Digital Marketing Academy · 강의

타깃 계정 선택하기

ICP와 등급화

레슨 2/413개 단계

타깃 계정 선택하기은(는) CoddyKit의 무료 Digital Marketing Academy 강의입니다. 이것은 4개 중 2번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Digital Marketing Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Digital Marketing Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

계정 선정이 전부

ABM의 성패는 목록에 달려 있습니다. 아무리 뛰어난 소재라도 절대 구매하지 않을 기업을 대상으로 하는 프로그램을 구할 수는 없습니다. 선정은 영업팀의 희망 목록이 아니라 체계적이고 데이터에 기반한 과정입니다.

목표는 적합성, 구매 의도, 도달 가능성이 모두 매출 잠재력을 가리키는 유한하고 순위가 매겨진 계정 집합입니다.

수치화된 ICP에서 시작하기

선정은 ICP를 측정 가능한 필터로 바꾸는 것에서 시작합니다. 대기업용 SaaS와 같은 모호한 설명은 점수화할 수 없지만, 매출 구간, 직원 수, 기술 신호는 점수화할 수 있습니다.

모든 ICP 속성을 데이터 도구에서 조회할 수 있는 필드로 바꾼 다음, 이를 접근 가능한 전체 시장에 적용할 포함 또는 제외 규칙으로 사용하십시오.

ICP filter -> queryable rule
  Industry        = NAICS in [5112, 5415]
  Employees       between 200 and 2000
  Revenue         >= $50M
  Region          in [US, UK, DE]
  Tech installed  includes Salesforce
  Exclude         agencies, competitors

전체 도달 가능 목록 만들기

ICP 필터를 데이터 원천에 적용하여 전체 도달 가능 시장을 금액 추정치가 아닌 지정된 기업의 실제 목록으로 만드십시오.

이 목록이 ABM이 활용하는 전체 계정 집합입니다. 내부 CRM 기록을 데이터 보강 업체와 결합하여 영업팀이 아직 접촉하지 않은 계정까지 포착하십시오.

Sources merged into TAM list
  CRM open + closed-lost accounts
  Enrichment DB (firmographic match)
  Website / form fills (de-anonymized)
  Event & webinar registrants
  Partner / ecosystem overlap

적합성 점수 매기기

적합성 점수는 각 계정이 ICP와 얼마나 일치하는지 순위를 매깁니다. 성사된 거래와 가장 강하게 연관된 속성에 가중치를 부여하고, 자체 성사 데이터를 사용해 가중치를 설정하십시오.

투명한 점수 모델은 어떤 이유로 계정이 선정되었는지에 대해 영업과 마케팅의 의견을 일치시킵니다.

Fit score (max 100)
  Industry match        30
  Company size band     25
  Revenue band          20
  Tech-stack signal     15
  Geo in priority zone  10
  -> Account scores 82 = strong fit

구매 의도 데이터 반영하기

적합성은 누가 적절해 보이는지 알려 주고, 구매 의도는 누가 현재 구매를 검토 중인지 알려 줍니다. 제3자 구매 의도 데이터는 웹 전반에서 해당 범주를 조사하는 계정을 표시하고, 자사 구매 의도 데이터는 자체 자산에서 발생한 활동을 보여 줍니다.

적합성이 높고 구매 의도도 급증하는 계정이 적극적인 실행안을 적용할 가장 강력한 후보입니다.

Combined priority signal
  High fit + high intent  -> tier 1, engage now
  High fit + low intent   -> nurture, build awareness
  Low fit  + high intent  -> filter out (likely noise)
  Low fit  + low intent   -> exclude

계정 등급 나누기

적합성이 좋은 모든 계정에 동일한 투자를 할 필요는 없습니다. 등급을 나누면 노력을 배분할 수 있습니다. 소수의 계정에는 맞춤형 1:1 프로그램을 적용하고, 더 많은 계정은 1:few 방식으로 묶으며, 나머지는 프로그래매틱 1:many 방식으로 관리합니다.

등급을 나누면 예산을 잠재 가치에 비례해 배분할 수 있고, 장기적으로 성과가 적은 계정에 과도하게 투자하는 일을 막을 수 있습니다.

Tier   Criteria                         Count   Investment/acct
A      Fit>=80 + active intent + strat.  20      High (1:1)
B      Fit>=70                           80      Medium (1:few)
C      Fit>=60                           400     Low (1:many)

미개척 영역과 확장 계정 추가하기

대상 목록을 신규 고객사로만 구성해서는 안 됩니다. 성장 여지가 있는 기존 고객은 이미 관계와 성과 증거를 확보하고 있으므로 가장 높은 ROI를 기대할 수 있는 ABM 대상인 경우가 많습니다.

미개척 영역을 파악하십시오. 아직 도입하지 않은 제품, 아직 판매하지 않은 사업부, 적극적인 실행안이 필요한 갱신 위험 계정을 확인하십시오.

Account list mix (example)
  New-logo acquisition   60%
  Cross-sell expansion   25%
  Up-sell / upgrade      10%
  Retention / save        5%

영업과 공동 선정

마케팅은 데이터에 기반한 목록을 제안하고, 영업은 현장 지식으로 이를 검증합니다. 영업 담당자는 데이터로는 파악하기 어려운 계정의 내부 지지자, 거래 중단 상태, 기존 관계를 알고 있습니다.

각 주기마다 공동 선정 워크숍을 진행하십시오. 목록에 대한 공동 소유 의식이 ABM의 정렬과 후속 실행의 기반입니다.

도달 가능성 검증

구매 그룹에 도달할 수 없다면 적합성이 완벽한 계정도 소용이 없습니다. 실행을 확정하기 전에 핵심 역할을 담당하는 정확한 연락처를 확보했거나 확보할 수 있는지 확인하십시오.

연락처 확보 범위, 전달 가능한 이메일과 광고 도달 범위, 규정 준수 제약을 확인하십시오. 확보 범위가 부족하면 계정을 활성화하기 전에 데이터 보강 단계가 필요합니다.

Reachability audit per account
  Contacts for economic buyer?   yes
  Champion identified?           yes
  Evaluator + users mapped?      partial -> enrich
  Ad reach (matched audience)?   3 of 6 roles
  Action: enrich missing 3 roles

목록 갱신 주기 설정

계정 목록은 시간이 지나면서 낡습니다. 기업의 리더십이 바뀌고, 구매 의도의 급증이 사라지며, 거래가 성사되거나 중단됩니다. 정적인 목록은 자신도 모르게 관련성을 잃습니다.

등급은 매월, 전체 목록은 분기마다 검토하십시오. 구매 의도가 급증하는 계정은 등급을 올리고, 활동이 중단된 계정은 등급을 내리며, 거래 실패 계정은 다시 육성 과정에 편입하십시오.

목록 규모 적정화

자주 발생하는 실패는 실제로 개인화하기에는 너무 많은 계정을 선택하는 것입니다. 한도를 정하는 것은 의욕이 아니라 역량입니다. 1등급 계정마다 실제 사람의 관심이 필요합니다.

팀이 제대로 실행할 수 있는 규모로 목록을 정하십시오. 수백 개 계정을 일반적으로 처리하는 것보다 더 적은 계정을 깊이 있게 처리하는 편이 낫습니다.

Capacity sizing
  1 marketer can run ~15-25 1:1 accounts
  1 pod can run ~75-100 1:few accounts
  Programmatic scales with budget, not headcount
Rule: list size <= what you can personalize

빠른 확인

계정 선정에 대한 판단력을 확인해 보십시오.

복습: 대상 계정 선정

선정 과정은 수치화된 ICP를 지정되고 점수가 매겨진 등급별 계정 목록으로 바꿉니다. 적합성 점수는 계정이 얼마나 적절한지 순위를 매기고, 구매 의도 데이터는 누가 현재 구매를 검토 중인지 표시합니다. 두 요소를 함께 사용해 우선순위를 정합니다.

신규 고객사와 확장 계정을 함께 구성하고, 영업과 공동 선정하며, 도달 가능성을 검증하고, 역량에 맞게 규모를 조정하십시오. 목록이 정확한 상태를 유지하도록 일정한 주기로 갱신해야 합니다.

무료로 시작

AI 튜터와 함께 Digital Marketing Academy을(를) 배우세요 — 무료

브라우저에서 실제 코드를 작성하고 실행하며, 24/7 AI 튜터로부터 즉각적인 도움을 받고, 웹이나 앱에서 중단한 부분부터 계속 학습하세요.

코스
63
레슨
239

자주 묻는 질문

“타깃 계정 선택하기” 강의는 무료인가요?

네 — “타깃 계정 선택하기” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Digital Marketing Academy 강의 전체를 잠금 해제할 수 있습니다. Digital Marketing Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“타깃 계정 선택하기”에서 뭘 배우나요?

ICP와 등급화 브라우저에서 직접 실행하는 실습 코드로 Digital Marketing Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Digital Marketing Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Digital Marketing Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 2번째 강의입니다.

“타깃 계정 선택하기” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Digital Marketing Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Digital Marketing Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

  1. ABM 기초
  2. 타깃 계정 선택하기
  3. 영업 활동 조율하기
  4. ABM 측정하기
← Digital Marketing Academy(으)로 돌아가기