लीड संशोधन आणि पात्रता

नफा:

• AI च्या मदतीने आदर्श ग्राहक प्रोफाइल (ICP) आणि खरेदीदार व्यक्तिमत्व स्पष्ट करण्याची क्षमता
• BANT आणि MEDDIC सारख्या फ्रेमवर्कसह संरचित मार्गाने लीड्सची पात्रता मिळवण्याची क्षमता
• स्त्रोताविरूद्ध AI द्वारे उत्पादित कंपनी/व्यक्तीची माहिती सत्यापित करण्याची शिस्त लागू करण्याची क्षमता

विक्रीतील सर्वात महाग चूक म्हणजे चुकीच्या व्यक्तीशी बोलणे. प्रतिनिधी योग्य वेळी चुकीच्या ग्राहकाला योग्य उत्पादन समजावून सांगण्यासाठी आठवडे घालवतो आणि शेवटी "कोणतेही बजेट नाही" किंवा "मी निर्णय घेणारा नाही" असे उत्तर मिळते. तरीही पहिल्या संपर्कापूर्वी ही माहिती मोठ्या प्रमाणात काढली जाऊ शकते. लीड रिसर्च आणि पात्रता नेमके हेच करते: तुमचा ग्राहक कोण असू शकतो आणि कोण वेळेचा अपव्यय आहे हे लवकर ओळखा. या युनिटमध्ये तुम्ही या प्रक्रियेचे इंजिन म्हणून AI कसे वापरायचे ते शिकाल; आदर्श ग्राहक प्रोफाइल (ICP) आणि खरेदीदार व्यक्ती तयार करण्यापासून ते BANT आणि MEDDIC सारख्या फ्रेमवर्कसह स्कोअर करण्यापर्यंत आम्ही टप्प्याटप्प्याने पाहू. चला सुरुवातीला एक चेतावणी देऊ: AI द्वारे उत्पादित कंपनी आणि व्यक्ती माहिती सत्यापित केल्याशिवाय कधीही "वास्तविक" मानली जात नाही.

आदर्श ग्राहक प्रोफाइल (ICP) आणि खरेदीदार व्यक्तिमत्व

"आमच्यासाठी कोणत्या प्रकारची कंपनी आदर्श ग्राहक आहे?" या प्रश्नाचे उत्तर ICP आहे. व्यक्तिमत्व म्हणजे तुम्ही त्या कंपनीमध्ये ज्या व्यक्तीशी बोलता. त्या दोन भिन्न गोष्टी आहेत: ICP कंपनीची व्याख्या करते (फर्मोग्राफिक), व्यक्तिमत्व व्यक्तीची व्याख्या करते.

संकल्पना

काय व्याख्या

उदाहरण सिग्नल

ICP (फर्मोग्राफिक)

आदर्श कंपनी

क्षेत्र, कर्मचाऱ्यांची संख्या, उलाढाल, भूगोल

ICP (तंत्रज्ञान)

कंपनीने वापरलेले तंत्रज्ञान

CRM, पायाभूत सुविधा, सॉफ्टवेअर ते वापरतात

व्यक्तिमत्व

निर्णय प्रक्रियेतील व्यक्ती

शीर्षक, गोल, वेदना गुण, KPIs

फर्मोग्राफिक सिग्नल या प्रश्नाचे उत्तर देतात "ही कंपनी आकाराच्या दृष्टीने आमच्यासाठी योग्य आहे का?" टेक्नोग्राफिक सिग्नल या प्रश्नाचे उत्तर देतात "ते आधीपासून असे तंत्रज्ञान वापरत आहेत जे आमच्याशी पूरक/संघर्ष करते?" उदाहरणार्थ, विशिष्ट ई-कॉमर्स इन्फ्रास्ट्रक्चर वापरणाऱ्या कंपन्या तुमच्या एकत्रीकरणासाठी तयार मैदान असू शकतात.

ICP व्याख्या प्रॉम्प्ट: "गेल्या 12 महिन्यांत आम्ही मिळवलेल्या शीर्ष 10 ग्राहकांची वैशिष्ट्ये खाली दिली आहेत. त्यांच्यामध्ये कॉमन नमुने शोधून एक आदर्श ग्राहक प्रोफाइल (ICP) तयार करा. खालील परिमाणांसह एक सारणी बनवा: उद्योग, हेडकाउंट श्रेणी, वार्षिक उलाढाल श्रेणी, भूगोल, तंत्रज्ञानाच्या आधारावर ते फक्त वेदना बिंदू वापरतात. डेटा, शीर्ष ग्राहक: {{customer_list}}" च्या बाहेर गृहीतक जोडू नका.

पर्सोना एक्स्ट्रॅक्शन प्रॉम्प्ट: "आम्ही {{उत्पादन}} विकतो. आमचा ICP {{icp_summary}} आहे. या कंपन्यांमधील खरेदी निर्णयावर प्रभाव टाकणारी 3 व्यक्तिरेखा परिभाषित करा. प्रत्येक व्यक्तिमत्वासाठी:- शीर्षक- प्राथमिक उद्दिष्टे आणि KPI ज्याद्वारे ते मोजले जातात- शीर्ष 2 वेदना बिंदू- आमच्या उत्पादनाचे मूल्य प्रस्ताव त्यांच्या भाषेत अनुवादित केले जाऊ शकते.

पात्रता फ्रेमवर्क: BANT आणि MEDDIC

आम्ही संरचित प्रश्नांसह लीड "वास्तविक" आहे की नाही हे मोजतो. दोन सामान्य फ्रेमवर्क:

टेप - जलद, हलके व्यक्तिचित्रणासाठी:

• बजेट: पैसे देण्यासाठी संसाधने आहेत का?
• प्राधिकरण: मी बोलतोय ती व्यक्ती निर्णय घेऊ शकते का?
• गरज: खरी, तातडीची गरज आहे का?
• टाइमलाइन: ते कधी प्राप्त करण्याची योजना करतात?

MEDDIC — जटिल, मोठ्या B2B विक्रीसाठी सखोल:

• मेट्रिक्स: ग्राहकाद्वारे मोजलेले संख्यात्मक लाभ.
• आर्थिक खरेदीदार: प्रत्यक्षात बजेट नियंत्रित करणारी व्यक्ती.
• निर्णयाचे निकष: निर्णयाचे निकष.
• निर्णय प्रक्रिया: निर्णय प्रक्रिया आणि पायऱ्या.
• वेदना ओळखा: ठोस वेदना.
• चॅम्पियन: जो तुमचा आतून बचाव करतो.

फ्रेम

जेव्हा

खोली

टेप

लहान चक्र, कमी-मध्यम मूल्य

जलद निर्मूलन

MEDDIC

लांब सायकल, उच्च मूल्य, बहु-भागधारक

खोल, पद्धतशीर

टीप: लहान, द्रुत विक्रीसाठी, TAPE सह प्रारंभ करा; जसजसा करार वाढत जाईल आणि भागधारकांची संख्या वाढत जाईल तसतसे MEDDIC वर जा. एआयला स्पष्टपणे सांगा की तुम्हाला कोणत्या फ्रेमवर्कसह स्कोअर करायचे आहे, किंवा ते दोघांना गोंधळात टाकू शकते.

AI सह संशोधन सारांश आणि विशेषता स्कोअरिंग

आम्ही येथे दोन कामांसाठी AI वापरतो: (1) तुमच्याकडे असलेली कच्ची माहिती फ्रेमद्वारे सारांशित करा, (2) गुण सुचवा. स्कोअर तुमच्यासाठी "प्राथमिक रँकिंग" आहे, अंतिम निर्णय नाही.

लीड क्वालिफिकेशन प्रॉम्प्ट (BANT): "BANT फ्रेमवर्कसह खालील लीड नोट्सचे मूल्यमापन करा. प्रत्येक परिमाणासाठी 0-5 गुण द्या आणि तुमचे औचित्य लिहा. माहिती गहाळ असल्यास, 'डेटा नाही' म्हणा, अंदाज लावू नका. चौकशी: एकूण गुण, 'हॉट/वॉर्म/कोल्ड' लेबल आणि पुढील चरण सूचना. लीड नोट्स: {}/ कंपनी इंटरव्ह्यू:- {}} {{person}}- नोट्स: {{interview_notes}}"

लीड लिस्ट प्रायॉरिटायझेशन प्रॉम्प्ट: "आमच्या ICP ({{icp_summary}}) नुसार खालील 20 लीड्स त्यांच्या योग्यतेनुसार क्रमवारी लावा. प्रत्येक लीडसाठी: सुयोग्यता स्कोअर (0-100), सर्वात मजबूत फिट सिग्नल, सर्वात मोठी अनिश्चितता. कमी स्कोअर असलेल्यांसाठी, थोडक्यात कारण लिहा. कंपनी डेटा गहाळ असल्यास, FITT ला चिन्हांकित करा. FITT वर चिन्हांकित करा. {{lead_list}}"

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमजोर: "हे शिसे चांगले आहे का?" (परिणाम: एक क्षुल्लक, एक-शब्द टिप्पणी.) STRONG: "BAND फ्रेमवर्क वापरून ही आघाडी स्कोअर करा. प्रत्येक परिमाणाला 0-5 द्या, एक औचित्य लिहा, गहाळ माहितीवर 'डेटा नाही' म्हणून चिन्हांकित करा आणि एकूण स्कोअरवर आधारित पुढील चरण सुचवा. तुमच्या नोट्सच्या पलीकडे जाऊ नका."

फॅब्रिकेशनचा धोका: स्त्रोत सत्यापन

AI विश्वासार्हपणे कंपनी किंवा व्यक्तीबद्दल माहिती नसलेली माहिती तयार करू शकते: उलाढाल, कर्मचाऱ्यांची संख्या, शीर्षक, अगदी निर्णय घेणाऱ्याचे नाव. तुम्ही या माहितीच्या संपर्कात आल्यास, तुम्ही एका झटक्यात तुमची विश्वासार्हता गमावाल.

खबरदारी: एआयने परत केलेला कोणताही फर्म-विशिष्ट डेटा (उलाढाल, वाढ, कार्यकारी नाव, टेक स्टॅक) प्राथमिक स्त्रोतावरून सत्यापित करा: फर्मची स्वतःची साइट, लिंक्डइन, अधिकृत वृत्तपत्रे. आउटरीचमध्ये असत्यापित माहिती वापरू नका.

एक साधा पडताळणी कार्यप्रवाह:

1. लीड सारांशसाठी AI ला “प्रत्येक दाव्यावर स्त्रोत टॅग लावायला” सांगा.
2. स्त्रोतावरून "सत्यापित करणे आवश्यक आहे" चिन्हांकित प्रत्येक आयटम एक एक करून तपासा.
3. सीआरएममध्ये सत्यापित माहितीवर प्रक्रिया करा; जे सत्यापित केले जाऊ शकत नाही ते हटवा.
4. केवळ सत्यापित माहितीसह स्कोअरिंग अद्यतनित करा.
5. त्यानंतरच आउटरीचकडे जा.

मिनी केस

B2B SaaS प्रतिनिधी Kaan ने AI ला 50 लोकांची लीड लिस्ट दिली आहे आणि ती ICP योग्यतेनुसार क्रमवारी लावली आहे. "फर्म A ने गेल्या तिमाहीत 200 कर्मचाऱ्यांपर्यंत पोहोचले," AI म्हणते. कानने लिंक्डइनवर कंपनी उघडली; कर्मचाऱ्यांची संख्या सुमारे ६० आहे. एआय अतिशयोक्तीपूर्ण आहे. कान या सिग्नलला "सत्यापित करणे आवश्यक आहे" असे चिन्हांकित करते, वास्तविक संख्या प्रविष्ट करते आणि स्कोअर वजा करते. त्या बदल्यात, ते कंपनीच्या करिअर पृष्ठावर नवीन पोस्टिंगसह AI च्या "कंपनी B लवकरच नवीन बाजारपेठ उघडत आहे" या संकेताची पुष्टी करते आणि या आघाडीला प्राधान्य देते. परिणाम: AI ने मिनिटांमध्ये 50 लीड्सची रँक मिळवली, कानने यादी प्रमाणित केली आणि 8 खरोखरच हॉट लीडवर लक्ष केंद्रित केले.

सामान्य चुका

• ICP ओळखल्याशिवाय तपास सुरू करणे (प्रत्येकाला टार्गेट करणे, कोणालाही गोळी मारणे नाही).
• AI द्वारे प्रदान केलेल्या कंपनी डेटाची पडताळणी न करता CRM मध्ये प्रक्रिया करणे.
• BANT आणि MEDDIC मिक्स करणे आणि हाफ स्कोअरिंग करणे.
• AI ला त्याच्या "अंदाज" सह गहाळ माहिती भरण्याची परवानगी देणे.
• स्कोअर पूर्ण सत्य आहे असा विचार करणे आणि मानवी निर्णय अक्षम करणे.
• व्यक्तिमत्त्वाऐवजी केवळ कंपनीवर लक्ष केंद्रित करणे आणि "मी कोणाशी बोलत आहे" हे वगळणे.

टीप: "तुम्ही असा स्कोअर का केला?" असे विचारून नेहमी AI स्कोअरचे समर्थन करा. औचित्य कमकुवत असल्यास, गुण देखील कमकुवत आहे. तर्क देखील तुम्हाला सत्यापित करण्यासाठी आवश्यक असलेले मुद्दे सूचित करतात.

सारांशात

• ICP फर्मचे वर्णन करते (फर्मोग्राफिक + टेक्नोग्राफिक), व्यक्तिमत्व व्यक्तीचे वर्णन करते; दोन्ही आवश्यक आहेत.
• BANT हे द्रुत पात्रतेसाठी आहे, MEDDIC खोल आणि गुंतागुंतीच्या विक्रीसाठी आहे.
• AI संशोधनाचा सारांश देते आणि गुण सुचवते; अंतिम निर्णय व्यक्तीचा असतो.
• स्कोअर ही प्राथमिक रँकिंग आहे आणि औचित्याने विनंती करणे आवश्यक आहे.
• AI द्वारे उत्पादित कंपनी/व्यक्तीची माहिती प्राथमिक स्त्रोताकडून पडताळणी केल्याशिवाय वापरली जाऊ शकत नाही.
• गहाळ माहिती "अंदाज" ऐवजी "डेटा नाही" म्हणून चिन्हांकित केली पाहिजे.

अर्ज कार्य

तुमच्या शेवटच्या 5-10 ग्राहकांची यादी बनवा आणि वरील ICP प्रॉम्प्टसह AI ला सामान्य नमुने शोधा. परिणामी ICP वापरून तुमच्याकडे असलेल्या 10 लीड्सला प्राधान्य द्या. त्यानंतर AI लिंक्डइन आणि कंपनीच्या साइटवर 3 सर्वाधिक स्कोअरिंग लीडसाठी करत असलेल्या प्रत्येक कंपनी-विशिष्ट दाव्याची पडताळणी करा; कोणते दावे खोटे किंवा अपूर्ण असल्याचे लक्षात घ्या. हा व्यायाम एकाच वेळी ICP शिस्त आणि सत्यापन रिफ्लेक्स दोन्ही शिकवतो.