用 WorkBuddy 建立理想客户画像和排除标准

很多团队的客户画像只有“某行业、某地区、中型企业”几个标签，结果名单仍然很大，销售也不知道谁更值得投入。理想客户画像需要从真实成交、利润、销售周期、复购和交付难度中寻找规律，同时明确哪些客户不适合服务。

WorkBuddy 可以比较历史成交与流失客户，整理正向和负向特征，形成必选、加分、排除和待确认条件。最终标准需要管理者结合未来战略调整，不能让历史样本自动决定新市场。

场景价值

理想客户画像用于指导找客户、线索筛选和资源分配。它描述的是企业类型和采购场景，不是某个具体联系人，也不是凭感觉写出的“完美客户”。

合格结果既要说明“更适合服务谁”，也要说明“不服务谁、谨慎服务谁以及为什么”。

开始前准备

• 最近一段时间的成交、流失和长期停滞客户；
• 行业、区域、企业类型和规模；
• 购买产品、使用场景、客单价和毛利；
• 从首次接触到成交的周期；
• 续约、复购、退款和回款情况；
• 定制程度、实施资源、售后成本和客户配合度；
• 丢单、低利润和难交付原因；
• 公司未来产品、区域和行业战略。

先统一时间范围和客户口径。只有成功客户的样本会产生偏差，必须同时加入流失和不适配客户。

具体步骤

第一步：建立历史客户分析表

按客户整理行业、区域、业务模式、购买场景、金额、毛利、周期、复购、回款和交付难度。保留原始数据来源，对缺失项单独标记。

不要把销售主观印象直接写成客户事实，可以放在待验证备注中。

第二步：寻找高价值客户共同特征

比较高毛利、周期合理、持续复购且交付顺利的客户，找出反复出现的业务场景、组织条件、需求成熟度和合作方式。

共同特征必须有样本支持。个别大客户的特征不能直接上升为所有理想客户规则。

第三步：整理负向画像和排除条件

分析长期停滞、低利润、严重拖款、高度定制、交付失败或频繁退款的客户。区分可以通过流程改善的问题和应当排除的根本不适配。

排除条件应基于业务适配、合规和交付风险，不使用歧视性或与业务无关的个人属性。

第四步：形成必选、加分和排除规则

必选条件是缺少就无法服务的前提，例如业务场景、区域覆盖或必要资质；加分条件提高成功概率但不是绝对要求；排除条件说明为什么不进入销售流程。

无法从公开信息判断的条件标为“接触后确认”，不能在名单收集阶段强行判断。

第五步：把画像转成可搜索条件

将行业、区域、客户类型、业务场景、决策岗位、采购信号和排除对象转成搜索关键词和名单栏目。同时保留客户可能使用的不同称呼和行业术语。

画像用于缩小范围，不能保证搜到的企业一定有需求或预算。

第六步：用新样本验证并定期更新

用一批未参与建模的成交和流失客户测试规则，观察是否把明显优质客户排除，或让大量不适配客户进入。由销售、交付和管理者共同调整。

产品、价格、交付能力或市场战略变化时重新评审，不让旧画像阻碍新业务。

可直接交给 WorkBuddy 的要求

请根据历史成交、流失和停滞客户资料，建立理想客户画像和排除标准。

先统一客户口径，整理行业、区域、业务模式、购买场景、客单价、毛利、销售周期、复购、回款、定制程度和交付难度。缺失信息保持空白。
比较高价值且交付顺利的客户，找出有样本支持的共同特征；同时分析低利润、拖款、高度定制、长期停滞和难交付客户的负向特征。
把结果整理为“必选条件、加分条件、排除条件、接触后确认”四类，每条说明数据依据和适用边界。
将画像转成可用于搜索和名单整理的行业、区域、客户类型、业务场景、采购信号和排除关键词。
最后用未参与分析的新客户样本测试规则，列出误排和漏排情况。

不要用个人敏感属性作为筛选条件，不要把历史共同特征写成绝对规律。

完成后应得到什么

• 包含成交、流失和停滞客户的分析表；
• 有样本依据的高价值共同特征；
• 负向画像和不适配原因；
• 必选、加分、排除和接触后确认条件；
• 可用于检索的关键词和名单栏目；
• 新样本验证与更新建议。

结果检查

核对客户金额、毛利、周期、复购和交付数据是否使用同一口径。检查所谓共同特征是否只来自一两个大客户，排除条件是否真正与业务适配相关。

让销售、交付和管理者分别审查：销售看需求和成交，交付看实施难度，管理者看未来战略。新市场和新产品不能仅因缺少历史样本被自动排除。

异常处理

样本太少时先形成临时画像，并标记证据不足，不设置过多硬性条件。不同产品的理想客户差异很大时，按产品或场景分别建立画像，不强行合并。

历史数据质量差时，先补齐关键结果和交付记录；不能仅用销售印象替代。

WorkBuddy 能力边界

WorkBuddy 可以整理客户数据、寻找共同特征、生成规则草案和测试样本。它无法确认未来客户一定成交，也不能判断企业战略应进入哪个新市场。

画像、排除条件和资源分配规则由管理者确认，并定期复审。