang tidak terkait kecocokan hanya jika Anda bisa melakukannya secara konsisten (misalnya "tidak ada keputusan" tetap masuk; "record duplikat" dikeluarkan).
- Beri skor setiap deal dengan data akun seperti saat deal dibuat, jika CRM Anda menyimpan riwayat. Jumlah karyawan saat ini adalah fallback yang wajar.
- Hitung win rate per tier. Menang dibagi (menang ditambah kalah) untuk A, B, dan C.
- Periksa pemisahannya. Tier A seharusnya jelas lebih sering menang daripada B, dan B lebih sering daripada C. Jika dua tier menang dengan tingkat yang mirip, bobotnya tidak bekerja sebagaimana mestinya.
- Perhatikan yang tidak sesuai. Baca kekalahan Tier A dan kemenangan Tier C satu per satu. Dari situ terlihat kriteria mana yang hilang atau terlalu diberi bobot.
- Sesuaikan dan beri skor ulang sekali. Ubah bobot atau definisi, jalankan ulang langkah 2 hingga 4, lalu berhenti. Menyetel berulang kali pada riwayat yang sama membuat model overfit.
- Tetapkan tanggal peninjauan. Validasi ulang setiap enam bulan dengan deal baru yang sudah closing.
Contoh hasil untuk Example Co, 200 peluang closed yang dinilai secara retroaktif:
| Tier | Peluang | Menang | Win rate |
|---|---|---|---|
| A | 60 | 21 | 35% |
| B | 80 | 14 | 17.5% |
| C | 60 | 3 | 5% |
Tier-tier tersebut terpisah dengan jelas: peluang tier A menang dua kali lebih sering daripada tier B dan tujuh kali lebih sering daripada tier C dalam Contoh ini. Jika angka nyata Anda terlihat datar di semua tier, jangan luncurkan ICP dulu. Dengan sampel kecil, anggap perbedaannya sebagai indikasi arah: 3 kemenangan dari 60 bisa banyak berubah hanya dengan segelintir deal.
Menggunakan ICP di Situs Web Anda
Setelah tier tervalidasi, tier tersebut menjadi segmen. Akun Tier A dapat memicu notifikasi dan halaman tingkat akun, Tier B mendapat personalisasi berdasarkan industri atau ukuran, Tier C mendapat situs default. Panduan strategi segmentasi membahas cara mengubah tier menjadi segmen situs web, dan template model lead scoring menambahkan skor perilaku di atas skor kecocokan ini. Untuk melihat akun ber-tier mana yang berkunjung, Anda membutuhkan data tingkat perusahaan dari identifikasi pengunjung. Untuk scoring tingkat akun yang menggabungkan kecocokan dan intent, lihat artikel kami tentang model account scoring.
Pertanyaan yang Sering Diajukan
Apa saja yang harus ada dalam template ideal customer profile?
Kriteria kecocokan yang datanya bisa Anda peroleh (industri, ukuran, wilayah, teknologi, pemicu), bobot untuk masing-masing, definisi kecocokan kuat dan sebagian, aturan penilaian yang menghasilkan tier, daftar anti-ICP berisi diskualifikasi, dan langkah validasi terhadap deal yang menang dan kalah. Tanpa bobot dan validasi, ICP hanya menggambarkan pelanggan tetapi tidak bisa memeringkat akun.
Apa bedanya ICP dengan buyer persona?
ICP menggambarkan perusahaan yang cocok: industri, ukuran, teknologi, situasi. Buyer persona menggambarkan orang di dalam perusahaan itu: peran, tujuan, keberatan. Anda memilih akun dengan ICP dan membentuk pesan dengan persona. Sebagian besar tim B2B membutuhkan satu ICP dengan beberapa tier dan dua atau tiga persona per tier.
Berapa banyak kriteria kecocokan yang sebaiknya dimiliki ICP?
Lima hingga delapan. Kurang dari lima biasanya berarti satu atau dua kolom mendominasi dan tier berperilaku seperti filter sederhana. Lebih dari delapan biasanya berarti beberapa kriteria kosong untuk sebagian besar akun, yang menambah noise. Simpan hanya kriteria yang berbeda antara deal yang menang dan kalah serta yang dapat Anda isi dengan andal.
Seberapa sering saya harus memperbarui ideal customer profile?
Validasi ulang setiap enam bulan terhadap deal baru yang sudah closing, dan segera setelah perubahan besar seperti lini produk baru, pasar baru, atau perubahan harga. Sesuaikan bobot sekali per tinjauan, bukan terus-menerus, agar tier cukup stabil untuk dipercaya sales.