پیش فروش: صلاحیت رهبری و تحقیق

سود:

• توانایی ارزیابی مشتریان بالقوه با مشخصات مشتری ایده آل (ICP) و چارچوب صلاحیت (مانند BANT)
• امکان تولید یک گزارش ساختار یافته حساب/فرد از اطلاعات در دسترس عموم
• امکان علامت گذاری خروجی صلاحیت با مفروضاتی که نیاز به تایید دارند

گران ترین اشتباه در فروش، صرف زمان زیاد با فرد نامناسب است. اگر یک نماینده فروش روز خود را صرف ملاقات با مدیری می کند که هرگز به محصول شما نیاز ندارد، فرصت های واقعی از بین می روند. به همین دلیل است که فروش خوب با غربالگری قبل از فروش شروع می شود: واقعاً چه کسی کاندیدای خوبی است و چه کسی نیست؟

به این شغل صلاحیت می گویند. هوش مصنوعی (AI) در اینجا دو نقش قدرتمند ایفا می‌کند: یک خلاصه حساب کاربری سریع از اطلاعات در دسترس عموم (وب‌سایت، صنعت، اخبار) استخراج می‌کند و بر اساس یک چارچوب تعریف‌شده، پیشتاز را ارزیابی می‌کند. اما مراقب باشید: اطلاعاتی که هوش مصنوعی تولید می کند یک فرض اولیه است، نه واقعیت اثبات شده. در این واحد، نحوه حفظ دقت و محرمانگی در عین تسریع تحقیقات سرنخ را یاد خواهید گرفت.

توجه: اطلاعات حساب/فرد تولید شده توسط هوش مصنوعی نباید بدون تأیید صحت در CRM پردازش شود، و به ویژه نباید به عنوان مبنایی برای تصمیم گیری استفاده شود (مثلاً "این شرکت بودجه ندارد"). جمع آوری داده های شخصی غیرعمومی یک محدودیت اخلاقی و قانونی است.

چارچوب های اسناد: ICP و BANT

دو مفهوم اساسی:

• ICP (نمایه مشتری ایده‌آل): ویژگی‌های مشتری را توصیف می‌کند که بیشترین سود را از محصول شما می‌برد، بسته شدن آن راحت‌تر است و طولانی‌ترین مدت (بخش، اندازه، نیاز) باقی می‌ماند. "به چه کسی بفروشیم؟" پاسخ به سوال است.
• BANT: چهار سوال که بلوغ یک سرنخ را می سنجد: بودجه (آیا بودجه ای وجود دارد)، اختیار (آیا او تصمیم گیرنده است)، نیاز (آیا نیاز واقعی وجود دارد)، زمان بندی (آیا زمان بندی مناسب است). ارزیابی هر سرنخ در این چهار مشخص می کند که چه کسی باید اولویت داشته باشد.

هوش مصنوعی در قرار دادن یک سرنخ در این چارچوب ها و استخراج اطلاعات گمشده به عنوان «سوالاتی برای پرسیدن» عالی عمل می کند.

گام به گام: واجد شرایط بودن یک رهبر

1. ICP خود را شناسایی کنید. 4-5 ویژگی مشخص مشتری ایده آل خود را بنویسید.
2. جمع آوری اطلاعات در دسترس عموم وب سایت، صفحه «درباره»، صنعت، فرصت های شغلی.
3. بریفینگ را با هوش مصنوعی حذف کنید. یک صورت حساب ساختاریافته تهیه کنید.
4. امتیاز انطباق با ICP. لید چقدر با ICP مطابقت دارد؟
5. فرضیات را علامت گذاری کنید. اطلاعات پیش بینی شده (اثبات نشده) با هوش مصنوعی را جدا نگه دارید.
6. سوالات آغازین را آماده کنید. سوالاتی که باید در اولین مصاحبه برای پر کردن شکاف های BANT بپرسید.

درخواست های قابل کپی

اعلان اساسی که یک خلاصه حساب را از اطلاعات در دسترس عموم استخراج می کند:

نقش: شما دستیار تحقیقات فروش هستید. در زیر متن عمومی در مورد یک شرکت است. یک گزارش حسابداری ساختاریافته از این موارد تهیه کنید: - آنچه شرکت انجام می دهد (1 جمله) - صنعت و اندازه تخمینی - نیازهای احتمالی/نقاط دردناک (مربوط به محصول ما) - تناسب ICP: [بالا | متوسط ​​| پایین] + توجیه یک جمله - فهرستی جداگانه فرضیات (استنتاج بدون شواهد) که نیاز به تأیید دارند. اگر نمی دانید، بنویسید "نامفهوم". محصول ما: {{ product_summary }}متن شرکت: {{ publicly_public_text }}

درخواستی که سرنخ را طبق BANT ارزیابی می کند:

اطلاعات اصلی زیر را در چارچوب BANT ارزیابی کنید: - بودجه: می دانیم / ناشناخته - مرجع (مرجع): آیا شخص تصمیم گیرنده است؟ - نیاز: آیا مدرکی وجود دارد؟ - زمان (زمان): آیا یک رویداد ماشه ای وجود دارد؟ برای هر بعد "شناخته / ناشناخته" را علامت بزنید. در اولین جلسه سؤالی را پیشنهاد دهید که مجهولات را پوشش دهد. اطلاعات سرنخ: {{ اطلاعات }}

اعلانی که اولین باز شدن تماس شخصی را ایجاد می کند:

بر اساس این گزارش حساب کاربری، برای اولین تماس یک یخ شکن شخصی سازی شده یک جمله ای بنویسید. بگذارید بر اساس یک مشاهده ملموس خاص کار آنها باشد، نه ستایش عمومی. اغراق نکنید، از ادعاهای بی اساس استفاده نکنید. جلسه توجیهی: {{ توجیه }}

اعلانی که همچنین "حذف" را در صلاحیت پیشنهاد می کند:

اگر به نظر می رسد که این سرنخ با ICP ما سازگاری کمی دارد، آن را به وضوح بیان کنید و 1-2 مورد را توجیه کنید که چرا ممکن است ارزش دنبال کردن آن را نداشته باشد. رابطه را مجبور نکنید؛ صادق باشید که منابع خود را به مکان مناسب اختصاص دهید.ICP: {{ icp }} | سرنخ: {{ سرنخ }}

اعلان ضعیف / اعلان قوی

رویکرد ضعیف

رویکرد قوی

"در مورد این شرکت به من بگویید"

متن عمومی + درخواست توضیح ساختاری را برمی‌گرداند

گردش مالی/تعداد کارمندان ساختگی ایجاد می کند

می گوید "نامشخص"، فرضیات را جداگانه علامت گذاری می کند

هر سرنخ را به عنوان "واجد شرایط" نشان می دهد

سازگاری کم را نسبتاً از بین می برد

افتتاحیه عمومی ("شرکت بزرگ")

دهانه بتنی مخصوص کسب و کار آنها

تفاوت این است که رویکرد قوی از هوش مصنوعی به‌عنوان «فرضیه‌ساز» به جای «منبع واقعیت» استفاده می‌کند: هر خروجی یک طرح اولیه است که باید تأیید شود.

سه کیف کوچک

مورد 1 - تله گردش مالی جعلی. نماینده ای پرسید: گردش مالی این شرکت چقدر است؟ او پرسید؛ هوش مصنوعی با اطمینان گفت: «250 میلیون لیر لیر در سال». با این حال، این کاملا ساختگی بود. این شرکت هرگز این اطلاعات را فاش نکرد. وقتی تیم متوجه این موضوع شد، دستور را با قانون "اگر نمی دانید، مبهم بنویسید، اعداد را بسازید" به روز کردند. در جلسات توجیهی بعدی، هوش مصنوعی در زمینه گردش مالی "نامطمئن" نوشت و از یک پیشنهاد اشتباه بر اساس فرضیه نادرست بودجه جلوگیری کرد.

مورد 2 - حذف صادقانه در زمان صرفه جویی شده است. لیستی از 30 سرنخ از طریق اعلان ICP ارسال شد. هوش مصنوعی 9 سرنخ را به عنوان "کم تناسب" علامت گذاری کرد و توجیه کرد (به عنوان مثال "تیم بسیار کوچک، کمتر از حداقل تعداد کاربران محصول ما"). نماینده به جای صرف وقت روی این 9 مورد، روی 21 سرنخ واجد شرایط تمرکز کرد. در آن سه ماهه کیفیت خط لوله (خط لوله فروش) به طور قابل توجهی افزایش یافت.

مورد 3 - باز شدن درب بتنی. هوش مصنوعی از آگهی‌های شغلی اخیر یک شرکت استنباط کرد که "آنها در حال ایجاد یک تیم پشتیبانی با رشد سریع هستند" و جمله ابتدایی خود را بر این اساس استوار کرد: "من کنجکاو بودم که چگونه با افزایش تیم پشتیبانی خود، حجم فزاینده درخواست‌ها را مدیریت می‌کنید." در مقایسه با باز کردن عمومی، نرخ پاسخ به طور قابل توجهی بالاتر بود. زیرا پیام به وضعیت واقعی آنها اشاره می کرد.

نکته: در جلسه اول هر «فرضی» را که هوش مصنوعی استنباط می‌کند به سؤال تبدیل کنید. به جای اینکه بگویید «فکر می‌کنم حجم پشتیبانی شما در حال افزایش است»، بپرسید «حجم پشتیبانی شما اخیراً چگونه تغییر کرده است؟» بپرسید به این ترتیب، این فرض را تأیید می‌کنید و مشتری را به صحبت می‌کشید.

حریم خصوصی و مرزهای اخلاقی

ذکر منبع فقط با اطلاعات تجاری و در دسترس عموم انجام می شود. استفاده از پست‌های رسانه‌های اجتماعی خصوصی، زندگی شخصی یا داده‌های به‌دست‌آمده بدون مجوز به عنوان منبع تحقیق (KVKK، یعنی قانون حفاظت از داده‌های شخصی) هم غیراخلاقی و هم غیرقانونی است. قانون ساده است: اطلاعات شخصی که در وب سایت رسمی شرکت یا منابع تجاری باز نوشته نشده است را جمع آوری و وارد هوش مصنوعی نکنید.

احتیاط: پیش‌بینی‌های «نقطه نیاز/درد» ایجاد شده توسط هوش مصنوعی نباید به گونه‌ای به مشتری ارائه شود که گویی به طور قطعی شناخته شده‌اند. گفتن "شما این مشکل را دارید" فوراً اعتماد را از بین می برد اگر اشتباه باشد. در عوض، "این چالش اغلب در صنعت شما دیده می شود، چگونه کار می کنید؟" بدون پایان ادامه دهید.

گرفتن رویدادهای محرک

در فروش، زمان‌بندی اغلب مهم‌تر از خود پیام است. "رویداد آغازگر" یک توسعه قابل مشاهده برای عموم است که نشان می دهد یک شرکت ممکن است در حال حاضر به راه حل شما نیاز داشته باشد: استخدام یک مدیر اجرایی جدید، افتتاح دفتر جدید، کسب سرمایه گذاری جدید، رشد سریع تیم یا عرضه محصول جدید. این رویدادها یک "دری" هستند. زیرا شرکت‌هایی که تغییر را تجربه می‌کنند در دوره‌ای هستند که بیشتر به راه‌حل‌های جدید باز هستند. شما اخبار و پست‌های عمومی حساب را به هوش مصنوعی می‌دهید و می‌پرسید "آیا رویدادهای محرکی وجود دارد که بتوان به راه حل ما مرتبط کرد؟" ممکن است بپرسید

با وجود چنین محرکی، اولین پیام تماس شما بسیار قوی‌تر می‌شود: گشایشی مانند «من دیدم که مرکز عملیات جدید خود را باز کردید؛ مدیریت حجم پشتیبانی در این مقیاس اغلب چالش‌برانگیز است» هم مرتبط و هم به موقع است. با این حال، همان نظم و انضباط اعمال می‌شود: بررسی کنید که رویداد آغازگر واقعی و جاری است، و با اشتباه گرفتن اخبار قدیمی با «جدید» مورد خنده قرار نگیرید. زمان دوست خوبی است، اما فقط با اطلاعات تایید شده.

اشتباهات رایج

• پذیرش تعداد گردش مالی/کارمندی که توسط هوش مصنوعی ساخته شده است، بدون تأیید آن، واقعی است.
• برای واجد شرایط بودن هر سرنخ؛ نادیده گرفتن غربالگری صادقانه و هدر دادن منابع.
• انجام تحقیق با این فرض که «همه مشتری ما هستند» بدون تعریف ICP.
• جستجوی داده‌های شخصی غیرعمومی و وارد کردن آن به هوش مصنوعی (نقض KVKK).
• ارائه پیش بینی نقطه درد هوش مصنوعی به مشتری به عنوان حقیقت مطلق.
• رد شدن از اعتبارسنجی با تبدیل نکردن فرضیات به سوالات مصاحبه.

به طور خلاصه

• فروش خوب با حذف شروع می شود. ICP و BANT روشن می کنند که چه کسی باید اولویت داشته باشد.
• هوش مصنوعی اطلاعات سریع را از اطلاعات در دسترس عموم استخراج می کند. اما خروجی آن یک فرضیه است که باید تأیید شود.
• با قانون "اگر نمی دانید مبهم بنویس" از ساختن اعداد و اطلاعات جلوگیری کنید.
• سرنخ های کم انطباق را صادقانه حذف کنید. منابع خود را در مکان مناسب تخصیص دهید.
• فقط از اطلاعات تجاری در دسترس عموم استفاده کنید. حفاظت از محدودیت داده های شخصی (KVKK).

وظیفه کاربردی

صفحه «درباره» یک شرکت هدف واقعی را که به صورت عمومی در دسترس است، بردارید و آن را به اعلان توجیهی ارسال کنید. سه چیز را در خروجی بررسی کنید: (1) آیا هوش مصنوعی اعداد/اطلاعاتی را ایجاد کرده است (اگر چنین است، قانون "نامشخص" را تقویت کنید)، (2) آیا لیست "فرض‌ها" در واقع استنتاج‌های غیرقابل اثبات را جدا می‌کند، (3) آیا منطق انطباق با ICP منطقی است. سپس هر فرض برجسته شده را به یک سوال باز تبدیل کنید که در اولین مصاحبه از آن خواهید پرسید.

چک لیست

• [ ] من ICP خود را با 4-5 ویژگی مشخص توصیف کردم.
• [ ] من فقط از اطلاعات تجاری در دسترس عموم استفاده کرده ام.
• [ ] من از AI از ایجاد اعداد/اطلاعات با قانون "فازی" جلوگیری کردم.
• [ ] من فرضیات را جدا از اطلاعات اثبات شده علامت گذاری کردم.
• [ ] من صادقانه سرنخ های کم سازگاری را حذف کردم.
• [ ] من هر فرضی را به سؤالی تبدیل کردم که در مصاحبه می پرسیدم.