ICP 評分寫進 CRM 欄位與分派規則才有營運價值

ICP 評分常引用的 68%，兩份整理寫成兩種指標

名單資料服務商 Keendai 把 68% 寫成帳戶贏單率高 68%，出處標 SalesHive 與 TOPO。銷售資料平台 Apollo 也用 68%，寫的卻是帳戶互動率高 68%，出處標 Revsure.ai。同一個數字，指向兩種指標。

先看 Keendai。它分析 ICP 帳戶占 B2B 收入多少，文中列出一整串數字。ICP 帳戶的獲客成本（CAC）最多低 50%。銷售週期短 30% 到 60%。業務善用 ICP 時，平均成交金額最多高 45%。

再看 Apollo。它談 ICP 定義時，也引用了 68%。它寫的是帳戶互動率高 68%，轉換率高 33%。

互動率和贏單率差很遠。互動只代表對方有回應。贏單代表合約簽下來了。兩者之間，隔著整條銷售流程。

兩邊都是轉引。能確定的只有一件事：拿這個 68% 去說服主管之前，先講清楚它量的是哪一段。

這組數字比 68% 好用。它比的是同一個指標，只差在有沒有篩選。前提是你手上得先有一套篩選標準。ICP 評分，就是那套標準。

還有一個數字更值得停下來看。Keendai 引用 Gartner 2025 年的資料，只有 42% 的企業有正式寫成文件的 ICP。換句話說，超過一半的公司連文件都沒有，更別提評分。

有文件也只是第一步。文件要怎麼變成每天在跑的篩選？Apollo 給了一個很直接的答案。

ICP 評分怎麼落地：Apollo 要你拆成 CRM 欄位

Apollo 的 ICP 指南寫得很直接：把 ICP 轉成 CRM 欄位、名單評分權重與分派規則。只存在文件裡的 ICP，沒有營運價值。

Translate your ICP into CRM fields, lead scoring weights, and routing rules. An ICP that lives in a document has no operational value.

（把你的 ICP 轉成 CRM 欄位、名單評分權重與分派規則。只活在文件裡的 ICP，沒有任何營運價值。）

該文還形容，多數 ICP 是放在投影片裡積灰塵的靜態文件。它主張把 ICP 當成會更新的資料模型，原文用的詞是「living data model」，要同時看取得新客與擴張、跨通路行為與即時意圖訊號。

這句話拆開，是三個方向。我們照字面整理如下，具體設定方式每套 CRM 都不一樣：

1. 欄位：把產業、規模、使用中的工具這些條件，變成 CRM 裡能篩選的欄位。
2. 權重：每個欄位給分。符合的條件越多，總分越高。
3. 分派：總分決定名單交給誰，以及多快跟進。

為什麼要拆到欄位這麼細？因為文件不會自己動。業務每天打開的是 CRM，不是那份 ICP 簡報。條件沒變成欄位，就沒有人會在分派名單時想起它。

前提是 CRM 裡的資料本身要乾淨。產業欄位一半空白，權重算得再細也沒用。很多團隊卡在這一步，問題出在資料輸入，跟評分模型無關。

例外在於成交量很少的團隊。一年只簽十幾張約的公司，欄位開得再多，也看不出哪個條件真正有用。這種情況先用簡單的「符合／不符合」兩級就夠了。

欄位開好了，下一個問題是：權重憑什麼這樣給？

評分權重的依據：成交紀錄、訪談與評論原話

提供商務電子郵件查找與驗證服務的 Tomba 把人物誌研究的資料分成兩路。質性資料有客戶訪談、業務通話錄音、客服工單、贏輸紀錄，以及評論網站 G2 與 Capterra 的評論用語。量化資料有 CRM 欄位、產品數據、歸因數據與問卷結果。

市場調查平台 Attest 的 ICP 指南也提到，已經在賣的公司，回頭挖歷史資料很有價值。分析時，該文看的是企業屬性、環境與行為三類特徵。

換成評分卡的語言，我們的理解是這樣：先拉出已成交的客戶，看他們在哪些欄位上特別集中。集中的欄位，權重就給高。很少出現在成交名單裡的條件，權重就調低，甚至拿掉。

只看成交紀錄會有盲點。成交紀錄告訴你誰買了，沒告訴你為什麼買。這時候就要回到訪談。

If the profile came from a brainstorm instead of interviews, it is a hypothesis, not a persona.

（如果這份輪廓來自腦力激盪而非訪談，它就是一個假設，還稱不上人物誌。）

AI 訪談研究工具 Koji 的 JTBD 訪談指南把工作分成三層。功能性工作，是顧客實際要完成的任務。情感性工作，是做這件事時想要的感受。社交性工作，是希望別人怎麼看待自己。

這三層放進 ICP 評分，通常只有功能性那層能變成欄位。舉例來說，「需要在旺季前把客服人力補齊」可以對應到一個觸發事件欄位。情感與社交那兩層，比較適合留給人物誌，給文案與業務話術用。

這個切法不一定適用於所有產業。決策者就是使用者的小型企業，三層常常混在同一個人身上，硬拆反而失真。

講到人物誌，就帶出另一個常被混在一起的問題：評分卡到底在評公司，還是在評人？

ICP 管公司、人物誌管人，評分卡要分兩層

ICP 描述公司層級的條件，例如產業、規模與使用中的工具。人物誌描述公司裡的人。Tomba 列出 B2B 採購中要辨認的角色，包括 economic buyer、champion、end user 與 blockers。

實務上最常見的混亂，是把兩層塞進同一張表。結果一家公司的分數，被聯絡人的職稱拉高或拉低。業務看到高分，打過去才發現窗口沒有預算權限。

分開之後，兩層各管各的事。公司分數回答「值不值得花時間」。個人層的資訊，決定第一通電話打給誰、開口講什麼。

以 Tomba 列的角色為例，economic buyer 管預算，champion 在內部幫你推，blockers 會在最後關頭擋下來。同一家高分公司裡，這三種人要聽的東西完全不同。

人物誌做完，下一步通常是旅程地圖。顧客行為分析平台 Contentsquare 的旅程地圖指南提醒，只追蹤行為的地圖少了一半，還要看每個階段的情緒。它也強調跨部門一起畫，只由一個部門畫，會漏掉其他部門看得到的環節。

這跟評分卡是同一個道理。ICP 分數只看到公司層的行為，看不到人的情緒。兩層都要有，評分才不會變成一張冷冰冰的名單排序表。

那這兩層，誰先誰後？我們自己的經驗，跟英文指南給的順序不太一樣。

銷波快觀點：先預設人物，再讓 CRM 告訴你猜錯哪裡

我們在節目裡講過一個反直覺的說法：顧客畫像不用先做大量調研，可以先「預設」一個人。描得夠精準，真實客群看到廣告時，會自動覺得在講自己。

這跟 Tomba 那句「腦力激盪來的輪廓只是假設」，看起來正面衝突。一邊說先猜沒關係，一邊說猜的不算數。

我們的調和是：兩句話講的是不同時間點。EP17 那集講得很清楚，AI 可以幫你快速生出第一版，但最後的驗證，一定要回到真實使用者訪談。預設是起點，不是終點。沒有這一步，所有文案都只是「我覺得消費者會喜歡」的自嗨。

順序也不是一條直線。我們自己跑 persona 的經驗是：沒有方向當邊界，人物誌會變成無意義的平均；沒有受眾來裁決，方向就是腦補。兩邊要交錯著改，而且是更新舊的版本，不是每次砍掉重建。

CRM 在這裡的角色，是一台行為紀錄器。先拿到 email 這類身分接點，後面的點擊、購買、甚至提問，才接得起來。紀錄夠厚，才有辦法回推真實的顧客旅程，再回頭修 persona。

還沒有成交資料的新品牌，也不用乾等。Google 關鍵字看需求、論壇挖抱怨、小額 A/B 廣告看點擊，三條路都能先替 ICP 評分找到第一批權重。

最後提醒一件事。評分卡只回答「誰值得追」。他痛在哪、想要什麼，還是要靠同理心地圖那一層去挖。行銷最重要的兩個槓桿，就是他有什麼痛苦、他追求什麼快樂。

結論：先把 ICP 評分接上 CRM，再用自家成交數字校準

英文指南裡的 68% 可以參考，不要拿來當承諾。Keendai 與 Apollo 寫的是不同指標，兩邊都是轉引。

比較可靠的做法，是把 ICP 拆成 CRM 欄位，先跑一段時間。之後拿高分名單和低分名單的成交率互相比，這個差距才是你自己的數字。

如果你現在手上只有一份 ICP 簡報，今天能做的第一步很小：挑三個最關鍵的條件，在 CRM 開成欄位。剩下的，讓成交紀錄慢慢告訴你。

資料來源

• Keendai：What Percentage of B2B Revenue Comes from ICP Accountskeendai.com
• Apollo.io：ICP Meaning in Salesapollo.io
• Tomba：Buyer Persona Research, 2026 B2B Framework & Templatetomba.io
• Attest：How to Create an Ideal Customer Profileaskattest.com
• Koji：The Complete Guide to Jobs-to-Be-Done Interviewskoji.so
• Contentsquare：Customer Journey Map Guidecontentsquare.com