Predviđanje prodaje, analiza cjevovoda i produkcija prodajnog sadržaja

Dobici:

• Sposobnost analize podataka o cjevovodu pomoću umjetne inteligencije i stvaranja komentara predviđanja
• Sposobnost brze izrade prodajnog sadržaja kao što je jednostranica, prezentacija i studija slučaja
• Sposobnost finaliziranja AI izlaza s numeričkom provjerom i tonom marke

Kako se približava kraj tromjesečja, pitanje vođe prodaje uvijek je isto: "Možemo li zatvoriti ovo tromjesečje?" Odgovor na ovo pitanje nije osjećaj, on je skriven u vašem cjevovodu. Ali sirovi podaci o cjevovodu neuredna su tablica s redovima i redovima poslova, faza, iznosa i datuma; Potrebno je vrijeme da se vidi unutrašnja priča. Umjetna inteligencija može pročitati ovu tablicu i izdvojiti distribuciju faza, blokade, trend stope dobitka i interpretaciju prognoze u roku od nekoliko minuta. Ista umjetna inteligencija također brzo proizvodi jednu stranicu, nacrt prezentacije ili studiju slučaja koja opisuje dobiveni posao. Međutim, glavna poruka ove jedinice je sljedeća: nemojte slijepo prihvaćati nijedan broj ili rečenicu koju je proizvela umjetna inteligencija. Model analizira, vi provjeravate.

Analiza cjevovoda: od podataka do uvida

Pipeline analiza nastoji odgovoriti na pitanje "koliko je zdrav ovaj posao", a ne "koliko ima posla?" Ključne metrike koje treba pogledati:

metrički

što kaže

znak upozorenja

Distribucija pozornica

U kojoj su fazi poslovi složeni?

Većina ranih faza = loša prognoza

Zapeli poslovi

Prilike kojih već dugo nema napretka

60+ dana u istoj fazi

stopa pobjede

Pobjede / ukupno zatvoreno

Silazni trend = procesni problem

vjerojatnost zatvaranja

Ponderirana prognoza po fazama

Previše optimistični utezi

Prosječna veličina posla

Trend veličine mogućnosti

Smanjenje = krivi segment

Upit koji se može kopirati: analiza cjevovoda

Vi ste analitičar prodajnih operacija. Analizirajte podatke o cjevovodu u nastavku. Podaci: svaki red je prilika; Stupci: naziv posla, faza, iznos, datum ulaska u fazu, procjena zatvaranja. Izlaz:1. Distribucija faza (broj prilika i ukupni iznos u svakoj fazi)2. Blokirane prilike (one koje ostaju u istoj fazi dulje od {{day}} dana)3. Izračun stope dobitaka (na temelju sklopljenih poslova)4. Sažetak rizika: 3 prilike koje prijete prognozi i zaštoPravilo: Koristite samo brojeve u podacima. Pokažite mi formulu za svaku metriku koju izračunate kako bih je mogao provjeriti. Predviđanje vrijednosti koja nije u podacima; Ako nedostaje, napišite "podaci nedostaju". Podaci:{{pipeline_verisi}}

Interpretacija prognoze i numerička verifikacija

Umjetna inteligencija može vam reći "ovo će tromjesečje završiti s 2,4 milijuna TL". Ova rečenica zvuči precizno, ali postoje temeljne pretpostavke: koje su mogućnosti zatvaranja korištene? Koje ponude su uključene? Je li model napravio pogrešku pri sabiranju? Način provjere numeričkog izlaza je izričito pitati model za njegove pretpostavke i formulu. Zatim ručno provjerite barem jednu metriku: na primjer, sami dodajte ponderirani iznos tri ponude i usporedite ga s rezultatom modela. Modeli mogu činiti pogreške u aritmetici, posebno u tablicama s više redaka.

Opravdajte gornju prognozu u sljedećem formatu: - Pretpostavke o vjerojatnosti zatvaranja koje ste koristili (po stupnju) - Ponude koje ste uključili i isključili + zašto - Jasna raščlamba vašeg ponderiranog ukupnog izračuna (posao posla) Moram biti u mogućnosti provjeriti ne rezultirajući broj, već kako ste došli do njega.

Pažnja: Cifra prognoze koju proizvodi AI izračun je, a ne činjenica, i u potpunosti ovisi o unosu i pretpostavkama. Model može koristiti pogrešnu težinu vjerojatnosti, netočno dodati retke ili dvostruko računati dogovor. Ručno provjerite barem jednu metriku i učinite pretpostavke vidljivima prije nego što broj predstavite upravi. Neprovjerena prognoza dovodi do pogrešnog planiranja resursa.

Proizvodnja prodajnog sadržaja: dobar skup inputa

Kvaliteta umjetne inteligencije kao one-pagera, špila ili studije slučaja u potpunosti ovisi o inputu koji date. Dobar sažetak sadržaja uključuje ovih pet komponenti: osoba (kome), problem (koju bol rješavamo), prijedlog vrijednosti (zašto mi), diferencijatori (kako se razlikujemo od konkurencije) i ton marke (kako govorimo). Ako ovih pet nedostaje, model popunjava praznine generičkim marketinškim klišejima i rezultat je sličan kao kod svih ostalih.

Proizvodnja na jednoj stranici korak po korak

1. Prikupite ulazni set. Osoba, problem, prijedlog vrijednosti, diferencijatori, ton marke.
2. Navedite svrhu. Jedna stranica, nacrt špila, studija slučaja? Format je drugačiji.
3. Daj model u izradu. Dajte strukturirani sažetak.
4. Provjerite brojeve. Potvrdite svaku metriku (ROI, trajanje, broj kupaca) spomenutu u sadržaju stvarnim podacima.
5. Uklopite ga u ton marke. Povucite jezik modela u svoj korporativni glasovni vodič.
6. Ljudsko odobrenje. Čovjek će ga pregledati prije objavljivanja.

Upit koji se može kopirati: jedna stranica

Napravite nacrt na jednoj stranici. Unosi:- Persona: {{target_persona}}- Problem koji smo riješili: {{problem}}- Prijedlog vrijednosti: {{value_recommendation}}- Diferencijatori: {{differentiators}}- Ton robne marke: {{brand_tone}}Struktura: (1) upečatljiv naslov, (2) izjava o problemu, (3) naše rješenje, (4) 3 pogodnosti, (5) društvena pitanja dokazno mjesto, (6) jedna mreža CTA. Pravilo: Ne izmišljajte konkretne brojke ili tvrdnje kupaca. Postavite rezervirano mjesto "[mjerni podatak za provjeru]" gdje je potreban broj. Ostanite vjerni tonu svoje marke.

Uputa za kopiranje: okvir studije slučaja

Generirajte kostur studije slučaja iz sljedećih podataka o korisniku: - Profil korisnika: {{customer}} - Početni problem: {{problem}} - Implementirano rješenje: {{solution}} - Rezultati: {{results}}Struktura: Izazov -> Rješenje -> Zaključak. Označite svaki broj u odjeljku s rezultatima oznakom "[potreban izvor/potvrda]". Tvrdnju s kojom se kupac ne slaže nemojte pisati kao da je sigurna.

Slab sažetak / Jak sažetak

SLABO: "Napišite jednu stranicu za naš proizvod." Rezultat: Tekst koji je generički, pun klišeja, nejasno kome je upućen, može sadržavati izmišljene figure i izgleda kao svi ostali.

GÜÇLÜ: "Osoba: Operativni upravitelj proizvodne tvrtke s 500 ljudi. Problem: ručno planiranje smjene košta 6 sati tjedno. Prijedlog vrijednosti: automatiziramo planiranje i smanjujemo stopu pogreške. Razlika: u skladu s lokalnim zakonodavstvom, puštanje u rad za 2 tjedna. Ton: jednostavan, pouzdan, podcijenjen. Stavite rezervirano mjesto gdje je potreban broj, nadoknadite ga." Rezultat: Nacrt koji je na meti, provjerljivo, primjereno brendu.

Mali slučaj: popravljanje optimistične prognoze

U softverskom timu, voditelj prodaje ima cjevovod koji analizira umjetna inteligencija. Model daje sjajnu prognozu za tromjesečje. Upravitelj zahtijeva raščlambu ponderiranog ukupnog iznosa iz modela, slijedeći pravilo u jedinici. Dok ispituje transkript, primjećuje dvije stvari: model je izračunao 90 posto vjerojatnosti velikog posla koji je zapeo u fazi "ugovora" šezdeset dana, dok je taj posao zapravo u opasnosti; Dodatno, dva zapisa za istog kupca slučajno su prikupljena dva puta. Korigirana prognoza znatno je ispod prve brojke. Upravitelj odlazi višem menadžmentu s tom realnom brojkom i odgađa nepotrebnu odluku o zapošljavanju. Model nije bio loš; samo je trebalo provjeriti.

Savjet: u stvaranju sadržaja nikada ne tražite od modela da "stvori" figure, već da ostavite rezervirano mjesto. Oznake "[metric to verify]" sigurni su prostori koji čekaju da se kasnije popune stvarnim podacima, sprječavajući da izmišljena statistika dođe do korisnika.

Uobičajene greške

• Prihvaćanje prognoze bez pitanja. Nemojte podnositi nikakve procjene bez uvida u pretpostavke i formulu.
• Vjerovanje aritmetici modela. Pogreške agregacije javljaju se u tablicama s više redaka; Ručno provjerite barem jednu metriku.
• Traženje sadržaja sa slabim briefom. Ako ne postoji persona i diferencijator, rezultat će biti klišej.
• Objavljivanje izmišljene statistike. Stavljanje ROI-a i brojki kupaca koje je proizveo model na jednu stranicu bez provjere šteti povjerenju u marku.
• Zaobilazeći ljudsko odobrenje. Nijedan prodajni sadržaj ne bi trebao biti objavljen bez ljudskog pregleda.

Ukratko

• Pipeline analiza postavlja pitanje "koliko je zdrav ovaj posao" umjesto "koliko ima posla"; Distribucija pozornice, začepljenje i stopa pobjede su kritični.
• Prognoza je izračun, a ne činjenica; Zatražite od modela njegove pretpostavke i formulu i provjerite ih ručno.
• Dobar sažetak sadržaja uključuje pet komponenti: osobnost, problem, prijedlog vrijednosti, razlike, ton marke.
• Nemojte izmišljati brojeve u jednoj stranici, špilu i studiji slučaja; Ostavite rezervirano mjesto i ispunite ga stvarnim podacima.
• Uklopite ga u ton brenda i svakako dobijete ljudsko odobrenje prije nego što ga objavite.

Zadatak aplikacije

Uzmite uzorak od 10-15 redaka iz vlastitih podataka o cjevovodu (anonimiziranih) i pokrenite upit "analiza cjevovoda". Ručno provjerite stopu pobjede i ponderiranu prognozu koju je dao model traženjem analize formule; Pokušajte pronaći barem jednu pogrešku ili upitnu pretpostavku. Zatim pokrenite upit "one-pager" s jakim skupom unosa za pravi uspjeh korisnika. Ispunite svako rezervirano mjesto u ispisu stvarnim, provjerenim podacima i prilagodite tekst tonu svoje marke. Konačna verzija bi trebala biti takve kvalitete da bi, kad bi je pokazali kolegi, rekli "ovo je naš glas".

Modul ispit

1. Kada koristite AI u prodaji, krajnja odgovornost za koje od sljedećih odluka uvijek treba ostati na prodavaču?

• A) Točnost obvezujućih cijena i obveza priopćenih kupcu ✔
• B) Stvaranje prve verzije nacrta e-pošte
• C) Odvajanje bilješki sa sastanka u stavke
• D) Predložite tri alternative za predmet

Opis: AI može proizvesti nacrte, istraživanja i sažetke; Međutim, ljudi su odgovorni za točnost i etičnost obvezujućih odluka kao što su cjenovna obveza, ugovorni uvjeti i službena obećanja kupcu. Te se odluke ne smiju podnositi bez provjere.

2. Što znači slovo 'A' u okviru BANT koji se koristi za kvalificiranje glavnog klijenta?

• A) Analitika
• B) Tijelo (tijelo za nabavu) ✔
• C) Račun (veličina računa)
• D) Posvojenje

Opis: TRAKA; Sastoji se od riječi Budget (proračun), Authority (ovlast), Need (potreba) i Timeline (vremenska linija). 'A' se odnosi na osobu koja ima ovlast (ovlast) u donošenju odluke o kupnji.

3. Zašto će hladna e-pošta generirana umjetnom inteligencijom vjerojatno završiti u mapi neželjene pošte i neće se pretvoriti?

• A) Zato što je prekratak
• B) Zato što sadrži upitnik
• C) Zato što je nepersonaliziran, generički i irelevantan za kupca ✔
• D) Zato što počinje imenom primatelja

Objašnjenje: Skupne e-poruke koje nisu personalizirane, generičke i irelevantne za primatelja pokreću filtre neželjene pošte i ne stvaraju percepciju vrijednosti kod primatelja. Učinkovita hladna e-pošta uključuje događaj okidač specifičan za primatelja i jasnu ponudu vrijednosti.

4. Dok ste pripremali ponudu za klijenta, vidjeli ste izraz '300% povećanje produktivnosti zajamčeno u industriji' iz AI-ja. Koje je najispravnije ponašanje?

• A) Ostavite kako jest jer je impresivno
• B) Još više povećajte broj i napišite 500%
• C) Premjestite ga na vrh prijedloga velikim fontom
• D) Zamjena tvrdnje provjerljivom, realnom izjavom s izvorima ✔

Objašnjenje: Neprovjerljive, pretjerane i zajamčene tvrdnje su neetične i stvaraju pravne rizike. Izjavu treba ili ukloniti ili zamijeniti unutar konkretnog, izvorno specifičnog i realnog raspona.

5. Što je od sljedećeg najbolja praksa pri dizajniranju personaliziranog slijeda praćenja?

• A) Pružanje nove vrijednosti, uvida ili resursa sa svakim praćenjem ✔
• B) Ponavljanje iste rečenice 'samo provjeravam' u svakoj poruci
• C) Slanje iste e-pošte dva puta dnevno
• D) Ako se ne primi prvi odgovor, poništava se cijela serija

Objašnjenje: Dobra nit za praćenje nudi novu vrijednost (sadržaj, primjer, uvid) sa svakom porukom i ne kaže samo 'samo provjeravam'. Svaka dodirna točka trebala bi kupcu dati razlog.

6. Kupac je izrazio prigovor 'Vaša cijena je previsoka'. Koji je najučinkovitiji pristup utemeljen na umjetnoj inteligenciji?

• A) Odmah ponuditi popust
• B) Shvatite korijen prigovora i preoblikujte ga u smislu vrijednosti i ROI ✔
• C) Svađanje s kupcem i govorenje da nije u pravu
• D) Zatvorite temu i prijeđite na drugi proizvod

Objašnjenje: Učinkovito suzbijanje prigovora zahtijeva najprije razumijevanje prigovora (bilo da se radi o cijeni ili percepciji vrijednosti), a zatim ga uokviriti u smislu ROI/vrijednosti. Ponuda popusta odmah smanjuje vrijednost.

7. Dali ste prijepis prodajnog poziva AI-ju i stvorili CRM bilješku. Koje je najkritičnije područje u bilješci?

• A) Koliko je minuta trajao razgovor?
• B) Iz kojeg grada su se sudionici povezali
• C) Očistite sljedeći korak s poznatim vlasnikom i datumom ✔
• D) Koliko su vam se puta nasmijali tijekom intervjua?

Opis: Operativna vrijednost CRM bilješke nalazi se u polju 'sljedeći korak' s neto vlasnikom i datumom. Ako je sljedeći korak nejasan, prilika stagnira u planu i gubi se.

8. Koja je najvažnija verifikacijska disciplina kada se priprema borbena karta protivnika s AI?

• A) Izravno povjerenje u umjetnu inteligenciju jer koristi najsuvremeniji model
• B) Isticanje vlastitog proizvoda preuveličavanjem podataka o konkurenciji
• C) Dodavanje samo protivničkog loga na stol
• D) Potvrđivanje tvrdnji konkurenata s ažuriranim i pouzdanim izvorima ✔

Objašnjenje: AI može proizvesti zastarjele ili halucinirane informacije o cijenama, značajkama i kupcima o konkurentima. Svaka tvrdnja natjecatelja na Battlecardu mora biti potvrđena s ažurnim i pouzdanim izvorom prije nego što se stavi na prodaju.

9. Dali ste umjetnoj inteligenciji da analizira podatke iz Pipelinea i kaže '120% cilja bit će postignuto u ovom kvartalu'. Kako biste se trebali ponašati prema ovom predviđanju?

• A) Izvještavanje izravno menadžmentu
• B) Zaokružite broj na 150%
• C) Provjera pretpostavki, završnih vjerojatnosti i izračuna sa stvarnim podacima ✔
• D) Potpuno ignoriranje predviđanja.

Opis: Numerička predviđanja umjetne inteligencije ovise o kvaliteti ulaznih podataka i pretpostavki; ne treba prihvatiti slijepo. Logiku izračuna, vjerojatnosti zatvaranja i pretpostavke treba provjeriti i unakrsno potvrditi sa stvarnim podacima.

10. Koji je najbolji skup inputa za AI kada se proizvodi jednostranica?

• A) Ciljana osoba, konkretan problem, prijedlog vrijednosti, diferencijatori i ton marke ✔
• B) Samo recite "napišite jednu stranicu za naš proizvod"
• C) Samo godina osnivanja tvrtke
• D) Cjenik konkurenata

Opis: Da bi umjetna inteligencija proizvela kvalitetne rezultate, mora se dati kontekst kao što je ciljna osoba, konkretan riješen problem, prijedlog vrijednosti, razlikovni elementi i ton marke. Zahtjev bez konteksta kao što je 'Napišite nam jednu stranicu' proizvodi generički izlaz.