تهیه پیشنهادات و پیشنهادات

سود:

• توانایی تولید یک پیش نویس پیشنهادی مبتنی بر ارزش خاص مشتری از یادداشت های کشف
• امکان چاپ قیمت، محدوده و ROI بخش به وضوح و قابل تایید
• امکان ساختار و سفارشی سازی پیشنهاد برای اولویت بندی اعتراضات

پیشنهاد، سندی است که مشتری در طول فرآیند فروش، درست قبل از گفتن «بله»، آن را با دقت بیشتری می خواند. با این حال، بیشتر پیشنهادها اسناد کپی پیست هستند که فروشنده خودش را توضیح می دهد، پر از لیست ویژگی ها، و به سختی به مشکل مشتری رسیدگی می کند. یک پیشنهاد خوب یک بروشور محصول نیست، بلکه آینه ای است که مشتری می تواند موقعیت خود و راه حل مخصوص به آن موقعیت را در آن ببیند. در این بخش، نحوه ایجاد یک پیشنهاد مبتنی بر ارزش، قابل تأیید و اولویت‌بندی اعتراض با پشتیبانی هوش مصنوعی، بر اساس یادداشت‌های اکتشافی خود را یاد خواهید گرفت. شما یاد خواهید گرفت که چگونه ریسک ارقام جعلی هوش مصنوعی را مدیریت کنید، به خصوص در بخش ROI و قیمت گذاری.

اسکلت یک پیشنهاد خوب

یک پیشنهاد قوی از یک جریان منطقی خاص پیروی می کند: از دنیای مشتری شروع می شود، به سمت راه حل و توجیه سرمایه گذاری می رود. بخش های استاندارد و اهداف آنها:

بخش

هدف

اشتباه رایج

خلاصه اجرایی

"چرا، چه، چقدر" در یک صفحه

خودت را توضیح بده نه مشتری

مشکل / وضعیت فعلی

انعکاس درد از زبان مشتری

عبارات رایج

راه حل پیشنهادی

دقیقاً نقشه راه حل مشکل

لیست ویژگی های تخلیه

دامنه

آنچه شامل / مستثنی شده است

عدم قطعیت، بحث پس از آن

برنامه زمانی

مراحل و مهلت

تاریخ های غیر واقعی

قیمت گذاری

سرمایه گذاری خالص و تفصیلی

یک رقم مجموع، بدون توجیه

ROI/مقدار

توجیه سرمایه گذاری

گارانتی های غیر قابل تایید

مرحله بعدی

یک اقدام واضح

در پایان با "اگر سوالی دارید..."

خلاصه اجرایی در واقع آخرین نوشته اما در ابتدا قرار می گیرد. مشتری باید بتواند تصمیم خود را بگیرد حتی اگر فقط آن صفحه را بخواند.

شروع از Discovery Notes

مواد خام برای یک پیشنهاد مبتنی بر ارزش، یادداشت‌های فراخوان کشف است: مشکلی که مشتری با کلمات خود توصیف می‌کند، معیارهایی که اندازه‌گیری می‌کنند، تأثیرگذاران داخلی، سیگنال‌های بودجه و فرآیند تصمیم‌گیری. هوش مصنوعی در تبدیل این یادداشت ها به یک طرح کلی ساختاریافته قدرتمند است.

نقش: شما در فروش B2B و نوشتن پیشنهادات مبتنی بر ارزش متخصص هستید. پیش نویس پیشنهادی از یادداشت های کشف زیر. یادداشت های کشف:- مشتری: {{ شرکت، صنعت، اندازه }}- مشکل اصلی (بیانات خود مشتری): {{ ... }}- تأثیر این مشکل: {{ به عنوان مثال. گم شده بخش های Price و ROI را خالی بگذارید. من آنها را پر خواهم کرد.

مراقب باشید: اعلان قیمت و ROI را عمداً خالی می‌گذارد. دلیل این امر خطر اعداد جعلی است که به زودی شاهد آن خواهیم بود.

نوشتن ROI و ارزش قابل تأیید

بخش ROI قانع‌کننده‌ترین اما خطرناک‌ترین بخش پیشنهاد است. زبان تضمین در اینجا ("شما سرمایه خود را در 3 ماه پس می گیرید") هم غیراخلاقی و هم خطرناک است. یک مشتری شکست خورده تمام اعتبار شما را از بین می برد. رویکرد صحیح این است که مفروضات را به وضوح بیان کنیم و دامنه را ارائه دهیم.

جمله ROI ضعیف:

با این راه حل هزینه های خود را تا 40 درصد کاهش می دهید و سرمایه خود را در مدت 2 ماه به صورت تضمینی باز می گردانید.

عبارت ROI قدرتمند:

بر اساس 120 ساعت بار گزارش دستی در ماه که در اکتشاف به اشتراک گذاشتید، صرفه جویی در حدود 36 تا 60 ساعت در ماه ممکن به نظر می رسد اگر 30 تا 50 درصد از این فرآیند خودکار باشد (محدوده معمولی که با مشتریان خود می بینیم). این تخمین بر اساس فرض هزینه هر ساعتی است که شما ارائه کردید و نتیجه واقعی بر اساس انطباق تیم متفاوت خواهد بود.

تفاوت: نسخه دوم بر اساس داده های ارائه شده توسط مشتری است، محدوده ای را ارائه می دهد، فرض خود را به وضوح بیان می کند و هیچ تضمینی ندارد. هنگام چاپ ROI در هوش مصنوعی، این نظم را اجرا کنید:

یک بخش ROI بر اساس داده های تایید شده زیر بنویسید. داده‌هایی که می‌توانید استفاده کنید: {{ معیارهای ارائه‌شده توسط مشتری }}محدوده تأثیر واقعی ما: {{ به عنوان مثال. 30-50% بر اساس داده های تاریخی }}قوانین دقیق: - فقط از داده های بالا استفاده کنید. شماره جدید FITTING.- استفاده از زبان گارانتی. از عباراتی مانند "محدوده معمولی"، "تخمین زده" استفاده کنید. - فرض اساسی هر محاسبه را بنویسید. - در جایی که مطمئن نیستید بنویسید "این فرض باید با مشتری تایید شود".

مراقب باشید: هوش مصنوعی دوست دارد این شکاف را پر کند، و اگر داده‌ای نداشته باشد، می‌تواند اعداد واقعی اما کاملاً ساختگی تولید کند (مثلاً "میانگین صنعت 47٪ است." هر عدد موجود در نقل قول را به یک منبع گره بزنید: یا داده های ارائه شده توسط مشتری است، داده های تاریخی واقعی شما، یا به وضوح "فرض" علامت گذاری شده است.

خطر ارقام جعلی در قیمت گذاری

هرگز اجازه ندهید هوش مصنوعی بخش قیمت گذاری را آزادانه بنویسد. هوش مصنوعی لیست قیمت شما را نمی داند. ممکن است قیمت واحد، نرخ تخفیف یا نام بسته ای را اختراع کند که از شما ندیده باشد. گردش کار مناسب: شما (یا تیم قیمت‌گذاری/مهندسی‌تان) قیمت‌ها را ارائه می‌دهید، هوش مصنوعی فقط آنها را در قالبی منظم، مدادی و موجه ارائه می‌کند.

اقلام قیمت زیر را در یک جدول قیمت گذاری واضح و حرفه ای برای مشتری آماده کنید. اعداد را تغییر دهید، موارد جدید را اضافه کنید، تخفیف را متناسب کنید. موارد:- {{ نصب: 25000 لیره (یک بار) }}- {{ مجوز ماهانه: 8000 لیر / 10 کاربر }}- {{ آموزش: شامل }}مزایای مشخصی که مشتری در کنار هر مورد دریافت می‌کند را در یک جمله اضافه کنید. کل و شرایط پرداخت را در یک خط جداگانه نشان دهید.

اعتبار سنجی طرح هوش مصنوعی با داده های واقعی

هوش مصنوعی ابزاری برای سرعت است، نه منبع حقیقت. گردش کار سالم:

1. یادداشت های کشف را جمع آوری و ساختار کنید.
2. آیا هوش مصنوعی پیش نویس تولید کند (با یا بدون قیمت و بازگشت سرمایه).
3. تأیید فنی/مهندسی را دریافت کنید: آیا می توان محدوده و برنامه وعده داده شده را واقعاً تحویل داد؟ با تیم اجرا تایید کنید.
4. اضافه کردن قیمت ها از منبع رسمی: لیست قیمت، مجوز تخفیف تایید شده.
5. ردیابی هر عدد: برای هر عدد در نقل قول، بپرسید "این از کجا می آید؟" به سوال پاسخ دهید.
6. آیا بررسی اعتراض: آیا اعتراضات شناخته شده قبلاً برآورده شده است؟
7. ساده سازی و ارسال: خلاصه اجرایی را در آخر بنویسید و در ابتدا قرار دهید.

ساختار اولویت بندی ایرادات

یک پیشنهاد خوب بی سر و صدا به اعتراضات در طول تماس فروش در سند رسیدگی می کند. نگرانی "این ممکن است گران باشد" با بازگشت سرمایه و قیمت گذاری سطحی برآورده می شود. نگرانی های مربوط به "انتقال دشوار خواهد بود" با جدول زمانی مشخص و شامل آموزش برآورده می شود. نگرانی "چه می شود اگر کار نکرد" با معیارهای موفقیت واقع بینانه و یک پیشنهاد فاز آزمایشی برآورده می شود. صراحتاً از هوش مصنوعی بپرسید: "یک مدیر مالی چه سه ایراد را هنگام خواندن این پیشنهاد مطرح می کند، و چه بخشی از پیشنهاد به آنها می پردازد؟" این نقاط کور را در پیش نویس شما آشکار می کند.

نکته: در صورت امکان قیمت گذاری را به اقلام و مراحل تقسیم کنید، نه یک عدد بزرگ. وقتی مشتری می بیند که چه چیزی برای چه چیزی است، درک "گران بودن" به درک "سرمایه گذاری موجه" تبدیل می شود. علاوه بر این، ارائه یک فاز آزمایشی کوچک خطر تصمیم گیری بزرگ را کاهش می دهد.

Mini Case: نرم افزار با کیفیت برای یک شرکت تولیدی

مرت نرم افزار مدیریت کیفیت را به شرکت های تولیدی می فروشد. مشتری در کشف خود با "دورا متال" می گوید که به دلیل دیر کشف شدن قطعات معیوب، به طور متوسط ​​ماهانه 3 برگشت را تجربه می کند و هر بازگشتی هزینه خاصی دارد. مرت این داده ها را به هوش مصنوعی می دهد و یک پیش نویس مبتنی بر ارزش ایجاد می کند. در بخش ROI، هوش مصنوعی می‌نویسد «بازده را 90 درصد کاهش می‌دهیم» در دور اول. مرت این را رد می‌کند و درخواست را سخت‌تر می‌کند و آن را اصلاح می‌کند، زیرا "بر اساس 3 بازده در ماه ارائه شده توسط مشتری، انتظار می‌رود تشخیص زودهنگام از بخشی از این نرخ جلوگیری کند؛ نرخ دقیق به انطباق فرآیند بستگی دارد." او قیمت‌ها را از لیست قیمت خودش اضافه می‌کند و تیم اجرا برنامه نصب 6 هفته‌ای را تأیید می‌کند. نتیجه: از آنجایی که مشتری ارقام خود را در پروپوزال می بیند، با گفتن "شما این را از روی داده های من محاسبه کردید" احساس اطمینان می کند.

اشتباهات رایج

• خلاصه اجرایی خود توضیحی: تاریخچه شرکت در پاراگراف اول. مشتری می خواهد «ما» (مشکل او) را ببیند نه «من».
• ساختن قیمت ها توسط هوش مصنوعی: عددی را اختراع می کند که نمی بیند. همیشه از منبع رسمی اضافه کنید.
• زبان گارانتی: وعده‌های غیرقابل تأیید مانند «کاملاً»، «ضمانت»، «X% بازگشت» اعتماد و امنیت حقوقی را تضعیف می‌کند.
• آمارهای ناشناخته: "شرکت های این بخش 60٪ پس انداز می کنند" - از کجا؟ از اعداد بدون منبع استفاده نکنید.
• محدوده نامشخص: اگر شامل / حذف نوشته نشده باشد، پروژه بعداً به بحث تبدیل می شود.
• مرحله بعدی ضعیف: «اگر سؤالی دارید تماس بگیرید» غیرفعال است. یک اقدام واضح را پیشنهاد کنید (مثلاً «تماس 30 دقیقه‌ای تأیید سه‌شنبه، 14 ژوئیه»).

به طور خلاصه

• این پیشنهاد یک بروشور محصول نیست، بلکه سندی است که وضعیت مشتری و راه حل خاص او را منعکس می کند.
• یادداشت های اکتشاف مواد خام پیشنهاد مبتنی بر ارزش هستند. هوش مصنوعی به سرعت آنها را به یک پیش نویس ساختاریافته تبدیل می کند.
• ROI را بر اساس داده های ارائه شده توسط مشتری، محدوده، نوشتن مفروضات به وضوح، اجتناب از زبان تضمین.
• هرگز اجازه ندهید هوش مصنوعی با قیمت گذاری مطابقت داشته باشد. شما ارقام را از منبع رسمی اضافه می کنید، هوش مصنوعی فقط ارائه را ویرایش می کند.
• هر موضوع را به یک منبع پیوند دهید و محدوده/برنامه را با تیم فنی تأیید کنید.
• یک پیشنهاد خوب به اعتراضات شناخته شده زودهنگام و بی سر و صدا در سند رسیدگی می کند.

وظیفه کاربردی

یک سناریوی کشف واقعی یا واقعی بنویسید (مشکل مشتری، حداقل دو معیار مشخص، سیگنال بودجه). با استفاده از این یادداشت‌ها، از هوش مصنوعی بخواهید پیش‌نویس پیشنهادی بدون در نظر گرفتن قیمت و بازگشت سرمایه ارائه کند. سپس بخش ROI را به نسخه ای با مفروضات علامت گذاری شده تبدیل کنید، که صرفاً بر اساس معیارهایی که مشتری ارائه کرده و دامنه تأثیر واقعی شماست. جدول قیمت را خودتان اضافه کنید و به سادگی از هوش مصنوعی بخواهید که ارائه آن را ویرایش کند. در نهایت، از هوش مصنوعی پرسیدم: «یک مدیر مالی چه سه ایرادی به این پیشنهاد دارد؟» و ارزیابی کنید که آیا پیش‌نویس شما با این مخالفت‌ها مطابقت دارد یا خیر.