ICP 리드 리스트를 위한 AI 적합도 스코어링

Sai는 점수를 매기기 전 각 계정을 조사하므로, 모든 수치에는 그에 따른 근거가 포함됩니다.

[이 Google 시트]에 있는 [40]개의 계정을 당사의 ICP인 [B2B SaaS], [직원 수 50~500명], [북미 지역], [영업팀 대상 판매] 기준으로 평가하세요. 시트 정보만으로 평가하지 마세요. 각 계정의 웹사이트와 LinkedIn을 열어 현재 기업이 실제로 무엇을 하고 있는지 확인하세요. 인원수 변화, 최근 투자 유치, 채용 현황, 제품 집중 분야, 그리고 당사가 해결하는 문제를 겪고 있다는 신호 등을 확인해야 합니다. 각 계정에 1~10점의 적합도 점수를 부여하고, 점수에 대한 한 문장 설명과 이를 뒷받침하는 출처 링크를 기재하세요. 확인할 수 없는 정보는 추측하지 말고 "확인 불가"로 표시하세요. 신뢰도가 낮은 정보보다는 차라리 확인되지 않은 상태가 더 유용합니다. 시트에 적합도 점수(Fit Score), 이유(Why), 출처(Source)라는 세 개의 열을 추가하세요. 점수가 높은 순으로 정렬하고, 지난번 평가 이후 점수가 변경된 계정은 표시한 뒤 링크를 보내주세요. 이메일은 보내지 마세요.

내 리스트 평가하기

작동 방식

좋은 계정의 기준을 한 번만 정의하면, 나머지 단계는 Sai가 처리합니다.

Step 1

좋은 계정 정의하기

Sai에 리스트를 연결하고 어떤 계정이 가치 있는 계정인지 설명하세요.

Step 2

Sai가 각 계정을 직접 조사

Sai가 모든 계정의 웹사이트를 열어 기업의 현재 활동을 확인합니다.

Step 3

근거와 함께 점수 산정

Sai가 점수와 함께 한 줄의 근거, 그리고 이를 뒷받침하는 출처 링크를 작성합니다.

Step 4

상위 리스트 정렬 및 영업 활용

시트를 열어 몇 가지 출처를 검토한 뒤, 상위 행의 리스트를 영업 담당자에게 전달하세요.

SDR, RevOps 및 영업 리더를 위해 설계됨

점수는 영업 담당자가 신뢰할 때만 유용합니다. Sai는 작업 근거를 제시하며, 계정 변화에 맞춰 매주 점수를 재산정합니다.

평가 전 철저한 조사 수행

대부분의 스코어링 방식은 CRM에 이미 입력된 필드 값을 재조정하는 데 그칩니다. 반면 Sai는 각 계정을 직접 열어보고 작년에 누군가 폼에 입력한 정보가 아닌, 현재 기업이 실제로 무엇을 하고 있는지 분석하여 점수를 매깁니다.

모든 점수에는 근거가 있습니다

모든 점수 옆에는 한 줄의 추론 근거와 출처 링크가 제공됩니다. Sai는 신호를 확인할 수 없는 경우 추측하지 않고 해당 항목을 '확인되지 않음'으로 표시합니다.

사람이 클릭할 수 있는 곳이라면 어디든 Sai가 실행합니다

Sai는 사용자의 로그인 세션 내에서 실제 브라우저를 구동하므로, 공개 API가 없는 CRM, 포털, 사내 도구까지도 읽고 업데이트할 수 있습니다.

첫 번째 실행이 아닌, 100번째 실행을 위해 설계되었습니다

기업은 채용, 투자 유치, 사업 방향 전환 등 끊임없이 변화합니다. Sai는 전체 리스트를 정기적으로 자동 재평가하여 변화를 포착하며, 반복될수록 비용은 낮아지고 신뢰도는 높아집니다.

AI 리드 스코어링

AI 기반 ICP 리드 리스트 적합도 평가의 실제 역할

AI 기반 ICP 리드 리스트 적합도 평가 은 AI 에이전트가 타겟 리스트의 모든 계정을 이상적인 고객 프로필(ICP)과 비교 평가한 뒤, 영업 담당자가 가장 적합한 계정부터 공략할 수 있도록 순위를 매기는 과정입니다. 대부분의 도구는 속성을 설정하고 일치하는 레코드를 불러오는 필터링 방식을 사용합니다. 이 방식은 서류상으로만 ICP와 유사해 보이는 기업 리스트를 생성할 뿐, 현재 구매 의사를 보이고 있는 기업이 어디인지 알려주지는 못합니다.

Sai는 Simular에서 개발한 자율형 AI 어시스턴트로, 실제 브라우저를 직접 조작하여 분석가처럼 평가를 수행합니다. 기업 웹사이트에 접속해 채용 페이지를 읽고, 최근 투자 유치 현황을 확인하며, LinkedIn의 리더십 활동을 살펴본 뒤, 발견된 사실에 가중치를 적용합니다. 모든 점수에는 근거와 출처 링크가 함께 제공되므로, 블랙박스처럼 작동하는 것이 아니라 투명하게 검증할 수 있습니다.

‍

CRM 필드에 의존하지 않는 ICP 리드 리스트 평가

Sai는 접근 방식부터 다릅니다. 기존 레코드의 값을 재조정하는 대신, 각 계정을 직접 열어 웹사이트와 공개 프로필을 읽고 영업 담당자가 확인해야 할 사항들을 체크합니다. 인력 규모가 성장하고 있는지, 우리 솔루션이 해결할 수 있는 문제를 가진 직무를 채용 중인지, 최근 투자를 받았는지, 현재 제품이 무엇을 하는지 등을 파악합니다. 이 연구를 바탕으로 점수가 산출되며, 한 줄의 추론 근거와 출처 링크가 첨부됩니다. 영업 담당자는 점수를 무시하는 대신 10초 만에 점수의 타당성을 판단할 수 있습니다.

‍

API가 없는 시스템에서의 계정 스코어링

스코어링은 절반의 작업일 뿐이며, 점수는 팀이 실제로 사용하는 시스템에 반영되어야 합니다. 많은 CRM, 산업 포털, 사내 거래 시스템은 공개 API를 제공하지 않거나 고가의 요금제 뒤에 숨겨두곤 합니다. Sai는 사용자의 로그인 세션 내에서 실제 브라우저를 구동하는 방식으로 이 문제를 완전히 해결합니다. 사람이 클릭할 수 있는 곳이라면 Sai도 실행할 수 있으므로, 계정 리스트를 읽어 들여 영업 담당자가 이미 사용 중인 시스템에 점수를 직접 입력할 수 있습니다.

‍

점수 산정이 일회성 작업이 아닌 구독 서비스여야 하는 이유

지난 분기에 4점을 받았던 계정이 오늘 8점이 될 수 있습니다. 투자를 유치했거나, 채용을 시작했거나, 귀사의 제품과 연관된 새로운 기능을 출시했을 수 있기 때문입니다. 한 번만 점수를 매긴 리스트는 시간이 지나면서 가치를 잃어가는 일시적인 기록에 불과합니다. Sai는 점수 산정 지침을 반복적인 워크플로우로 저장하여, 별도의 관리 없이도 설정한 주기에 따라 전체 리스트의 점수를 다시 매깁니다. 또한 점수가 변동된 모든 계정을 표시하여 팀이 단순한 숫자가 아닌 변화의 흐름을 파악할 수 있도록 돕습니다. 백 번째 실행은 첫 번째 실행보다 비용이 적게 들고 오류 발생 가능성도 낮습니다.