Selectionner Comptes

Choisir ses comptes avant de chercher des contacts concentre l'effort là où le fit est prouvé : une liste de comptes construite à partir des meilleurs clients signés convertit mieux qu'une recherche large, et coûte moins en contacts payés. La méthode part des clients, jamais d'un filtre.

Ressources

• {SKILL_BASE}/ressources/scoring-tam.md : construire le modèle, prioriser dans un tier, croiser tier du compte et séniorité du contact.
• {SKILL_BASE}/ressources/icp-3-couches.md : les critères que les meilleurs clients doivent confirmer.
• {SKILL_BASE}/ressources/sources-par-besoin.md : lookalikes et pages entreprise.

Méthode

1. Exportez les meilleurs clients : les 10 à 20 premiers par revenu, durée de vie ou vitesse de signature. Depuis HubSpot si branché, sinon l'utilisateur donne les noms et les domaines.
2. Trouvez ce qu'ils partagent : secteur, effectif, zone, stade, outils, ce qui se passait chez eux au moment de signer. Trois points communs suffisent ; s'ils contredisent 05_Departements/Go-to-Market/contexte.md, signalez-le et proposez un passage par definir-icp.
3. Couche CRM : crm lire --statut perdus, puis gardez les affaires perdues de plus de 6 mois (date_cloture) : elles avaient le problème et le moment était mauvais, ou un concurrent a comblé le manque. Ces comptes sont chauds : ils connaissent déjà l'utilisateur. Il n'existe pas d'export "churnés" ni "contacts sans affaire" : si l'utilisateur veut ces comptes, il donne les noms.
4. Couche lookalikes : trouver_lookalikes à partir des domaines des meilleurs clients. Gardez ce qui confirme les trois points communs de l'étape 2.
5. Couche techno, si la couche 2 de l'ICP est remplie : detecter_techno sur les candidats pour repérer un outil concurrent (ils ont le besoin) ou complémentaire (l'offre se branche).
6. Dimensionnez. Objectif de revenu divisé par le panier moyen = affaires nécessaires ; divisé par le taux de signature = rendez-vous nécessaires ; divisé par le taux de rendez-vous par compte = comptes à cibler. Les taux viennent de l'historique de l'utilisateur, jamais d'une moyenne de marché. Exemple avec des hypothèses à remplacer : 100 000 € visés, panier 5 000 €, signature 25 %, rendez-vous sur 10 % des comptes : 20 affaires, 80 rendez-vous, 800 comptes.
7. Scorez et rangez avec qualifier_liste : tier A (10 à 50 comptes, sur mesure, 2 à 4 contacts, plusieurs canaux), tier B (50 à 200, personnalisation par segment, 1 à 2 contacts), tier C (200 à 1 000, séquence standard, 1 contact), 5 contacts au plus par entreprise. Un compte sans fit prouvé sort, même s'il est prestigieux.
8. Rendez la liste avec, pour chaque compte, le tier et la raison en une ligne (le point commun avec les clients qui l'a fait entrer). Proposez cartographier-personas puis sourcer-personnes par page entreprise. L'écriture dans HubSpot (tier sur la fiche entreprise) ne se fait que sur oui explicite.

Exécution

| Étape | Verbe | Skill d'exécution | Entrée | Sortie | |---|---|---|---|---| | 1 et 3 | lire_crm (affaires gagnées, puis perdues) | crm (lire --statut gagnes, puis perdus) | rien | entreprise, domaine, secteur, effectif, source = hubspot, affaire, montant, date_cloture, statut | | 4 | trouver_lookalikes | trouver-lookalikes | domaine des clients de référence, 10 par appel, plusieurs appels au-delà | entreprise, domaine, linkedin_entreprise_url, secteur, effectif, pays, source = ocean, date_extraction | | 4 | enrichir_entreprise | enrichir-entreprise | domaine, lignes où effectif ou secteur est vide | secteur, effectif, ville, pays complétés | | 5 | detecter_techno | enrichir-entreprise --techno | domaine | techno détectée, pour la couche 2 | | 7 | qualifier_liste | qualifier-liste | le CSV fusionné | score_icp, tier, exclu, raison_exclusion |

Sortie : trouver-lookalikes__.csv puis qualifier-liste__.csv.

Où ça s'écrit : la liste ABM finale (compte, tier, raison, signal) dans 05_Departements/Go-to-Market/Ciblage/comptes-cibles.csv, et sa copie de suivi dans 05_Departements/Go-to-Market/Signaux/comptes-suivis.csv pour detecter-signaux.

Repères

| Repère | Valeur | |---|---| | Clients à analyser | 10 à 20 meilleurs | | Points communs à retenir | 3 | | Fermés-perdus réutilisables | après 6 mois | | Tier A | 10 à 50 comptes, 2 à 4 contacts, effort maximal | | Tier B | 50 à 200 comptes, 1 à 2 contacts, personnalisation par segment | | Tier C | 200 à 1 000 comptes, 1 contact, séquence standard | | Formule de dimensionnement | revenu ÷ panier ÷ taux de signature ÷ taux de rendez-vous par compte |

Template

Liste de comptes : , 
Clients de référence :  ()
Points communs : 1.   2.   3. 
Objectif :  ->  ->  ->  (hypothèses : panier , signature , rendez-vous )
Tier A () :  : 
Tier B () : ...
Tier C () : ...
Écartés : , raisons principales : 
Next step : cartographier-personas, puis sourcer-personnes par page entreprise

Règles

• On part des clients signés. Sans client signé, ce sous-skill ne s'applique pas : renvoyez vers definir-icp et sourcer-entreprises.
• Les taux de conversion viennent de l'historique de l'utilisateur ; sans historique, on écrit des hypothèses marquées comme telles et on les relit après un mois.
• Un compte prestigieux sans fit prouvé n'entre pas en tier A.
• Les fermés-perdus de moins de 6 mois restent exclus.
• Ocean.io sert aux lookalikes et à rien d'autre.
• Aucune écriture dans HubSpot sans oui explicite sur l'échantillon.
• Une liste de comptes se relit chaque trimestre : les comptes contactés sans réponse descendent d'un tier, les nouveaux signés nourrissent l'étape 1.

Exemples

• "Trouve-moi des boîtes comme mes trois meilleurs clients" : domaines des trois clients, trouver_lookalikes, enrichissement des colonnes vides, qualifier_liste ; réponse attendue : une liste tiérée avec la raison par compte, et le nombre de comptes par tier.
• "Combien de comptes il me faut pour 100 k€ cette année ?" : la formule avec les taux de l'utilisateur, ou des hypothèses marquées ; réponse attendue : le nombre de comptes, et si la liste actuelle ne suffit pas, les couches à activer (CRM, lookalikes).
• "Qui dans mon CRM je peux relancer ?" : crm lire --statut perdus, filtré sur les pertes de plus de 6 mois (pas d'export "churnés" ni "sans affaire") ; réponse attendue : une liste chaude avec l'affaire et la date de la perte, classée par tier.

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: hugrowth98
• Source: hugrowth98/superfounder-os
• License: MIT

Install and usage instructions live in the source repository linked above.