Closed-Won Lookalike Workflow

Stap 1: Kies welke wins je wilt klonen

Eerst beslis je, hardop, van welke wins je er meer wilt hebben. Je closed-won lijst bestaat uit verschillende groepen onder één noemer: de accounts met de grootste contracten, de accounts die het snelst closeden en de accounts die na twee jaar nog steeds klant zijn, beschrijven verschillende bedrijven. Als je hier het gemiddelde van neemt, krijg je een profiel dat op niemand past—en dat is precies waar het bij de meeste target lists misgaat. De eerste stap is dus een bewuste keuze maken, inclusief wat je bereid bent in te leveren. De partijen die het meeste betalen, hebben meestal een langere sales cycle en vereisen meer stakeholders. De snelste closers zijn vaak kleiner, en die afweging maak je bewust. De accounts met de beste retentie zijn de lens waar we de meeste teams naartoe zouden sturen, maar die ze het minst vaak kiezen. Je hele workflow is uiteindelijk maar zo goed als deze ene beslissing.

Stap 2: Maak een profiel van de accounts

De workflow ontleedt de gekozen accounts totdat er een scorebaar patroon uitkomt: wat ze verkopen en aan wie, hoe groot ze zijn, hoe ze georganiseerd zijn, welke tools ze gebruiken, hoe ze kopen, en welke rollen er aan tafel zaten toen ze tekenden. De kenmerken die steeds terugkeren vormen het profiel, inclusief de kenmerken die niemand had verwacht. En het vinden daarvan is de reden om de accounts één voor één door te nemen. Een model doet het leeswerk, zodat het patroon uit de accounts zelf naar voren komt, nauwkeurig genoeg voor een machine om op te scoren. Dat is heel wat anders dan de ICP van één regel die de meeste teams in een slide hebben staan. De verrassingen zijn dan ook reëel: zo ontdekte een klant dat hun best behouden klanten allemaal dezelfde billingtool gebruikten, iets waar nog nooit iemand op had gedacht te filteren.

Stap 3: Zoek tegelijkertijd vanuit drie richtingen

Het profiel zoekt vanuit drie richtingen tegelijk, omdat elke bron een bias heeft en je dat merkt in de resultaten. De eerste richting vindt bedrijven die lijken op je winnaars, gebaseerd op grootte, structuur en hoe ze verkopen. De tweede vindt bedrijven die dezelfde tools gebruiken, wat vaak het scherpste signaal van allemaal is. De derde vindt de bedrijven die zich rond je bestaande klanten in hun eigen markt bevinden. Een enkele bron geeft je een lijst die er goed uitziet, maar mist een heel segment. Alles wat de drie bronnen opleveren komt in één pool terecht, ontdubbeld bij binnenkomst. Een bedrijf dat door twee bronnen is gevonden is een sterkere match dan een bedrijf dat door één bron is gevonden, wat de scoring in stap vijf onthoudt.

Stap 4: Sluit iedereen uit die je niet moet benaderen

Nog voordat er één minuut aan verrijking plaatsvindt, filteren we iedereen die je niet moet benaderen eruit: bestaande klanten, open opportunities, accounts die al van een collega zijn, en iedereen die heeft aangegeven niks van je te willen horen. De check loopt via je CRM, dus de lijst is exact dezelfde als waar je team mee werkt. Dit gebeurt vóór elke betaalde verrijking, dus deze uitsluitingen kosten je helemaal niets. Dit is de minst interessante stap in het proces, maar wel degene die de meest pijnlijke gesprekken voorkomt. We moeten de eerste klant nog tegenkomen waarbij deze check niet direct minstens één account eruit viste waar iemand net een cold email naar wilde sturen.

Stap 5: Rangschik op basis van gelijkenis

De workflow scoort elk overlevend bedrijf tegen het profiel, waarbij een match op basis van grootte, structuur en stack hoger scoort dan alleen een match op branche. Je team ontvangt de lijst gesorteerd op hoe sterk elk bedrijf lijkt op de klanten die je wilde klonen, en werkt van boven naar beneden. Die volgorde verandert een lange lijst in een korte lijst die de week van een teamlid waard is. Een bedrijf dat laag scoort blijft in het bestand, omdat het profiel verandert naarmate je meer leert. Een lage scorer in dit kwartaal kan een topmatch zijn na de volgende meting in stap negen, zonder dat je het sourcing-werk opnieuw hoeft te doen.

Stap 6: Vind de mensen die daadwerkelijk hebben gekocht

Alleen de accounts die de moeite waard zijn krijgen contactwerk, en het richt zich op de rollen die daadwerkelijk hebben gekocht. De zoekopdracht zoekt naar de rollen die aan tafel zaten toen je winnende deals werden gesloten. Dit is een heel andere lijst dan een generieke set functietitels. Bovendien draait de zoekopdracht live, dus de titels zijn altijd actueel op het moment van uitvoering. Een waterfall regelt de contactdata, dus als één provider niets heeft, kost het je niets. Elk adres doorloopt een verificatie voordat het in de buurt van een sequence komt. Dit is het verschil tussen een lijst met bedrijven en een lijst waar je team morgenochtend direct mee aan de slag kan, waarbij de naam van de juiste persoon al op elke regel staat.

Stap 1: Kies welke wins je wilt klonen

Eerst beslis je, hardop, van welke wins je er meer wilt hebben. Je closed-won lijst bestaat uit verschillende groepen onder één noemer: de accounts met de grootste contracten, de accounts die het snelst closeden en de accounts die na twee jaar nog steeds klant zijn, beschrijven verschillende bedrijven. Als je hier het gemiddelde van neemt, krijg je een profiel dat op niemand past—en dat is precies waar het bij de meeste target lists misgaat. De eerste stap is dus een bewuste keuze maken, inclusief wat je bereid bent in te leveren. De partijen die het meeste betalen, hebben meestal een langere sales cycle en vereisen meer stakeholders. De snelste closers zijn vaak kleiner, en die afweging maak je bewust. De accounts met de beste retentie zijn de lens waar we de meeste teams naartoe zouden sturen, maar die ze het minst vaak kiezen. Je hele workflow is uiteindelijk maar zo goed als deze ene beslissing.

Stap 2: Maak een profiel van de accounts

De workflow ontleedt de gekozen accounts totdat er een scorebaar patroon uitkomt: wat ze verkopen en aan wie, hoe groot ze zijn, hoe ze georganiseerd zijn, welke tools ze gebruiken, hoe ze kopen, en welke rollen er aan tafel zaten toen ze tekenden. De kenmerken die steeds terugkeren vormen het profiel, inclusief de kenmerken die niemand had verwacht. En het vinden daarvan is de reden om de accounts één voor één door te nemen. Een model doet het leeswerk, zodat het patroon uit de accounts zelf naar voren komt, nauwkeurig genoeg voor een machine om op te scoren. Dat is heel wat anders dan de ICP van één regel die de meeste teams in een slide hebben staan. De verrassingen zijn dan ook reëel: zo ontdekte een klant dat hun best behouden klanten allemaal dezelfde billingtool gebruikten, iets waar nog nooit iemand op had gedacht te filteren.

Stap 3: Zoek tegelijkertijd vanuit drie richtingen

Het profiel zoekt vanuit drie richtingen tegelijk, omdat elke bron een bias heeft en je dat merkt in de resultaten. De eerste richting vindt bedrijven die lijken op je winnaars, gebaseerd op grootte, structuur en hoe ze verkopen. De tweede vindt bedrijven die dezelfde tools gebruiken, wat vaak het scherpste signaal van allemaal is. De derde vindt de bedrijven die zich rond je bestaande klanten in hun eigen markt bevinden. Een enkele bron geeft je een lijst die er goed uitziet, maar mist een heel segment. Alles wat de drie bronnen opleveren komt in één pool terecht, ontdubbeld bij binnenkomst. Een bedrijf dat door twee bronnen is gevonden is een sterkere match dan een bedrijf dat door één bron is gevonden, wat de scoring in stap vijf onthoudt.

Stap 4: Sluit iedereen uit die je niet moet benaderen

Nog voordat er één minuut aan verrijking plaatsvindt, filteren we iedereen die je niet moet benaderen eruit: bestaande klanten, open opportunities, accounts die al van een collega zijn, en iedereen die heeft aangegeven niks van je te willen horen. De check loopt via je CRM, dus de lijst is exact dezelfde als waar je team mee werkt. Dit gebeurt vóór elke betaalde verrijking, dus deze uitsluitingen kosten je helemaal niets. Dit is de minst interessante stap in het proces, maar wel degene die de meest pijnlijke gesprekken voorkomt. We moeten de eerste klant nog tegenkomen waarbij deze check niet direct minstens één account eruit viste waar iemand net een cold email naar wilde sturen.

Stap 5: Rangschik op basis van gelijkenis

De workflow scoort elk overlevend bedrijf tegen het profiel, waarbij een match op basis van grootte, structuur en stack hoger scoort dan alleen een match op branche. Je team ontvangt de lijst gesorteerd op hoe sterk elk bedrijf lijkt op de klanten die je wilde klonen, en werkt van boven naar beneden. Die volgorde verandert een lange lijst in een korte lijst die de week van een teamlid waard is. Een bedrijf dat laag scoort blijft in het bestand, omdat het profiel verandert naarmate je meer leert. Een lage scorer in dit kwartaal kan een topmatch zijn na de volgende meting in stap negen, zonder dat je het sourcing-werk opnieuw hoeft te doen.

Stap 6: Vind de mensen die daadwerkelijk hebben gekocht

Alleen de accounts die de moeite waard zijn krijgen contactwerk, en het richt zich op de rollen die daadwerkelijk hebben gekocht. De zoekopdracht zoekt naar de rollen die aan tafel zaten toen je winnende deals werden gesloten. Dit is een heel andere lijst dan een generieke set functietitels. Bovendien draait de zoekopdracht live, dus de titels zijn altijd actueel op het moment van uitvoering. Een waterfall regelt de contactdata, dus als één provider niets heeft, kost het je niets. Elk adres doorloopt een verificatie voordat het in de buurt van een sequence komt. Dit is het verschil tussen een lijst met bedrijven en een lijst waar je team morgenochtend direct mee aan de slag kan, waarbij de naam van de juiste persoon al op elke regel staat.

Stap 7: Kies het kanaal waar elke markt op reageert

Elk account gaat via het kanaal waar de markt het best op reageert. Sommige markten lezen hun inbox en negeren LinkedIn, bij andere is het precies andersom, en veel markten hebben beide nodig in hetzelfde tempo. Wat werkte bij de eerdere deals in je profiel vertelt je hier al het meeste over, dus de kanaalkeuze volgt uit bewijs dat je al hebt. Beide banen draaien op dezelfde lijst, dus een overstap kost je niets, en het LinkedIn-volume blijft binnen veilige dagelijkse limieten, welk kanaal ook de leiding heeft. De kanaalvraag wordt veel vaker bediscussieerd dan nodig is, omdat de closed-won data dit meestal in een middag al beantwoordt.

Stap 8: Push de lijst met de bijbehorende argumentatie

De definitieve lijst komt in je sending tools aan, inclusief de onderbouwing: op welke van je klanten dit bedrijf lijkt, op basis van welke kenmerken, en wat de rol van die persoon te maken had met de laatst gesloten deal. Die context is precies wat een echte gepersonaliseerde openingszin mogelijk maakt, en dat is de reden waarom een lookalike-lijst beter presteert dan een gekochte lijst. De lijst is direct klaar om te verzenden, zonder dat je gegevens tussen tools hoeft te kopiëren, en er gaat niets de deur uit zonder dat er eerst een mens naar heeft gekeken. Een SDR die een rij kan openen en leest "lijkt op Acme qua grootte, stack en buying committee" schrijft in dertig seconden een betere openingszin dan een SDR die alleen naar een bedrijfsnaam en een domein staart.

Stap 9: Lees de resultaten terug in het profiel

Je team leest replies, meetings en deals terug tegen het profiel dat ze heeft opgeleverd: welke kenmerken kwamen steeds terug bij de accounts die reageerden, en welke bleken achteraf niets te betekenen. Het profiel verandert op basis van wat de resultaten lieten zien, en een kenmerk dat bij de eerste blik doorslaggevend leek, blijkt vaak gewoon toeval te zijn bij de eerste tien klanten. Dit is de stap die het meest wordt overgeslagen, en dat overslaan is de reden waarom het bouwen van lijsten nooit beter wordt dan de eerste poging. Het kost je één verbetersessie per kwartaal, en vanaf daar bouwt het succes zich op, zodat de lijst van het derde kwartaal is gebaseerd op bewijs dat je in het eerste kwartaal nooit had kunnen hebben.

Stap 10: Run het nog een keer, scherper

Met een scherper profiel draait het hele proces opnieuw op een grotere pool: nieuwe bedrijven die passen binnen het verbeterde patroon, minus iedereen die al in het proces zit, op dezelfde manier gerankt en overgedragen. Elke ronde start met een beter profiel dan de vorige en kost minder, omdat de uitsluitingen en de scoring al bestaan. Als je dit elk kwartaal draait, wordt het de meest betrouwbare pipeline-bron die je hebt. Het draait namelijk op het enige bewijs dat nooit liegt: de klanten die al 'ja' hebben gezegd. Bovendien draait het in accounts die van jou zijn, dus het profiel, de pool en de scoring blijven bij jouw team, hoe de tooling eromheen ook verandert.

Stap 7: Kies het kanaal waar elke markt op reageert

Elk account gaat via het kanaal waar de markt het best op reageert. Sommige markten lezen hun inbox en negeren LinkedIn, bij andere is het precies andersom, en veel markten hebben beide nodig in hetzelfde tempo. Wat werkte bij de eerdere deals in je profiel vertelt je hier al het meeste over, dus de kanaalkeuze volgt uit bewijs dat je al hebt. Beide banen draaien op dezelfde lijst, dus een overstap kost je niets, en het LinkedIn-volume blijft binnen veilige dagelijkse limieten, welk kanaal ook de leiding heeft. De kanaalvraag wordt veel vaker bediscussieerd dan nodig is, omdat de closed-won data dit meestal in een middag al beantwoordt.

Stap 8: Push de lijst met de bijbehorende argumentatie

De definitieve lijst komt in je sending tools aan, inclusief de onderbouwing: op welke van je klanten dit bedrijf lijkt, op basis van welke kenmerken, en wat de rol van die persoon te maken had met de laatst gesloten deal. Die context is precies wat een echte gepersonaliseerde openingszin mogelijk maakt, en dat is de reden waarom een lookalike-lijst beter presteert dan een gekochte lijst. De lijst is direct klaar om te verzenden, zonder dat je gegevens tussen tools hoeft te kopiëren, en er gaat niets de deur uit zonder dat er eerst een mens naar heeft gekeken. Een SDR die een rij kan openen en leest "lijkt op Acme qua grootte, stack en buying committee" schrijft in dertig seconden een betere openingszin dan een SDR die alleen naar een bedrijfsnaam en een domein staart.

Stap 9: Lees de resultaten terug in het profiel

Je team leest replies, meetings en deals terug tegen het profiel dat ze heeft opgeleverd: welke kenmerken kwamen steeds terug bij de accounts die reageerden, en welke bleken achteraf niets te betekenen. Het profiel verandert op basis van wat de resultaten lieten zien, en een kenmerk dat bij de eerste blik doorslaggevend leek, blijkt vaak gewoon toeval te zijn bij de eerste tien klanten. Dit is de stap die het meest wordt overgeslagen, en dat overslaan is de reden waarom het bouwen van lijsten nooit beter wordt dan de eerste poging. Het kost je één verbetersessie per kwartaal, en vanaf daar bouwt het succes zich op, zodat de lijst van het derde kwartaal is gebaseerd op bewijs dat je in het eerste kwartaal nooit had kunnen hebben.

Stap 10: Run het nog een keer, scherper

Met een scherper profiel draait het hele proces opnieuw op een grotere pool: nieuwe bedrijven die passen binnen het verbeterde patroon, minus iedereen die al in het proces zit, op dezelfde manier gerankt en overgedragen. Elke ronde start met een beter profiel dan de vorige en kost minder, omdat de uitsluitingen en de scoring al bestaan. Als je dit elk kwartaal draait, wordt het de meest betrouwbare pipeline-bron die je hebt. Het draait namelijk op het enige bewijs dat nooit liegt: de klanten die al 'ja' hebben gezegd. Bovendien draait het in accounts die van jou zijn, dus het profiel, de pool en de scoring blijven bij jouw team, hoe de tooling eromheen ook verandert.

Wat is een closed-won lookalike workflow en hoe stellen we deze in?

Klaar om deze workflow te implementeren?

Klaar om deze workflow te implementeren?

Klaar om deze workflow te implementeren?