# Jak zrekonstruować ICP z wygranych i przegranych transakcji

Źródło: https://prospecting.com.pl/icp-i-listy/icp-z-danych-closed-won/
Kategoria: ICP i listy
Data publikacji: 2026-06-22

Profil klienta zbudowany wyłącznie na wygranych transakcjach opisuje, komu udało się sprzedać przy danej liście, cenniku i obsadzie zespołu, a nie komu powinno się sprzedawać. Rekonstrukcja z danych wymaga dwóch grup kontrolnych: przegranych na późnym etapie i klientów, którzy odeszli. Próba dwudziestu do pięćdziesięciu ostatnich transakcji nie da istotności statystycznej, ale wystarczy do postawienia hipotez, które potem weryfikuje się prospektywnie.

Najczęstsza wersja tego ćwiczenia wygląda tak. Zespół siada na warsztat, wypisuje na tablicy cechy trzech ulubionych klientów i po dwóch godzinach ma profil brzmiący jak opis firmy, z którą najprzyjemniej się pracuje. Profil idzie do osoby budującej listę i wraca jako osiem tysięcy rekordów, z czego spora część nigdy niczego nie kupi. Kłopot nie tkwi w samym warsztacie, tylko w próbie. Trzy konta wybrane z pamięci to zestaw anegdot uporządkowany przez sympatię.

Rekonstrukcja profilu z zamkniętych transakcji jest znacznie mniej efektowna. Wymaga wyciągnięcia z CRM-u pól, które w większości zespołów wypełniane są niechlujnie, i pogodzenia się z tym, że część transakcji trzeba zakodować ręcznie, czytając notatki i wątki mailowe. Odpowiada jednak na pytanie, którego warsztat nie zadaje: czym różnią się konta, które kupiły i zostały, od kont, które przeszły cały proces i nie kupiły.

Kilka razy prowadziłem takie ćwiczenie i za każdym razem najciekawsza była ta sama rzecz. Zmienne, które zespół uważał za kluczowe, okazywały się rozłożone równomiernie po obu stronach, a różnicowała jedna, o której nikt nie mówił na warsztacie.

## Profil zbudowany na samych wygranych opisuje przeszłość

Zbiór wygranych transakcji powstał w wyniku selekcji, której nie kontrolowałeś. Sprzedałeś tym, do których trafiła twoja lista, w cenach obowiązujących wtedy, przy obsadzie zespołu, jaką miałeś, i przy produkcie, który miał wtedy takie, a nie inne funkcje. Wygrane opisują wynik tej selekcji, a nie potencjał rynku.

Skala pomijanej informacji jest łatwa do oszacowania. HockeyStack Labs przeanalizował 28 firm i ponad 10 000 zamkniętych transakcji z okresu od pierwszego kwartału 2022 do pierwszego kwartału 2023 roku, przy czym połowa próby pochodziła spoza Ameryki Północnej, co czyni ją najbliższą realiom europejskim spośród dostępnych benchmarków. Blended close rate wyniósł 20,7 procenta, a dla leadów przychodzących 22,62 procenta, co implikuje dla outboundu wartość poniżej dwudziestu procent. Ebsta i Pavilion w raporcie za lata 2024 i 2025 podają zbliżony rząd wielkości: średni win rate B2B 20–21 procent, u najlepszych powyżej trzydziestu.

Cztery na pięć procesów kończy się więc przegraną. Analiza, która patrzy wyłącznie na piąty, korzysta z jednej piątej dostępnych obserwacji i w dodatku z tej najbardziej obciążonej. Przegrane na późnym etapie są cenniejsze poznawczo od wygranych, bo to konta, które przeszły kwalifikację, weszły w proces, dostały ofertę i mimo to powiedziały nie. Coś je odróżniało, a że doszły daleko, wiesz o nich prawie tyle samo, co o klientach.

## Ile transakcji wystarczy i czego ta próba nie rozstrzygnie

Praktyczne minimum to dwadzieścia ostatnich wygranych i porównywalna liczba przegranych po etapie oferty. Sensowniejszy zakres to pięćdziesiąt na stronę, jeśli masz tyle w rozsądnym oknie czasowym. Ograniczenie idzie z drugiej strony: transakcje sprzed trzech lat opisują inny rynek. Ebsta w danych za 2024 rok podaje, że średni cykl sprzedaży B2B wydłużył się do 6,5 miesiąca z 4,9 miesiąca w 2019 roku i jest o 38 procent dłuższy niż w 2021. Przy takiej dynamice okno dwunasto- do osiemnastomiesięcznego jest zwykle właściwym kompromisem.

Trzeba powiedzieć wprost, czego ta próba nie da. Trzydzieści transakcji nie wystarczy do żadnego wnioskowania statystycznego. Unify GTM w materiale metodologicznym z 2026 roku wylicza, że wykrycie dwudziestoprocentowej poprawy względnej przy bazie 3,43 procenta wymaga około 1 562 obserwacji na wariant. Analiza wygranych i przegranych operuje w zupełnie innym rzędzie wielkości, więc jej produktem są hipotezy, nie rozstrzygnięcia.

Konsekwencja operacyjna jest prosta. Różnice mniejsze niż dwukrotne traktuj jako szum i nie buduj na nich kryteriów listy. Jeśli firmy powyżej dwustu pracowników stanowią 40 procent wygranych i 35 procent przegranych, ta zmienna nic ci nie mówi. Jeśli stanowią 70 procent wygranych i 20 procent przegranych, masz kandydata na kryterium i możesz go zweryfikować prospektywnie, obserwując kolejne dwa kwartały. To samo dotyczy testów A/B w outboundzie, gdzie zespoły ogłaszają zwycięzców na próbach, które nie mogłyby wykryć różnicy, nawet gdyby istniała.

## Kodowanie transakcji, czyli najżmudniejsza część roboty

Porównywać da się tylko to, co zostało zapisane w tej samej postaci po obu stronach. Praktycznie oznacza to arkusz, w którym każdy wiersz to jedna transakcja, a kolumny są ustalone przed otwarciem pierwszej notatki. Kolejność ma znaczenie, bo ustalanie kryteriów w trakcie czytania kończy się dopasowywaniem definicji do tego, co się właśnie zobaczyło.

Minimalny zestaw kolumn obejmuje dane firmograficzne z rejestru, źródło kontaktu, rolę osoby, która pierwsza odpowiedziała, liczbę i role osób zaangażowanych po stronie klienta, zdarzenie poprzedzające kontakt, długość cyklu w dniach, powód rozstrzygnięcia w słowach klienta oraz status po dwunastu miesiącach. Ostatnie dwie kolumny są najtrudniejsze i najbardziej wartościowe. Powód rozstrzygnięcia trzeba brać z korespondencji, a nie z pola wyboru w CRM-ie, bo handlowiec wybierający z listy rozwijanej optymalizuje pod to, jak przegrana wygląda w raporcie.

Przy trzydziestu transakcjach zakodowanie tego zajmuje dwa do trzech dni jednej osobie. To brzmi jak dużo, dopóki nie zestawi się tego z kosztem kwartału pracy zespołu na liście zbudowanej na profilu z warsztatu. Kodowanie powinna robić jedna osoba, nie zespół w podziale, bo spójność interpretacji ma tu większą wartość niż tempo. Handlowiec kodujący własne transakcje systematycznie inaczej opisuje przegrane niż wygrane, więc jeśli to możliwe, przegrane koduje ktoś, kto ich nie prowadził.

## Trzy warstwy kryteriów i tylko jedna mówi o momencie

Kryteria dzielą się na trzy warstwy o zupełnie różnych własnościach.

| Warstwa | Przykłady | Koszt pozyskania | Co realnie daje |
|---|---|---|---|
| Firmograficzna | wielkość, przychód, PKD, geografia, model biznesowy, etap finansowania | niski, dane publiczne | stabilne odsianie rynku, słabe różnicowanie w obrębie segmentu |
| Technograficzna | zainstalowany stack, systemy dziedzinowe, integracje | średni | dopasowanie techniczne i język rozmowy |
| Zdarzeniowa i behawioralna | zmiana na stanowisku, finansowanie, rekrutacja, wejście na nowy rynek, zachowanie na własnych zasobach | wyższy, wymaga procesu | jedyna informacja o momencie |

Warstwa firmograficzna jest tania i stabilna, dlatego wszyscy zaczynają od niej i większość na niej kończy. Sama w sobie różnicuje słabo, bo wewnątrz jednego przedziału wielkości i jednej branży mieszczą się i klienci, i konta, które nigdy nie kupią. Warstwa technograficzna bywa niedoszacowana. Ogłoszenia o pracę ujawniają stack skuteczniej niż skanowanie tagów na stronie, bo wykrywają narzędzia backendowe, których we front-endzie nie widać, a przy okazji pokazują, w co firma zamierza inwestować.

Warstwa trzecia jest jedyną, która mówi, kiedy. Gartner w modelu B2B Buying Journey wskazuje, że 99 procent zakupów B2B jest napędzanych zmianą organizacyjną. Statyczny profil firmograficzny odpowiada na pytanie, kto może kupić, i nie zbliża cię do odpowiedzi, kiedy. Dlatego w wynikach analizy warto osobno wynotować, co działo się w firmie klienta w trzech miesiącach poprzedzających pierwszy kontakt, bo to jedyna część profilu, którą da się przełożyć na regułę wyzwalającą kontakt, a [sygnał zakupowy mówi o momencie, nie o dopasowaniu](/sygnaly/sygnal-to-informacja-o-momencie/).

## Kontrola na churnie, czyli dlaczego wygrana nie kończy sprawy

Druga grupa kontrolna to klienci, którzy kupili i odeszli, albo kupili i nie odnowili. W profilu należą do strony negatywnej, choć w CRM-ie figurują jako sukces. Bez tej korekty budujesz listę, która skutecznie sprowadza transakcje kończące się rozczarowaniem po obu stronach.

Forrester w badaniu The State of Business Buying 2024 podaje, że 81 procent kupujących jest niezadowolonych z wybranego dostawcy, a 86 procent zakupów B2B utyka gdzieś w trakcie procesu. Te dwie liczby razem opisują rynek, na którym sam fakt podpisania umowy jest słabym dowodem dopasowania. Software house z Trójmiasta sprzedający do niemieckich producentów potrafi wygrać kontrakt z firmą, która nie ma po swojej stronie nikogo, kto rozumie proces wdrożenia, i stracić ją po dziewięciu miesiącach. Taka transakcja w zestawieniu wygranych wygląda identycznie jak najlepszy klient w portfelu.

Praktyka polega na policzeniu dla każdej kandydującej zmiennej trzech udziałów: wśród wygranych i utrzymanych, wśród przegranych na późnym etapie oraz wśród odejść. Zmienna, która rozkłada się tak samo w pierwszej i trzeciej grupie, jest pułapką. Wygląda na kryterium pozytywne, a w rzeczywistości nie odróżnia klienta od kosztownej pomyłki. Ten sam materiał zasila potem listę wykluczeń, czyli negatywny profil klienta.

## Co zrobić z wynikiem, żeby nie został kolejnym dokumentem

Wynik analizy ma trzy odbiorców w procesie. Pierwszym jest budowa listy, gdzie kryteria pozytywne i negatywne przekładają się na filtry. Drugim jest tiering kont, bo profil zwykle ujawnia, że dwa albo trzy kryteria występują razem u kont o najwyższej wartości i wtedy to one wyznaczają pierwszy poziom. Trzecim jest kwalifikacja w rozmowie, bo część kryteriów da się sprawdzić dopiero przez zadanie pytania.

Przy nakładaniu warstwy zdarzeniowej na firmograficzną powstaje macierz dopasowania i intencji z czterema ćwiartkami. Wysokie dopasowanie z wysoką intencją to konta do natychmiastowego działania, wysokie dopasowanie z niską intencją to cierpliwy outbound rozłożony na kwartały, niskie dopasowanie z niską intencją idzie na listę wykluczeń. Ćwiartka niebezpieczna to niskie dopasowanie z wysoką intencją: konto samo sygnalizuje zainteresowanie, więc łatwo umówić spotkanie, tyle że transakcja nie domyka się albo domyka się i odchodzi. Intencja bez dopasowania jest pułapką, która potrafi wyglądać przez cały kwartał jak dobrze działający pipeline.

Ostatnie ograniczenie ma charakter arytmetyczny. The Bridge Group w dziesiątej edycji badania SDR z lutego 2025 roku, na próbie 351 firm B2B, podaje medianę 112 aktywności dziennie na SDR-a i 4,1 rozmowy jakościowej dziennie. Przy dwudziestu dniach roboczych daje to około 2 240 dotknięć miesięcznie na osobę. Lista większa niż pojemność zespołu pomnożona przez zakładaną częstotliwość kontaktu jest archiwum, a nie listą, i dokładnie ten rachunek stoi za liczeniem rynku w kontach, a nie w milionach złotych.

## Dlaczego koszt złego targetowania nie kończy się na zmarnowanym czasie

Zwykle liczy się koszt złego targetowania jako zmarnowany czas SDR-a. To zaniżenie. Gartner na próbie 632 kupujących B2B w badaniu z sierpnia i września 2024 roku ustalił, że 73 procent kupujących aktywnie unika dostawców wysyłających nietrafiony outreach. Trafienie do konta spoza profilu nie kończy się na zerze, tylko odbiera ci szansę na kontakt wtedy, gdy ta firma faktycznie będzie kupować.

W praktyce oznacza to, że po analizie warto wyrzucić z listy segment, który wygląda przyzwoicie firmograficznie, ale w danych historycznych nie kupił ani razu przy kilkudziesięciu podejściach. Zespoły trzymają takie segmenty latami, bo intuicyjnie pasują do produktu, a każde kolejne podejście kosztuje mniej, niż wynosi psychologiczny koszt przyznania, że poprzednie były zmarnowane. Rachunek jest wtedy podwójnie ujemny: płacisz czasem zespołu i płacisz reputacją u firm, które akurat wchodzą w moment zakupowy.

Profil ma datę ważności i to jest najczęściej pomijana część tego ćwiczenia. Opisuje styk konkretnej oferty z konkretnym rynkiem w konkretnym momencie, a obie strony tego styku się zmieniają. Przy stabilnym produkcie rekonstrukcja co dwa kwartały wystarcza, po zmianie cennika albo wejściu w nowy segment trzeba zrobić ją od nowa.

Zostaje jeszcze luka, której żadne dostępne dane nie zasypią. Nie istnieje publicznie dostępne badanie konwersji outboundu na rynku polskim ani w Europie Środkowo-Wschodniej, więc wszystkie benchmarki przytoczone wyżej opisują głównie rynek amerykański z domieszką zachodnioeuropejską. Własna historia wygranych i przegranych jest jedynym zbiorem danych opisującym twój rynek, i to jest mocniejszy argument za tą analizą niż jakikolwiek raport.