TAM-mapping voor MKB: van 2,7M Nederlandse bedrijven naar 400 ideale prospects

Een marketing-directeur van een 110-FTE-software-bedrijf liet ons twee weken geleden een lijst zien. “Dit is onze TAM. 18.000 bedrijven.” De lijst kwam uit een ABM-tool die hem €1.200 per maand kostte. Hij draaide al zes maanden cold outreach naar deze 18.000 bedrijven. Zijn reply rate stond op 0,4%. “Klopt het dat onze TAM zo groot is?” Nee. Zijn echte TAM was rond 1.100 bedrijven. De andere 16.900 waren ruis. We laten zien hoe we dat onderscheid maken.

TAM is geen lijst, het is een filter

In investor-pitches werkt TAM als een groot getal. “Onze totale adresseerbare markt is €5 miljard.” Dat is een nuttige metric voor mensen die kapitaal alloceren. Het is een nutteloze metric voor mensen die outbound doen.

Voor outbound geldt een andere definitie. Uw bruikbare TAM is de overlap tussen drie sets: wie uw product kan kopen, wie het nu nodig heeft, en wie u nu kunt bereiken. Bedrijven die in alle drie de sets zitten, zijn uw werkelijke addressable market. Bedrijven die maar in twee sets zitten, zijn niet adresseerbaar.

Concreet voorbeeld. Een Nederlands bedrijf dat HR-software verkoopt aan organisaties met 50-250 werknemers heeft theoretisch toegang tot 12.400 NL-bedrijven (ICP: HR-softwarebehoefte, juiste omvang, juiste sector). Maar:

• Van die 12.400 hebben er 4.700 al een HR-systeem dat ze het komende jaar niet gaan vervangen (uit te sluiten op basis van technologie-detectie en contract-cycli)
• Van de overgebleven 7.700 zijn er 2.300 te klein om HR-software-budget te dragen op het gewenste niveau (uit te sluiten op basis van omzet en HR-staffing)
• Van de overgebleven 5.400 zijn er 3.800 die in de afgelopen twee jaar niet zijn gegroeid en geen signalen van groei tonen (geen trigger voor verandering)
• Van de overgebleven 1.600 zijn er 200 waar geen werkbaar contactpunt te vinden is (niemand met de juiste rol, of geen geverifieerde e-mailadressen)

Werkbare TAM: 1.400 bedrijven. Niet 12.400. Een factor 9 verschil tussen het theoretische cijfer en het bruikbare cijfer.

Theoretische TAM (SBI-codes match)

12.400 bedrijven

Na technologie-filter (relevante stack)

7.700 bedrijven

Na omzet-indicatie (€2-50M)

5.400 bedrijven

Na groeisignaal (vacature, persbericht, leiderschap)

1.600 bedrijven

Werkbare TAM (HEET + WARM scoring)

1.100 bedrijven

Reply-rate per laag: 0,4% bij theoretische TAM → 4-8% bij werkbare TAM. Een factor 10 verschil tussen 'lijstje' en 'doelgroep'.

Het verschil zit in toegepaste filters. Toegepaste filters zijn waar de meeste TAM-tools tekort schieten. Ze laten u de filters zien, maar maken de afweging niet voor u, en de meeste B2B-eigenaren hebben geen tijd om elk filter handmatig in te stellen.

De 8 firmografische signalen die in NL zwaar wegen

Voor de Nederlandse markt-context wegen er acht signalen veel zwaarder dan voor internationale outbound. We bouwen onze TAM-mapping rond deze signalen.

Eén: KvK-data. Niet alleen “is er een KvK-registratie”, maar specifiek SBI-codes (Standaard Bedrijfsindeling), aantal vestigingen, datum van laatste wijziging, status (actief/non-actief), en aandeelhouders-relaties. KvK is in NL de meest betrouwbare basisdata-bron, en geen enkele internationale tool gebruikt hem volledig.

Twee: omzet-indicatie. Geen Nederlands bedrijf publiceert exacte omzet-cijfers vrijwillig. Maar via een combinatie van KvK-data, FTE-aantal en sector-benchmarks kunt u een omzet-bandbreedte schatten met +/- 30% nauwkeurigheid. Dat is genoeg voor segmentering.

Drie: vacature-data. Welke functies werft het bedrijf nu? Een softwarebedrijf dat vier DevOps-engineers werft heeft andere prioriteiten dan een softwarebedrijf dat twee enterprise-account-executives werft. Voor onze klanten triggert dit signaal verschillende argumenten in de outreach.

Vier: technologie-detectie. Welk CRM gebruiken ze (HubSpot, Salesforce, Pipedrive)? Welke marketing-tool? Welke email-stack? Dit is publieke informatie via website-headers en JS-tags, en het vertelt u veel over hun maturiteit. Een bedrijf met HubSpot-Free is een ander koper dan een bedrijf met Salesforce Enterprise.

Vijf: groei-signalen. Recent persbericht over een nieuwe vestiging, een funding-ronde, een grote klant-aanwinst, een product-launch. Deze signalen zijn beschikbaar via gratis bronnen (CBS-data, brancheverenigingen, persberichten) plus betaalde bronnen (Kompass, Spotcap-data). We monitoren ze dagelijks per actief segment.

Zes: leiderschap-veranderingen. Een nieuwe CCO of marketing-directeur is in de eerste 90 dagen van zijn rol vrijwel altijd beslissingsbevoegd voor nieuwe tools en partners. Dit is onze meest voorspellende variabele voor “klaar om te kopen”. Wij detecteren rolveranderingen via openbare bronnen zoals persberichten, bedrijfswebsites en KvK-mutaties.

Zeven: tendering-activiteit. Voor bedrijven die regelmatig pitches uitschrijven (vooral overheid, zorg, en grotere corporate-segmenten) zijn tender-portalen een signaal voor specifieke koopbehoeftes. Niet alle B2B-bedrijven zijn relevant tendering-spelers, maar voor wie het is, is dit goud.

Acht: digitale aanwezigheid en activiteit. Een bedrijf dat geen werkende website heeft, of dat al twee jaar geen substantiële online activiteit toont, is niet zomaar uit te sluiten. Maar de outreach-kans is structureel lager dan bij bedrijven die actief digitaal aanwezig zijn. We rekenen dit mee in de bereikbaarheids-score.

Onze TAM Engine combineert deze acht signalen in één lookup per bedrijf. Voor de 2,7 miljoen NL-bedrijven die in onze database zitten, is dit data die elke 7 tot 14 dagen wordt ververst.

Bottom-up versus top-down

De meeste B2B-bedrijven bouwen hun ICP top-down: “We willen werken met bedrijven van 50-250 FTE in de IT-sector met een Nederlandse vestiging.” Dat is een redelijke startpositie, maar niet voldoende.

We doen het andersom. Bottom-up, vanaf uw bestaande beste klanten.

Concreet: u geeft ons een lijst van 20-30 klanten waar u het meest aan verdient en met wie de samenwerking soepel verloopt. Wij analyseren wat die klanten gemeenschappelijk hebben op de acht firmografische signalen plus drie aanvullende dimensies: deal-grootte, deal-velocity en upsell-potentieel. Daaruit komt een ICP-profiel dat veel specifieker is dan een SBI-code-bandbreedte.

Voor één van onze klanten (HR-consultancy) bleek bijvoorbeeld dat 19 van hun 27 beste klanten in de afgelopen 18 maanden een leiderschaps-verandering op HR-niveau hadden gehad. Acht hadden dat niet. Maar zeven van die acht hadden in dezelfde periode een belangrijke acquisitie of fusie afgerond. Het patroon is niet “type bedrijf X is onze ICP” maar “bedrijven die X gebeurtenis recent hebben meegemaakt zijn onze ICP”. Dat is een verschil dat in een statische ICP-definitie niet te vatten is.

Bottom-up-ICP-bouw vereist toegang tot uw klantdata (CRM-export volstaat) en bekendheid met statistische analyse. Wij doen dit voor onze klanten in week één van de inwerkperiode.

Living-ICP versus statisch document

Bijna elke B2B-organisatie die wij voor het eerst spreken, heeft ergens een ICP-document. Vaak een PowerPoint-slide. Vaak twee jaar oud. Vaak ooit opgesteld door een marketing-stagiair op basis van een sales-framework van LinkedIn.

Dat document is niet onze definitie van een ICP. Wat wij een ICP noemen is een levend data-model dat elk kwartaal opnieuw wordt afgestemd op basis van wat de meest recente klantdata vertelt. Een stilstand-ICP is een ICP die afdrijft van de werkelijkheid.

Concrete update-cadans die wij aanhouden:

Elke maand: een lichte review op basis van de afgelopen 30 dagen aan replies en sales-gesprekken. Welke segmenten leveren beter dan verwacht? Welke leveren slechter? Wat zegt dat over de filters?

Elke kwartaal: een grondige herziening op basis van wat klantdata over de gewonnen-deals zegt. Welke patronen zijn er nieuw? Welke verdwenen? Wat moet er aan de filters?

Elk jaar: een herziening van de fundamentele ICP-definitie. Niet altijd nodig, maar wel als blijkt dat klanten in segmenten komen waar het oorspronkelijke profiel niet meer zinvol matcht.

In de praktijk: voor een typische klant verandert er per kwartaal een tot drie filters in de ICP-definitie. Niet de hele set. Wel genoeg om de TAM-output meetbaar relevanter te krijgen.

Wat u maandag kunt doen

Drie concrete acties.

Pak uw 20 best-presterende klanten van de afgelopen 18 maanden. Maak een tabel met deze acht kolommen: omvang (FTE), sector, tech-stack (CRM, marketing-tool), recent leiderschaps-wisseling (ja/nee), recente groei-events, geografische focus, ACV, sales-cyclus-lengte. Wat is het patroon? Welke filters zou u op basis hiervan toepassen op een TAM van 10.000 willekeurige NL-bedrijven?

Bereken hoeveel uur uw sales-team in de afgelopen drie maanden heeft besteed aan TAM-mapping en lead-list-bouwen. Voor de meeste teams is dat 15-25% van de SDR-werkweek. Vermenigvuldig dat met het effectief uurtarief van een SDR (€55-65), en u heeft de jaarkosten van handmatig TAM-mapping. Dat is meestal het cijfer dat de discussie over geautomatiseerde TAM-mapping kantelt.

Bekijk uw huidige outbound-resultaten op segment-niveau. Welke segmenten leveren consistente reply-rates boven 3%? Welke onder 1%? Welke meer dan 30 dagen niets opgeleverd? Schrappen mag. Een segment dat niet werkt, blijft niet werken alleen omdat u erin geïnvesteerd heeft. Onze TAM-aanpak gaat ervan uit dat 30-40% van de oorspronkelijk goed uitziende segmenten in de eerste drie maanden geschrapt of grondig herzien moet worden. Dat is geen falen, dat is normale data-driven sales.