收益：
- 能够通过理想的客户档案 (ICP) 和资格框架（例如 BANT）评估潜在客户
- 能够根据公开信息生成结构化的客户/人员简报
- 能够使用需要验证的假设来标记资格输出
销售中最昂贵的错误是在错误的人身上花费太多时间。如果销售代表整天与一位从不需要您的产品的潜在客户会面，那么真正的机会就会消失。这就是为什么良好的销售从销售前的筛选开始：谁是真正好的候选人，谁不是？
这项工作称为资格认证。人工智能 (AI) 在这里发挥着两个强大的作用：它从公开信息（网站、行业、新闻）中提取快速客户简介，并根据定义的框架评估潜在客户。但要注意：人工智能产生的信息是一个初步假设，而不是经过证实的事实。在本单元中，您将学习如何在加速先导研究的同时保持准确性和保密性。
注意：人工智能生成的账户/人员信息未经验证不应作为真实信息处理到CRM中，尤其不应作为决策依据（例如“该公司没有预算”）。收集非公开个人数据既是道德限制，也是法律限制。
归因框架：ICP 和 BANT
两个基本概念：
- ICP（理想客户档案）：描述从您的产品中受益最多、最容易接近且停留时间最长的客户的特征（行业、规模、需求）。 “我们应该卖给谁？”是问题的答案。
- BANT：衡量领导成熟度的四个问题：预算（是否有预算）、权威（是否是决策者）、需要（是否真正需要）、时机（时机是否合适）。评估这四项中的每一项，可以清楚地确定优先考虑的对象。
人工智能非常擅长将线索融入到这些框架中，并提取缺失的信息作为“要问的问题”。
一步一步：确定潜在客户资格
- 识别您的 ICP。写下您理想客户的 4-5 个具体特征。
- 收集公开信息。网站、“关于”页面、行业、职位空缺。
- 用人工智能删除简报。生成结构化账户报表。
- 对 ICP 合规性进行评分。导线与 ICP 的配合程度如何？
- 标记假设。将人工智能预测（未经证实）的信息分开。
- 准备开场问题。第一次面试时要提出的问题，以填补 BANT 的空白。
可复制的提示
从公开信息中提取帐户简报的基本提示：
角色：您是一名销售研究助理。以下是有关公司的公开文本。由此制作一份结构化的客户简报：- 公司做什么（1 句话）- 行业和估计规模- 可能的需求/痛点（与我们的产品相关）- ICP 适合度：[高 |中等|低]+单句论证——单独列出需要验证的ASSUMPTIONS（没有证据的推论）FITTING信息不在文本中；如果不知道，请写“不清楚”。我们的产品：{{ Product_summary }}公司文字：{{ public_public_text }}
根据BANT评估引线的提示：
评估 BANT 框架内的以下主要信息： - 预算：我们知道/未知 - 权威（权威）：此人是决策者吗？ - 需要：有证据吗？ - Timing（时间）：是否有触发事件？为每个维度标记“已知/未知”。建议在第一次会议时提出一个涵盖未知问题的问题。潜在客户信息：{{信息}}
生成个性化首次联系开口的提示：
根据此客户简报，为第一次接触写一个个性化的一句话破冰之言。让它基于对他们工作的具体观察，而不是笼统的赞扬。不要夸大其词，不要使用未经证实的说法。简报：{{简报}}
提示也暗示资格中的“消除”：
如果该线索似乎与我们的 ICP 兼容性较低，请明确说明并给出 1-2 项理由，说明为什么它可能不值得追求。不要强迫建立融洽关系；诚实的把我们的资源分配到正确的地方。ICP: {{ icp }} |领先：{{ 领先 }}
弱提示/强提示
糟糕的方法
强硬的做法
“给我介绍一下这家公司吧”
返回公共文本 + 请求结构化简报
产生虚构的营业额/员工人数
表示“不确定”，单独标记假设
将每条线索显示为“合格”
相当消除低兼容性
开业（“伟大的公司”）
针对其业务的具体空缺
不同之处在于，稳健的方法使用人工智能作为“假设生成器”而不是“事实来源”：每个输出都是需要验证的蓝图。
三个迷你箱
案例 1——虚假营业额陷阱。一位代表问道：“这家公司的营业额是多少？”他问道； AI自信地说“每年2.5亿里拉”。然而，这完全是捏造的。该公司从未披露过这一信息。当团队意识到这一点后，他们用“如果你不知道，就写得含糊，补数字”的规则更新了提示。在随后的简报中，人工智能在营业额字段中写下了“不确定”，以防止基于错误的预算假设而提出错误的建议。
案例 2 — 诚实的消除节省了时间。通过 ICP 提示传递了 30 个潜在客户的列表。 AI 将 9 个潜在客户标记为“不适合”，并给出了理由（例如“团队太小，低于我们产品的最低用户数量”）。该代表没有将时间花在这 9 个潜在客户上，而是专注于 21 个合格的潜在客户；该季度管道（销售管道）的质量显着提高。
情况 3 — 混凝土开门打开。 AI 从一家公司最近的招聘启事中推断出“他们正在建立一支快速增长的支持团队”，并以此为开场白：“我很好奇，随着支持团队的壮大，你如何管理不断增加的请求量。”与一般空缺相比，响应率明显更高；因为这个消息触及了他们的真实情况。
提示：将AI推断的每个“假设”变成第一次会议中的问题。不要说“我认为您的支持量正在增加”，而要问“您的支持量最近有何变化？”问。这样，您就可以确认假设并让客户交谈。
隐私和道德界限
仅使用公开的商业信息进行归属。使用个人的私人社交媒体帖子、个人生活或未经许可获得的数据作为研究来源既不道德又非法（KVKK，即个人数据保护立法）。规则很简单：不要收集和输入任何未写在公司官方网站或开放商业资源上的个人信息。
注意：人工智能生成的“需求/痛点”预测不应呈现给客户，就好像它们是已知的一样。如果说“你有这个问题”，如果说错了，就会立即破坏信任。相反，“这种挑战在你的行业中经常出现，你做得怎么样？”继续进行开放式的。
捕获触发事件
在销售中，时机往往比信息本身更重要。 “触发事件”是一种公开可见的发展，表明公司现在可能需要您的解决方案：雇用新高管、开设新办公室、获得新投资、团队快速成长或新产品发布。这些事件是一个“门口”；因为经历变革的公司正处于对新解决方案最开放的时期。你给AI一个账户的公开新闻和帖子，并询问“是否有任何触发事件可以链接到我们的解决方案？”你可能会问。
有了这样的触发点，您的第一条联系信息就会变得更加有力：像“我看到您开设了新的运营中心；管理如此规模的支持量通常具有挑战性”这样的开场白让人感觉既相关又及时。尽管如此，同样的规则仍然适用：验证触发事件是否真实且当前，并且不要因将旧消息误认为“新消息”而被嘲笑。时机是个好朋友，但前提是信息经过验证。
常见错误
- 未经验证就接受人工智能编造的营业额/员工人数为真实。
- 确定每个潜在客户的资格；跳过诚实的筛选并浪费资源。
- 在“每个人都是我们的客户”的假设下进行研究，而不定义 ICP。
- 搜索非公开个人数据并将其输入人工智能（违反 KVKK）。
- 将AI的痛点预测作为绝对真理呈现给客户。
- 通过不将假设变成面试问题来跳过验证。
综上所述
- 好的销售是从淘汰开始的； ICP 和 BANT 明确了优先考虑的对象。
- 人工智能从公开信息中快速提取简报；但其输出是一个有待验证的假设。
- 防止用“如果你不知道，就写得含糊其辞”的规则来编造数字和信息。
- 诚实地消除不合格的潜在客户；将您的资源分配到正确的地方。
- 仅使用公开的商业信息；保护个人数据限制 (KVKK)。
应用任务
获取真实目标公司公开的“关于”页面，并将其提供给简报提示。检查输出中的三件事：（1）人工智能是否编造了任何数字/信息（如果是，则加强“不确定”规则），（2）“假设”列表是否实际上隔离了未经证实的推论，（3）ICP合规理由是否有意义。然后将每个突出显示的假设转化为您将在第一次面试中提出的开放式问题。
清单
- [ ] 我用 4-5 个具体特征描述了我的 ICP。
- [ ] 我仅使用公开的商业信息。
- [ ] 我用“模糊”规则阻止了AI编造数字/信息。
- [ ] 我将假设与已证实的信息分开标记。
- [ ] 我诚实地消除了低兼容性的线索。
- [ ] 我将每个假设变成了我在采访中提出的问题。