પ્રી-સેલ્સ: લીડ લાયકાત અને સંશોધન

નફો:

• આદર્શ ગ્રાહક પ્રોફાઇલ (ICP) અને લાયકાત ફ્રેમવર્ક (દા.ત. BANT) સાથે સંભવિત ગ્રાહકોનું મૂલ્યાંકન કરવાની ક્ષમતા
• સાર્વજનિક રૂપે ઉપલબ્ધ માહિતીમાંથી સ્ટ્રક્ચર્ડ એકાઉન્ટ/વ્યક્તિ બ્રીફિંગ બનાવવાની ક્ષમતા
• લાયકાત આઉટપુટને ચકાસવાની જરૂર હોય તેવી ધારણાઓ સાથે ચિહ્નિત કરવાની ક્ષમતા

વેચાણમાં સૌથી મોંઘી ભૂલ એ છે કે ખોટા વ્યક્તિ સાથે ઘણો સમય વિતાવવો. જો કોઈ સેલ્સ પ્રતિનિધિ તેનો દિવસ એવા લીડ સાથે વિતાવે છે જેને ક્યારેય તમારા ઉત્પાદનની જરૂર નથી, તો વાસ્તવિક તકો અદૃશ્ય થઈ જાય છે. એટલા માટે તમે વેચાણ કરો તે પહેલાં સારા વેચાણની શરૂઆત સ્ક્રીનીંગથી થાય છે: ખરેખર સારો ઉમેદવાર કોણ છે અને કોણ નથી?

આ નોકરીને લાયકાત કહેવામાં આવે છે. આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) અહીં બે શક્તિશાળી ભૂમિકાઓ ભજવે છે: તે જાહેરમાં ઉપલબ્ધ માહિતી (વેબસાઇટ, ઉદ્યોગ, સમાચાર)માંથી ઝડપી એકાઉન્ટ સંક્ષિપ્ત બહાર કાઢે છે અને નિર્ધારિત માળખા અનુસાર લીડનું મૂલ્યાંકન કરે છે. પરંતુ સાવચેત રહો: ​​AI જે માહિતી ઉત્પન્ન કરે છે તે પ્રારંભિક ધારણા છે, સાબિત હકીકત નથી. આ એકમમાં, તમે લીડ સંશોધનને વેગ આપતી વખતે ચોકસાઈ અને ગોપનીયતા કેવી રીતે જાળવવી તે શીખી શકશો.

નોંધ: AI દ્વારા જનરેટ કરાયેલ એકાઉન્ટ/વ્યક્તિની માહિતીને ચકાસ્યા વિના વાસ્તવિક તરીકે CRMમાં પ્રક્રિયા કરવી જોઈએ નહીં અને ખાસ કરીને નિર્ણયના આધાર તરીકે ઉપયોગ ન કરવો જોઈએ (દા.ત. "આ કંપનીનું કોઈ બજેટ નથી"). બિન-જાહેર વ્યક્તિગત ડેટા એકત્રિત કરવો એ નૈતિક અને કાનૂની મર્યાદા બંને છે.

એટ્રિબ્યુશન ફ્રેમવર્ક: ICP અને BANT

બે મૂળભૂત ખ્યાલો:

• ICP (આદર્શ ગ્રાહક પ્રોફાઇલ): ગ્રાહકની વિશેષતાઓનું વર્ણન કરે છે કે જેઓ તમારા ઉત્પાદનમાંથી સૌથી વધુ લાભ મેળવે છે, બંધ કરવા માટે સૌથી સરળ છે અને સૌથી લાંબો સમય રહે છે (સેક્ટર, કદ, જરૂરિયાત). "આપણે કોને વેચવું જોઈએ?" પ્રશ્નનો જવાબ છે.
• BANT: ચાર પ્રશ્નો જે લીડની પરિપક્વતાને માપે છે: બજેટ (શું કોઈ બજેટ છે), સત્તા (શું તે નિર્ણય લેનાર છે), જરૂર છે (શું વાસ્તવિક જરૂરિયાત છે), સમય (સમય યોગ્ય છે). આ ચારમાં દરેક લીડનું મૂલ્યાંકન કરવાથી કોને પ્રાથમિકતા આપવી તે સ્પષ્ટ થાય છે.

AI આ ફ્રેમવર્કમાં લીડ ફીટ કરવા અને ખૂટતી માહિતીને "પૂછવાના પ્રશ્નો" તરીકે બહાર કાઢવા માટે ઉત્તમ કામ કરે છે.

સ્ટેપ બાય સ્ટેપ: લીડની લાયકાત

1. તમારા ICP ને ઓળખો. તમારા આદર્શ ગ્રાહકની 4-5 નક્કર લાક્ષણિકતાઓ લખો.
2. જાહેરમાં ઉપલબ્ધ માહિતી એકત્રિત કરો. વેબસાઇટ, "વિશે" પૃષ્ઠ, ઉદ્યોગ, નોકરીની તકો.
3. AI સાથે બ્રીફિંગ દૂર કરો. સ્ટ્રક્ચર્ડ એકાઉન્ટ સ્ટેટમેન્ટ બનાવો.
4. સ્કોર ICP પાલન. લીડ ICP માં કેટલી સારી રીતે ફિટ છે?
5. ધારણાઓને ચિહ્નિત કરો. AI-અનુમાનિત (અપ્રમાણિત) માહિતીને અલગ રાખો.
6. પ્રારંભિક પ્રશ્નો તૈયાર કરો. BANT ખાલીપો ભરવા માટે પ્રથમ મુલાકાતમાં પૂછવા માટેના પ્રશ્નો.

નકલ કરી શકાય તેવા સંકેતો

મૂળભૂત પ્રોમ્પ્ટ જે સાર્વજનિક રીતે ઉપલબ્ધ માહિતીમાંથી એકાઉન્ટ બ્રીફિંગ કાઢે છે:

ભૂમિકા: તમે વેચાણ સંશોધન સહાયક છો. નીચે કંપની વિશે પબ્લિક ટેક્સ્ટ છે. આમાંથી એક સ્ટ્રક્ચર્ડ એકાઉન્ટ બ્રીફિંગ તૈયાર કરો:- કંપની શું કરે છે (1 વાક્ય)- ઉદ્યોગ અને અંદાજિત કદ- સંભવિત જરૂરિયાતો/પીડા બિંદુઓ (અમારા ઉત્પાદન સંબંધિત)- ICP ફિટ: [ઉચ્ચ | મધ્યમ | નીચું] + એક વાક્યનું વાજબીપણું - અલગથી સૂચિબદ્ધ ધારણાઓ (પુરાવા વગરના અનુમાન) કે જે ચકાસવાની જરૂર છે ફિટિંગ માહિતી ટેક્સ્ટમાં નથી; જો તમને ખબર ન હોય, તો "અસ્પષ્ટ" લખો. અમારું ઉત્પાદન: {{ product_summary }}કંપની ટેક્સ્ટ: {{ publicly_public_text }}

પ્રોમ્પ્ટ કે જે BANT અનુસાર લીડનું મૂલ્યાંકન કરે છે:

BANT માળખામાં નીચેની મુખ્ય માહિતીનું મૂલ્યાંકન કરો: - બજેટ: આપણે જાણીએ છીએ/અજાણ્યા છીએ - સત્તા (ઓથોરિટી): શું વ્યક્તિ નિર્ણય લેનાર છે? - જરૂર છે: પુરાવા છે? - સમય (સમય): શું કોઈ ટ્રિગર ઇવેન્ટ છે? દરેક પરિમાણ માટે "જાણીતા/અજાણ્યા" તરીકે ચિહ્નિત કરો. પ્રથમ મીટિંગમાં પૂછવા માટે એક પ્રશ્ન સૂચવો જે અજાણ્યાઓને આવરી લેશે. મુખ્ય માહિતી: {{ માહિતી }}

પ્રોમ્પ્ટ કે જે વ્યક્તિગત કરેલ પ્રથમ સંપર્ક ઓપનિંગનું ઉત્પાદન કરે છે:

આ એકાઉન્ટ બ્રીફિંગના આધારે, પ્રથમ સંપર્ક માટે વ્યક્તિગત એક-વાક્ય આઇસ-બ્રેકર લખો. તેને સામાન્ય વખાણ નહીં, તેમના કાર્ય માટે વિશિષ્ટ નક્કર અવલોકન પર આધારિત રહેવા દો. અતિશયોક્તિ કરશો નહીં, અપ્રમાણિત દાવાઓનો ઉપયોગ કરશો નહીં. બ્રીફિંગ: {{ બ્રિફિંગ }}

પ્રોમ્પ્ટ કે જે લાયકાતમાં "નાબૂદી" પણ સૂચવે છે:

જો આ લીડ અમારા ICP સાથે ઓછી સુસંગત લાગતી હોય, તો સ્પષ્ટપણે કહો અને 1-2 આઇટમ્સને વાજબીતા આપો શા માટે તે અનુસરવા યોગ્ય નથી. સંબંધ માટે દબાણ કરશો નહીં; અમારા સંસાધનોને યોગ્ય સ્થાને ફાળવવા માટે પ્રમાણિક બનો.ICP: {{ icp }} | લીડ: {{ લીડ }}

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળી અભિગમ

મજબૂત અભિગમ

"મને આ કંપની વિશે કહો"

સાર્વજનિક ટેક્સ્ટ + વિનંતીઓનું સંરચિત બ્રીફિંગ પરત કરે છે

બનાવટી ટર્નઓવર/કર્મચારીઓની સંખ્યા ઉત્પન્ન કરે છે

"અનિશ્ચિત" કહે છે, ધારણાઓને અલગથી ચિહ્નિત કરે છે

દરેક લીડને "લાયક" તરીકે બતાવે છે

એકદમ ઓછી સુસંગતતાને દૂર કરે છે

સામાન્ય ઉદઘાટન ("મહાન કંપની")

તેમના વ્યવસાય માટે વિશિષ્ટ કોંક્રિટ ઓપનિંગ

તફાવત એ છે કે મજબૂત અભિગમ AI નો ઉપયોગ "હકીકતના સ્ત્રોત" ને બદલે "હાયપોથીસિસ જનરેટર" તરીકે કરે છે: દરેક આઉટપુટ ચકાસવા માટે એક બ્લુપ્રિન્ટ છે.

ત્રણ મિની કેસ

કેસ 1 - નકલી ટર્નઓવર ટ્રેપ. એક પ્રતિનિધિએ પૂછ્યું: "આ કંપનીનું ટર્નઓવર શું છે?" તેણે પૂછ્યું; એઆઈએ વિશ્વાસપૂર્વક કહ્યું કે "વાર્ષિક 250 મિલિયન TL". જો કે, આ સંપૂર્ણપણે બનાવટી હતી; કંપનીએ આ માહિતી ક્યારેય જાહેર કરી નથી. જ્યારે ટીમને આની જાણ થઈ, ત્યારે તેઓએ "જો તમને ખબર ન હોય, તો અસ્પષ્ટ રીતે લખો, નંબરો બનાવો" નિયમ સાથે પ્રોમ્પ્ટ અપડેટ કર્યો. અનુગામી બ્રીફિંગ્સમાં, AI એ ટર્નઓવર ક્ષેત્રમાં "અનિશ્ચિત" લખ્યું, ખોટી બજેટ ધારણા પર આધારિત ભૂલભરેલી દરખાસ્તને અટકાવી.

કેસ 2 - પ્રામાણિક નાબૂદીથી સમય બચ્યો. ICP પ્રોમ્પ્ટ દ્વારા 30 લીડ્સની યાદી પસાર કરવામાં આવી હતી. AI એ 9 લીડ્સને "ઓછી ફિટ" તરીકે ફ્લેગ કર્યા અને સમર્થન આપ્યું (દા.ત. "ખૂબ નાની ટીમ, અમારા ઉત્પાદનના વપરાશકર્તાઓની ન્યૂનતમ સંખ્યાથી ઓછી"). આ 9 પર સમય પસાર કરવાને બદલે, પ્રતિનિધિએ 21 લાયક લીડ્સ પર ધ્યાન કેન્દ્રિત કર્યું; તે ક્વાર્ટરમાં પાઈપલાઈન (સેલ્સ પાઈપલાઈન)ની ગુણવત્તામાં નોંધપાત્ર વધારો થયો હતો.

કેસ 3 - કોંક્રિટ ઓપનિંગ બારણું ખોલ્યું. AI એ કંપનીના તાજેતરના જોબ પોસ્ટિંગ પરથી અનુમાન લગાવ્યું કે "તેઓ ઝડપથી વિકસતી સપોર્ટ ટીમ બનાવી રહ્યા છે" અને તેના પ્રારંભિક વાક્યને આના પર આધારિત છે: "હું ઉત્સુક હતો કે તમે તમારી સપોર્ટ ટીમમાં વધારો કરો છો ત્યારે તમે વિનંતીઓના વધતા જથ્થાને કેવી રીતે મેનેજ કરો છો." સામાન્ય ઉદઘાટનની તુલનામાં, પ્રતિભાવ દર નોંધપાત્ર રીતે વધારે હતો; કારણ કે સંદેશ તેમની વાસ્તવિક પરિસ્થિતિને સ્પર્શે છે.

ટીપ: AI દ્વારા અનુમાનિત કરાયેલ દરેક "ધારણા"ને પ્રથમ મીટિંગમાં પ્રશ્નમાં ફેરવો. "મને લાગે છે કે તમારું સમર્થન વોલ્યુમ વધી રહ્યું છે," કહેવાને બદલે પૂછો, "તાજેતરમાં તમારું સમર્થન વોલ્યુમ કેવી રીતે બદલાયું છે?" પૂછો આ રીતે, તમે ધારણાની પુષ્ટિ કરો છો અને ગ્રાહકને વાત કરો છો.

ગોપનીયતા અને નૈતિક સીમા

એટ્રિબ્યુશન ફક્ત સાર્વજનિક રૂપે ઉપલબ્ધ અને વ્યવસાય માહિતી સાથે કરવામાં આવે છે. સંશોધનના સ્ત્રોત (KVKK, એટલે કે વ્યક્તિગત ડેટા સંરક્ષણ કાયદો) તરીકે કોઈ વ્યક્તિની ખાનગી સોશિયલ મીડિયા પોસ્ટ્સ, વ્યક્તિગત જીવન અથવા પરવાનગી વિના મેળવેલ ડેટાનો ઉપયોગ કરવો તે અનૈતિક અને ગેરકાયદેસર બંને છે. નિયમ સરળ છે: કંપનીની અધિકૃત વેબસાઈટ પર અથવા ઓપન કોમર્શિયલ રિસોર્સિસ પર લખેલી ન હોય તેવી કોઈપણ અંગત માહિતી AIમાં એકત્ર કરશો નહીં અને દાખલ કરશો નહીં.

સાવધાન: AI-જનરેટેડ "નીડ/પેઇન પોઈન્ટ" અનુમાનો ગ્રાહકને એવી રીતે રજૂ ન કરવા જોઈએ કે જાણે તેઓ ચોક્કસ માટે જાણીતા હોય. "તમને આ સમસ્યા છે" કહેવાથી જો તે ખોટું હોય તો તરત જ વિશ્વાસ તૂટી જાય છે. તેના બદલે, "આ પડકાર તમારા ઉદ્યોગમાં વારંવાર જોવા મળે છે, તમે કેવી રીતે કરી રહ્યા છો?" ઓપન-એન્ડેડ આગળ વધો.

ટ્રિગરિંગ ઇવેન્ટ્સ પકડવી

વેચાણમાં, ટાઇમિંગ ઘણીવાર સંદેશ કરતાં વધુ મહત્વપૂર્ણ હોય છે. "ટ્રિગર ઇવેન્ટ" એ સાર્વજનિક રૂપે દૃશ્યમાન વિકાસ છે જે સૂચવે છે કે કંપનીને અત્યારે તમારા ઉકેલની જરૂર પડી શકે છે: નવા એક્ઝિક્યુટિવની ભરતી, નવી ઑફિસની શરૂઆત, નવા રોકાણનું સંપાદન, ઝડપી ટીમ વૃદ્ધિ અથવા નવી પ્રોડક્ટ લોન્ચ. આ ઘટનાઓ એક "દરવાજા" છે; કારણ કે પરિવર્તનનો અનુભવ કરતી કંપનીઓ એવા સમયગાળામાં હોય છે જ્યારે તેઓ નવા ઉકેલો માટે સૌથી વધુ ખુલ્લા હોય છે. તમે AI ને એકાઉન્ટના સાર્વજનિક સમાચાર અને પોસ્ટિંગ આપો છો અને પૂછો છો કે "શું કોઈ ટ્રિગરિંગ ઇવેન્ટ્સ છે જે અમારા ઉકેલ સાથે લિંક કરી શકાય છે?" તમે પૂછી શકો છો.

આવા ટ્રિગર સાથે, તમારો પ્રથમ સંપર્ક સંદેશ વધુ મજબૂત બને છે: "મેં જોયું કે તમે તમારું નવું ઓપરેશન સેન્ટર ખોલ્યું છે; આ સ્કેલ પર સપોર્ટ વોલ્યુમનું સંચાલન કરવું ઘણીવાર પડકારજનક હોય છે" જેવો ઉદઘાટન સુસંગત અને સમયસર બંને લાગે છે. તેમ છતાં, એ જ શિસ્ત લાગુ પડે છે: ચકાસો કે ટ્રિગરિંગ ઘટના વાસ્તવિક અને વર્તમાન છે, અને જૂના સમાચારને "નવા" માટે ભૂલથી હસાવશો નહીં. સમય સારો મિત્ર છે, પરંતુ માત્ર ચકાસાયેલ માહિતી સાથે.

સામાન્ય ભૂલો

• AI દ્વારા બનાવેલ ટર્નઓવર/કર્મચારી નંબરને ચકાસ્યા વિના વાસ્તવિક તરીકે સ્વીકારવું.
• દરેક લીડને લાયક બનાવવા માટે; પ્રામાણિક સ્ક્રિનિંગ છોડવું અને સંસાધનોનો બગાડ કરવો.
• ICP ને વ્યાખ્યાયિત કર્યા વિના "દરેક વ્યક્તિ અમારા ગ્રાહક છે" એવી ધારણા સાથે સંશોધન કરવું.
• બિન-સાર્વજનિક વ્યક્તિગત ડેટા શોધી રહ્યા છીએ અને તેને AI (KVKK ઉલ્લંઘન) માં દાખલ કરો.
• ગ્રાહક સમક્ષ AI ની પેઇન પોઈન્ટની આગાહીને સંપૂર્ણ સત્ય તરીકે રજૂ કરવી.
• અનુમાનોને ઇન્ટરવ્યુ પ્રશ્નોમાં ન ફેરવીને માન્યતા છોડવી.

સારાંશમાં

• સારું વેચાણ નાબૂદી સાથે શરૂ થાય છે; ICP અને BANT સ્પષ્ટ કરે છે કે કોને પ્રાથમિકતા આપવી.
• AI જાહેરમાં ઉપલબ્ધ માહિતીમાંથી ઝડપી બ્રીફિંગ કાઢે છે; પરંતુ તેનું આઉટપુટ ચકાસવા માટે એક ધારણા છે.
• "જો તમને ખબર ન હોય, તો અસ્પષ્ટ રીતે લખો" નિયમ સાથે સંખ્યાઓ અને માહિતી બનાવવાનું અટકાવો.
• નિમ્ન-અનુરૂપતાના લીડ્સને પ્રમાણિકપણે દૂર કરો; તમારા સંસાધનોને યોગ્ય સ્થાને ફાળવો.
• ફક્ત સાર્વજનિક રીતે ઉપલબ્ધ, વ્યવસાય માહિતીનો ઉપયોગ કરો; વ્યક્તિગત ડેટા મર્યાદાને સુરક્ષિત કરો (KVKK).

એપ્લિકેશન કાર્ય

વાસ્તવિક લક્ષ્ય કંપનીનું સાર્વજનિક રીતે ઉપલબ્ધ "વિશે" પૃષ્ઠ લો અને તેને બ્રીફિંગ પ્રોમ્પ્ટ પર ફીડ કરો. આઉટપુટમાં ત્રણ બાબતો તપાસો: (1) શું AI એ કોઈ સંખ્યા/માહિતી બનાવી છે (જો એમ હોય તો, "અનિશ્ચિત" નિયમને મજબૂત કરો), (2) શું "ધારણાઓ" સૂચિ ખરેખર અવિશ્વસનીય અનુમાનોને અલગ પાડે છે, (3) શું ICP અનુપાલન તર્કનો અર્થ થાય છે. પછી દરેક હાઇલાઇટ કરેલી ધારણાને ઓપન-એન્ડેડ પ્રશ્નમાં ફેરવો જે તમે પ્રથમ મુલાકાતમાં પૂછશો.

ચેકલિસ્ટ

• [ ] મેં 4-5 નક્કર લક્ષણો સાથે મારા ICPનું વર્ણન કર્યું છે.
• [ ] મેં ફક્ત સાર્વજનિક રીતે ઉપલબ્ધ, વ્યવસાયિક માહિતીનો ઉપયોગ કર્યો છે.
• [ ] મેં AI ને "ફઝી" નિયમ સાથે નંબરો/માહિતી બનાવવાથી અટકાવ્યું.
• [ ] મેં સાબિત માહિતીમાંથી ધારણાઓને અલગથી ચિહ્નિત કરી છે.
• [ ] મેં પ્રામાણિકપણે ઓછી સુસંગતતાના લીડ્સને દૂર કર્યા છે.
• [ ] મેં દરેક ધારણાને એક પ્રશ્નમાં ફેરવી દીધી જે હું ઇન્ટરવ્યુમાં પૂછીશ.