Елена Галакси – B2B с ИИ: как продавать сложное (страница 2)
Как работать с этими данными
ИИ не анализирует «потоки сам по себе».
Чтобы он помог, вы делаете три простых шага:
Собираете данные – не всё подряд, а то, что относится к вашей теме.
Например: архив последних 30 дней из 3–5 ключевых Telegram-каналов вашей отрасли,
публичные комментарии под 10 последними новостями на VC.ru,
и логи поведения с вашего сайта за последние 60 дней.
Формулируете вопрос – не «напиши портрет», а:
«Какие три поведенческие паттерны чаще всего встречаются у компаний, которые в итоге становятся клиентами?»
Или:
«Какие формулировки используют люди, когда описывают проблему, которую мы решаем?»
Проверяете вывод – не верите на слово. Сверяете с реальными сделками.
Если ИИ говорит: «Клиенты часто упоминают страх перед простоем», – вы смотрите:
→ Был ли этот страх в переговорах?
→ Отражён ли он в питчах?
→ Можно ли усилить его в контенте?
Так вы не «запускаете ИИ и ждёте чуда».
Вы задаёте направление, получаете гипотезу, проверяете её на практике.
Этот цикл – основа динамического портрета клиента.
Фреймворк: ICP 2.0
Когда вы собрали сигналы и проанализировали их с помощью ИИ, возникает следующий вопрос:
«Как превратить эти наблюдения в инструмент, который будет работать каждый день – в маркетинге, продажах, создании контента?»
Ответ – не в новом документе, который ляжет пылью в Notion.
А в динамическом портрете клиента, который живёт и обновляется вместе с рынком.
Мы называем его ICP 2.0 – не как модное название, а как напоминание:
старый подход (раз в год, стикеры, гипотезы в вакууме) больше не работает.
ICP 2.0 строится на трёх слоях:
Компания – отрасль, размер, география. Это база. Она редко меняется, но задаёт рамки.
Поведение – что человек делает: какие страницы смотрит на вашем сайте, какие вопросы задаёт в Telegram, возвращается ли через неделю.
Язык – как он описывает проблему: «нужна CRM» или «боимся пропустить сроки по делам».
Первый слой вы знаете заранее.
А вот второй и третий – живые. Их нужно обновлять каждые 30–60 дней на основе реальных данных.
ИИ помогает выделить паттерны в поведении и языке – но только если вы сначала собрали эти данные и задали чёткий вопрос.
Результат – не «идеальный клиент» из учебника, а рабочая гипотеза, которую вы проверяете на ближайших 10 встречах с лидами.
Если гипотеза подтверждается – вы усиливаете её в питчах и контенте.
Если нет – корректируете и повторяете цикл.
Так портрет перестаёт быть догмой – и становится компасом в реальном времени.
Главная ошибка: искать подтверждение
Самая частая ловушка – использовать ИИ не для поиска новых сигналов, а для подтверждения старых гипотез.
Компания продаёт CRM для юридических фирм.
Их портрет клиента – «юридические конторы 10–30 человек, без IT-отдела».
Они собирают все запросы за последние два месяца: из формы на сайте, из Telegram-каналов, из комментариев под отраслевыми постами – и получают список из 90 компаний.
Затем они дают этот список ИИ и просят:
«Раздели компании на группы по типу запроса. Где речь о простой автоматизации, а где – о контроле сроков и ответственности?»
ИИ выделяет:
– 60 компаний действительно ищут «простую CRM» (малые юрфирмы),
– но 30 – это юрдепартаменты банков и корпораций, которые пишут: «Нам нужно отслеживать дедлайны по делам, чтобы не пропустить сроки исковой давности».
Оказывается, реальный спрос – не в сегменте, который они считали основным.
А всё потому, что вопрос был сформулирован как анализ данных, а не как поиск подтверждения.
ИИ не должен подтверждать, кого вы хотите видеть клиентом.
Он должен показывать, кто действительно в вас заинтересован.
Практикум №1
Задание:
Возьмите десять последних лидов, которые дошли до демо или закрыли сделку.
Посмотрите внимательно: какие страницы они просматривали на вашем сайте, откуда пришли и какие слова использовали в первом сообщении.
Теперь сравните это с тем портретом клиента, который у вас записан в Notion или обсуждался на последней стратегической сессии.
Совпадает ли он с тем, что показывают реальные данные?
Или, может быть, ваши настоящие клиенты – совсем не те, кого вы себе представляли?
Вопрос для рефлексии:
Что из того, что вы считали «неподходящим», на самом деле оказалось признаком заинтересованности?
Глава 2. Невысказанные боли
Клиент редко говорит прямо: «Мне страшно, что ваша система сломается в самый ответственный момент».
Или: «Я не хочу признаваться руководству, что мы до сих пор ведём учёт в Excel».
Или: «Если этот проект провалится, меня уволят».