बिक्री पूर्वानुमान, पाइपलाइन विश्लेषण और बिक्री सामग्री उत्पादन

लाभ:

• एआई के साथ पाइपलाइन डेटा का विश्लेषण करने और पूर्वानुमान टिप्पणियाँ बनाने की क्षमता
• एक-पेजर, प्रेजेंटेशन और केस स्टडी जैसी बिक्री सामग्री को तुरंत तैयार करने की क्षमता
• संख्यात्मक सत्यापन और ब्रांड टोन के साथ एआई आउटपुट को अंतिम रूप देने की क्षमता

जैसे-जैसे तिमाही समाप्त होती है, बिक्री नेता का प्रश्न हमेशा एक ही होता है: "क्या हम इस तिमाही को बंद कर सकते हैं?" इस सवाल का जवाब कोई एहसास नहीं, आपकी पाइपलाइन में छिपा है. लेकिन कच्चा पाइपलाइन डेटा सौदों, चरणों, राशियों और तिथियों की पंक्तियों के साथ एक गड़बड़ तालिका है; अंदर की कहानी देखने में समय लगता है. आर्टिफिशियल इंटेलिजेंस इस तालिका को पढ़ सकता है और मिनटों के भीतर चरण वितरण, रुकावटें, जीत दर की प्रवृत्ति और पूर्वानुमान व्याख्या निकाल सकता है। वही कृत्रिम बुद्धिमत्ता शीघ्रता से एक पेजर, एक प्रेजेंटेशन रूपरेखा या जीते गए व्यवसाय का वर्णन करने वाली एक केस स्टडी भी तैयार करती है। हालाँकि, इस इकाई का मुख्य संदेश यह है: कृत्रिम बुद्धिमत्ता द्वारा निर्मित किसी भी संख्या या वाक्य को आँख बंद करके स्वीकार न करें। मॉडल विश्लेषण करता है, आप सत्यापित करते हैं।

पाइपलाइन विश्लेषण: डेटा से अंतर्दृष्टि तक

पाइपलाइन विश्लेषण "कितना काम है?" के बजाय "यह काम कितना स्वस्थ है" प्रश्न का उत्तर देना चाहता है। देखने लायक मुख्य मेट्रिक्स:

मीट्रिक

यह क्या कहता है

चेतावनी संकेत

मंच वितरण

सौदे किस स्तर पर तय होते हैं?

अधिकांश प्रारंभिक चरण = ख़राब पूर्वानुमान

अटके सौदे

ऐसे अवसर जिनमें काफी समय से प्रगति नहीं हुई है

एक ही चरण में 60+ दिन

जीत दर

जीत/कुल समापन

डाउनट्रेंड = प्रक्रिया समस्या

बंद होने की संभावना

चरण के अनुसार भारित पूर्वानुमान

अत्यधिक आशावादी वजन

औसत डील का आकार

अवसर आकार की प्रवृत्ति

सिकुड़ना=गलत खंड

प्रतिलिपि योग्य संकेत: पाइपलाइन विश्लेषण

आप एक बिक्री परिचालन विश्लेषक हैं. नीचे दिए गए पाइपलाइन डेटा का विश्लेषण करें। डेटा: प्रत्येक पंक्ति एक अवसर है; कॉलम: सौदे का नाम, चरण, राशि, चरण प्रवेश तिथि, समापन अनुमान। आउटपुट:1. चरण वितरण (प्रत्येक चरण में अवसरों की संख्या और कुल राशि)2. अवरुद्ध अवसर (वे जो {{दिन}} दिनों से अधिक समय तक एक ही चरण में रहते हैं)3. जीत दर की गणना (बंद सौदों के आधार पर)4. जोखिम सारांश: पूर्वानुमान को खतरे में डालने वाले 3 अवसर और क्योंनियम: डेटा में केवल संख्याओं का उपयोग करें। मुझे आपके द्वारा गणना की गई प्रत्येक मीट्रिक के लिए सूत्र दिखाएं ताकि मैं इसे सत्यापित कर सकूं। उस मान की भविष्यवाणी करना जो डेटा में नहीं है; यदि यह गायब है, तो "डेटा गायब है" लिखें। डेटा: {{pipeline_verisi}}

पूर्वानुमान व्याख्या और संख्यात्मक सत्यापन

कृत्रिम बुद्धिमत्ता आपको बता सकती है "यह तिमाही 2.4 मिलियन टीएल के साथ समाप्त होगी"। यह वाक्य सटीक लगता है, लेकिन इसमें अंतर्निहित धारणाएं हैं: किस समापन संभावनाओं का उपयोग किया गया था? कौन से सौदे शामिल हैं? क्या मॉडल ने कोई अतिरिक्त त्रुटि की? संख्यात्मक आउटपुट को सत्यापित करने का तरीका मॉडल से उसकी मान्यताओं और सूत्र के बारे में स्पष्ट रूप से पूछना है। फिर कम से कम एक मीट्रिक को मैन्युअल रूप से जांचें: उदाहरण के लिए, तीन सौदों की भारित राशि स्वयं जोड़ें और मॉडल के परिणाम के साथ इसकी तुलना करें। मॉडल अंकगणित में त्रुटियाँ कर सकते हैं, विशेषकर बहु-पंक्ति तालिकाओं में।

उपरोक्त पूर्वानुमान को निम्नलिखित प्रारूप में उचित ठहराएं: - आपके द्वारा उपयोग की जाने वाली समापन संभाव्यता धारणाएं (चरण के अनुसार) - आपके द्वारा शामिल किए गए और बाहर किए गए सौदे + क्यों - आपके भारित कुल गणना का स्पष्ट विवरण (सौदा सौदा) मुझे परिणामी संख्या को सत्यापित करने में सक्षम होने की आवश्यकता नहीं है, बल्कि आप इस पर कैसे पहुंचे।

ध्यान दें: एआई द्वारा निर्मित पूर्वानुमान आंकड़ा एक गणना है, तथ्य नहीं, और पूरी तरह से इनपुट और धारणाओं पर निर्भर है। मॉडल गलत संभाव्यता भार का उपयोग कर सकता है, गलत तरीके से लाइनें जोड़ सकता है, या किसी सौदे की दोहरी गणना कर सकता है। कम से कम एक मीट्रिक को मैन्युअल रूप से सत्यापित करें और प्रबंधन को संख्या प्रस्तुत करने से पहले मान्यताओं को दृश्यमान बनाएं। असत्यापित पूर्वानुमान गलत संसाधन नियोजन की ओर ले जाता है।

बिक्री सामग्री उत्पादन: इनपुट का अच्छा सेट

एक पेजर, डेक या केस स्टडी के रूप में एआई की गुणवत्ता पूरी तरह से आपके द्वारा दिए गए इनपुट पर निर्भर करती है। एक अच्छी सामग्री संक्षिप्त में ये पाँच घटक शामिल होते हैं: व्यक्तित्व (किससे), समस्या (हम किस दर्द का समाधान कर रहे हैं), मूल्य प्रस्ताव (हम क्यों), विभेदक (हम प्रतिस्पर्धा से कैसे भिन्न हैं), और ब्रांड टोन (हम कैसे बोलते हैं)। यदि ये पांच गायब हैं, तो मॉडल सामान्य विपणन क्लिच के साथ अंतराल भरता है और आउटपुट हर किसी के समान होता है।

चरण दर चरण एक पेजर उत्पादन

1. इनपुट सेट एकत्रित करें. व्यक्तित्व, समस्या, मूल्य प्रस्ताव, विभेदक, ब्रांड टोन।
2. उद्देश्य बताएं. एक पेजर, डेक ड्राफ्ट, केस स्टडी? प्रारूप अलग है.
3. मॉडल तैयार करवाएं. संरचित संक्षिप्त विवरण दीजिए।
4. संख्याओं को सत्यापित करें. वास्तविक डेटा के साथ सामग्री में उल्लिखित प्रत्येक मीट्रिक (आरओआई, अवधि, ग्राहकों की संख्या) की पुष्टि करें।
5. इसे ब्रांड टोन में फिट करें. मॉडल की भाषा को अपने कॉर्पोरेट वॉयस गाइड में शामिल करें।
6. मानव अनुमोदन. प्रकाशन से पहले एक इंसान इसकी समीक्षा करेगा।

प्रतिलिपि योग्य संकेत: एक पेजर

एक पेजर ड्राफ्ट तैयार करें। इनपुट:- व्यक्तित्व: {{target_persona}}- समस्या जो हमने हल की: {{problem}}- मूल्य प्रस्ताव: {{value_recommendation}}- विभेदक: {{विभेदक}}- ब्रांड टोन: {{ब्रांड_टोन}}संरचना: (1) आकर्षक शीर्षक, (2) समस्या विवरण, (3) हमारा समाधान, (4) 3 लाभ वस्तुएं, (5) सामाजिक प्रमाण स्थान, (6) एकल नेट सीटीए.नियम: ठोस आंकड़े न बनाएं या ग्राहक का दावा। जहां संख्या आवश्यक है वहां "[सत्यापित करने के लिए मीट्रिक]" प्लेसहोल्डर रखें। अपने ब्रांड टोन के प्रति सच्चे रहें।

प्रतिलिपि योग्य संकेत: केस अध्ययन रूपरेखा

निम्नलिखित ग्राहक जानकारी से एक केस अध्ययन ढांचा तैयार करें: - ग्राहक प्रोफ़ाइल: {{ग्राहक}} - प्रारंभिक समस्या: {{समस्या}} - समाधान कार्यान्वित: {{समाधान}} - परिणाम: {{परिणाम}} संरचना: चुनौती -> समाधान -> निष्कर्ष। परिणाम अनुभाग में प्रत्येक नंबर को "[स्रोत/सत्यापन आवश्यक]" टैग से चिह्नित करें। ऐसा कोई भी दावा न लिखें जिसे ग्राहक स्वीकार नहीं करता हो जैसे कि यह निश्चित हो।

कमजोर संक्षिप्त/मजबूत संक्षिप्त

कमजोर: "हमारे उत्पाद के लिए एक पेजर लिखें।" परिणाम: एक पाठ जो सामान्य है, घिसी-पिटी बातों से भरा है, यह स्पष्ट नहीं है कि इसे किसे संबोधित किया गया है, इसमें मनगढ़ंत आंकड़े हो सकते हैं, और यह हर किसी के जैसा दिखता है।

गुलालू:"व्यक्तित्व: 500 लोगों वाली एक विनिर्माण कंपनी का संचालन प्रबंधक। समस्या: मैन्युअल शिफ्ट योजना की लागत सप्ताह में 6 घंटे होती है। मूल्य प्रस्ताव: हम योजना को स्वचालित करते हैं और त्रुटि दर को कम करते हैं। विभेदक: स्थानीय कानून के अनुरूप, 2 सप्ताह में कमीशनिंग। स्वर: सरल, भरोसेमंद, संक्षिप्त। जहां संख्या की आवश्यकता है वहां एक प्लेसहोल्डर रखें, इसे बनाएं। "परिणाम: एक मसौदा जो लक्ष्य पर है, सत्यापन योग्य है, के लिए उपयुक्त है ब्रांड.

मिनी केस: आशावादी पूर्वानुमान को ठीक करना

एक सॉफ्टवेयर टीम में, बिक्री प्रबंधक के पास कृत्रिम बुद्धिमत्ता द्वारा पाइपलाइन का विश्लेषण होता है। यह मॉडल तिमाही के लिए एक उज्ज्वल पूर्वानुमान प्रस्तुत करता है। प्रबंधक यूनिट में नियम का पालन करते हुए, मॉडल से भारित कुल के डील-डील ब्रेकडाउन का अनुरोध करता है। जैसे ही वह प्रतिलेख की जांच करता है, उसे दो बातें नजर आती हैं: मॉडल ने एक बड़े सौदे की 90 प्रतिशत संभावना गिनाई जो साठ दिनों से "अनुबंध" चरण में अटका हुआ है, जबकि वास्तव में वह सौदा जोखिम में है; इसके अतिरिक्त, एक ही ग्राहक के दो रिकॉर्ड गलती से दो बार एकत्र किए गए थे। समायोजित पूर्वानुमान पहले आंकड़े से काफी नीचे है। प्रबंधक इस यथार्थवादी आंकड़े के साथ वरिष्ठ प्रबंधन के पास जाता है और अनावश्यक नियुक्ति निर्णय को स्थगित कर देता है। मॉडल ख़राब नहीं था; इसे बस सत्यापित करने की आवश्यकता है।

युक्ति: सामग्री निर्माण में, मॉडल को कभी भी आंकड़े "बनाने" के लिए न कहें, बल्कि एक प्लेसहोल्डर छोड़ने के लिए कहें। "[सत्यापित करने के लिए मीट्रिक]" टैग सुरक्षित स्थान हैं जो बाद में वास्तविक डेटा से भरे जाने की प्रतीक्षा करते हैं, जो बने-बनाए आंकड़ों को ग्राहक तक पहुंचने से रोकते हैं।

सामान्य गलतियाँ

• बिना किसी सवाल के पूर्वानुमान के आंकड़े को स्वीकार करना। मान्यताओं और सूत्र को देखे बिना कोई भी अनुमान प्रस्तुत न करें।
• मॉडल के अंकगणित पर भरोसा करना। बहु-पंक्ति तालिकाओं में एकत्रीकरण त्रुटियाँ होती हैं; कम से कम एक मीट्रिक मैन्युअल रूप से जांचें.
• एक कमज़ोर संक्षिप्त विवरण के साथ सामग्री का अनुरोध करना। यदि कोई व्यक्तित्व और विभेदक नहीं है, तो आउटपुट घिसा-पिटा होगा।
• मनगढ़ंत आँकड़े प्रकाशित करना। मॉडल द्वारा उत्पादित आरओआई और ग्राहक आंकड़ों को सत्यापित किए बिना एक पेजर पर डालने से ब्रांड के भरोसे को नुकसान पहुंचता है।
• मानवीय अनुमोदन को दरकिनार करना। कोई भी बिक्री सामग्री मानवीय समीक्षा के बिना लाइव नहीं होनी चाहिए।

संक्षेप में

• पाइपलाइन विश्लेषण "कितना काम है" के बजाय "यह काम कितना स्वस्थ है" पूछता है; स्टेज वितरण, क्लॉगिंग और जीत दर महत्वपूर्ण हैं।
• पूर्वानुमान एक गणना है, तथ्य नहीं; मॉडल से उसकी धारणाएं और सूत्र पूछें और उन्हें मैन्युअल रूप से सत्यापित करें।
• एक अच्छी सामग्री संक्षिप्त में पाँच घटक शामिल होते हैं: व्यक्तित्व, समस्या, मूल्य प्रस्ताव, विभेदक, ब्रांड टोन।
• एक पेजर, डेक और केस स्टडी में संख्याएँ न बनाएँ; एक प्लेसहोल्डर छोड़ें और उसे वास्तविक डेटा से भरें।
• इसे ब्रांड टोन में फिट करें और लाइव होने से पहले मानवीय अनुमोदन प्राप्त करना सुनिश्चित करें।

आवेदन कार्य

अपने स्वयं के पाइपलाइन डेटा (अनाम) से 10-15 लाइनों का एक नमूना लें और "पाइपलाइन विश्लेषण" प्रॉम्प्ट चलाएँ। फॉर्मूला ब्रेकडाउन का अनुरोध करके मॉडल द्वारा दी गई जीत दर और भारित पूर्वानुमान को मैन्युअल रूप से सत्यापित करें; कम से कम एक गलती या संदिग्ध धारणा खोजने का प्रयास करें। फिर वास्तविक ग्राहक सफलता के लिए इनपुट के एक मजबूत सेट के साथ "वन-पेजर" प्रॉम्प्ट चलाएँ। आउटपुट में प्रत्येक प्लेसहोल्डर को वास्तविक, सत्यापित डेटा से भरें और टेक्स्ट को अपने ब्रांड टोन के अनुरूप बनाएं। अंतिम संस्करण इस गुणवत्ता का होना चाहिए कि जब किसी सहकर्मी को दिखाया जाए तो वे कहें "यह हमारी आवाज़ है"।

मॉड्यूल परीक्षा

1. बिक्री में एआई का उपयोग करते समय, निम्नलिखित में से किस निर्णय की अंतिम जिम्मेदारी हमेशा मानव विक्रेता की होनी चाहिए?

• ए) ग्राहक को बताई गई बाध्यकारी कीमतों और प्रतिबद्धताओं की सटीकता ✔
• बी) ईमेल ड्राफ्ट का पहला संस्करण बनाना
• सी) मीटिंग नोट्स को आइटमों में अलग करना
• डी) विषय पंक्ति के लिए तीन विकल्प सुझाएं

विवरण: एआई ड्राफ्ट, अनुसंधान और सारांश तैयार कर सकता है; हालाँकि, मूल्य प्रतिबद्धता, अनुबंध की स्थिति और ग्राहक से औपचारिक वादे जैसे बाध्यकारी निर्णयों की सटीकता और नैतिकता के लिए मनुष्य जिम्मेदार हैं। ये निर्णय बिना सत्यापन प्रस्तुत नहीं किये जाने चाहिए।

2. BANT ढाँचे में लीड की योग्यता के लिए प्रयुक्त अक्षर 'A' का क्या अर्थ है?

• ए) विश्लेषिकी
• बी) प्राधिकरण (क्रय प्राधिकारी) ✔
• सी) खाता (खाता आकार)
• डी) गोद लेना

विवरण: टेप; इसमें बजट (बजट), अथॉरिटी (अधिकार), नीड (जरूरत) और टाइमलाइन (समयरेखा) शब्द शामिल हैं। 'ए' उस व्यक्ति को संदर्भित करता है जिसके पास क्रय निर्णय में अधिकार (प्राधिकरण) है।

3. एआई-जनरेटेड कोल्ड ईमेल के स्पैम फ़ोल्डर में समाप्त होने और परिवर्तित न होने की संभावना क्यों है?

• ए) क्योंकि यह बहुत छोटा है
• बी) क्योंकि इसमें प्रश्न चिन्ह लगा हुआ है
• सी) क्योंकि यह गैर-वैयक्तिकृत, सामान्य और खरीदार के लिए अप्रासंगिक है ✔
• डी) क्योंकि यह प्राप्तकर्ता के नाम से शुरू होता है

स्पष्टीकरण: थोक ई-मेल जो गैर-वैयक्तिकृत, सामान्य और प्राप्तकर्ता के लिए अप्रासंगिक हैं, दोनों स्पैम फ़िल्टर को ट्रिगर करते हैं और प्राप्तकर्ता में मूल्य की धारणा पैदा नहीं करते हैं। प्रभावी कोल्ड ईमेल में प्राप्तकर्ता के लिए विशिष्ट ट्रिगर इवेंट और एक स्पष्ट मूल्य प्रस्ताव शामिल होता है।

4. एक ग्राहक के लिए प्रस्ताव तैयार करते समय, आपने एआई से 'उद्योग में 300% उत्पादकता वृद्धि की गारंटी' वाक्यांश देखा। सबसे सही व्यवहार कौन सा है?

• ए) इसे वैसे ही छोड़ दें क्योंकि यह प्रभावशाली है
• बी) संख्या को और भी बढ़ाएँ और 500% लिखें
• सी) इसे बड़े फ़ॉन्ट में प्रस्ताव के शीर्ष पर ले जाएं
• डी) दावे को सत्यापन योग्य, यथार्थवादी और स्रोत वाले बयान से बदलना ✔

स्पष्टीकरण: अप्रमाणित, अतिरंजित और गारंटीशुदा दावे अनैतिक हैं और कानूनी जोखिम पैदा करते हैं। कथन को या तो हटा दिया जाना चाहिए या ठोस, स्रोत-विशिष्ट और यथार्थवादी सीमा के भीतर प्रतिस्थापित किया जाना चाहिए।

5. वैयक्तिकृत अनुवर्ती अनुक्रम को डिज़ाइन करते समय निम्नलिखित में से कौन सा सर्वोत्तम अभ्यास है?

• ए) प्रत्येक अनुवर्ती के साथ नए मूल्य, अंतर्दृष्टि या संसाधन प्रदान करना ✔
• बी) हर संदेश में वही 'बस जाँच रहा हूँ' वाक्य दोहराना
• C) एक ही ईमेल को दिन में दो बार भेजना
• डी) यदि पहली प्रतिक्रिया प्राप्त नहीं होती है, तो पूरी श्रृंखला रद्द कर दी जाएगी

स्पष्टीकरण: एक अच्छा अनुवर्ती थ्रेड प्रत्येक संदेश के साथ नया मूल्य (सामग्री, उदाहरण, अंतर्दृष्टि) प्रदान करता है और केवल 'केवल जाँच' नहीं कहता है। प्रत्येक टचप्वाइंट को खरीदार को एक कारण देना चाहिए।

6. एक ग्राहक ने आपत्ति जताई 'आपकी कीमत बहुत ज्यादा है'. सबसे प्रभावी AI-संचालित दृष्टिकोण कौन सा है?

• ए) तुरंत छूट की पेशकश
• बी) आपत्ति की जड़ को समझें और इसे मूल्य और आरओआई ✔ के संदर्भ में दोबारा परिभाषित करें
• C) ग्राहक से बहस करना और यह कहना कि वह गलत है
• डी) विषय को बंद करें और दूसरे उत्पाद पर आगे बढ़ें

स्पष्टीकरण: प्रभावी आपत्ति प्रतिकार के लिए पहले आपत्ति को समझना (चाहे वह कीमत या मूल्य धारणा हो) और फिर इसे आरओआई/मूल्य के संदर्भ में तैयार करना आवश्यक है। छूट देने से तुरंत मूल्य कम हो जाता है।

7. आपने एआई को बिक्री कॉल की प्रतिलिपि दी और एक सीआरएम नोट बनाया। नोट में सबसे महत्वपूर्ण क्षेत्र कौन सा है?

• ए) बातचीत कितने मिनट तक चली?
• बी) प्रतिभागी किस शहर से जुड़े हैं
• सी) ज्ञात स्वामी और दिनांक ✔ के साथ अगला चरण साफ़ करें
• डी) इंटरव्यू के दौरान कितनी बार हंसी उड़ाई गई?

विवरण: सीआरएम नोट का परिचालन मूल्य नेट मालिक और तारीख के साथ 'अगले चरण' फ़ील्ड में है। यदि अगला चरण अस्पष्ट है, तो अवसर पाइपलाइन में रुक जाता है और खो जाता है।

8. एआई के साथ प्रतिद्वंद्वी बैटलकार्ड तैयार करते समय सबसे महत्वपूर्ण सत्यापन अनुशासन क्या है?

• ए) एआई पर सीधे भरोसा करना क्योंकि यह सबसे अद्यतित मॉडल का उपयोग करता है
• बी) प्रतिस्पर्धी जानकारी को बढ़ा-चढ़ाकर पेश करके अपने स्वयं के उत्पाद को उजागर करना
• सी) तालिका में केवल प्रतिद्वंद्वी का लोगो जोड़ना
• डी) अद्यतन और विश्वसनीय स्रोतों के साथ प्रतिस्पर्धी दावों की पुष्टि करना ✔

स्पष्टीकरण: एआई प्रतिस्पर्धियों के बारे में पुरानी या भ्रामक कीमत, सुविधाएँ और ग्राहक जानकारी उत्पन्न कर सकता है। बैटलकार्ड पर प्रत्येक प्रतियोगी के दावे को बिक्री के लिए जाने से पहले एक अद्यतन और विश्वसनीय स्रोत से सत्यापित किया जाना चाहिए।

9. आपने एआई से पाइपलाइन डेटा का विश्लेषण करवाया और कहा कि 'इस तिमाही में 120% लक्ष्य हासिल कर लिया जाएगा।' आपको इस भविष्यवाणी को कैसे संभालना चाहिए?

• ए) सीधे प्रबंधन को रिपोर्ट करना
• बी) संख्या को 150% तक पूर्णांकित करें
• सी) मान्यताओं को मान्य करना, संभावनाओं को बंद करना और वास्तविक डेटा के साथ गणना करना ✔
• डी) भविष्यवाणी को पूरी तरह से नजरअंदाज करना।

विवरण: एआई की संख्यात्मक भविष्यवाणियां इनपुट डेटा और मान्यताओं की गुणवत्ता पर निर्भर करती हैं; आंख मूंदकर स्वीकार नहीं करना चाहिए. गणना तर्क, समापन संभावनाओं और मान्यताओं की जांच की जानी चाहिए और वास्तविक डेटा के साथ क्रॉस-सत्यापन किया जाना चाहिए।

10. एक पेजर बनाते समय एआई को देने के लिए इनपुट का सबसे अच्छा सेट क्या है?

• ए) लक्ष्य व्यक्तित्व, ठोस समस्या, मूल्य प्रस्ताव, विभेदक और ब्रांड टोन ✔
• बी) बस कहें 'हमारे उत्पाद के लिए एक पेजर लिखें'
• सी) केवल कंपनी की स्थापना का वर्ष
• डी) प्रतिस्पर्धियों की मूल्य सूची

विवरण: एआई के लिए गुणवत्तापूर्ण आउटपुट देने के लिए, लक्ष्य व्यक्तित्व, ठोस समस्या का समाधान, मूल्य प्रस्ताव, विभेदक और ब्रांड टोन जैसे संदर्भ दिए जाने चाहिए। संदर्भ रहित अनुरोध जैसे 'हमें एक पेजर लिखें' सामान्य आउटपुट उत्पन्न करता है।