Previsioni di vendita, analisi della pipeline e produzione di contenuti di vendita

Guadagni:

• Capacità di analizzare i dati della pipeline con l'intelligenza artificiale e creare commenti sulle previsioni
• Capacità di produrre rapidamente contenuti di vendita come pagine singole, presentazioni e case study
• Capacità di finalizzare l'output dell'intelligenza artificiale con verifica numerica e tono del marchio

Con l'avvicinarsi della fine del trimestre, la domanda del responsabile delle vendite è sempre la stessa: "Possiamo chiudere questo trimestre?" La risposta a questa domanda non è un sentimento, è nascosta nella tua pipeline. Ma i dati grezzi della pipeline sono una tabella disordinata con righe e righe di trattative, fasi, importi e date; Ci vuole tempo per vedere la storia dentro. L'intelligenza artificiale può leggere questa tabella ed estrarre la distribuzione delle fasi, i blocchi, l'andamento del tasso di vincita e l'interpretazione delle previsioni in pochi minuti. La stessa intelligenza artificiale produce rapidamente anche una one-pager, una bozza di presentazione o un case study che descriva l’attività vinta. Tuttavia, il messaggio principale di questa unità è questo: non accettare ciecamente alcun numero o frase prodotta dall’intelligenza artificiale. Il modello analizza, tu verifichi.

Analisi della pipeline: dai dati agli insight

L'analisi della pipeline cerca di rispondere alla domanda "quanto è salutare questo lavoro" piuttosto che "quanto lavoro c'è?" Metriche chiave da considerare:

metrico

cosa dice

segnale di avvertimento

Distribuzione scenica

In quale fase vengono accumulate le offerte?

La maggior parte delle fasi iniziali = previsione scarsa

Offerte bloccate

Opportunità che non si concretizzavano da molto tempo

Più di 60 giorni nella stessa fase

tasso di vincita

Vittorie/totale chiuso

Tendenza al ribasso = problema di processo

probabilità di chiusura

Previsioni ponderate per fase

Pesi eccessivamente ottimistici

Dimensione media dell'affare

Andamento delle dimensioni delle opportunità

Restringimento = segmento sbagliato

Prompt copiabile: analisi della pipeline

Sei un analista delle operazioni di vendita. Analizzare i dati della pipeline di seguito. Dati: ogni riga è un'opportunità; Colonne: nome dell'affare, fase, importo, data di ingresso nella fase, stima di chiusura. Uscita:1. Distribuzione per fasi (numero di opportunità e importo totale in ciascuna fase)2. Opportunità bloccate (quelle che rimangono nella stessa fase per più di {{day}} giorni)3. Calcolo del tasso di vincita (basato sulle offerte chiuse)4. Riepilogo dei rischi: 3 opportunità che minacciano la previsione e perchéRegola: utilizzare solo i numeri nei dati. Mostrami la formula per ogni metrica calcolata in modo che possa verificarla. Prevedere un valore che non è presente nei dati; Se manca, scrivi "dati mancanti". Dati:{{pipeline_verisi}}

Interpretazione delle previsioni e verifica numerica

L'intelligenza artificiale potrebbe dirti "questo trimestre si chiuderà con 2,4 milioni di TL". Questa frase sembra precisa, ma ci sono delle ipotesi di fondo: quali possibilità di chiusura sono state utilizzate? Quali offerte sono incluse? Il modello ha commesso un errore di addizione? Il modo per verificare l'output numerico è chiedere esplicitamente al modello le sue ipotesi e la sua formula. Quindi controlla manualmente almeno una metrica: ad esempio, aggiungi tu stesso l'importo ponderato delle tre offerte e confrontalo con il risultato del modello. I modelli possono commettere errori di aritmetica, soprattutto nelle tabelle a più righe.

Giustifica la previsione di cui sopra nel seguente formato:- Ipotesi di probabilità di chiusura che hai utilizzato (per fase)- Offerte che hai incluso ed escluso + perché- Chiara suddivisione del calcolo totale ponderato (affare) Devo essere in grado di verificare non il numero risultante ma come ci sei arrivato.

Attention: The forecast figure produced by AI is a calculation, not a fact, and is completely dependent on the input and assumptions. Il modello potrebbe utilizzare un peso di probabilità errato, aggiungere righe in modo errato o contare due volte una transazione. Manually validate at least one metric and make assumptions visible before presenting the number to management. Unverified forecast leads to incorrect resource planning.

Produzione di contenuti di vendita: buon insieme di input

The quality of the AI as a one-pager, deck or case study depends entirely on the input you give. Un buon brief di contenuto include questi cinque componenti: persona (a chi), problema (quale dolore stiamo risolvendo), proposta di valore (perché noi), elementi di differenziazione (come differiamo dalla concorrenza) e tono del marchio (come parliamo). If these five are missing, the model fills in the gaps with generic marketing clichés and the output is similar to everyone else's.

Produzione di una pagina passo dopo passo

1. Raccogli il set di input. Persona, problem, value proposition, differentiators, brand tone.
2. Dichiara lo scopo. Una pagina, bozza del mazzo, case study? Il formato è diverso.
3. Far produrre il modello. Fornisci il brief strutturato.
4. Verifica i numeri Confirm every metric (ROI, duration, number of customers) mentioned in the content with real data.
5. Adattalo al tono del marchio. Inserisci la lingua del modello nella tua guida vocale aziendale.
6. Approvazione umana. Un essere umano lo esaminerà prima di pubblicarlo.

Prompt copiabile: una pagina

Produci una bozza di una pagina. Input:- Persona: {{target_persona}}- Problema risolto: {{problem}}- Proposta di valore: {{value_recommendation}}- Differenziatori: {{differentiators}}- Tono del brand: {{brand_tone}}Struttura: (1) titolo accattivante, (2) dichiarazione del problema, (3) la nostra soluzione, (4) 3 vantaggi, (5) posizione di prova sociale, (6) CTA a rete singola. Regola: fare non fabbricare cifre concrete o affermazioni dei clienti. Inserisci un segnaposto "[metrica da verificare]" dove è richiesto il numero. Rimani fedele al tono del tuo marchio.

Prompt copiabile: quadro del caso di studio

Genera uno scheletro di case study dalle seguenti informazioni sul cliente:- Profilo cliente: {{customer}}- Problema iniziale: {{problem}}- Soluzione implementata: {{solution}}- Risultati: {{results}}Struttura: Sfida -> Soluzione -> Conclusione. Contrassegna ogni numero nella sezione dei risultati con il tag "[fonte/verifica richiesta]". Non scrivere alcun reclamo che il cliente non approva come se fosse certo.

Breve debole / Breve forte

DEBOLE: "Scrivi una pagina per il nostro prodotto." Risultato: un testo generico, pieno di luoghi comuni, poco chiaro a chi è rivolto, può contenere figure inventate e assomiglia a quelle di tutti gli altri.

GÜÇLÜ:"Persona: Direttore operativo di un'azienda manifatturiera con 500 dipendenti. Problema: la pianificazione manuale dei turni costa 6 ore a settimana. Proposta di valore: automatizziamo la pianificazione e riduciamo il tasso di errore. Fattore di differenziazione: conformità con la legislazione locale, messa in servizio in 2 settimane. Tono: semplice, affidabile, discreto. Metti un segnaposto dove serve il numero, inventalo." Risultato: una bozza mirata, verificabile, adatta al marchio.

Mini caso: correggere la previsione ottimistica

In un team software, il responsabile delle vendite fa analizzare la pipeline dall'intelligenza artificiale. Il modello produce una previsione brillante per il trimestre. Il manager richiede una ripartizione deal-deal del totale ponderato dal modello, seguendo la regola dell'unità. Mentre esamina la trascrizione, nota due cose: il modello conta una probabilità del 90% che un grosso accordo sia rimasto bloccato nella fase del "contratto" per sessanta giorni, quando in realtà quell'accordo è a rischio; Inoltre, due record per lo stesso cliente sono stati raccolti accidentalmente due volte. La previsione corretta è significativamente inferiore alla prima cifra. Il manager si rivolge al senior management con questa cifra realistica e rinvia una decisione di assunzione non necessaria. Il modello non era male; era solo da verificare.

Suggerimento: nella creazione dei contenuti, non chiedere mai al modello di "creare" le figure, ma piuttosto di lasciare un segnaposto. I tag "[metrica da verificare]" sono spazi sicuri in attesa di essere successivamente riempiti con dati reali, impedendo che statistiche inventate raggiungano il cliente.

Errori comuni

• Accettare la cifra prevista senza fare domande. Non inviare stime senza vedere le ipotesi e la formula.
• Fidarsi dell'aritmetica del modello. Si verificano errori di aggregazione nelle tabelle con più righe; Controlla manualmente almeno una metrica.
• Richiesta di contenuti con un brief debole. Se non ci sono personalità e differenziatori, il risultato sarà un cliché.
• Pubblicazione di statistiche fabbricate. Mettere il ROI e i dati sui clienti prodotti dal modello su una sola pagina senza verificarlo danneggia la fiducia del marchio.
• Aggirare l'approvazione umana. Nessun contenuto di vendita dovrebbe essere pubblicato senza una revisione umana.

In sintesi

• L’analisi della pipeline si chiede “quanto è sano questo lavoro” piuttosto che “quanto lavoro c’è”; La distribuzione delle fasi, l'intasamento e la percentuale di vincita sono fondamentali.
• La previsione è un calcolo, non un fatto; Chiedi al modello le sue ipotesi e la sua formula e verificale manualmente.
• Un buon brief di contenuto comprende cinque componenti: persona, problema, proposta di valore, differenziatori, tono del marchio.
• Non inventare i numeri in una pagina, nel mazzo e nel caso di studio; Lascia un segnaposto e riempilo con dati reali.
• Adattalo al tono del marchio e assicurati di ottenere l'approvazione umana prima di andare in diretta.

Compito dell'applicazione

Prendi un campione di 10-15 righe dai dati della tua pipeline (anonimi) ed esegui il prompt "analisi della pipeline". Verificare manualmente il tasso di vincita e la previsione ponderata forniti dal modello richiedendo la suddivisione della formula; Prova a trovare almeno un errore o un presupposto discutibile. Quindi esegui il prompt "one-pager" con una serie di input efficaci per il vero successo del cliente. Compila ogni segnaposto nell'output con dati reali e verificati e personalizza il testo in base al tono del tuo marchio. La versione finale dovrebbe essere di una qualità tale che, se mostrata a un collega, direbbe "questa è la nostra voce".

Esame del modulo

1. Quando si utilizza l’intelligenza artificiale nelle vendite, la responsabilità ultima di quale delle seguenti decisioni dovrebbe sempre spettare al venditore umano?

• A) Esattezza dei prezzi vincolanti e degli impegni comunicati al cliente ✔
• B) Creazione della prima versione di una bozza di email
• C) Separare gli appunti della riunione in voci
• D) Suggerire tre alternative per l'oggetto

Descrizione: l'intelligenza artificiale può produrre bozze, ricerche e sintesi; Tuttavia, gli esseri umani sono responsabili dell’accuratezza e dell’etica delle decisioni vincolanti come l’impegno sul prezzo, le condizioni contrattuali e la promessa formale al cliente. Queste decisioni non dovrebbero essere presentate senza verifica.

2. Cosa significa la lettera "A" nel framework BANT utilizzata per qualificare un lead?

• A) Analitica
• B) Autorità (autorità acquirente) ✔
• C) Conto (dimensione del conto)
• D) Adozione

Descrizione: NASTRO; È composto dalle parole Budget (bilancio), Authority (autorità), Need (necessità) e Timeline (cronologia). "A" si riferisce alla persona che ha l'autorità (Autorità) nella decisione di acquisto.

3. Perché è probabile che un'e-mail fredda generata dall'intelligenza artificiale finisca nella cartella spam e non venga convertita?

• R) Perché è troppo corto
• B) Perché contiene un punto interrogativo
• C) Perché non personalizzato, generico e irrilevante per l'acquirente ✔
• D) Perché inizia con il nome del destinatario

Spiegazione: le e-mail in blocco non personalizzate, generiche e irrilevanti per il destinatario attivano i filtri antispam e non creano una percezione di valore nel destinatario. Un'e-mail fredda efficace include un evento trigger specifico per il destinatario e una proposta di valore chiara.

4. Mentre preparavi una proposta per un cliente, hai visto la frase "Aumento della produttività del 300% garantito nel settore" di AI. Qual è il comportamento più corretto?

• A) Lascialo così com'è perché è impressionante
• B) Aumenta ancora di più il numero e scrivi 500%
• C) Spostalo all'inizio della proposta in caratteri grandi
• D) Sostituire l'affermazione con una dichiarazione verificabile, realistica e basata su fonti ✔

Spiegazione: affermazioni non verificabili, esagerate e garantite non sono etiche e creano rischi legali. La dichiarazione dovrebbe essere rimossa o sostituita entro un intervallo concreto, specifico della fonte e realistico.

5. Quale delle seguenti è una buona pratica quando si progetta una sequenza di follow-up personalizzata?

• A) Fornire nuovo valore, intuizione o risorsa con ogni follow-up ✔
• B) Ripetere la stessa frase "solo controllo" in ogni messaggio
• C) Invio della stessa email due volte al giorno
• D) Se non si riceve la prima risposta, annullamento dell'intera serie

Spiegazione: un buon thread di follow-up offre nuovo valore (contenuti, esempi, approfondimenti) con ogni messaggio e non dice semplicemente "solo controllo". Ogni punto di contatto dovrebbe fornire una ragione all'acquirente.

6. Un cliente ha espresso l'obiezione "Il vostro prezzo è troppo alto". Qual è l’approccio più efficace basato sull’intelligenza artificiale?

• A) Offrire uno sconto immediato
• B) Comprendere la radice dell'obiezione e riformularla in termini di valore e ROI ✔
• C) Discutere con il cliente e dire che ha torto
• D) Chiudi l'argomento e passa ad un altro prodotto

Spiegazione: per contrastare efficacemente le obiezioni è necessario innanzitutto comprendere l'obiezione (sia che si tratti di percezione del prezzo o di valore) e quindi inquadrarla in termini di ROI/valore. Offrire uno sconto riduce immediatamente il valore.

7. Hai fornito la trascrizione di una chiamata di vendita ad AI e hai creato una nota CRM. Qual è l'area più critica della nota?

• A) Quanti minuti è durata la conversazione?
• B) Da quale città si sono collegati i partecipanti
• C) Cancella il passaggio successivo con il proprietario conosciuto e la data ✔
• D) Quante volte sono stati derisi durante il colloquio?

Descrizione: il valore operativo della nota CRM si trova nel campo "passaggio successivo" con il proprietario netto e la data. Se il passo successivo non è chiaro, l’opportunità ristagna e viene persa.

8. Qual è la disciplina di verifica più importante quando si prepara una carta da battaglia dell'avversario con l'IA?

• A) Affidarsi direttamente all’IA perché utilizza il modello più aggiornato
• B) Mettere in risalto il proprio prodotto esagerando le informazioni della concorrenza
• C) Aggiungere al tavolo solo il logo dell'avversario
• D) Confermare le affermazioni della concorrenza con fonti aggiornate e affidabili ✔

Spiegazione: l'intelligenza artificiale può produrre prezzi, caratteristiche e informazioni sui clienti obsoleti o allucinati sui concorrenti. Ogni reclamo di un concorrente su Battlecard deve essere verificato con una fonte aggiornata e affidabile prima di essere messo in vendita.

9. Hai fatto analizzare all'intelligenza artificiale i dati della pipeline e hai detto "il 120% dell'obiettivo sarà raggiunto questo trimestre". Come dovresti gestire questa previsione?

• A) Riportando direttamente al management
• B) Arrotondare il numero al 150%
• C) Convalidare ipotesi, probabilità di chiusura e calcoli con dati reali ✔
• D) Ignorare completamente la previsione.

Descrizione: le previsioni numeriche dell'intelligenza artificiale dipendono dalla qualità dei dati e delle ipotesi di input; non dovrebbe essere accettato ciecamente. La logica di calcolo, le probabilità di chiusura e le ipotesi dovrebbero essere verificate e convalidate in modo incrociato con dati reali.

10. Qual è il miglior insieme di input da fornire all'intelligenza artificiale quando si produce un one-pager?

• A) Target persona, problema concreto, proposta di valore, differenziatori e tono del marchio ✔
• B) Dì semplicemente "scrivi una pagina per il nostro prodotto"
• C) Solo l'anno di costituzione della società
• D) Listino prezzi dei concorrenti

Descrizione: affinché l'intelligenza artificiale produca risultati di qualità, è necessario fornire un contesto, ad esempio la persona target, il problema concreto risolto, la proposta di valore, i differenziatori e il tono del marchio. Una richiesta senza contesto come "Scrivici un one-pager" produce un output generico.