Κέρδη:
- Δυνατότητα δημιουργίας προσχέδιο πρότασης βάσει αξίας για συγκεκριμένο πελάτη από σημειώσεις ανακάλυψης
- Δυνατότητα εκτύπωσης τμημάτων τιμολόγησης, εμβέλειας και απόδοσης επένδυσης (ROI) με σαφήνεια και επαλήθευση
- Δυνατότητα δομής και προσαρμογής της προσφοράς για ιεράρχηση ενστάσεων
Η προσφορά είναι το έγγραφο που διαβάζει ο πελάτης με μεγαλύτερη προσοχή κατά τη διαδικασία πώλησης, λίγο πριν πει «ναι». Ωστόσο, οι περισσότερες προτάσεις είναι έγγραφα αντιγραφής-επικόλλησης όπου ο πωλητής εξηγεί τον εαυτό του, γεμάτη λίστες χαρακτηριστικών, και μόλις που αντιμετωπίζει το πρόβλημα του πελάτη. Μια καλή προσφορά δεν είναι ένα φυλλάδιο προϊόντος, αλλά ένας καθρέφτης στον οποίο ο πελάτης μπορεί να δει τη δική του κατάσταση και τη συγκεκριμένη λύση για αυτήν την κατάσταση. Σε αυτήν την ενότητα, θα μάθετε πώς να δημιουργείτε μια προσφορά βασισμένη στην αξία, επαληθεύσιμη και με προτεραιότητα αντιρρήσεων με υποστήριξη τεχνητής νοημοσύνης, με βάση τις σημειώσεις ανακάλυψής σας. Θα μάθετε πώς να διαχειρίζεστε τον κίνδυνο πλαστών αριθμών τεχνητής νοημοσύνης, ειδικά στις ενότητες ROI και τιμολόγησης.
Ο σκελετός μιας καλής προσφοράς
Μια ισχυρή πρόταση ακολουθεί μια συγκεκριμένη λογική ροή: ξεκινά από τον κόσμο του πελάτη, προχωρά στη λύση και στην αιτιολόγηση της επένδυσης. Τυποποιημένες ενότητες και οι σκοποί τους:
Ενότητα
Σκοπός
Συνηθισμένο λάθος
Εκτελεστική περίληψη
"γιατί, τι, πόσο" σε μια σελίδα
Εξηγήστε τον εαυτό σας, όχι τον πελάτη
Πρόβλημα / τρέχουσα κατάσταση
Αντανακλώντας τον πόνο από τη γλώσσα του πελάτη
Κοινές εκφράσεις
Προτεινόμενη λύση
Ακριβώς χαρτογραφημένη λύση στο πρόβλημα
λίστα χαρακτηριστικών απόρριψης
Πεδίο εφαρμογής
Τι περιλαμβάνεται/εξαιρείται
Αβεβαιότητα, συζήτηση μετά
χρονοδιάγραμμα
Στάδια και προθεσμίες
μη ρεαλιστικές ημερομηνίες
Τιμολόγηση
Καθαρή, αναλυτική επένδυση
Ένα μόνο συνολικό νούμερο, χωρίς αιτιολόγηση
ROI/τιμή
Αιτιολόγηση για επένδυση
Μη επαληθεύσιμες εγγυήσεις
Επόμενο βήμα
Μια ξεκάθαρη ενέργεια
Τελειώνοντας με "Εάν έχετε ερωτήσεις..."
Η περίληψη είναι στην πραγματικότητα γραμμένη τελευταία αλλά τοποθετείται στην αρχή. Ο πελάτης θα πρέπει να μπορεί να πάρει την απόφασή του ακόμα κι αν διαβάζει μόνο αυτή τη σελίδα.
Ξεκινώντας από το Discovery Notes
Η πρώτη ύλη για μια πρόταση που βασίζεται στην αξία είναι οι σημειώσεις από την πρόσκληση ανακάλυψης: το πρόβλημα που περιγράφει ο πελάτης με τα δικά του λόγια, οι μετρήσεις που μετρούν, εσωτερικοί παράγοντες επιρροής, σήματα προϋπολογισμού και η διαδικασία λήψης αποφάσεων. Η τεχνητή νοημοσύνη είναι ισχυρή στο να μετατρέπει αυτές τις σημειώσεις σε δομημένο περίγραμμα.
Ρόλος: Είστε ειδικός στις πωλήσεις B2B γράφοντας προτάσεις με βάση την αξία. ΣΧΕΔΙΑΣΤΕ μια πρόταση από τις ακόλουθες σημειώσεις ανακάλυψης. Σημειώσεις ανακάλυψης:- Πελάτης: {{ εταιρεία, βιομηχανία, μέγεθος }}- Κύριο πρόβλημα (δήλωση του ίδιου του πελάτη): {{ ... }}- Επίπτωση αυτού του προβλήματος: {{ π.χ. Χάθηκε Αφήστε τις ενότητες Τιμή και απόδοση επένδυσης ΚΕΝΕΣ. θα τα γεμίσω.
Προσοχή: Η προτροπή αφήνει την τιμή και την απόδοση επένδυσης κενά επίτηδες. Ο λόγος για αυτό είναι ο κίνδυνος ψεύτικων αριθμών, που θα δούμε σύντομα.
Εγγραφή απόδοσης επένδυσης και επαληθεύσιμης τιμής
Η ενότητα ROI είναι το πιο πειστικό αλλά πιο επικίνδυνο μέρος της πρότασης. Η γλώσσα εγγύησης εδώ («θα ανακτήσετε την επένδυσή σας σε 3 μήνες») είναι ταυτόχρονα ανήθικη και επικίνδυνη. Ένας αποτυχημένος πελάτης καταστρέφει όλη την αξιοπιστία σας. Η σωστή προσέγγιση είναι να διατυπωθούν με σαφήνεια οι υποθέσεις και να δοθεί εύρος.
Αδύναμη πρόταση απόδοσης επένδυσης:
Με αυτή τη λύση, μειώνετε το κόστος σας κατά 40% και κερδίζετε την επένδυσή σας πίσω εντός 2 μηνών, εγγυημένα.
Ισχυρή φράση απόδοσης επένδυσης (ROI):
Με βάση τις ~120 ώρες μη αυτόματης αναφοράς ανά μήνα που μοιραστήκατε με την ανακάλυψη, η εξοικονόμηση περίπου 36-60 ωρών ανά μήνα φαίνεται δυνατή εάν το 30-50% αυτής της διαδικασίας είναι αυτοματοποιημένο (το τυπικό εύρος που βλέπουμε στους πελάτες μας). Αυτή η εκτίμηση βασίζεται στην υπόθεση κόστους ανά ώρα που δώσατε και το πραγματικό αποτέλεσμα θα ποικίλλει ανάλογα με την προσαρμογή της ομάδας.
Διαφορά: η δεύτερη έκδοση βασίζεται στα δεδομένα που δίνει ο πελάτης, δίνει ένα εύρος, δηλώνει ξεκάθαρα την υπόθεση της και δεν παρέχει εγγυήσεις. Εφαρμόστε αυτήν την πειθαρχία κατά την εκτύπωση ROI σε AI:
Γράψτε μια ενότητα απόδοσης επένδυσης (ROI) με βάση τα ακόλουθα ΕΠΑΛΗΘΕΥΜΕΝΑ δεδομένα. Δεδομένα που μπορείτε να χρησιμοποιήσετε: {{ μετρήσεις που παρέχονται από πελάτες }}Το πραγματικό εύρος επιπτώσεών μας: {{ π.χ. 30-50% βάσει ιστορικών δεδομένων }}Αυστηροί ΚΑΝΟΝΕΣ:- Χρησιμοποιήστε μόνο τα παραπάνω δεδομένα. νέος αριθμός FITTING.- Χρήση γλώσσας εγγύησης. Χρησιμοποιήστε εκφράσεις όπως "τυπικό εύρος", "εκτιμώμενο". - Γράψτε την υπόθεση που βασίζεται σε κάθε υπολογισμό. - Όπου δεν είστε σίγουροι, γράψτε "αυτή η υπόθεση πρέπει να επαληθευτεί με τον πελάτη".
Προσοχή: Η τεχνητή νοημοσύνη αρέσκεται να καλύψει το κενό και, αν δεν έχει δεδομένα, μπορεί να παράγει ρεαλιστικούς αλλά εντελώς κατασκευασμένους αριθμούς (π.χ. ο μέσος όρος της βιομηχανίας είναι 47%). Συνδέστε ΚΑΘΕ αριθμό στο απόσπασμα με μια πηγή: είτε πρόκειται για δεδομένα που παρέχονται από τον πελάτη, είναι τα πραγματικά ιστορικά δεδομένα σας είτε επισημαίνεται με σαφήνεια "υπόθεση".
Κίνδυνος πλαστών στοιχείων στην τιμολόγηση
Μην αφήνετε ποτέ το AI να γράφει ελεύθερα την ενότητα τιμολόγησης. Το AI δεν γνωρίζει τον τιμοκατάλογο σας. Μπορεί να εφεύρει μια τιμή μονάδας, ένα επιτόκιο έκπτωσης ή ένα όνομα πακέτου που δεν έχει δει από εσάς. Σωστή ροή εργασίας: εσείς (ή η ομάδα τιμολόγησης/μηχανικής σας) δίνετε τις τιμές, η τεχνητή νοημοσύνη απλώς τις παρουσιάζει σε μια τακτοποιημένη, με μολύβι και αιτιολογημένη μορφή.
Προετοιμάστε τα ακόλουθα στοιχεία τιμών σε έναν σαφή και επαγγελματικό πίνακα τιμών για τον πελάτη. ΑΛΛΑΞΤΕ αριθμούς, ΠΡΟΣΘΗΚΗ νέων αντικειμένων, ΧΩΡΙΣΤΕ την έκπτωση. Στοιχεία:- {{ Εγκατάσταση: 25.000 TL (εφάπαξ) }}- {{ Μηνιαία άδεια: 8.000 TL / 10 χρήστες }}- {{ Εκπαίδευση: περιλαμβάνεται }}Προσθέστε το συγκεκριμένο όφελος που λαμβάνει ο πελάτης δίπλα σε κάθε στοιχείο σε μια πρόταση. Εμφανίστε το σύνολο και τους όρους πληρωμής σε ξεχωριστή γραμμή.
Επικύρωση του σκίτσου AI με πραγματικά δεδομένα
Το AI είναι ένα εργαλείο για την ταχύτητα, όχι μια πηγή αλήθειας. Υγιής ροή εργασίας:
- Συλλέξτε και δομήστε σημειώσεις ανακάλυψης.
- Ζητήστε από το AI να δημιουργήσει πρόχειρο (με ή χωρίς τιμή και απόδοση επένδυσης).
- Λάβετε τεχνική/τεχνική επαλήθευση: Μπορούν πράγματι να παραδοθούν το υποσχόμενο εύρος και το χρονοδιάγραμμα; Επιβεβαιώστε με την ομάδα υλοποίησης.
- Προσθήκη τιμών από επίσημη πηγή: Τιμοκατάλογος, εγκεκριμένη εξουσιοδότηση έκπτωσης.
- Παρακολούθηση κάθε αριθμού: Για κάθε αριθμό στο απόσπασμα, ρωτήστε "από πού προέρχεται;" Απαντήστε στην ερώτηση.
- Έλεγχος αντιρρήσεων: Έχουν ήδη ικανοποιηθεί γνωστές αντιρρήσεις;
- Απλοποίηση και αποστολή: Γράψτε την περίληψη τελευταία, βάλτε την στην αρχή.
Δομή Προτεραιότητα Ενστάσεων
Μια καλή προσφορά αντιμετωπίζει αθόρυβα τις αντιρρήσεις κατά τη διάρκεια της κλήσης πωλήσεων εντός του παραστατικού. Η ανησυχία "αυτό μπορεί να είναι ακριβό" καλύπτεται από την απόδοση επένδυσης και την κλιμακωτή τιμολόγηση. Οι ανησυχίες του «η μετάβαση θα είναι δύσκολη» καλύπτονται από σαφές χρονοδιάγραμμα και περιλαμβάνει εκπαίδευση. Η ανησυχία «τι θα γίνει αν δεν λειτουργήσει» καλύπτεται από ρεαλιστικά κριτήρια επιτυχίας και μια πρόταση πιλοτικής φάσης. Ρωτήστε ανοιχτά την τεχνητή νοημοσύνη: «Ποιες τρεις αντιρρήσεις θα εγείρει ένας οικονομικός διευθυντής κατά την ανάγνωση αυτής της πρότασης και ποιο μέρος της πρότασης τις αντιμετωπίζει;» Αυτό αποκαλύπτει τυφλά σημεία στο προσχέδιό σας.
Συμβουλή: Διαχωρίστε την τιμολόγηση σε είδη και στάδια αν είναι δυνατόν, αντί για έναν τεράστιο αριθμό. Όταν ο πελάτης βλέπει τι είναι για τι, η αντίληψη του «ακριβού» μετατρέπεται στην αντίληψη της «δικαιολογημένης επένδυσης». Επιπλέον, η προσφορά μιας μικρής πιλοτικής φάσης μειώνει τον κίνδυνο της μεγάλης απόφασης.
Mini Case: Ποιοτικό λογισμικό για μια κατασκευαστική εταιρεία
Η Mert πουλά λογισμικό διαχείρισης ποιότητας σε κατασκευαστικές εταιρείες. Στην ανακάλυψή του με το "Dora Metal", ο πελάτης λέει ότι έχει κατά μέσο όρο 3 επιστροφές το μήνα λόγω της καθυστερημένης ανακάλυψης ελαττωματικών εξαρτημάτων και ότι κάθε επιστροφή έχει ένα συγκεκριμένο κόστος. Ο Mert δίνει αυτά τα δεδομένα στην τεχνητή νοημοσύνη και δημιουργεί ένα προσχέδιο με βάση την αξία. Στην ενότητα ROI, το AI γράφει "μειώνουμε τις αποδόσεις κατά 90%" στον πρώτο γύρο. Η Mert απορρίπτει αυτό και ενισχύει την προτροπή και την αναθεωρεί καθώς "βάσει των 3 επιστροφών/μήνα που δίνονται από τον πελάτη, η έγκαιρη ανίχνευση αναμένεται να αποτρέψει μέρος αυτού του ποσοστού. Το ακριβές ποσοστό εξαρτάται από τη συμμόρφωση με τη διαδικασία." Προσθέτει τις τιμές από τον δικό του τιμοκατάλογο και βάζει την ομάδα υλοποίησης να επιβεβαιώσει το σχέδιο εγκατάστασης 6 εβδομάδων. Αποτέλεσμα: επειδή ο πελάτης βλέπει τα δικά του στοιχεία στην πρόταση, νιώθει σίγουρος λέγοντας «αυτό το υπολόγισες από τα δεδομένα μου».
Κοινά λάθη
- Αυτονόητη περίληψη: Ιστορικό της εταιρείας στην πρώτη παράγραφο. Ο πελάτης θέλει να δει «εμείς» (το πρόβλημά του) όχι «εγώ».
- Κάνοντας τις τιμές της τεχνητής νοημοσύνης: Εφευρίσκει έναν αριθμό που δεν βλέπει. Πάντα να προσθέτετε από επίσημη πηγή.
- Γλώσσα εγγύησης: Μη επαληθεύσιμες υποσχέσεις όπως "απόλυτα", "εγγύηση", "επιστροφή X%" υπονομεύουν την εμπιστοσύνη και την ασφάλεια δικαίου.
- Στατιστικά άγνωστης προέλευσης: "Οι εταιρείες του κλάδου εξοικονομούν 60%" — από πού; Μη χρησιμοποιείτε αριθμούς χωρίς πηγή.
- Ασαφές πεδίο εφαρμογής: Εάν δεν έχει γραφτεί το περιεχόμενο/εξαιρείται, το έργο θα γίνει συζήτηση αργότερα.
- Κακό επόμενο βήμα: "Καλέστε εάν έχετε ερωτήσεις" είναι παθητικό. Προτείνετε μία ξεκάθαρη ενέργεια (π.χ. "30λεπτη κλήση επιβεβαίωσης Τρίτη, 14 Ιουλίου").
Συνοπτικά
- Η προσφορά δεν είναι ένα φυλλάδιο προϊόντος, αλλά ένα έγγραφο που αντικατοπτρίζει την κατάσταση του πελάτη και τη συγκεκριμένη λύση του.
- Οι σημειώσεις ανακάλυψης αποτελούν την πρώτη ύλη της προσφοράς με βάση την αξία. Το AI τα μετατρέπει γρήγορα σε ένα δομημένο σχέδιο.
- Βασίστε την απόδοση επένδυσης (ROI) σε δεδομένα που παρέχονται από τον πελάτη, εύρος, γράψτε ξεκάθαρα τις υποθέσεις, αποφύγετε τη γλώσσα εγγύησης.
- Μην αφήνετε ποτέ το AI να ταιριάζει με τις τιμές. Προσθέτετε τα στοιχεία από την επίσημη πηγή, η AI απλώς επεξεργάζεται την παρουσίαση.
- Συνδέστε κάθε ζήτημα με μια πηγή και επιβεβαιώστε το εύρος/χρονοδιάγραμμα με την τεχνική ομάδα.
- Μια καλή πρόταση αντιμετωπίζει γνωστές αντιρρήσεις έγκαιρα και σιωπηλά μέσα στο έγγραφο.
Εργασία εφαρμογής
Γράψτε ένα πραγματικό ή ρεαλιστικό σενάριο ανακάλυψης (πρόβλημα πελάτη, τουλάχιστον δύο συγκεκριμένες μετρήσεις, σήμα προϋπολογισμού). Χρησιμοποιώντας αυτές τις σημειώσεις, ζητήστε από το AI να δημιουργήσει ένα προσχέδιο πρότασης χωρίς την τιμή και την απόδοση επένδυσης (ROI). Στη συνέχεια, μετατρέψτε την ενότητα απόδοσης επένδυσης (ROI) σε μια έκδοση με επισημασμένες υποθέσεις, με βάση αποκλειστικά τις μετρήσεις που παρείχε ο πελάτης και το ρεαλιστικό εύρος επιπτώσεών σας. Προσθέστε μόνοι σας τον πίνακα τιμολόγησης και απλώς ζητήστε από το AI να επεξεργαστεί την παρουσίασή του. Τέλος, ρώτησα την AI «ποιες τρεις αντιρρήσεις θα είχε ένας οικονομικός διευθυντής σε αυτήν την πρόταση;» και αξιολογήστε εάν το προσχέδιό σας πληροί αυτές τις αντιρρήσεις.