Framework FIT, INTENT, PAIN, ACCESS
Kwalifikacja leada wg 4 wymiarów: FIT (ICP, firma, rola), INTENT (sygnały, timing), PAIN (siła problemu), ACCESS (czy dotrzesz do decydenta). Każdy wymiar dostaje punkty, suma to lead score. AI ocenia każdy wymiar z uzasadnieniem.
Problem i diagnoza
Dwa leady w tej samej firmie potrafią mieć kompletnie różną wartość: jeden to decydent z triggerem, drugi to user bez budżetu. Bez frameworku kwalifikacji oceniasz leady intuicyjnie — a intuicja faworyzuje ładnie wyglądające maile, nie realny potencjał.
Metoda działania krok po kroku
Kwalifikacja = 4 wymiary, każdy z wagą:
- FIT (30 pkt) — ICP fit (
- , company fit (
- , role fit (
- ,
- INTENT (25 pkt) — buying signals (
- , timing (
- ,
- PAIN (25 pkt) — siła problemu (im konkretniej opisany, tym więcej),
- ACCESS (20 pkt) — czy masz drogę do decydenta (email weryfikowany, LinkedIn, ciepłe polecenie). AI workflow: dla każdego leada AI ocenia 4 wymiary na bazie researchu i wraca: 'FIT 28/30, INTENT 15/25, PAIN 20/25, ACCESS 15/20 → total 78/100 → WARM'. Ty weryfikujesz tylko leady powyżej progu. Zasada: kwalifikacja ma być PROGOWA — nie sortujesz 100 leadów ręcznie, tylko ustawiasz próg (np. 70+) i pracujesz z tym, co go przekracza.
Praktyczny przykład (ZŁY vs DOBRY)
- ZŁY
- Chaotyczny research w wyszukiwarce bez kryteriów i generyczny kontakt do przypadkowych firm.
- DOBRY
- Lead A: agencja performance 18 osób (fit 28/30), hiring handlowców + nowa strona (intent 20/25), gubią leady między telefonem a Excelem (pain 22/25), email zweryfikowany + Head of Sales na LinkedIn (access 18/20) → 88/100 HOT. Lead B: ta sama branża, ale 4 osoby, bez sygnałów, pain niejasny, email niezweryfikowany → 45/100 BAD. Piszesz tylko do A.
Gotowy prompt do skopiowania
Jesteś sędzią kwalifikacji leadów. Kontekst: Sprzedaję [PRODUKT]. ICP: [SKRÓT KARTY]. Zadanie: Zakwalifikuj lead: Firma: [NAZWA], wielkość: [X], branża: [X] Osoba: [ROLA] Research: [SKRÓT RESEARCHU — fakty] Sygnały: [LISTA SYGNAŁÓW] Dostęp: [EMAIL ZWERYFIKOWANY? LINKEDIN?] Oceń: 1. FIT (0-30): ICP fit / company fit / role fit 2. INTENT (0-25): sygnały / timing 3. PAIN (0-25): siła problemu 4. ACCESS (0-20): droga do decydenta 5. TOTAL (0-100) + kategoria HOT/WARM/COLD/BAD + 2 zdania uzasadnienia Format: sekcje + total.
Warianty promptu i scenariusze
Wersja dla leadów 'może': AI wypisuje, czego brakuje do podbicia score o 15 punktów.
Wersja dla zespołu: AI dzieli leady na A/B/C wg score, z podziałem na właścicieli.
Ćwiczenie i checklista wdrożenia
Zadanie praktyczne
Weź 5 leadów z listy. Dla każdego oceń 4 wymiary wg frameworku (możesz z pomocą AI). Zapisz score i kategorię. Sprawdź, czy Twoja intuicja zgadza się ze score — gdzie się różnicie?
Kryteria sukcesu
Pytania wdrożeniowe i integracja z bazą CEIDG (FAQ)
Jak połączyć technikę „Framework FIT, INTENT, PAIN, ACCESS” z arkuszem nowych firm CEIDG w Google Sheets?
W zadaniu z obszaru Prospecting podstaw pod zmienne w prompcie bezpośrednie kolumny z żywego arkusza prospekting.pl w Google Sheets: nazwę podmiotu (kolumna A), imię właściciela (kolumna E), główny kod PKD 2025/2007 (kolumna I), opis branży wygenerowany przez AI (kolumna K) oraz wykryte zawody decydenta (kolumna L). Pełne wdrożenie zajmuje średnio 11 min.
Jak zweryfikować poprawność wdrożenia lekcji „Framework FIT, INTENT, PAIN, ACCESS” przed skalowaniem?
Przed podpięciem promptu pod automatyzację w Make.com lub n8n przetestuj go ręcznie na próbce 10–15 rekordów i sprawdź listę kontrolną: Mam framework 4 wymiarów z wagami • Zakwalifikowałem 5 leadów i mam ich score • Mam próg, od którego lead trafia do kontaktu.
Jak stosować wiadomości wygenerowane w tej lekcji zgodnie z RODO (art. 14) i art. 398 PKE?
Przy kontakcie elektronicznym (e-mail lub telefon) z nowo zarejestrowaną działalnością gospodarczą z CEIDG stosuj dwuetapowy model kontaktu zgodny z art. 398 Prawa Komunikacji Elektronicznej (PKE): pierwsza wiadomość powinna weryfikować potrzebę biznesową i pytać o zgodę na przesłanie oferty handlowej wraz ze skróconą klauzulą informacyjną z art. 14 RODO (wzór znajdziesz na stronie Baza firm z e-mailami i telefonami — RODO i PKE).
Powiązane lekcje i następne kroki w procesie
Czym jest AI prospecting?
AI prospecting to wykorzystanie modeli językowych do znajdowania, researchowania i kwalifikowania potencjalnych klientów. Dowiedz się, gdzie AI faktycznie oszczędza czas (research, analiza, personalizacja), a które decyzje — wybór rynku, treść rozmowy — zostają z człowiekiem.
Prospecting workflow krok po kroku
Poznaj 9-etapowy workflow prospectingu: ICP → market → company → contact → research → qualification → scoring → prioritization → outreach. Zobacz, jak każdy etap łączy się z następnym i gdzie AI wkracza w proces, żebyś wiedział, nad czym pracujesz.
Metodologia (How & Why): Wszystkie szablony promptów i procedury w Akademii prospekting.pl są testowane na żywych strumieniach danych z API Hurtowni Danych CEIDG v3 (800–1 100 nowych JDG dziennie, 22 kolumny z mapowaniem PKD 2025 ↔ PKD 2007). Eliminujemy ogólnikowy żargon, stosując twarde ograniczenia negatywne (negative constraints) i weryfikowalne kryteria konwersji.
Zastrzeżenie prawne (YMYL Disclaimer): Materiały w Akademii mają charakter edukacyjno-techniczny i nie stanowią indywidualnej porady prawnej. Prowadząc komunikację elektroniczną B2B na bazie rejestrów publicznych, stosuj przepisy RODO (art. 6 ust. 1 lit. f oraz art. 14) i art. 398 Prawa Komunikacji Elektronicznej (PKE).
Otwórz darmowy arkusz 50 świeżych firm z CEIDG w Google Sheets i wypróbuj powyższy prompt na realnych rekordach z kodami PKD 2025.