[Special] Idealkundsprofil (ICP) för B2B – Hitta dina bästa kunder och sluta jaga fel företag

Anledningen till att de inte satsar mer på det är för att de skjuter för brett. Mm. De slösar ju pengar på att jobba mot alla som inte vill köpa, istället för att fokusera på de som faktiskt har nytta av våra tjänster eller produkter. Ja.

Hejsan hejsan och välkomna till ett nytt avsnitt av B2B-spaningen. Idag ska vi, Magnus, prata om ICP eller idealkundsprofil, och vi ska gå in i lite olika delar av ICP. Det som är lite spännande med det här tycker jag är att jag inte vet om jag själv har koll på exakt hur en ICP ska tas fram, hur den ska användas, vad och varför det är viktigt och så vidare. Så jag tänker vi ska djupdyka i det här utifrån din erfarenhet och ditt perspektiv. Så jag tänker, Magnus, ska inte du bara berätta vad är en ICP eller en idealkundsprofil?

Ja, men kort sagt så är det ju det företaget som du är en bra match för, kan man väl säga. Alltså den som du hjälper bäst. Det är ju inte egentligen — många misstar ICP för att vara den kunden man vill ha, eller den här drömkunden man verkligen vill åt. Det är inte ICP. Det är snarare en drömkund, eller wishlist, eller den man önskar att man kunde stänga — en strategiskt viktig affär och sådana saker. Det är nästan det vanliga att man tänker att det är den man kallar för ICP, och det är det ju inte. Det kan ju vara helt fel faktiskt.

ICP är istället någon som du kan hjälpa, som är beredd att betala för dina tjänster eller produkter, och som du sannolikt redan har kunnat hjälpa — så du kan bevisa att det stämmer, att du har data på det. Det tänkte jag vi kan gå igenom lite grann. Men det är ett viktigt klargörande: ICP handlar ju mest om den ideala kunden, de som har bäst förutsättningar, eller att ni har bäst förutsättningar tillsammans för att vara en bra match helt enkelt.

Ja. Det är ju rätt vanligt, och det här känner jag ju igen från mig själv också, att man gärna har de här listorna. Det är de stora kunderna, eller de fina loggorna, eller någon specifik bransch, och man vill komma åt — man menar att man är en perfekt match för alla kunder, vilket innebär att man har väldigt långa listor av kunder med kanske helt olika behov eller som ser helt olika värde i produkten man erbjuder. Det blir ju utmanande, nu tänker jag ur säljperspektiv men framförallt för säljarna, att försöka anpassa det man säger eller att använda sig av standardmaterial som ska tilltala alla de man pratar med.

En annan sak som jag tänker på är: varför behöver man ha en ICP?

Ja, men det är ju mycket för att kunna fokusera på rätt saker — alltså rätt kund. Det är väldigt vanligt att man lägger sina resurser, sin tid och sina pengar och sin marknadsföring på kunder, eller företag, som faktiskt inte är en lämplig kund om man ska vara rent krasst. Jag har nog själv gjort det misstaget mycket i min tidigare karriär, att jag har jagat de där logotyperna man vill ha på hemsidan som kunder. Lite grann skrytkunderna — de man tänker att man vill ha. Men i själva verket är kanske den ideala kunden mycket mindre och kanske står inför ett väldigt specifikt problem som vi är duktiga på att lösa. Och då är det ju egentligen en bättre kund, för det är ju mycket enklare för mig att stänga tio av den affären än en av de där stora som jag förmodligen inte stänger.

Samtidigt slösar man resurser på de som inte är en bra fit i onödan, när man hade kunnat rikta dem mot de som faktiskt kommer köpa dina produkter eller tjänster. Fokus är ju den största grejen, och som jag var inne på så handlar det mycket om resurser. Var lägger du resurserna? Vi kommer komma in på det, men ett klassiskt synsätt är att du ska lägga det mesta av företagets resurser på de mest ideala köparna. Det betyder ju att om du har, säg, en miljon kronor i marknadsbudget — var lägger du den, mot hela världen? Vilka företag ska få del av den kakan? Och likadant med säljarnas tid: vilken tid ska de lägga på vilka kunder?

Där har du möjlighet att säga att vi lägger 50 % av våra samlade resurser på de konton som stämmer med vår idealkundsprofil och 50 % på övriga. Men om du inte har en sådan fördelning riskerar du att skjuta väldigt brett och snett, och det kan bli så att de som är minst matchade med ditt företag får mest tid — vilket det oftast blir, om man ska vara ärlig. För är kunden inte en bra match för dig riskerar du att lägga väldigt mycket tid och pengar på den kunden för att få in dem. Så funkar det för väldigt många företag. Om man tänker på säljtid och hela den biten, då är det ju väldigt mycket resurser som läggs på de som inte är bäst matchade. Hade du vänt på det istället och lagt den tiden på de som du vet är bäst matchade eller sannolikt är mest matchade, då är det ju mycket bättre för företaget.

Mm. Just det perspektivet med resurser — nu tänker jag framförallt pengaresurserna — det är ju ett väldigt starkt argument till varför det är superviktigt att faktiskt veta vilka kunder som är idealkunderna, för att satsa sina pengar på dem. Jag skulle säga att det är minst lika viktigt att veta vilka man inte ska — alltså vilka ska man inte fokusera på, vilka ska man kanske rakt av säga nej till? För att man vet att det inte blir bra affärer, eller att det inte blir några affärer överhuvudtaget.

Det tycker jag är ett superstarkt argument till varför det är viktigt. Nu kanske jag också får ta på mig VD-hatten lite grann, men man är ju livrädd för att nischa in sig för mycket eller smalna ner de konton man går på, för att man tänker: tänk om det blir fel, tänk om de inte säger ja, tänk om vi inte får in de affärerna. Och därför skjuter man hellre för brett för att se om man prickar någonting.

Ja. Och jag tror att det här är lite grann en — jag hittar inte riktigt rätt ord för det — men någon form av moment 22 i det hela. För om du inte har identifierat vem som är din ideala köpare så är chansen väldigt stor, eller risken är väldigt stor, att du ägnar väldigt mycket tid på de som inte är ideala. Och då bränner du dina pengar på det som förmodligen inte kommer ge dig intäkter, vilket gör att du inte har resurser kvar för att få in de som verkligen hade gett intäkter. Det går en loop här: ju mer du spenderar i tid och pengar på icke-idealkunder, desto sämre är det rent ekonomiskt för företaget. Ur ekonomiskt perspektiv är det väldigt smart att uttala vem som är idealkunden och ha en strategi för hur man når den typen av kund.

Mm. Ja, men super. Det är bara en annan sak som slår mig också. Nu pratar vi om idealkunden, eller ICP som kanske är förkortningen som många slänger med. Sen nämnde du drömkunden, som är de här stora fina loggorna potentiellt — det kan ju vara idealkunden i vissa fall, det vet man ju inte. Men sen pratas det ju om persona, och vi slänger med målgrupp, och det slängs med massa olika terminologi. Kan inte du kortfattat reda ut några av de vanligaste termerna som man springer på när man kanske egentligen pratar om ICP?

Ja, det skulle jag kunna försöka ge mig på. Det första är ju egentligen målgruppen, och där ska jag nog säga att en bra definierad målgrupp kan ju vara ICP:n i det hela — att du vet vem det är du ska nå. Många tänker ju att en hel bransch är en målgrupp, till exempel. Det är ju sant, om det är ett erbjudande som är riktat mot en viss bransch. Men i den branschen finns det kanske 100 företag varav 10–15 kanske är den mest ideala matchen, för att vissa förutsättningar stämmer med dem i storlek eller en utmaning de står inför eller något sådant. Då är det ju den bästa matchen i det segmentet. Målgrupp kan ju vara väldigt brett, men ICP är väldigt avsmalnat mot den målgruppen.

Om man sen tittar på ICP så brukar man oftast prata om konton eller företag, som det oftast handlar om. Och på ett företag är det ju sällan en person — det är oftast en hel grupp med människor med olika roller och titlar och mandat. Det gör att det första man egentligen behöver göra när man har valt ut sin ICP är att kartlägga köpgruppen, som man kallar det, alltså vilka ingår där. Och då kom vi in på det som antingen kallas för roller eller personas, där man har kartlagt: vad är det här för personer? Vad har de för ansvar? Vad har de för drivkrafter? Vad står i vägen för en eventuell affär för dem? Det är mer personasstänket.

Många går direkt på personas och tänker att bara de har koll på köprofilen eller personas så löser det sig. Men det man ser inom B2B framförallt är att det är mest samspelet mellan de här rollerna som stoppar affären. Det är inte alltid en person som driver detta utan det kan ju vara en köpgrupp. Låt säga att en köpgrupp består av sex personer. Då kanske två av dem är något som man kallar för blockerare — alltså sådana som faktiskt inte alls vill köpa den här lösningen, kanske inte vill göra förändringar. Någon kanske är vad man kallar för champion, som faktiskt driver och hejar på och vill att man ska köpa av er. En tredje kanske är mer vad vi kallar för influencer, som påverkar affären från sidan, och de kanske är en beslutsfattare. Då behöver man inom den gruppen ha väldigt många olika vinklar, på både sitt innehåll och sitt sätt att prata och boka möten och hela den biten. Det är ett samspel där.

Där har du de viktigaste grejerna: ICP är företaget, och personas är mer personerna på det företaget i köpgruppen.

Mm. Ja, men super. Och idag ska vi fokusera på ICP — nu ska vi gå in på hur tar man fram sin idealkundsprofil? Hur gör man? Inför att vi förberedde det här avsnittet nämnde du tre olika sätt. Så jag tänker om vi tar dem en i taget — du väljer var du börjar — men hur tar jag fram min ICP?

Mm. Ja, det finns ganska många olika modeller att göra det på. Jag kan också säga att inom ICP-arbetet är det väldigt vanligt att man jobbar med idealkunder inom det som kallas för account-based marketing, men det behöver inte tvunget vara bara därför man jobbar med det. Metoder man oftast använder inom account-based marketing är väldigt intressanta, för där utgår man ofta från de kunder man redan har sedan tidigare. Man har erfarenhet av det. Enkelt förklarat: du tittar i ditt CRM. Vilka affärer har vi fått in de senaste åren, eller det senaste året? Lista dem i storleksordning, gärna inom ett visst segment som du väljer. Okej, vi vet att vi är starka inom, låt oss säga, någon form av IT-företag — bara för att göra ett exempel. Då listar vi alla IT-företag vi har sålt till det senaste året och alla affärer vi har fått in där.

Och då kan vi se: vilka mönster ser vi bland de företagen? Vilka är det som har köpt mest och oftast och återkommande? Vilka är de minsta affärerna? Vilka har varit trögast att få in? Vi ser sådana saker i CRM:et, och genom att ta nytta av den datan kan vi välja ut vilken som är vår typiska ICP, databaserat. Det är den vanligaste metoden, och jag ska gå igenom lite grann hur man gör det steg för steg snart.

Den andra metoden som många väljer är en mer temabaserad urvalsmetod, där man egentligen väljer att de här företagen som står inför de här utmaningarna är vår målgrupp. I den målgruppen väljer vi ut de här typerna av företag som har det gemensamt, som är vår idealkund. Till exempel: om det kommer en ny lagstiftning och en viss bransch lyder under en viss lag, kan den lagstiftningen göra att ni får nya idealkunder — eftersom de plötsligt har ett behov av hjälp som ni kan ge dem. En ny tjänst, certifiering eller något liknande. Då öppnas ett behov helt enkelt.

Temat kan vara ett behov, temat kan vara en bransch, temat kan vara att de sitter i föråldrade system som behöver bytas. Det behöver inte handla om att de är i en viss bransch, utan om att de står i en liknande situation som behöver lösas. Temabaserat är väldigt vanligt och ganska intressant, för då tänker man inte bara på bransch, storlek på företaget, omsättning och sådana grejer som man klassiskt tittar på, utan just vad det är för utmaning de har. Hur lätt det är att ta reda på att de sitter i den utmaningen är en annan historia.

Den tredje delen, som jag själv har börjat använda mer och mer och gillar mest, är en signalbaserad modell. Och där kommer AI in som en väldigt stark spelare. Om vi tänker så här: låt oss definiera grunden i vår ideala kund. Ta mitt företag Grone som exempel. Vår ideala kund är förmodligen ett B2B-företag med kanske mellan 40 och 500 anställda, en omsättning någonstans mellan 50 miljoner och 750 miljoner. Ett medelstort företag. De har vissa roller på plats, till exempel en marknadschef. De har en ganska nytillträdd VD eller liknande de senaste åren, och så vidare. Man kan ha sådana matchgrejer som man kan se signalerar att en förändring är välkommen — de vill göra saker — och det gör att matchar de på de sakerna är de i princip i idealkundsdelen.

Sen har man vissa branscher och så där också såklart, men om man bara tar storlek, antal anställda, omsättning, kanske bransch och liknande, då har man grunden. Sen kan man tänka: där kanske vi har 1 000 företag i den listan, kanske ännu fler. Men hur skiljer vi de bästa från de sämsta? Jo, vi hittar positiva signaler. Vad gör en idealkund ännu bättre? Jo, ännu bättre är till exempel om de har en nytillträdd roll, om de har ett visst system — kanske har de HubSpot redan och är invanda, de kanske har jobbat med inbound marketing sedan tidigare men märkt att det inte längre fungerar så bra och vill ta nästa steg. Då är det signaler som gör att det är en bättre fit än vad andra är — de hamnar på plussidan.

Och precis som du sa nyss finns det ju saker som är en sämre fit — sådant jag egentligen bör avböja helt. Det kanske är ett ägarlett bolag där det har varit samma VD i 30 år. Då säger det mig att det är en ganska trög beslutsprocess, vilket gör att jag nog inte bör ägna så mycket tid åt den kunden, för min erfarenhet säger att jag får lägga väldigt mycket tid och resurser på både att få in affärer och att göra den kunden nöjd i slutändan.

Det gör att jag faktiskt har definierat en bra, en mellan och en sämre bucket av samma kund. Där är en modell, just signalbaserat — och AI är väldigt duktig på att fånga de här signalerna. Vilka har de här systemen? Vilka har fått en ny marknadschef? Vilka har sagt upp sig, eller flyttat till en ny lokal, eller vad det nu kan vara? Det ser man ju i dagens system, och det finns en mängd olika verktyg som kan pinga oss som företag när det här händer.

Det som är intressant med den modellen är att den lever varje dag. Ett konto du inte har hört talas om idag kan plötsligt dyka upp imorgon och vara en potentiell idealkund. Den modellen gillar jag väldigt mycket, för det är inte så svart eller vitt — det är ganska levande.

Ja, det låter ju superhäftigt, just att gå på signalerna innebär att man är väldigt snabbfotad och kan vara först på plats — att uppfatta vilket problem eller vilken utmaning som möjligtvis har uppstått hos den här idealkunden. Och det vet vi ju är väldigt viktigt från tidigare avsnitt när vi diskuterar de här frågorna.

Men okej, då är det i princip tre sätt: man utgår från den befintliga kundbasen — förutsatt att man har en sådan, och där sitter CRM:et på den datan — sen det temabaserade sättet, och sen det signalbaserade. Jag tänker: vill du ta oss lite steg för steg igenom mer i detalj hur man går till väga för att ta fram sin ICP? Kanske det vanligaste sättet, det som de flesta av dina kundkontakter använder sig av?

Ja, och det — jag ska säga att vi just nu befinner oss i ett läge där jag tror att det händer väldigt mycket inom just den här definitionen i och med att AI växer fram så fort. Så jag skulle säga att det sättet vi ska fokusera på i det här avsnittet är det gamla sättet — where man gör det by the book, alltså manuellt utan massa verktyg. AI kan vi kanske komma in på i slutet, hur det kan förbättra detta. Men jag tror att det är enklast att ta det som: hur gör vi detta med ett vanligt Excel-blad?

Och då skulle jag dela upp det i ett par olika steg om man ska ta fram sin idealkundsprofil. Det här är något som jag tycker att sälj och marknad ska göra tillsammans: att man tittar i sitt CRM, väljer ut ett specifikt segment — till exempel en viss målgrupp eller en viss bransch man har jobbat mot. Det här har väldigt mycket att göra med vilket företag du är och vad du säljer, så det är svårt för mig att i den här podden bara säga exakt hur. Men i mitt fall skulle det kunna vara tech-bolag, IT-bolag, Microsoft Partners, eller tillverkande bolag. Alltså väljer man en av de här målgrupperna, och sen exporterar man historiska affärer från CRM:et. Man får upp en lista på ett antal företag. Det behöver inte vara jättemånga — mellan 10 och 20 affärer hade varit bra att ha som underlag. Ju fler desto bättre, men jag kommer förklara varför man inte vill ha 100, eftersom det är rätt mycket arbete som ska göras. Välj ut 10–15 i alla fall.

Sen väljer du gärna ut det som genererar mest intäkter. Ett sätt att välja vilken bransch eller vilket segment du ska göra det för är att välja efter vad du säljer mest — vilka köper mest av dig, dina produkter eller tjänster.

Det andra är att du i det segmentet tittar på: vilka kunder, vilka företag har köpt? Om jag väljer IT-tjänster som ett segment där jag har sålt mest tjänster det senaste året, listar jag kanske de 10–15 största affärerna från det senaste året. Då får jag en lista på alla IT-tjänstföretag, vad de har köpt och ungefär hur mycket det betyder i pengar. Målet med den här övningen är att hitta vilka som är de 20 % av kunderna som står för 80 % av omsättningen.

Mm.

Och då kan du redan där oftast se ett mönster. I ett medelstort företag brukar det se ut så att du kanske har fem till tio kunder på de översta raderna som står för väldigt mycket av omsättningen, och sen droppar det ner till att det är några procent av omsättningen för resten. Stora affärer och sen lite mindre affärer. Redan där kan du börja se mönstret och dela upp det. Oftast har de en liknande storlek på köparen, till exempel hur stora bolag det är. Och då kan man göra en uppdelning i det som man kallar för nivåer, eller på engelska tiers — tier ett, två och tre, och så vidare. Där har du redan en indikation för hur du kommer dela upp dem sen.

Du väljer alltså ut dina tio bästa kunder i den ordningen, och sen ska du fylla i eller hämta in information om de kunderna. Det här är ett research-arbete jag pratar om nu. Du behöver samla in så mycket information du har om de här 10–15 kunderna för att kunna göra analysen sen. Utan det ser du ju bara affären och vilken kund det var. Vi vill veta: hur ser köpgruppen ut? Hur lång tid tog det att stänga affären? Vad var det för utmaning de hade? Vilka personer hade vi kontakt med först? Ja, alla de här grejerna — och även sådan data som finns tillgänglig om vilka system de sitter med. Hade de i mitt fall det här på plats? Hur länge hade de här personerna suttit på sin post?

Du vet, gör lite djupare research. I CRM:et kanske du inte hittar allt, så du kanske behöver prata med säljteamet för att få veta vad de har upplevt i mötena — känner de kunden på något annat sätt? Du kanske till och med behöver prata med kunden i fråga när du gör den här researchen, för att gräva lite djupare. Det tycker jag man ska göra oavsett — dels för att få in datan, men också för att lära känna kunden på djupet. Ställa de här riktigt viktiga frågorna om deras beslutsprocess. Varför valde ni oss — det är inte det mest intressanta i sammanhanget. Mer intressant är: varför valde ni den här typen av lösning? Vad fick er att överväga oss? Vad var det som gjorde att ni... du vet, hela den biten, så att det finns en slags story där.

Det tycker jag alltså är både en slags datainsamling — storlek, bransch, geografi, vilken teknik de har och så där, som du kan hitta i scheman, LinkedIn eller på andra ställen — men sen också lite djupare research om vilka personer som faktiskt var med, och sen intervjua de här personerna. Jag skulle säga att om du har en lista på 15 kunder bör du intervjua minst hälften av dem. Då snackar vi en intervju på kanske en halvtimme till en timme.

Mm.

Min metod är att jag har en mall som jag brukar följa, och att man ber att få transkribera den intervjun. Den transkriberingen kommer sen vara väldigt användbar när du ska hitta mönstren hos kunderna. Och där kan AI göra ett fantastiskt jobb när den kan gå igenom alla transkriberingar och hitta de gemensamma nämnarna.

Mm.

Så då har vi fått koll på vilka personer som rör sig i de här företagen, och vi har viss koll på hur köpprocessen har sett ut hos dem. Och då gäller det att hitta de här olika mönstren. Det finns massa metoder för att göra den här typen av djupintervjuer, men jag tror att man ska göra en liten hemläxa innan — förbereda frågorna och göra dem ungefär likadana så att man får ungefär samma svar från alla kunder. Det är det första.

Sen sammanställa. Jag brukar göra så i projekten att jag använder en Excel-fil och fyller i svaren i kolumner: kund A, kund B, kund C — de svarade detta, detta, detta. Nu för tiden tar jag AI till hjälp för att formulera svaren i varje kolumn, så jag behöver inte lägga så mycket tid på det längre. Men det gör att jag får en lista med kanske tio kunder, alla frågor och alla svar från alla tio kunderna i ett enda Excel-ark. Det är guldvärt för miljoner affärsbeslut framåt, så det dokumentet behöver man ha.

Mm.

Men en fråga bara — kan du ge några exempel på frågor som du ställer, eller som man kanske bör ställa, om det finns något generiskt som gäller alla?

Mm. Ja, det är jättemånga saker, men man kan gå igenom just köpprocessen med dem. När uppstod behovet överhuvudtaget, till exempel? Och det kan ju vara att det var en diskussion som hade pågått flera år innan de kontaktade er, eller att ni kontaktade dem. Då får du reda på det i en sådan fråga. Vilka drev frågan internt, om ni inte vet det redan? Det kan handla om beslut de tog, saker de valde bort. Det kan vara om det någon gång fanns en tvekan att anlita oss, eller köpa av oss, eller köpa av en annan konkurrent. Att försöka få dem att vara transparenta med det också. Olika behov och utmaningar de stod inför i beslutet. Massa sådana saker.

När jag gör de intervjuerna är jag mest intresserad av det vi inte får reda på om vi inte har en ärlig diskussion. Många andra ställer mer sådana generella frågor och får då oftast väldigt generella svar. Det finns också en risk — nu kanske jag går in för djupt — men det finns ju en risk när man har de här intervjuerna att kunden försöker vara snäll i svaret, att de säger det man vill höra lite grann. Det är det jag inte vill. Man vill verkligen få reda på hur det ligger till — om de någon gång övervägde en annan leverantör istället för oss, vill man veta det. För det är exakt där det kan ha gått fel.

Därför är det också väldigt intressant att intervjua kunder — eller snarare företag — som inte blev kunder, som valde bort eller där affären inte blev av, och veta vad anledningen var till det. Det kan också vara väldigt användbart. Men i den här analysen vill vi veta de som faktiskt köpte något — det är det vi vill veta.

Mm.

Ja, men spännande. Du nämnde i början att du kommer komma in på varför man inte ska välja mer än kanske 10–15 av de affärer man har vunnit. Och det tror jag vi alla förstår som lyssnar, eftersom det är ett gediget arbete — med tanke på att man ska intervjua och hela den här research-fasen är väldigt djupgående. Har man då 100 konton kräver det ju ännu mer arbete.

Vi ska gå in lite grann på hur man kan ta hjälp av AI i det här. Men jag skulle vilja ta upp en sak innan, för låt oss ponera att jag är ett företag som är relativt nystartat. Jag kanske inte har fått in så många kunder att jag har data i ett CRM att börja analysera och inte har de här 10–15 affärerna som jag har stängt. Då tänker jag att man ju skulle kunna använda sig av den temabaserade eller signalbaserade modellen — kanske framförallt den temabaserade — för att skapa sin ICP. Om du bara ger tre korta punkter på vad man ska tänka på då — jag tror vi har den typen av lyssnare också, som jobbar i ett lite nyare företag.

Ja. Det är ju helt riktigt, och det som är intressant är att du inte har någon ICP då, egentligen. Du har ingen idealkund eftersom de inte har köpt av dig — du hade haft den datan om de hade gjort det. Det du får göra är att gissa dig till det, eller göra en kvalificerad gissning. Den kartläggningen sker på samma sätt egentligen. Då får du välja, som du säger, kanske ett tema, en storlek, eller någonting — de här signalbaserade grejerna. Det kan vara så enkelt som att det är ett företag i en viss storlek som har ett visst system och tillhör en viss målgrupp. Det handlar helt om vad du säljer.

I många startups är det väldigt mycket tech, och då är många av de här signalerna ganska tillgängliga — vilka system de har, vilka roller som tillsätts och så där. Det kan också vara nya investeringsrundor som signal om att nu är det dags. Och då får man göra en hypotes helt enkelt: vi tror att det här är vår idealkund. Och på samma sätt kartlägger man: vilka personer är troligtvis med i den här köpgruppen? Man kan använda LinkedIn Sales Navigator, eller Linkin, eller de andra databaserna som finns med massa affärsdata, för att titta på vad det finns för information om dem. Då gör man samma kartläggning och samma scenario, men man har alltså inte tillgång till den djupa informationen.

Det man ska göra i det läget tycker jag är att ta vara på konversationerna. Gissningsvis är det så att har du inget starkt erbj