需要把已确认的 ICP 转化为可评分…

为销售领导层设计账户细分模型：选择信号层、构建并校准 fit 评分、分离 fit 与 readiness 双轴、绘制 whitespace 扩张地图，并在 CRM 中编码、路由与重评分。

适用场景

解决思路

1. 先跑访谈，一次只问一个问题，能读 CRM 导出或公司网站时先预填答案并起草候选模型让用户纠正，而不是从空白页开始问。
2. 访谈必问：是否已有确认的 ICP（有验证过的评分卡与排除条件／大家心照不宣的非正式画像／完全没有）；B2B 还是 B2C；过去 12 个月有多少条 CRM 数据可用的 closed-won 交易（<20／20-100／100+）；模型要驱动什么（新客优先级／存量客户扩张／两者）；当前有哪些数据源在线（CRM firmographics、enrichment 供应商、technographic 源、intent 供应商、仓库里的产品使用数据、一方网站分析）；当前跑哪些 motion（self-serve/PLG、sales-led、enterprise named-account）及各细分的大致客单价；谁消费模型、谁是具名 owner（RevOps／sales ops／marketing ops）；模型必须在什么日期前驱动真实决策；要一次性成果还是可复利资产；投入上限（分析师工时、enrichment 预算、RevOps 在 CRM 中编码字段与路由的产能、以及告诉销售其心仪账户得分低的政治资本）。
3. 按第 8-10 题答案重新排序信号层菜单，并说明哪个答案改变了什么：几周内的硬截止日期把模型保持在默认档，剩余工时全部投入 closed-won 校准（不可省略）；复利型任务（9b）即使费力也升级到 fit×readiness 档并做 CRM 编码；政治资本低时先发布各维度子分数，因为销售能看懂理由才会接受模型。
4. 先头脑风暴再定稿：访谈后给出 2-3 个候选细分模型及权衡和一个明确推荐——Size-band 模型（快、易映射到 motion，但可能运营上无用）；Multi-signal fit×readiness 模型（精确，但校准与数据成本高）；JTBD/问题聚类模型（当赢家不在 firmographics 上聚类时专门用它，因为买家跨行业但共享同一触发事件与 job）。
5. 逐个问剩余澄清问题（尽量多选），在给任何权重之前拿到对模型形态的明确批准。
6. 按节构建 charter，每节与用户确认后再进入下一节：信号层 → fit 评分与校准 → readiness 轴 → whitespace 地图 → CRM 落地 → 治理；错误的层选择会让下游所有权重失效。
7. 最终定稿以用户批准组装好的 charter 为门槛；若运行环境有持久记忆，存储已批准的 charter（层、权重、校准结果、owner、评审日期），供后续运行和兄弟 tiering 技能从已记录决策出发。
8. 按效率（单位投入的回报）排序选择信号层：firmographic+technographic > fit×readiness 双轴 > firmographic-only > predictive scoring；默认档为 firmographic + technographic 并用 closed-won 校准（firmographics 回答“谁”并界定宇宙规模，技术栈回答“如何”，是账户已做决策的纸面痕迹，揭示购买成熟度、替换潜力与集成契合度）。
9. 当存在真实 readiness 源（intent 供应商、产品使用数据、一方网站信号）时升级到 fit×readiness 双轴档，把 intent 与一方行为信号放在第二轴上而不是混入 fit。
10. firmographic-only 仅作为有意的两周过渡方案且 technographic 层已排期；predictive scoring 在 TAM 达数千账户、CRM 历史深厚且有人负责模型时才升级，TAM 仅数百账户或垂直行业 intent 信号稀薄时跳过，改用 closed-won 模式分析加人工 JTBD 细分。
11. 当 firmographics 无法聚类赢家时，叠加 JTBD/use-case 框架：按账户雇佣产品完成的 job 和打开购买窗口的触发事件（监管、事故、融资、领导层变动、合同续约）细分。
12. 构建 fit 评分：以 ICP 的标准与排除条件为基础，绝不重新推导；按所选层组装维度，并在正向得分之外显式加入负向信号扣分层。
13. 按方向性（非普适）比例加权：firmographic 约占综合分 30-40%，technographic 约 20-25%，behavioral/intent 约 25-40%，扣分另计；最常见的加权错误是因点击易计数而高估 intent，fit 更安静但更可靠。
14. 从过去 12 个月 closed-won 交易反向校准：若 70% ARR 来自某一细分形态，该形态权重最高；每年重跑校准 1-2 次；警惕 cohort-bias 陷阱——训练集被公司第一个大客户类型主导会系统性低估相邻增长细分。
15. 用模型健康测试验证：高分账户的转化率必须显著高于低分账户，否则在任何路由依赖它之前先更新权重。
16. 发布各维度子分数，让销售能看到账户为何得此分——可解释性才能换来采纳。
17. 把 fit 与 readiness 保持为两条独立轴，绝不合成一个数字：90-fit/35-readiness 是值得培育的长期目标，65-fit/88-readiness 是近期但质量较低；单一混合的“78/100”恰好抹掉了改变打法的区别。fit 锚定且变化慢，readiness（intent、互动、产品使用）按计时器衰减并持续更新，矩阵各象限各有不同打法。
18. 当访谈表明扩张重要时，把 whitespace 映射作为独立学科运行：把产品/服务映射到每个战略账户的部门、分支与购买中心。
19. 可视化为热力图（已激活足迹、扩张机会、竞对盘踞），按部门呈现。
20. 把每个缺口解析为一种打法：席位/用量扩张、层级升级销售、相邻产品交叉销售、攻入新购买中心（需明确的组织架构图与购买委员会映射）。
21. 把每个识别出的缺口作为有管道阶段的商机跟踪（identified → qualified → in discussion → proposal → won/lost），绝不作为静态清单。
22. 战略账户地图至少每季度刷新一次，并在触发事件时立即刷新：被收购、领导层变动、续约、竞对进入该账户。
23. 把地图保存在 CRM 账户记录内（活在 CRM 之外的账户规划注定低采纳），并把该动作框定为“增长客户业务”而非“征服领地”。
24. 在 CRM 中落地：通过自动 enrichment 把 fit 分、readiness 分、子分数与细分写到账户记录上；把每个细分路由到其覆盖通道并给交接设 SLA；用 waterfall enrichment（按序查询多个供应商直到字段填满）而不是押注单一供应商覆盖。
25. 设定重评分节奏：每季度评审整个模型，每年重新校准权重 1-2 次，readiness 信号持续更新；technographic 与 intent 数据衰减快，一年拉一次到第三个月就过时。
26. 用显式阈值触发细分间迁移（员工数或 ARR 跨越、连续两个季度低于细分下限后触发降级评审），绝不靠临时判断。
27. 保持一个 owner、一套定义：RevOps 作为共享评分契约的 owner，销售与市场联合签字，在 CRM 中只编码一次；当市场的“enterprise”从 500 人起、销售从 1000 人起时，评分、路由与营销活动都会悄悄分叉。
28. 让细分输出可映射到 motion：问题不是“公司用哪个 motion”而是“哪个细分用哪个 motion”，因为多数 B2B 公司同时跑多个（低端 self-serve/PLG、中端 sales-led、企业 named-account）。
29. PLG 与销售并存时定义明确的 PLG-to-sales 交接触发条件（用量阈值、团队规模、企业域名），避免两个引擎互相蚕食同一批账户；PLG 细分中评分单位变为 product-qualified lead：ICP-fit 分 × 产品使用分，且使用上下文对销售可见而非黑箱数字。
30. 在分配任何人到某个 engagement band 之前先定义 entitlements（每个 band 得到什么待遇），否则政治压力会灌满最高档；band 用既定的 1:1 / 1:few / 1:many 词汇。
31. 把高管凭直觉挑选的账户也纳入同一模型评分并每季度重评分；cutoff 位置、tier 命名与人均产能上限留给 tiering 技能。
32. 让输出同时供给 territory 设计：划分维度都基于加权机会（账户数 × 平均 ACV × 预估赢率）平衡，绝不基于原始账户数；划分维度包括 geography、vertical、size-band、hybrid，实际执行 carve 属于 org-structure 技能。
33. 交付一份模型 charter 作为单一工件，让下个规划周期无需重新争论即可执行，包含：CONTEXT（ICP 来源、用于校准的 closed-won 量、新客/扩张/两者、具名 owner）、SIGNALS（所选层及原因、每层来源、每层衰减与刷新）、FIT SCORE（维度与权重、负向扣分、对 closed-won 的校准结果）、READINESS（第二轴信号、衰减计时器、更新频率、象限打法）、WHITESPACE（每账户扩张地图、缺口管道跟踪、刷新触发）、CRM（字段、路由规则与 SLA、重评分节奏、迁移阈值）、MOTION MAP（哪个 motion 服务哪个细分、PLG-to-sales 交接触发）、GOVERNANCE（RevOps owner、季度评审、每年 1-2 次重校准、事件触发）、CONFIDENCE（哪些数字是已发表研究、方向性惯例还是供应商宣称）。
34. B2B 之外的适配：B2C 通过 key accounts（零售连锁、分销商、加盟集团）时保留机制但替换 fit 输入——门店数、货架与品类位置、地理与 banner 归属替代 firmographics 与 technographics，readiness 用 sell-through 与补货速度，whitespace 用已进货连锁内未售品类与未渗透 banner/区域；双轴规则、closed-won 校准与 CRM 落地不变。
35. 直接面向消费者（DTC）没有账户，用基于价值的客户细分扮演结构角色：按生命周期价值或消费额分档（fit 的类比）与互动/最近度（readiness 的类比，RFM 式）交叉，驱动差异化待遇；可迁移的是从真实购买数据而非假设校准分档、保持价值与互动双轴、过度细分警告、刷新节奏；不可迁移的是 firmographic 层、购买委员会逻辑、组织架构图式 whitespace 映射。
36. 发布前用失败模式清单逐条检查：分数不可行动（每个细分是否映射到真正不同的 motion 或 playbook）；数据陈旧且仅 firmographic（每层是否有匹配其衰减速度的刷新机制）；cohort bias（校准基础是否已超出第一个大客户类型且已排期重校准）；fit 与 readiness 混成一个数字（两轴、两种更新节奏、象限打法）；过度细分（超过 6-8 个细分意味着有些无法支撑独立 playbook，应合并）；定义错位（一套定义、编码一次、联合签字）；无 whitespace 可见性（战略账户是否有数据支撑的地图而非轶事）；set-and-forget（节奏与事件触发已排期，成功以管道与转化变动衡量，绝不以“超过阈值的账户数”衡量）。
37. 对整体模型跑诊断：若其标准无法排除约 80% 的 TAM，说明评分卡太松无法聚焦，应收紧现有标准而不是在松基础上叠加更多层；若松散源于 ICP 本身，路由回 ICP 定义技能而非在此修复。
38. 用测量清单验收 charter 直到 100% 通过：每层都写明来源、刷新节奏与衰减假设，fit 分报告其对 closed-won 的校准结果；fit 与 readiness 是独立轴且有不同更新节奏，每个象限都有打法；若扩张在范围内，每个战略账户都有 whitespace 地图且缺口按管道阶段跟踪；CRM 计划写明字段、路由 SLA、迁移阈值、RevOps owner 与评审日历；每个数字都带置信度分级，且明确声明 B2B 或 B2C 范围。
39. 上线后跟踪 KPI：高分组与低分组的转化差（模型的常设健康测试）、新管道中位于头部细分的占比、whitespace 缺口管道推进、扩张在范围内时的 NRR 趋势；若高分者不再跑赢，就重校准，不要为模型辩护。

适用边界 · 注意事项

• 尚未有经确认的 ICP（只有非正式画像或完全没有）时不要开始细分——那会悄悄重新推导 ICP 且做得很糟，应先路由到 ICP 定义技能。
• 不要决定 tier 的 cutoff 位置、tier 命名、人均产能上限与覆盖水平——那属于账户 tiering 技能；本技能止于每个账户都携带的分数。
• 不要把它当作 lead scoring：leads 是按互动 readiness 评分的个人联系人，本技能评的是账户的结构性 fit，联系人侧评分属于 lead-scoring 技能。