Scoring ICP w kwalifikacji leadów B2B: kryteria, które naprawdę przewidują dopasowanie

Wynik to budżet uwagi

Ograniczeniem w sprzedaży B2B prawie nigdy nie jest jakość leadów. Są nim godziny. Twój zespół odbędzie w tym tygodniu jakąś stałą liczbę pierwszych rozmów, leadów przyjdzie więcej, więc coś musi ustalić kolejność. To cała rola wyniku, a trzymanie jej tak wąsko robi każdą kolejną decyzję łatwiejszą.

Stąd robocza definicja kryteriów scoringu ICP: niewielki zbiór cech firmy, które da się zaobserwować, zanim ktokolwiek porozmawia z klientem, i które oddzielają transakcje wygrane od przegranych. To, o czym dowiesz się dopiero na rozmowie, jest kontekstem, a nie kryterium, bo decyzja o kolejce już zapadła.

Wynikają z tego dwie rzeczy. Liczy się wyłącznie trafność na górze listy, więc jeśli przerabiasz czterdzieści leadów tygodniowo z trzystu, nikt nie powinien się spierać, czy średnia firma ma 58 czy 61 punktów. I dopasowanie nie mieści się w jednej liczbie z zachowaniem: zachowanie rośnie razem z twoim budżetem reklamowym, więc wspólny wynik po cichu nagradza cię za reklamowanie się ludziom, którzy i tak nic nie kupią.

Jeden test, który mówi, czy kryterium jest prawdziwe

Ocena potencjalnego klienta względem kryteriów ICP ma sens tylko wtedy, gdy te kryteria oddzielają wygrane od przegranych. Da się to sprawdzić, a sprawdzenie zajmuje popołudnie z eksportem CSV, nie warsztat strategiczny.

Wyciągnij wszystkie transakcje wygrane i przegrane z ostatnich dwunastu do dwudziestu czterech miesięcy. Dla każdego kryterium policz skuteczność wśród transakcji, które je miały, i wśród tych, które go nie miały, a potem podziel. Iloraz w okolicach 1,0 znaczy, że kryterium nic nie wie i dokłada szum do każdego wyniku, którego dotyka. Poniżej 1,0 znaczy, że jest odwrócone, a jeśli siedzi już w rubryce, to sortujesz kolejkę w złą stronę. Nasza robocza granica to 1,3.

Jedno zastrzeżenie, zanim zaczniesz działać na tych liczbach. Polski rynek B2B jest mały i to widać w danych: jeśli w zeszłym roku zamknąłeś czterdzieści transakcji, kryterium dzielące je 12 do 28 mówi bardzo niewiele, a procent z jednym miejscem po przecinku tego nie naprawi. Pisz wielkość próbki obok ilorazu i powtórz test, gdy danych przybędzie.

Warto zatrzymać się nad wzorcem z tej tabeli. Kryteria, które przewidują dobrze, to zwykle te, których nikt nie sprzedaje jako gotowego pola, a kryteria dominujące w prawdziwych rubrykach to zwykle to, co i tak przychodzi w pakiecie wzbogacania danych. To nie spisek, to grawitacja: darmowe pola zostają dodane, każde zabiera kawałek wagi, a jeden sygnał, który naprawdę coś mówił, zostaje przegłosowany przez sześć dorzuconych gratis.

Część kryteriów to drzwi, a nie punkty

Kryterium wykluczające to warunek zero-jedynkowy, który kończy ocenę niezależnie od wszystkiego innego. Firma działa w segmencie, którego nie możesz obsłużyć zgodnie z regulacjami. Jest już klientem albo konkurentem. Podpisuje umowy tam, gdzie papierologia trwa cztery miesiące, a twój cykl sprzedaży ma sześć tygodni.

Nie da się tego zapisać jako punktów ujemnych, a powód jest arytmetyczny. Weź rubrykę z następnej sekcji, z maksimum 28 punktów. Wpisz twardą blokadę jako minus 10, a dobrze dopasowana, ale nieobsługiwalna firma wciąż wychodzi na 14 punktach, powyżej mediany. Kolejność jest więc sztywna: najpierw bramka, która zwraca tak albo nie, potem ważona rubryka, która zwraca liczbę, na końcu zachowanie, które koryguje pilność, a nie dopasowanie.

Bramkę trzymaj krótką. Trzy do pięciu wykluczeń wystarczy, bo każdą regułę będziesz bronić w tygodniu, w którym handlowiec przyniesie wyjątek z rozpoznawalnym logo. I zapisuj, co bramka odrzuciła, razem z powodem. Ten odrzucony stos to najtańszy research ICP, jaki zrobisz: gdy ten sam wykluczony kształt wraca i czasem domyka się bokiem, to twój ICP jest zły, a bramka jest tym, co ci to powiedziało.

Trzy wagi to wszystko, co uniosą twoje dane

Używaj trzech wag i niczego drobniejszego. Kryteria rozstrzygające dostają 3, wspierające 2, remisowe 1. Powodem jest to, że twoje dane nie odróżnią 12 od 15. Jeśli test dźwigni dał iloraz 1,9 na jednym kryterium i 2,1 na drugim przy sześćdziesięciu transakcjach, to są te same liczby w różnych kapeluszach. Rubryka kodująca rozróżnienie, którego dane nie unoszą, wygląda solidniej i działa gorzej, bo przerzuca firmy przez próg na szumie.

Nakładaj też limity na kategorie. Jeśli firmografia może wnieść najwyżej jedną trzecią maksimum, awaria jednego dostawcy danych nie przepisze po cichu twojej kolejki. Braki w pokryciu korelują z typem firmy, więc pole bez limitu, które zniknie dla jednego segmentu, usuwa ten segment z pipeline'u i nikt tego nie zauważa.

Nie zmuszaj wag, żeby sumowały się do 100. Ten nawyk pochodzi z prezentacji i kosztuje przy każdym dodaniu kryterium. I uważaj na pokusę dokładania kryteriów, aż wynik zgodzi się z przeczuciem na dziesięciu firmach, które wszyscy pamiętają: te dziesięć zapamiętano właśnie dlatego, że były nietypowe. Pięć kryteriów rozstrzygających prawie zawsze znaczy, że jedno powtarza inne, a przedział zatrudnienia z przedziałem przychodu to para dublowana najczęściej.

Przykład policzony do końca, z pokazaną arytmetyką

Poniżej kompletna rubryka do kwalifikacji leadów B2B oparta na kryteriach ICP, na tyle mała, żeby zmieściła się w głowie. Siedem kryteriów, każde z oceną dopasowania 0, 1 albo 2, czyli brak, częściowe, czyste. Wkład to waga razy dopasowanie, więc maksimum wynosi 28.

Po normalizacji Lead A ma 24 z 28, czyli 86%. Lead B ma 13 z 28, czyli 46%. Zobacz, skąd wzięły się punkty Leada B: wykryte narzędzie i runda finansowania, czyli te dwa kryteria, które tabela wyżej nazwała słabymi. Jego wynik jest zbudowany z rzeczy łatwych do zaobserwowania, a to jest profil leada, który dobrze czyta się w CRM i rozsypuje się na rozmowie.

Progi ustawiaj pojemnością, a nie gustem. Jeśli w tygodniu mieści się czterdzieści pierwszych rozmów, a przychodzi trzysta leadów, twoje pasmo A to górne trzynaście procent rozkładu, przy jakimkolwiek surowym wyniku to wypada. Okrągłe progi w rodzaju 80 nie znaczą nic poza rubryką, która je wyprodukowała, i przestają pasować, gdy tylko dodasz kryterium.

Efekt warto raz policzyć na własnych liczbach. Załóżmy, że zamykasz 5% wszystkiego, co wchodzi do pipeline'u, a górne pasmo zamyka się w 15%. Dźwignia wynosi 3, więc czterdzieści rozmów w górnym paśmie daje mniej więcej sześć wygranych tam, gdzie czterdzieści rozmów bez selekcji daje dwie. W leadach nic się nie zmieniło. A Lead B nie jest tu złym leadem, tylko leadem, do którego dzwonisz w trzecim tygodniu.

Model bije tabelę dokładnie w dwóch przypadkach

Scoring dopasowania oparty na AI sprzedaje się jako jeden produkt, a jest dwiema zszytymi robotami: czytaniem świata i liczeniem sumy. Tylko pierwsza korzysta z modelu, a rozdzielenie ich oszczędza większości zespołów rok kosztownego rozczarowania.

Pierwszy przypadek, w którym model naprawdę wygrywa, to oznaczona historia plus kryteria wchodzące ze sobą w interakcje, których liniowa rubryka nie wyrazi. Zatrudnienie znaczy więcej w jednej branży niż w drugiej, a nikt nie umie tego spisać. Model to znajduje. Biletem wstępu są dane, a dostawcy podają ich rozmiar zaskakująco konkretnie: udokumentowane wymagania Salesforce dla Sales Cloud Einstein to co najmniej 1 000 leadów utworzonych w ostatnich 200 dniach, z czego co najmniej 120 skonwertowanych, a dla scoringu szans co najmniej 200 wygranych i 200 przegranych w ciągu 24 miesięcy (pobrano 4 sie 2026). Poniżej tego progu produkt sięga po model globalny zbudowany na zanonimizowanych danych innych klientów Salesforce, więc twoje leady są oceniane wzorcami cudzych firm. Jeśli twój ICP jest nietypowy, to dokładnie zły punkt wyjścia.

Gdy danych wystarcza, wyniki nie budzą wątpliwości. Badanie z 2025 roku w Frontiers in Artificial Intelligence zbudowało model scoringu leadów B2B na eksporcie z CRM liczącym po czyszczeniu 16 600 rekordów i 22 pola, porównało piętnaście algorytmów klasyfikacyjnych i podało dla gradient boostingu AUC 0,9891 przy recall 0,9586 i precision 0,9106 (pobrano 4 sie 2026). Zanim jednak uwierzysz w taką liczbę, przeczytaj listę cech. Wśród najważniejszych predyktorów raportowane są źródło leada i klasyfikacja leada, co jest w porządku, oraz "powód statusu", czyli pole w CRM wypełniane po tym, jak ktoś zdecydował, co się z leadem stało. Cechy tego kształtu to klasyczny sposób, w jaki ocena offline wychodzi znakomicie, a model na produkcji nie robi nic, bo przy nowym leadzie to pole jest puste. Przy każdej cesze zapytaj, czy mogła powstać po tym, jak wynik był już znany. Jeśli tak, wypada ze zbioru treningowego.

Drugi przypadek to dane nieustrukturyzowane i tu AI naprawdę ma co robić. Najmocniejszym sygnałem w tabeli kryteriów było to, czy firma rekrutuje na rolę, którą zastępuje twój produkt, a ten sygnał istnieje jako tekst: strona kariery, ogłoszenie o pracę, czasem linijka w changelogu. Żaden dostawca nie sprzedaje go jako czystego pola, bo wyciągnięcie go wymaga czytania. Model czyta dwadzieścia stron i zwraca trzy ustrukturyzowane wartości, a wynik dalej liczy zwykła tabela. Zostaje ci audytowalna rubryka z czytnikiem z przodu, dużo łatwiejsza do obrony niż czarna skrzynka wypluwająca liczbę. To ta sama linia, którą rysujemy między agentami a stałymi workflow.

I jeszcze rzecz specyficznie polska. Wzbogacanie danych o kontaktach kupujesz w złotówkach za rekord miesięcznie, a im więcej pól dotyczy osób, a nie firm, tym bliżej jesteś profilowania w rozumieniu RODO. Dane firmowe z KRS czy kod PKD to inna kategoria niż punktowanie konkretnej osoby po jej zachowaniu. Wniosek pokrywa się z tym, co i tak wychodzi z arytmetyki: trzymaj scoring dopasowania na poziomie firmy, a zachowanie osoby jako osobną, krótko przechowywaną oś.

Nasze stanowisko, z budowania obu wariantów: większość scoringu dopasowania nie jest modelem i nie musi nim być. Rubryka jest czytelna, handlowiec może się z nią pokłócić, a gdy się myli, widać dlaczego w cztery sekundy. Jeśli ważysz subskrypcję wzbogacania danych przeciwko zbudowaniu czytnika u siebie, pytania z build versus buy przenoszą się na ten problem bez zmian.

Kalibruj na wygranych, potem pilnuj dryfu

Metodyka scoringu ICP, która nigdy nie spotkała twojej historii, jest ćwiczeniem z formatowania. Kalibracja to naprawia i jest czysto mechaniczna. Wyeksportuj wszystkie transakcje z ostatnich dwunastu miesięcy razem z wynikiem. Odtwórz kryteria w stanie z momentu, gdy transakcja wchodziła, bo firma, która miała wtedy osiemdziesięciu pracowników, ma dziś dwustu. Przelicz każdą transakcję nową rubryką, a potem porównaj rozkład wyników wśród wygranych z rozkładem wśród przegranych.

To porównanie jest werdyktem. Jeśli wygrane mają medianę 71, przegrane 66, a większość obu stosów leży na sobie, rubryka nie działa, niezależnie od tego, jak sensownie brzmiało każde kryterium z osobna. Chcesz widocznego rozdzielenia i chcesz wiedzieć, gdzie leży strefa nakładania, bo to jest miejsce, w którym wynik powinien oddać sprawę człowiekowi zamiast udawać pewność.

Pułapką jest efekt przetrwania. W CRM siedzą tylko transakcje, którymi ktoś się zajął, więc kalibracja na nim mówi, jak dobrze rubryka porządkuje leady, które i tak ci się podobały. Przelicz też próbkę leadów, do których nikt nie zadzwonił, a jeśli nie masz po nich śladu, zacznij go prowadzić: bez niego możesz mierzyć fałszywe trafienia w nieskończoność i nigdy nie zobaczyć przeoczenia.

Potem dryf, a sygnały są konkretne. Handlowcy zaczynają obchodzić pasmo A, co jest najwcześniejszym ostrzeżeniem i przychodzi jako narzekanie, nie jako metryka. Skuteczność górnego pasma zsuwa się w stronę średniej, czyli rubryka przestała cokolwiek rozdzielać. Albo trafialność kryterium skacze z dnia na dzień, co prawie zawsze znaczy, że dostawca zmienił taksonomię, a nie że rynek ruszył się przez noc.

Rytm, który się u nas sprawdza: test dźwigni co kwartał, przepisanie rubryki raz w roku. Częściej i dopasowujesz się do szumu, rzadziej i kwalifikujesz tegoroczne leady wobec rynku, który już się przesunął. Ten sam wzorzec awarii wraca w projektach automatyzacji w ogóle, o czym pisaliśmy w dlaczego wdrożenia AI się nie udają: rzadko problemem są reguły, a prawie zawsze dane wejściowe, których nikt nie pilnuje.

Checklista na pierwszy tydzień

Wyeksportuj transakcje. Dwanaście do dwudziestu czterech miesięcy, wygrane i przegrane, z cechami, które miałeś w tamtym momencie. Zwykle dwugodzinna robota czekająca od roku.

Zrób test dźwigni na każdym kandydacie. Skuteczność z cechą, skuteczność bez cechy, podziel. Zapisz iloraz i wielkość próbki obok siebie. Cokolwiek koło 1,0 zostaje na zewnątrz, kto by tego nie zaproponował.

Napisz bramkę wykluczającą przed rubryką. Trzy do pięciu warunków absolutnych, każdy taki, którego naprawdę byś nie obsłużył, plus miejsce na zapisywanie odrzuceń.

Nadaj wagi tylko 3, 2 i 1. Ogranicz każdą kategorię do mniej więcej jednej trzeciej maksimum i odpuść ósme kryterium, które chcesz dodać, bo przy siedmiu czujesz niedosyt.

Przelicz historię i popatrz na nakładanie. Wygrane kontra przegrane, dwa rozkłady na jednej osi. Jeśli leżą na sobie, wróć do testu dźwigni zamiast dodawać kryteria.

Progi ustaw pojemnością, nie okrągłą liczbą. Policz, ile pierwszych rozmów realnie mieści się w tygodniu, i weź ten procent z góry rozkładu.

Wybierz jedno kryterium wymagające czytania i zautomatyzuj właśnie je. Zwykle pierwszym wyborem są ogłoszenia o pracę. Jeden ekstraktor, jedno pole, sprawdzone na trzydziestu ręcznie oznaczonych firmach.

Wpisz w kalendarz termin za kwartał. Rubryka, z którą nikt nie ma umówionego spotkania, będzie w 2028 roku działać w niezmienionej postaci.

Co się psuje, gdy dopasowywanie idzie na skalę

Miejsce, w którym nauczyliśmy się tego drogo, nie było wcale systemem sprzedażowym. Indigo to tracker kanałów w czasie rzeczywistym: obserwuje kanały RSS Upwork, dopasowuje każde nowe ogłoszenie do osobistych zestawów filtrów tysięcy subskrybentów i wypycha trafienia na Telegram w kilka sekund. Jedno ogłoszenie potrafi pasować do setek osób naraz, i tak skromny strumień źródłowy zamienia się w miliony dostarczonych wiadomości dziennie. To ten sam problem co ocenianie napływających leadów względem kryteriów każdego odbiorcy, tylko jakieś tysiąc razy szybciej, a ta prędkość obnaża trzy rzeczy.

Dopasowywanie musi być odseparowane od pobierania danych. W Indigo kanały są odpytywane według harmonogramu, a wszystko poniżej czyta z kolejki, więc wolne albo padnięte źródło pogłębia kolejkę zamiast zatrzymać dostarczanie. Odpowiednikiem tej awarii w scoringu leadów jest API wzbogacania, które przestaje odpowiadać i zabiera ze sobą cały routing. Lekarstwo to samo: policz na tym, co masz, oznacz pole jako nieznane i przelicz, gdy dane dojdą.

Duplikaty muszą być niemożliwe, a nie mało prawdopodobne. Kanały przy każdym odpytaniu zwracają nakładające się okna, a druga wysyłka jest nie do odróżnienia od drugiego prawdziwego trafienia, więc każda pozycja jest deduplikowana względem ostatnio widzianych ID i przetwarzana dokładnie raz. W scoringu odpowiednikiem jest jedna firma wchodząca w tygodniu przez trzy formularze: bez klucza deduplikacji punktujesz ją trzy razy i trzech handlowców dzwoni do tej samej osoby.

I fałszywe trafienie zawsze płaci człowiek. Błędne dopasowanie przy takim rozsyle nie kosztuje jednej osoby jednej sekundy, tylko wszystkich, do których dotarło, a spalonego zaufania następna wiadomość nie odzyskuje. Kolejka leadów zachowuje się identycznie: handlowiec, który dwa razy z rzędu przepali czas na kiepską firmę z pasma A, przestaje wierzyć wynikowi, a wtedy masz rubrykę, której nikt nie czyta. To jest argument za wąskim, a nie hojnym górnym pasmem.

Jeśli chcesz drugiej pary oczu na rubryce, którą już masz, to jedna z rzeczy, na które patrzymy w bezpłatnym audycie - weź listę kryteriów i zeszłoroczny eksport wygranych transakcji. Ale sam test jest twój, zajmuje popołudnie i nie potrzebujesz nas, żeby go przeprowadzić.

FAQ