ലീഡ് റിസർച്ചും യോഗ്യതയും

നേട്ടങ്ങൾ:

• AI-യുടെ സഹായത്തോടെ അനുയോജ്യമായ ഉപഭോക്തൃ പ്രൊഫൈലും (ICP) വാങ്ങുന്നയാളുടെ വ്യക്തിത്വവും വ്യക്തമാക്കാനുള്ള കഴിവ്
• BANT, MEDDIC പോലുള്ള ചട്ടക്കൂടുകൾ ഉപയോഗിച്ച് ഘടനാപരമായ രീതിയിൽ ലീഡുകൾക്ക് യോഗ്യത നേടാനുള്ള കഴിവ്
• സ്രോതസ്സിനെതിരെ AI നിർമ്മിച്ച കമ്പനി/വ്യക്തി വിവരങ്ങൾ പരിശോധിക്കുന്നതിനുള്ള അച്ചടക്കം പ്രയോഗിക്കാനുള്ള കഴിവ്

വിൽപ്പനയിലെ ഏറ്റവും ചെലവേറിയ തെറ്റ് തെറ്റായ വ്യക്തിയോട് സംസാരിക്കുന്നതാണ്. ഒരു പ്രതിനിധി ശരിയായ ഉൽപ്പന്നം ശരിയായ സമയത്ത് തെറ്റായ ഉപഭോക്താവിന് വിശദീകരിച്ച് ആഴ്ചകൾ ചെലവഴിക്കുകയും ഒടുവിൽ "ബജറ്റ് ഇല്ല" അല്ലെങ്കിൽ "ഞാൻ തീരുമാനിക്കുന്ന ആളല്ല" എന്ന ഉത്തരം സ്വീകരിക്കുകയും ചെയ്യുന്നു. എന്നിരുന്നാലും, ആദ്യ സമ്പർക്കത്തിന് മുമ്പ് ഈ വിവരങ്ങൾ കൂടുതലായി വേർതിരിച്ചെടുക്കാൻ കഴിയും. ലീഡ് റിസർച്ചും യോഗ്യതയും അതാണ് ചെയ്യുന്നത്: യഥാർത്ഥത്തിൽ ആരാണ് നിങ്ങളുടെ ഉപഭോക്താവ്, ആരാണ് സമയം പാഴാക്കുന്നതെന്നത് നേരത്തെ തിരിച്ചറിയുക. ഈ പ്രക്രിയയുടെ എഞ്ചിനായി AI എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ഈ യൂണിറ്റിൽ നിങ്ങൾ പഠിക്കും; ഐഡിയൽ കസ്റ്റമർ പ്രൊഫൈലും (ഐസിപി) ബയർ പേഴ്‌സണസും സൃഷ്‌ടിക്കുന്നത് മുതൽ BANT, MEDDIC പോലുള്ള ചട്ടക്കൂടുകൾ ഉപയോഗിച്ച് സ്‌കോറിംഗ് ചെയ്യുന്നത് വരെ ഞങ്ങൾ ഘട്ടം ഘട്ടമായി കാണും. നമുക്ക് തുടക്കത്തിൽ ഒരു മുന്നറിയിപ്പ് നൽകാം: AI നിർമ്മിക്കുന്ന കമ്പനിയുടെയും വ്യക്തിയുടെയും വിവരങ്ങൾ സ്ഥിരീകരിക്കപ്പെടാതെ ഒരിക്കലും "യഥാർത്ഥ" ആയി കണക്കാക്കില്ല.

ഐഡിയൽ കസ്റ്റമർ പ്രൊഫൈലും (ICP) വാങ്ങുന്ന വ്യക്തിയും

"ഏത് തരത്തിലുള്ള കമ്പനിയാണ് ഞങ്ങൾക്ക് അനുയോജ്യമായ ഉപഭോക്താവ്?" എന്ന ചോദ്യത്തിനുള്ള ഉത്തരമാണ് ICP. ആ കമ്പനിക്കുള്ളിൽ നിങ്ങൾ സംസാരിക്കുന്ന വ്യക്തിയാണ് വ്യക്തി. അവ രണ്ട് വ്യത്യസ്ത കാര്യങ്ങളാണ്: ICP കമ്പനിയെ നിർവചിക്കുന്നു (ഫിർമോഗ്രാഫിക്), വ്യക്തിയെ വ്യക്തിയെ നിർവചിക്കുന്നു.

ആശയം

എന്താണ് നിർവചിക്കുന്നത്

ഉദാഹരണ സിഗ്നലുകൾ

ICP (ഫിർമോഗ്രാഫിക്)

ഐഡിയൽ കമ്പനി

മേഖല, ജീവനക്കാരുടെ എണ്ണം, വിറ്റുവരവ്, ഭൂമിശാസ്ത്രം

ICP (ടെക്നോഗ്രാഫിക്)

കമ്പനി ഉപയോഗിക്കുന്ന സാങ്കേതികവിദ്യ

CRM, ഇൻഫ്രാസ്ട്രക്ചർ, അവർ ഉപയോഗിക്കുന്ന സോഫ്റ്റ്‌വെയർ

വ്യക്തി

തീരുമാന പ്രക്രിയയിലുള്ള വ്യക്തി

ശീർഷകം, ലക്ഷ്യങ്ങൾ, വേദന പോയിൻ്റുകൾ, കെപിഐകൾ

ഫിർമോഗ്രാഫിക് സിഗ്നലുകൾ "ഈ കമ്പനി വലുപ്പത്തിൻ്റെ കാര്യത്തിൽ ഞങ്ങൾക്ക് അനുയോജ്യമാണോ?" എന്ന ചോദ്യത്തിന് ഉത്തരം നൽകുന്നു. ടെക്‌നോഗ്രാഫിക് സിഗ്നലുകൾ "അവർ ഇതിനകം ഞങ്ങളുമായി പൂരകമാകുന്ന/സംഘർഷിക്കുന്ന ഒരു സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്നുണ്ടോ?" എന്ന ചോദ്യത്തിന് ഉത്തരം നൽകുന്നു. ഉദാഹരണത്തിന്, ഒരു നിശ്ചിത ഇ-കൊമേഴ്‌സ് ഇൻഫ്രാസ്ട്രക്ചർ ഉപയോഗിക്കുന്ന കമ്പനികൾ നിങ്ങളുടെ സംയോജനത്തിനുള്ള ഒരു തയ്യാറായ ഗ്രൗണ്ടായിരിക്കാം.

ICP നിർവചന നിർദ്ദേശം: "കഴിഞ്ഞ 12 മാസത്തിനുള്ളിൽ ഞങ്ങൾ നേടിയ മികച്ച 10 ഉപഭോക്താക്കളുടെ സവിശേഷതകൾ ചുവടെയുണ്ട്. അവയിൽ പൊതുവായ പാറ്റേണുകൾ കണ്ടെത്തി ഒരു അനുയോജ്യമായ ഉപഭോക്തൃ പ്രൊഫൈൽ (ICP) സൃഷ്‌ടിക്കുക. ഇനിപ്പറയുന്ന അളവുകളുള്ള ഒരു പട്ടിക ഉണ്ടാക്കുക: വ്യവസായം, ആളുകളുടെ എണ്ണം, വാർഷിക വിറ്റുവരവ് പരിധി, ഭൂമിശാസ്ത്രം, സാങ്കേതിക വിദ്യകൾ, അവർ ഉപയോഗിക്കുന്ന പാറ്റേണുകൾക്ക് പുറത്തുള്ള, സാധാരണ വേദനയുടെ പാറ്റേണിൽ മാത്രം ചേർക്കുന്നില്ല. മുൻനിര ഉപഭോക്താക്കൾ: {{customer_list}}"

വ്യക്തിത്വ എക്‌സ്‌ട്രാക്ഷൻ പ്രോംപ്റ്റ്: "ഞങ്ങൾ {{product}} വിൽക്കുന്നു. ഞങ്ങളുടെ ICP {{icp_summary}} ആണ്. ഈ കമ്പനികളിലെ വാങ്ങൽ തീരുമാനത്തെ സ്വാധീനിക്കുന്ന 3 വ്യക്തികളെ നിർവചിക്കുക. ഓരോ വ്യക്തിക്കും:- തലക്കെട്ട്- പ്രാഥമിക ലക്ഷ്യങ്ങളും KPI-കളും അളന്നിരിക്കുന്നത്- ടോപ്പ് 2 വേദന പോയിൻ്റുകൾ- ഞങ്ങളുടെ ഉൽപ്പന്നത്തിൻ്റെ മൂല്യനിർദ്ദേശം 2 ഭാഷയിലേക്ക് വിവർത്തനം ചെയ്യപ്പെടാം"

യോഗ്യതാ ചട്ടക്കൂടുകൾ: BANT, MEDDIC

ഘടനാപരമായ ചോദ്യങ്ങൾ ഉപയോഗിച്ച് ലീഡ് "യഥാർത്ഥ" ആണോ എന്ന് ഞങ്ങൾ അളക്കുന്നു. രണ്ട് പൊതു ചട്ടക്കൂടുകൾ:

ടേപ്പ് - വേഗതയേറിയതും ഭാരം കുറഞ്ഞതുമായ സ്വഭാവരൂപീകരണത്തിന്:

• ബജറ്റ്: പണമടയ്ക്കാൻ വിഭവങ്ങൾ ഉണ്ടോ?
• അധികാരം: ഞാൻ സംസാരിക്കുന്ന വ്യക്തിക്ക് തീരുമാനമെടുക്കാൻ കഴിയുമോ?
• ആവശ്യം: ഒരു യഥാർത്ഥ, അടിയന്തിര ആവശ്യമുണ്ടോ?
• ടൈംലൈൻ: അവർ അത് എപ്പോഴാണ് സ്വീകരിക്കാൻ ഉദ്ദേശിക്കുന്നത്?

MEDDIC - സങ്കീർണ്ണമായ, വലിയ B2B വിൽപ്പനയ്ക്ക് കൂടുതൽ ആഴം:

• മെട്രിക്സ്: ഉപഭോക്താവ് അളക്കുന്ന സംഖ്യാ ആനുകൂല്യം.
• സാമ്പത്തിക വാങ്ങുന്നയാൾ: യഥാർത്ഥത്തിൽ ബജറ്റ് നിയന്ത്രിക്കുന്ന വ്യക്തി.
• തീരുമാന മാനദണ്ഡം: തീരുമാന മാനദണ്ഡം.
• തീരുമാന പ്രക്രിയ: തീരുമാന പ്രക്രിയയും ഘട്ടങ്ങളും.
• വേദന തിരിച്ചറിയുക: കോൺക്രീറ്റ് വേദന.
• ചാമ്പ്യൻ: ഉള്ളിൽ നിങ്ങളെ പ്രതിരോധിക്കുന്ന വ്യക്തി.

ഫ്രെയിം

എപ്പോൾ

ആഴം

ടേപ്പ്

ഹ്രസ്വ ചക്രം, കുറഞ്ഞ ഇടത്തരം മൂല്യം

പെട്ടെന്നുള്ള ഉന്മൂലനം

MEDDIC

നീണ്ട ചക്രം, ഉയർന്ന മൂല്യം, മൾട്ടി-സ്റ്റേക്ക്ഹോൾഡർ

ആഴത്തിലുള്ള, വ്യവസ്ഥാപിതമായ

നുറുങ്ങ്: ചെറുതും വേഗത്തിലുള്ളതുമായ വിൽപ്പനയ്ക്ക്, TAPE ഉപയോഗിച്ച് ആരംഭിക്കുക; ഡീൽ വളരുകയും ഓഹരി ഉടമകളുടെ എണ്ണം കൂടുകയും ചെയ്യുമ്പോൾ MEDDIC-ലേക്ക് മാറുക. ഏത് ചട്ടക്കൂടിലാണ് നിങ്ങൾ സ്കോർ ചെയ്യാൻ ആഗ്രഹിക്കുന്നതെന്ന് AI-യോട് വ്യക്തമായി പറയുക, അല്ലെങ്കിൽ അത് രണ്ടിനെയും ആശയക്കുഴപ്പത്തിലാക്കിയേക്കാം.

AI ഉപയോഗിച്ചുള്ള ഗവേഷണ സംഗ്രഹവും ആട്രിബ്യൂഷൻ സ്കോറിംഗും

ഞങ്ങൾ ഇവിടെ രണ്ട് ജോലികൾക്കായി AI ഉപയോഗിക്കുന്നു: (1) നിങ്ങളുടെ പക്കലുള്ള അസംസ്‌കൃത വിവരങ്ങൾ ഫ്രെയിം പ്രകാരം സംഗ്രഹിക്കുക, (2) ഒരു സ്കോർ നിർദ്ദേശിക്കുക. സ്കോർ നിങ്ങൾക്ക് ഒരു "പ്രാഥമിക റാങ്കിംഗ്" ആണ്, അന്തിമ തീരുമാനമല്ല.

ലീഡ് ക്വാളിഫിക്കേഷൻ പ്രോംപ്റ്റ് (BANT): "ഇനിപ്പറയുന്ന ലീഡ് നോട്ടുകൾ BANT ചട്ടക്കൂട് ഉപയോഗിച്ച് വിലയിരുത്തുക. ഓരോ അളവുകൾക്കും 0-5 പോയിൻ്റുകൾ നൽകുക, നിങ്ങളുടെ ന്യായീകരണം എഴുതുക. വിവരങ്ങൾ നഷ്ടപ്പെട്ടാൽ, 'ഡാറ്റ ഇല്ല' എന്ന് പറയുക, ഊഹിക്കരുത്. അന്വേഷണം: മൊത്തം സ്കോർ, 'hot/warm/cold' ലേബലും അടുത്ത ഘട്ട നിർദ്ദേശവും. {{person}}- കുറിപ്പുകൾ: {{interview_notes}}"

ലീഡ് ലിസ്റ്റ് മുൻഗണനാ നിർദ്ദേശം: "ഇനിപ്പറയുന്ന 20 ലീഡുകൾ ഞങ്ങളുടെ ICP-ന് ({{icp_summary}}) അനുയോജ്യതയനുസരിച്ച് അടുക്കുക. ഓരോ ലീഡിനും: അനുയോജ്യത സ്‌കോർ (0-100), ഏറ്റവും ശക്തമായ ഫിറ്റ് സിഗ്നൽ, ഏറ്റവും വലിയ അനിശ്ചിതത്വം. കുറഞ്ഞ സ്‌കോറുകൾ ഉള്ളവർക്ക്, കാരണം ചുരുക്കത്തിൽ എഴുതുക. കമ്പനി ഡാറ്റ നഷ്‌ടപ്പെട്ടാൽ, 'ഫിറ്റിംഗിൽ അടയാളപ്പെടുത്തുക' {{lead_list}}"

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലം: "ഈ ലീഡ് നല്ലതാണോ?" (ഫലം: ഒരു ദുർബലമായ, ഒറ്റവാക്കിൽ അഭിപ്രായം.) STRONG: "BAND ചട്ടക്കൂട് ഉപയോഗിച്ച് ഈ ലീഡ് സ്കോർ ചെയ്യുക. ഓരോ അളവിനും 0-5 നൽകുക, ഒരു ന്യായീകരണം എഴുതുക, നഷ്ടപ്പെട്ട വിവരങ്ങൾ 'ഡാറ്റ ഇല്ല' എന്ന് അടയാളപ്പെടുത്തുകയും മൊത്തം സ്കോർ അടിസ്ഥാനമാക്കി അടുത്ത ഘട്ടം നിർദ്ദേശിക്കുകയും ചെയ്യുക. നിങ്ങളുടെ കുറിപ്പുകൾക്കപ്പുറം പോകരുത്."

ഫാബ്രിക്കേഷൻ്റെ അപകടസാധ്യത: ഉറവിട പരിശോധന

ഒരു കമ്പനിയെക്കുറിച്ചോ വ്യക്തിയെക്കുറിച്ചോ അറിയാത്ത വിവരങ്ങൾ AI-ക്ക് വിശ്വസനീയമായി കെട്ടിച്ചമയ്ക്കാൻ കഴിയും: വിറ്റുവരവ്, ജീവനക്കാരുടെ എണ്ണം, പേര്, തീരുമാനമെടുക്കുന്നയാളുടെ പേര് പോലും. ഈ വിവരങ്ങളുമായി നിങ്ങൾ ബന്ധപ്പെടുകയാണെങ്കിൽ, ഒറ്റയടിക്ക് നിങ്ങളുടെ വിശ്വാസ്യത നഷ്ടപ്പെടും.

മുൻകരുതൽ: പ്രാഥമിക ഉറവിടത്തിൽ നിന്ന് AI തിരികെ നൽകുന്ന ഏതെങ്കിലും സ്ഥാപന-നിർദ്ദിഷ്ട ഡാറ്റ (വിറ്റുവരവ്, വളർച്ച, എക്സിക്യൂട്ടീവ് പേര്, ടെക് സ്റ്റാക്ക്) പരിശോധിക്കുക: സ്ഥാപനത്തിൻ്റെ സ്വന്തം സൈറ്റ്, ലിങ്ക്ഡ്ഇൻ, ഔദ്യോഗിക വാർത്താക്കുറിപ്പുകൾ. ഔട്ട്‌റീച്ചിൽ സ്ഥിരീകരിക്കാത്ത വിവരങ്ങൾ ഉപയോഗിക്കരുത്.

ലളിതമായ ഒരു സ്ഥിരീകരണ വർക്ക്ഫ്ലോ:

1. ലീഡ് സംഗ്രഹത്തിനായി "ഓരോ ക്ലെയിമിലും ഒരു സോഴ്സ് ടാഗ് ഇടാൻ" AI-യോട് ആവശ്യപ്പെടുക.
2. ഉറവിടത്തിൽ നിന്ന് "പരിശോധിച്ചിരിക്കണം" എന്ന് അടയാളപ്പെടുത്തിയിരിക്കുന്ന ഓരോ ഇനവും ഓരോന്നായി പരിശോധിക്കുക.
3. CRM-ലേക്ക് പരിശോധിച്ച വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യുക; സ്ഥിരീകരിക്കാൻ കഴിയാത്തവ ഇല്ലാതാക്കുക.
4. പരിശോധിച്ച വിവരങ്ങൾ ഉപയോഗിച്ച് മാത്രം സ്‌കോറിംഗ് അപ്‌ഡേറ്റ് ചെയ്യുക.
5. അതിനുശേഷം മാത്രമേ ഔട്ട്റീച്ചിലേക്ക് നീങ്ങുക.

മിനി കേസ്

B2B SaaS പ്രതിനിധി കാൻ, AI-ക്ക് 50 ആളുകളുടെ ഒരു ലീഡ് ലിസ്റ്റ് നൽകുകയും അത് ICP അനുയോജ്യത അനുസരിച്ച് അടുക്കുകയും ചെയ്തിട്ടുണ്ട്. “എ കമ്പനി കഴിഞ്ഞ പാദത്തിൽ 200 ജീവനക്കാരിൽ എത്തി,” AI പറയുന്നു. ലിങ്ക്ഡ്ഇനിൽ കാൻ കമ്പനി തുറക്കുന്നു; ജീവനക്കാരുടെ എണ്ണം ഏകദേശം 60 ആണ്. AI അതിശയോക്തിപരമായി. Kaan ഈ സിഗ്നലിനെ "പരിശോധിച്ചിരിക്കണം" എന്ന് അടയാളപ്പെടുത്തുകയും യഥാർത്ഥ നമ്പർ നൽകുകയും സ്കോർ കുറയ്ക്കുകയും ചെയ്യുന്നു. പകരമായി, കമ്പനിയുടെ കരിയർ പേജിലെ പുതിയ പോസ്റ്റിംഗുകൾക്കൊപ്പം AI-യുടെ "കമ്പനി ബി ഉടൻ ഒരു പുതിയ വിപണി തുറക്കുന്നു" എന്ന സിഗ്നലിനെ ഇത് സ്ഥിരീകരിക്കുകയും ഈ ലീഡിന് മുൻഗണന നൽകുകയും ചെയ്യുന്നു. ഫലം: AI മിനിറ്റുകൾക്കുള്ളിൽ 50 ലീഡ് നേടി, കാൻ ലിസ്റ്റ് സാധൂകരിക്കുകയും 8 ഹോട്ട് ലീഡുകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുകയും ചെയ്തു.

സാധാരണ തെറ്റുകൾ

• ഐസിപിയെ തിരിച്ചറിയാതെ അന്വേഷണം ആരംഭിക്കുന്നു (എല്ലാവരെയും ടാർഗെറ്റ് ചെയ്യുക, ആരെയും വെടിവയ്ക്കരുത്).
• AI നൽകുന്ന കമ്പനി ഡാറ്റ പരിശോധിച്ചുറപ്പിക്കാതെ CRM-ലേക്ക് പ്രോസസ്സ് ചെയ്യുന്നു.
• BANT ഉം MEDDIC ഉം ഇടകലർത്തി പകുതി സ്‌കോറിംഗ് ചെയ്യുന്നു.
• നഷ്‌ടമായ വിവരങ്ങൾ അതിൻ്റെ "ഊഹം" ഉപയോഗിച്ച് പൂരിപ്പിക്കാൻ AI-യെ അനുവദിക്കുന്നു.
• സ്കോർ പരമമായ സത്യമാണെന്ന് കരുതുകയും മനുഷ്യൻ്റെ വിധിയെ പ്രവർത്തനരഹിതമാക്കുകയും ചെയ്യുന്നു.
• വ്യക്തിത്വത്തിന് പകരം കമ്പനിയിൽ മാത്രം ശ്രദ്ധ കേന്ദ്രീകരിക്കുകയും "ഞാൻ ആരോടാണ് സംസാരിക്കുന്നത്" എന്ന് ഒഴിവാക്കുകയും ചെയ്യുക.

നുറുങ്ങ്: "എന്തുകൊണ്ടാണ് നിങ്ങൾ അത് അങ്ങനെ സ്കോർ ചെയ്തത്?" എന്ന് ചോദിച്ച് AI സ്കോർ എപ്പോഴും ന്യായീകരിക്കുക. ന്യായീകരണം ദുർബലമാണെങ്കിൽ, സ്കോറും ദുർബലമാണ്. നിങ്ങൾ പരിശോധിക്കേണ്ട പോയിൻ്റുകളും യുക്തി സൂചിപ്പിക്കുന്നു.

ചുരുക്കത്തിൽ

• ICP സ്ഥാപനത്തെ വിവരിക്കുന്നു (ഫിർമോഗ്രാഫിക് + ടെക്നോഗ്രാഫിക്), വ്യക്തിയെ വ്യക്തിയെ വിവരിക്കുന്നു; രണ്ടും ആവശ്യമാണ്.
• BANT പെട്ടെന്ന് യോഗ്യത നേടുന്നതിനുള്ളതാണ്, MEDDIC ആഴമേറിയതും സങ്കീർണ്ണവുമായ വിൽപ്പനയ്ക്കുള്ളതാണ്.
• AI ഗവേഷണത്തെ സംഗ്രഹിക്കുകയും സ്കോറുകൾ നിർദ്ദേശിക്കുകയും ചെയ്യുന്നു; അന്തിമ തീരുമാനം വ്യക്തിയുടേതാണ്.
• സ്കോർ ഒരു പ്രാഥമിക റാങ്കിംഗാണ്, അത് ന്യായീകരണത്തോടെ അഭ്യർത്ഥിക്കേണ്ടതാണ്.
• AI നിർമ്മിച്ച കമ്പനി/വ്യക്തി വിവരങ്ങൾ പ്രാഥമിക ഉറവിടത്തിൽ നിന്നുള്ള സ്ഥിരീകരണം കൂടാതെ ഉപയോഗിക്കാൻ കഴിയില്ല.
• നഷ്‌ടമായ വിവരങ്ങൾ "എസ്റ്റിമേറ്റ്" എന്നതിന് പകരം "ഡാറ്റ ഇല്ല" എന്ന് അടയാളപ്പെടുത്തണം.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങളുടെ അവസാനത്തെ 5-10 സ്വന്തമാക്കിയ ഉപഭോക്താക്കളുടെ ഒരു ലിസ്റ്റ് ഉണ്ടാക്കുക, മുകളിലുള്ള ICP പ്രോംപ്റ്റിൽ പൊതുവായ പാറ്റേണുകൾ കണ്ടെത്താൻ AI-യെ അനുവദിക്കുക. തത്ഫലമായുണ്ടാകുന്ന ICP ഉപയോഗിച്ച് നിങ്ങൾക്കുള്ള 10 ലീഡുകൾക്ക് മുൻഗണന നൽകുക. തുടർന്ന്, ഏറ്റവും കൂടുതൽ സ്‌കോർ ചെയ്യുന്ന 3 ലീഡുകൾക്കായി ലിങ്ക്ഡ്ഇന്നിലും കമ്പനി സൈറ്റിലും AI ഉന്നയിക്കുന്ന ഓരോ കമ്പനി-നിർദ്ദിഷ്ട ക്ലെയിമും പരിശോധിക്കുക; ഏതൊക്കെ ക്ലെയിമുകളാണ് തെറ്റോ അപൂർണ്ണമോ ആയി മാറുന്നതെന്ന് ശ്രദ്ധിക്കുക. ഈ വ്യായാമം ഒരേ സമയം ICP അച്ചടക്കവും സ്ഥിരീകരണ റിഫ്ലെക്സും പഠിപ്പിക്കുന്നു.