പ്രീ-സെയിൽസ്: ലീഡ് യോഗ്യതയും ഗവേഷണവും

നേട്ടങ്ങൾ:

• അനുയോജ്യമായ ഉപഭോക്തൃ പ്രൊഫൈലും (ICP) യോഗ്യതാ ചട്ടക്കൂടും (ഉദാ. BANT) ഉപയോഗിച്ച് സാധ്യതയുള്ള ഉപഭോക്താക്കളെ വിലയിരുത്താനുള്ള കഴിവ്
• പൊതുവായി ലഭ്യമായ വിവരങ്ങളിൽ നിന്ന് ഘടനാപരമായ അക്കൗണ്ട്/വ്യക്തി ബ്രീഫിംഗ് നിർമ്മിക്കാനുള്ള കഴിവ്
• പരിശോധിച്ചുറപ്പിക്കേണ്ട അനുമാനങ്ങൾ ഉപയോഗിച്ച് യോഗ്യതാ ഔട്ട്പുട്ട് അടയാളപ്പെടുത്താനുള്ള കഴിവ്

വിൽപ്പനയിലെ ഏറ്റവും ചെലവേറിയ തെറ്റ് തെറ്റായ വ്യക്തിയുമായി കൂടുതൽ സമയം ചെലവഴിക്കുന്നതാണ്. നിങ്ങളുടെ ഉൽപ്പന്നം ഒരിക്കലും ആവശ്യമില്ലാത്ത ഒരു ലീഡുമായി ഒരു സെയിൽസ് പ്രതിനിധി തൻ്റെ ദിവസം ചെലവഴിക്കുകയാണെങ്കിൽ, യഥാർത്ഥ അവസരങ്ങൾ മങ്ങുന്നു. അതുകൊണ്ടാണ് നിങ്ങൾ വിൽക്കുന്നതിന് മുമ്പ് നല്ല വിൽപ്പന ആരംഭിക്കുന്നത്: ആരാണ് ശരിക്കും ഒരു നല്ല സ്ഥാനാർത്ഥി, ആരാണ് അല്ലാത്തത്?

ഈ ജോലിയെ യോഗ്യത എന്ന് വിളിക്കുന്നു. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (AI) ഇവിടെ രണ്ട് ശക്തമായ റോളുകൾ വഹിക്കുന്നു: ഇത് പൊതുവായി ലഭ്യമായ വിവരങ്ങളിൽ നിന്ന് (വെബ്‌സൈറ്റ്, വ്യവസായം, വാർത്തകൾ) ഒരു ദ്രുത അക്കൗണ്ട് സംക്ഷിപ്തമായി എക്‌സ്‌ട്രാക്റ്റുചെയ്യുകയും നിർവചിക്കപ്പെട്ട ചട്ടക്കൂട് അനുസരിച്ച് ലീഡ് വിലയിരുത്തുകയും ചെയ്യുന്നു. എന്നാൽ സൂക്ഷിക്കുക: AI നിർമ്മിക്കുന്ന വിവരങ്ങൾ ഒരു പ്രാഥമിക അനുമാനമാണ്, തെളിയിക്കപ്പെട്ട വസ്തുതയല്ല. ലീഡ് ഗവേഷണം ത്വരിതപ്പെടുത്തുമ്പോൾ കൃത്യതയും രഹസ്യാത്മകതയും എങ്ങനെ നിലനിർത്താമെന്ന് ഈ യൂണിറ്റിൽ നിങ്ങൾ പഠിക്കും.

ശ്രദ്ധിക്കുക: AI സൃഷ്ടിച്ച അക്കൗണ്ട്/വ്യക്തി വിവരങ്ങൾ പരിശോധിച്ചുറപ്പിക്കാതെ CRM-ലേക്ക് യഥാർത്ഥമായി പ്രോസസ്സ് ചെയ്യരുത്, പ്രത്യേകിച്ച് ഒരു തീരുമാനത്തിൻ്റെ അടിസ്ഥാനമായി ഉപയോഗിക്കരുത് (ഉദാ: "ഈ കമ്പനിക്ക് ബജറ്റ് ഇല്ല"). പബ്ലിക് അല്ലാത്ത വ്യക്തിഗത ഡാറ്റ ശേഖരിക്കുന്നത് ധാർമ്മികവും നിയമപരവുമായ പരിധിയാണ്.

കടപ്പാട് ചട്ടക്കൂടുകൾ: ICP, BANT

രണ്ട് അടിസ്ഥാന ആശയങ്ങൾ:

• ICP (അനുയോജ്യമായ ഉപഭോക്തൃ പ്രൊഫൈൽ): നിങ്ങളുടെ ഉൽപ്പന്നത്തിൽ നിന്ന് ഏറ്റവും കൂടുതൽ പ്രയോജനം നേടുന്ന ഉപഭോക്താവിൻ്റെ സവിശേഷതകൾ വിവരിക്കുന്നു, അടയ്ക്കാൻ ഏറ്റവും എളുപ്പമുള്ളതും ഏറ്റവും ദൈർഘ്യമേറിയതും (സെക്ടർ, വലുപ്പം, ആവശ്യം) നിലനിൽക്കുകയും ചെയ്യുന്നു. "നാം ആർക്ക് വിൽക്കണം?" എന്ന ചോദ്യത്തിനുള്ള ഉത്തരമാണ്.
• ബാൻ്റ്: ഒരു ലീഡിൻ്റെ പക്വത അളക്കുന്ന നാല് ചോദ്യങ്ങൾ: ബജറ്റ് (ബജറ്റ് ഉണ്ടോ), അതോറിറ്റി (അദ്ദേഹം ഒരു തീരുമാനമെടുക്കുന്നയാളാണോ), ആവശ്യം (യഥാർത്ഥ ആവശ്യമുണ്ടോ), സമയം (സമയം അനുയോജ്യമാണ്). ഈ നാലിലും ഓരോ ലീഡും വിലയിരുത്തുമ്പോൾ ആർക്കാണ് മുൻഗണന നൽകേണ്ടതെന്ന് വ്യക്തമാകും.

ഈ ചട്ടക്കൂടുകളിൽ ഒരു ലീഡ് ഘടിപ്പിക്കുന്നതിനും നഷ്‌ടമായ വിവരങ്ങൾ "ചോദിക്കാനുള്ള ചോദ്യങ്ങൾ" ആയി വേർതിരിച്ചെടുക്കുന്നതിനും AI മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നു.

ഘട്ടം ഘട്ടമായി: ഒരു ലീഡിന് യോഗ്യത നേടുന്നു

1. നിങ്ങളുടെ ICP തിരിച്ചറിയുക. നിങ്ങളുടെ അനുയോജ്യമായ ഉപഭോക്താവിൻ്റെ 4-5 വ്യക്തമായ സവിശേഷതകൾ എഴുതുക.
2. പൊതുവായി ലഭ്യമായ വിവരങ്ങൾ ശേഖരിക്കുക. വെബ്സൈറ്റ്, "കുറിച്ച്" പേജ്, വ്യവസായം, തൊഴിൽ അവസരങ്ങൾ.
3. AI ഉപയോഗിച്ച് ബ്രീഫിംഗ് നീക്കം ചെയ്യുക. ഒരു ഘടനാപരമായ അക്കൗണ്ട് സ്റ്റേറ്റ്മെൻ്റ് നിർമ്മിക്കുക.
4. സ്കോർ ICP പാലിക്കൽ. ലീഡ് ഐസിപിക്ക് എത്രത്തോളം അനുയോജ്യമാണ്?
5. അനുമാനങ്ങൾ അടയാളപ്പെടുത്തുക. AI പ്രവചിച്ച (തെളിയിക്കപ്പെടാത്ത) വിവരങ്ങൾ പ്രത്യേകം സൂക്ഷിക്കുക.
6. പ്രാരംഭ ചോദ്യങ്ങൾ തയ്യാറാക്കുക. BANT വിടവുകൾ നികത്താൻ ആദ്യ അഭിമുഖത്തിൽ ചോദിക്കേണ്ട ചോദ്യങ്ങൾ.

പകർത്താവുന്ന നിർദ്ദേശങ്ങൾ

പൊതുവായി ലഭ്യമായ വിവരങ്ങളിൽ നിന്ന് ഒരു അക്കൗണ്ട് ബ്രീഫിംഗ് വേർതിരിച്ചെടുക്കുന്ന അടിസ്ഥാന നിർദ്ദേശം:

റോൾ: നിങ്ങൾ ഒരു സെയിൽസ് റിസർച്ച് അസിസ്റ്റൻ്റാണ്. ഒരു കമ്പനിയെക്കുറിച്ചുള്ള പൊതു വാചകം ചുവടെയുണ്ട്. ഇതിൽ നിന്ന് ഒരു ഘടനാപരമായ അക്കൗണ്ട് ബ്രീഫിംഗ് നിർമ്മിക്കുക:- കമ്പനി എന്താണ് ചെയ്യുന്നത് (1 വാചകം)- വ്യവസായവും കണക്കാക്കിയ വലുപ്പവും- സാധ്യമായ ആവശ്യങ്ങൾ/പെയിൻ പോയിൻ്റുകൾ (ഞങ്ങളുടെ ഉൽപ്പന്നവുമായി ബന്ധപ്പെട്ടത്)- ICP ഫിറ്റ്: [ഉയർന്നത് | ഇടത്തരം | കുറഞ്ഞ] + ഒറ്റ വാചകം ന്യായീകരണം - സ്ഥിരീകരിക്കേണ്ട അനുമാനങ്ങൾ (തെളിവുകളില്ലാത്ത അനുമാനങ്ങൾ) വെവ്വേറെ പട്ടികപ്പെടുത്തുക, ടെക്‌സ്‌റ്റിൽ ഇല്ലാത്ത വിവരങ്ങൾ; നിങ്ങൾക്ക് അറിയില്ലെങ്കിൽ, "വ്യക്തമല്ല" എന്ന് എഴുതുക. ഞങ്ങളുടെ ഉൽപ്പന്നം: {{ product_summary }}കമ്പനി വാചകം: {{ publicly_public_text }}

BANT അനുസരിച്ച് ലീഡ് വിലയിരുത്തുന്ന പ്രോംപ്റ്റ്:

BANT ചട്ടക്കൂടിനുള്ളിൽ ഇനിപ്പറയുന്ന ലീഡ് വിവരങ്ങൾ വിലയിരുത്തുക: - ബജറ്റ്: ഞങ്ങൾക്കറിയാം / അജ്ഞാതം - അതോറിറ്റി (അതോറിറ്റി): വ്യക്തി ഒരു തീരുമാനമെടുക്കുന്നയാളാണോ? - ആവശ്യം: തെളിവുണ്ടോ? - സമയം (സമയം): ഒരു ട്രിഗർ ഇവൻ്റ് ഉണ്ടോ? ഓരോ അളവുകൾക്കും "അറിയപ്പെടുന്ന / അറിയാത്ത" എന്ന് അടയാളപ്പെടുത്തുക. അജ്ഞാതരെ ഉൾക്കൊള്ളുന്ന ആദ്യ മീറ്റിംഗിൽ ചോദിക്കാൻ ഒരു ചോദ്യം നിർദ്ദേശിക്കുക. ലീഡ് വിവരങ്ങൾ: {{ വിവരങ്ങൾ }}

വ്യക്തിഗതമാക്കിയ ആദ്യ കോൺടാക്റ്റ് ഓപ്പണിംഗ് സൃഷ്ടിക്കുന്ന പ്രോംപ്റ്റ്:

ഈ അക്കൗണ്ട് ബ്രീഫിംഗിനെ അടിസ്ഥാനമാക്കി, ആദ്യ കോൺടാക്റ്റിനായി വ്യക്തിഗതമാക്കിയ ഒരു വാക്യം ഐസ് ബ്രേക്കർ എഴുതുക. പൊതുവായ പ്രശംസയല്ല, അവരുടെ പ്രവൃത്തിയെ സംബന്ധിച്ച നിർദ്ദിഷ്ട നിരീക്ഷണത്തെ അടിസ്ഥാനമാക്കിയുള്ളതായിരിക്കട്ടെ. പെരുപ്പിച്ചു കാണിക്കരുത്, അടിസ്ഥാനരഹിതമായ അവകാശവാദങ്ങൾ ഉപയോഗിക്കരുത്. സംക്ഷിപ്ത വിവരം: {{ സംക്ഷിപ്ത വിവരം }}

യോഗ്യതയിൽ "എലിമിനേഷൻ" നിർദ്ദേശിക്കുന്ന പ്രോംപ്റ്റ്:

ഈ ലീഡ് ഞങ്ങളുടെ ഐസിപിയുമായി പൊരുത്തപ്പെടുന്നില്ലെന്ന് തോന്നുന്നുവെങ്കിൽ, അത് വ്യക്തമായി പറയുകയും അത് പിന്തുടരുന്നത് മൂല്യവത്താകാത്തത് എന്തുകൊണ്ടെന്ന് 1-2 ന്യായീകരണങ്ങൾ നൽകുകയും ചെയ്യുക. ബന്ധം നിർബന്ധിക്കരുത്; ശരിയായ സ്ഥലത്ത് ഞങ്ങളുടെ വിഭവങ്ങൾ അനുവദിക്കുന്നതിൽ സത്യസന്ധത പുലർത്തുക.ICP: {{ icp }} | ലീഡ്: {{ ലീഡ് }}

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

മോശം സമീപനം

ശക്തമായ സമീപനം

"ഈ കമ്പനിയെ കുറിച്ച് പറയൂ"

പൊതു വാചകം നൽകുന്നു + ഘടനാപരമായ സംക്ഷിപ്‌ത വിവരങ്ങൾ അഭ്യർത്ഥിക്കുന്നു

സാങ്കൽപ്പിക വിറ്റുവരവ്/ജീവനക്കാരുടെ എണ്ണം ഉണ്ടാക്കുന്നു

"അനിശ്ചിതത്വം" എന്ന് പറയുന്നു, അനുമാനങ്ങളെ വെവ്വേറെ അടയാളപ്പെടുത്തുന്നു

എല്ലാ ലീഡും "യോഗ്യതയുള്ളത്" എന്ന് കാണിക്കുന്നു

കുറഞ്ഞ അനുയോജ്യതയെ ന്യായമായി ഇല്ലാതാക്കുന്നു

പൊതു തുറക്കൽ ("വലിയ കമ്പനി")

അവരുടെ ബിസിനസ്സിന് പ്രത്യേകമായി കോൺക്രീറ്റ് തുറക്കൽ

ദൃഢമായ സമീപനം AI-യെ "വസ്തുതകളുടെ ഉറവിടം" എന്നതിലുപരി ഒരു "ഹൈപ്പോതെസിസ് ജനറേറ്റർ" ആയി ഉപയോഗിക്കുന്നു എന്നതാണ് വ്യത്യാസം: ഓരോ ഔട്ട്‌പുട്ടും പരിശോധിച്ചുറപ്പിക്കേണ്ട ഒരു ബ്ലൂപ്രിൻ്റ് ആണ്.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - വ്യാജ വിറ്റുവരവ് കെണി. ഒരു പ്രതിനിധി ചോദിച്ചു: "ഈ കമ്പനിയുടെ വിറ്റുവരവ് എന്താണ്?" അവൻ ചോദിച്ചു; "പ്രതിവർഷം 250 ദശലക്ഷം TL" എന്ന് AI ആത്മവിശ്വാസത്തോടെ പറഞ്ഞു. എന്നിരുന്നാലും, ഇത് പൂർണ്ണമായും കെട്ടിച്ചമച്ചതാണ്; ഈ വിവരം കമ്പനി ഒരിക്കലും വെളിപ്പെടുത്തിയിട്ടില്ല. ടീം ഇത് മനസ്സിലാക്കിയപ്പോൾ, "നിങ്ങൾക്ക് അറിയില്ലെങ്കിൽ, അവ്യക്തമായി എഴുതുക, നമ്പറുകൾ ഉണ്ടാക്കുക" എന്ന നിയമം ഉപയോഗിച്ച് അവർ പ്രോംപ്റ്റ് അപ്‌ഡേറ്റ് ചെയ്തു. തുടർന്നുള്ള ബ്രീഫിംഗുകളിൽ, തെറ്റായ ബജറ്റ് അനുമാനത്തെ അടിസ്ഥാനമാക്കിയുള്ള തെറ്റായ നിർദ്ദേശം തടഞ്ഞുകൊണ്ട്, വിറ്റുവരവ് മേഖലയിൽ AI "അനിശ്ചിതത്വം" എഴുതി.

കേസ് 2 - സത്യസന്ധമായ ഉന്മൂലനം സമയം ലാഭിച്ചു. 30 ലീഡുകളുടെ ഒരു ലിസ്റ്റ് ICP പ്രോംപ്റ്റിലൂടെ കടന്നുപോയി. AI 9 ലീഡുകളെ "ലോ ഫിറ്റ്" എന്ന് ഫ്ലാഗ് ചെയ്യുകയും ന്യായീകരണം നൽകുകയും ചെയ്തു (ഉദാ: "വളരെ ചെറിയ ടീം, ഞങ്ങളുടെ ഉൽപ്പന്നത്തിൻ്റെ ഏറ്റവും കുറഞ്ഞ ഉപയോക്താക്കളുടെ എണ്ണത്തിൽ താഴെ"). ഈ 9-ൽ സമയം ചെലവഴിക്കുന്നതിനുപകരം, യോഗ്യരായ 21 ലീഡുകളിൽ പ്രതിനിധി ശ്രദ്ധ കേന്ദ്രീകരിച്ചു; ആ പാദത്തിൽ പൈപ്പ്ലൈനിൻ്റെ (വിൽപ്പന പൈപ്പ്ലൈൻ) ഗുണനിലവാരം ഗണ്യമായി വർദ്ധിച്ചു.

കേസ് 3 - കോൺക്രീറ്റ് തുറക്കുന്ന വാതിൽ തുറന്നു. ഒരു കമ്പനിയുടെ സമീപകാല ജോലി പോസ്റ്റിംഗുകളിൽ നിന്ന് "അവർ അതിവേഗം വളരുന്ന സപ്പോർട്ട് ടീമിനെ നിർമ്മിക്കുന്നു" എന്ന് AI അനുമാനിക്കുകയും അതിൻ്റെ പ്രാരംഭ വാചകം ഇതിനെ അടിസ്ഥാനമാക്കി: "നിങ്ങളുടെ പിന്തുണാ ടീമിനെ വളർത്തുന്നതിനനുസരിച്ച് വർദ്ധിച്ചുവരുന്ന അഭ്യർത്ഥനകളുടെ അളവ് നിങ്ങൾ എങ്ങനെ കൈകാര്യം ചെയ്യുന്നുവെന്നും എനിക്ക് ആകാംക്ഷയുണ്ടായിരുന്നു." ഒരു പൊതു ഓപ്പണിംഗുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, പ്രതികരണ നിരക്ക് വളരെ ഉയർന്നതാണ്; കാരണം സന്ദേശം അവരുടെ യഥാർത്ഥ അവസ്ഥയെ സ്പർശിച്ചു.

നുറുങ്ങ്: ആദ്യ മീറ്റിംഗിൽ AI അനുമാനിക്കുന്ന ഓരോ "അനുമാനവും" ഒരു ചോദ്യമാക്കി മാറ്റുക. "നിങ്ങളുടെ സപ്പോർട്ട് വോളിയം വർദ്ധിച്ചുകൊണ്ടിരിക്കുകയാണെന്ന് ഞാൻ കരുതുന്നു" എന്ന് പറയുന്നതിനുപകരം, "ഈയിടെയായി നിങ്ങളുടെ പിന്തുണയുടെ അളവ് എങ്ങനെ മാറിയിരിക്കുന്നു?" ചോദിക്കുക. ഈ രീതിയിൽ, നിങ്ങൾ അനുമാനം സ്ഥിരീകരിക്കുകയും ഉപഭോക്താവിനെ സംസാരിക്കുകയും ചെയ്യുന്നു.

സ്വകാര്യതയും നൈതിക അതിർത്തിയും

പൊതുവായി ലഭ്യമായതും ബിസിനസ്സ് വിവരങ്ങളും ഉപയോഗിച്ച് മാത്രമാണ് ആട്രിബ്യൂഷൻ നിർമ്മിച്ചിരിക്കുന്നത്. ഒരു വ്യക്തിയുടെ സ്വകാര്യ സോഷ്യൽ മീഡിയ പോസ്റ്റുകൾ, വ്യക്തിഗത ജീവിതം അല്ലെങ്കിൽ അനുമതിയില്ലാതെ ലഭിച്ച ഡാറ്റ എന്നിവ ഗവേഷണ സ്രോതസ്സായി ഉപയോഗിക്കുന്നത് അധാർമികവും നിയമവിരുദ്ധവുമാണ് (KVKK, അതായത് വ്യക്തിഗത ഡാറ്റ സംരക്ഷണ നിയമം). നിയമം ലളിതമാണ്: കമ്പനിയുടെ ഔദ്യോഗിക വെബ്‌സൈറ്റിലോ തുറന്ന വാണിജ്യ ഉറവിടങ്ങളിലോ എഴുതിയിട്ടില്ലാത്ത ഏതെങ്കിലും വ്യക്തിഗത വിവരങ്ങൾ ശേഖരിച്ച് AI-യിൽ നൽകരുത്.

മുന്നറിയിപ്പ്: AI- സൃഷ്ടിച്ച "നീഡ്/പെയിൻ പോയിൻ്റ്" പ്രവചനങ്ങൾ ഉപഭോക്താവിന് അറിയാവുന്നതുപോലെ അവതരിപ്പിക്കരുത്. "നിങ്ങൾക്ക് ഈ പ്രശ്‌നമുണ്ട്" എന്ന് പറയുന്നത് തെറ്റാണെങ്കിൽ തൽക്ഷണം വിശ്വാസത്തെ തകർക്കും. പകരം, "ഈ വെല്ലുവിളി നിങ്ങളുടെ വ്യവസായത്തിൽ പലപ്പോഴും കാണാറുണ്ട്, നിങ്ങൾ എങ്ങനെയാണ് ചെയ്യുന്നത്?" ഓപ്പൺ-എൻഡഡ് ആയി തുടരുക.

ട്രിഗറിംഗ് ഇവൻ്റുകൾ പിടിക്കുന്നു

വിൽപ്പനയിൽ, സന്ദേശത്തേക്കാൾ സമയമാണ് പലപ്പോഴും പ്രധാനം. ഒരു "ട്രിഗർ ഇവൻ്റ്" എന്നത് പൊതുവായി കാണാവുന്ന ഒരു വികസനമാണ്, അത് ഒരു കമ്പനിക്ക് ഇപ്പോൾ നിങ്ങളുടെ പരിഹാരം ആവശ്യമായി വരാം: ഒരു പുതിയ എക്സിക്യൂട്ടീവിനെ നിയമിക്കൽ, ഒരു പുതിയ ഓഫീസ് തുറക്കൽ, പുതിയ നിക്ഷേപം ഏറ്റെടുക്കൽ, ദ്രുതഗതിയിലുള്ള ടീം വളർച്ച അല്ലെങ്കിൽ ഒരു പുതിയ ഉൽപ്പന്ന സമാരംഭം. ഈ സംഭവങ്ങൾ ഒരു "വാതിൽ" ആണ്; കാരണം, പുതിയ പരിഹാരങ്ങൾക്കായി ഏറ്റവും കൂടുതൽ തുറന്നിരിക്കുന്ന കാലഘട്ടത്തിലാണ് കമ്പനികൾ മാറ്റം നേരിടുന്നത്. നിങ്ങൾ AI-ക്ക് ഒരു അക്കൗണ്ടിൻ്റെ പൊതു വാർത്തകളും പോസ്റ്റിംഗുകളും നൽകുകയും "ഞങ്ങളുടെ പരിഹാരവുമായി ബന്ധിപ്പിക്കാൻ കഴിയുന്ന എന്തെങ്കിലും ട്രിഗറിംഗ് ഇവൻ്റുകൾ ഉണ്ടോ?" നിങ്ങൾ ചോദിച്ചേക്കാം.

അത്തരമൊരു ട്രിഗർ ഉള്ളതിനാൽ, നിങ്ങളുടെ ആദ്യ കോൺടാക്റ്റ് സന്ദേശം കൂടുതൽ ശക്തമാകും: "നിങ്ങൾ നിങ്ങളുടെ പുതിയ പ്രവർത്തന കേന്ദ്രം തുറക്കുന്നത് ഞാൻ കണ്ടു; ഈ സ്കെയിലിൽ പിന്തുണ വോളിയം കൈകാര്യം ചെയ്യുന്നത് പലപ്പോഴും വെല്ലുവിളിയാണ്" എന്നതുപോലുള്ള ഒരു ഓപ്പണിംഗ് പ്രസക്തവും സമയബന്ധിതവുമായി തോന്നുന്നു. അപ്പോഴും, അതേ അച്ചടക്കം ബാധകമാണ്: ട്രിഗർ ചെയ്യുന്ന സംഭവം യഥാർത്ഥവും നിലവിലുള്ളതുമാണെന്ന് സ്ഥിരീകരിക്കുക, പഴയ വാർത്തകൾ "പുതിയത്" എന്ന് തെറ്റിദ്ധരിച്ച് ചിരിക്കരുത്. ടൈമിംഗ് ഒരു നല്ല സുഹൃത്താണ്, എന്നാൽ പരിശോധിച്ച വിവരങ്ങൾ മാത്രം.

സാധാരണ തെറ്റുകൾ

• പരിശോധിച്ചുറപ്പിക്കാതെ AI നിർമ്മിച്ച വിറ്റുവരവ്/ജീവനക്കാരുടെ നമ്പർ യഥാർത്ഥമായി അംഗീകരിക്കുന്നു.
• ഓരോ ലീഡിനും യോഗ്യത നേടുന്നതിന്; സത്യസന്ധമായ സ്ക്രീനിംഗ് ഒഴിവാക്കുകയും വിഭവങ്ങൾ പാഴാക്കുകയും ചെയ്യുന്നു.
• ഒരു ICP നിർവചിക്കാതെ "എല്ലാവരും ഞങ്ങളുടെ ഉപഭോക്താവാണ്" എന്ന അനുമാനത്തോടെ ഗവേഷണം നടത്തുന്നു.
• നോൺ-പബ്ലിക് വ്യക്തിഗത ഡാറ്റയ്ക്കായി തിരയുകയും അത് AI-യിലേക്ക് നൽകുകയും ചെയ്യുന്നു (KVKK ലംഘനം).
• AI-യുടെ വേദന പോയിൻ്റ് പ്രവചനം ഉപഭോക്താവിന് സമ്പൂർണ്ണ സത്യമായി അവതരിപ്പിക്കുന്നു.
• അനുമാനങ്ങളെ അഭിമുഖ ചോദ്യങ്ങളാക്കി മാറ്റാതെ മൂല്യനിർണ്ണയം ഒഴിവാക്കുന്നു.

ചുരുക്കത്തിൽ

• നല്ല വിൽപ്പന ആരംഭിക്കുന്നത് എലിമിനേഷനിൽ നിന്നാണ്; ആർക്കാണ് മുൻഗണന നൽകേണ്ടതെന്ന് ഐസിപിയും ബാൻ്റും വ്യക്തമാക്കുന്നു.
• പൊതുവായി ലഭ്യമായ വിവരങ്ങളിൽ നിന്ന് AI അതിവേഗ ബ്രീഫിംഗ് വേർതിരിച്ചെടുക്കുന്നു; എന്നാൽ അതിൻ്റെ ഔട്ട്പുട്ട് പരിശോധിക്കപ്പെടേണ്ട ഒരു അനുമാനമാണ്.
• "നിങ്ങൾക്ക് അറിയില്ലെങ്കിൽ, അവ്യക്തമായി എഴുതുക" എന്ന നിയമം ഉപയോഗിച്ച് നമ്പറുകളും വിവരങ്ങളും ഉണ്ടാക്കുന്നത് തടയുക.
• ലോ-കൺഫോർമൻസ് ലീഡുകൾ സത്യസന്ധമായി ഇല്ലാതാക്കുക; നിങ്ങളുടെ വിഭവങ്ങൾ ശരിയായ സ്ഥലത്ത് അനുവദിക്കുക.
• പൊതുവായി ലഭ്യമായ, ബിസിനസ്സ് വിവരങ്ങൾ മാത്രം ഉപയോഗിക്കുക; വ്യക്തിഗത ഡാറ്റ പരിധി പരിരക്ഷിക്കുക (KVKK).

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു യഥാർത്ഥ ടാർഗെറ്റ് കമ്പനിയുടെ പൊതുവായി ലഭ്യമായ "കുറിച്ച്" പേജ് എടുത്ത് ബ്രീഫിംഗ് പ്രോംപ്റ്റിലേക്ക് അത് നൽകുക. ഔട്ട്‌പുട്ടിൽ മൂന്ന് കാര്യങ്ങൾ പരിശോധിക്കുക: (1) AI ഏതെങ്കിലും സംഖ്യകൾ/വിവരങ്ങൾ ഉണ്ടാക്കിയിട്ടുണ്ടോ (അങ്ങനെയെങ്കിൽ, "അനിശ്ചിത" നിയമം ശക്തിപ്പെടുത്തുക), (2) "അനിശ്ചിതത്വ" ലിസ്റ്റ് യഥാർത്ഥത്തിൽ തെളിവില്ലാത്ത അനുമാനങ്ങളെ വേർതിരിക്കുന്നുണ്ടോ, (3) ICP പാലിക്കൽ യുക്തിക്ക് അർത്ഥമുണ്ടോ. തുടർന്ന് ഹൈലൈറ്റ് ചെയ്ത ഓരോ അനുമാനവും ആദ്യ അഭിമുഖത്തിൽ നിങ്ങൾ ചോദിക്കുന്ന ഒരു തുറന്ന ചോദ്യമാക്കി മാറ്റുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ എൻ്റെ ICP വിവരിച്ചത് 4-5 മൂർത്തമായ സവിശേഷതകളോടെയാണ്.
• [ ] ഞാൻ പൊതുവായി ലഭ്യമായ, ബിസിനസ്സ് വിവരങ്ങൾ മാത്രമേ ഉപയോഗിച്ചിട്ടുള്ളൂ.
• [ ] "അവ്യക്തമായ" റൂൾ ഉപയോഗിച്ച് നമ്പറുകൾ/വിവരങ്ങൾ ഉണ്ടാക്കുന്നതിൽ നിന്ന് ഞാൻ AI-യെ തടഞ്ഞു.
• [ ] തെളിയിക്കപ്പെട്ട വിവരങ്ങളിൽ നിന്ന് ഞാൻ അനുമാനങ്ങൾ പ്രത്യേകം അടയാളപ്പെടുത്തി.
• [ ] ലോ-കമ്പാറ്റിബിലിറ്റി ലീഡുകൾ ഞാൻ സത്യസന്ധമായി ഒഴിവാക്കി.
• [ ] ഓരോ അനുമാനവും ഞാൻ അഭിമുഖത്തിൽ ചോദിക്കുന്ന ഒരു ചോദ്യമാക്കി മാറ്റി.