प्री-सेल्स: लीड पात्रता आणि संशोधन

नफा:

• आदर्श ग्राहक प्रोफाइल (ICP) आणि पात्रता फ्रेमवर्क (उदा. BANT) सह संभाव्य ग्राहकांचे मूल्यांकन करण्याची क्षमता
• सार्वजनिकरित्या उपलब्ध माहितीवरून संरचित खाते/व्यक्ती ब्रीफिंग तयार करण्याची क्षमता
• सत्यापित करणे आवश्यक असलेल्या गृहितकांसह पात्रता आउटपुट चिन्हांकित करण्याची क्षमता

विक्रीतील सर्वात महाग चूक म्हणजे चुकीच्या व्यक्तीसोबत जास्त वेळ घालवणे. जर एखाद्या सेल्स प्रतिनिधीने आपला दिवस एखाद्या लीडशी भेटायला घालवला ज्याला तुमच्या उत्पादनाची गरज नसते, तर खऱ्या संधी कमी होतात. म्हणूनच चांगली विक्री तुम्ही विक्री करण्यापूर्वी स्क्रीनिंगसह सुरू होते: खरोखर चांगला उमेदवार कोण आहे आणि कोण नाही?

या नोकरीला पात्रता म्हणतात. आर्टिफिशियल इंटेलिजन्स (AI) येथे दोन शक्तिशाली भूमिका बजावते: ते सार्वजनिकरित्या उपलब्ध माहिती (वेबसाइट, उद्योग, बातम्या) मधून द्रुत खाते संक्षिप्त काढते आणि परिभाषित फ्रेमवर्कनुसार आघाडीचे मूल्यांकन करते. पण सावध रहा: एआय जी माहिती तयार करते ती ही प्रारंभिक गृहितक आहे, सिद्ध झालेली वस्तुस्थिती नाही. या युनिटमध्ये, लीड रिसर्चला गती देताना अचूकता आणि गोपनीयता कशी राखायची हे तुम्ही शिकाल.

टीप: AI द्वारे व्युत्पन्न केलेली खाते/व्यक्ती माहिती सत्यापित केल्याशिवाय CRM मध्ये वास्तविक म्हणून प्रक्रिया केली जाऊ नये आणि विशेषतः निर्णयासाठी आधार म्हणून वापरली जाऊ नये (उदा. "या कंपनीचे कोणतेही बजेट नाही"). गैर-सार्वजनिक वैयक्तिक डेटा गोळा करणे ही एक नैतिक आणि कायदेशीर मर्यादा आहे.

विशेषता फ्रेमवर्क: ICP आणि BANT

दोन मूलभूत संकल्पना:

• ICP (आदर्श ग्राहक प्रोफाइल): तुमच्या उत्पादनाचा सर्वाधिक फायदा घेणाऱ्या ग्राहकाच्या वैशिष्ट्यांचे वर्णन करते, ते बंद करणे सर्वात सोपे आहे आणि ते सर्वात जास्त काळ टिकते (क्षेत्र, आकार, गरज). "आम्ही कोणाला विकू?" प्रश्नाचे उत्तर आहे.
• बंट: लीडची परिपक्वता मोजणारे चार प्रश्न: बजेट (अर्थसंकल्प आहे का), प्राधिकरण (तो निर्णय घेणारा आहे का), गरज (खरी गरज आहे का), वेळ (वेळ योग्य आहे). या चारमधील प्रत्येक आघाडीचे मूल्यमापन केल्यास कोणाला प्राधान्य द्यायचे हे स्पष्ट होते.

AI या फ्रेमवर्कमध्ये लीड बसवण्यात आणि "विचारण्यासाठी प्रश्न" म्हणून गहाळ माहिती काढण्यासाठी उत्कृष्ट कार्य करते.

स्टेप बाय स्टेप: लीडची पात्रता

1. तुमचा ICP ओळखा. तुमच्या आदर्श ग्राहकाची 4-5 ठोस वैशिष्ट्ये लिहा.
2. सार्वजनिकरित्या उपलब्ध माहिती गोळा करा. वेबसाइट, "बद्दल" पृष्ठ, उद्योग, नोकरीच्या संधी.
3. AI सह ब्रीफिंग काढा. संरचित खाते विवरण तयार करा.
4. स्कोअर ICP अनुपालन. लीड ICP मध्ये किती योग्य आहे?
5. गृहीतके चिन्हांकित करा. AI-अंदाजित (अप्रमाणित) माहिती वेगळी ठेवा.
6. सुरुवातीचे प्रश्न तयार करा. BANT अंतर भरण्यासाठी पहिल्या मुलाखतीत विचारायचे प्रश्न.

कॉपी करण्यायोग्य प्रॉम्प्ट्स

मूलभूत प्रॉम्प्ट जे सार्वजनिकरित्या उपलब्ध माहितीमधून खाते ब्रीफिंग काढते:

भूमिका: तुम्ही विक्री संशोधन सहाय्यक आहात. खाली कंपनीबद्दल सार्वजनिक मजकूर आहे. यावरून संरचित अकाउंट ब्रीफिंग तयार करा:- कंपनी काय करते (1 वाक्य)- उद्योग आणि अंदाजे आकार- संभाव्य गरजा/वेदना बिंदू (आमच्या उत्पादनाशी संबंधित)- ICP फिट: [उच्च | मध्यम | कमी] + एकच वाक्य औचित्य - स्वतंत्रपणे यादी करा ASSUMPTIONS (पुरावा नसलेले निष्कर्ष) ज्याची पडताळणी करणे आवश्यक आहे फिटिंग माहिती मजकूरात नाही; तुम्हाला माहीत नसल्यास, "अस्पष्ट" लिहा. आमचे उत्पादन: {{ product_summary }} कंपनी मजकूर: {{ publicly_public_text }}

BANT नुसार आघाडीचे मूल्यमापन करणारे प्रॉम्प्ट:

BANT फ्रेमवर्कमध्ये खालील मुख्य माहितीचे मूल्यमापन करा: - अर्थसंकल्प: आम्हाला माहित आहे / अज्ञात - प्राधिकरण (अधिकृत): व्यक्ती निर्णय घेणारी आहे का? - गरज आहे: पुरावा आहे का? - वेळ (वेळ): ट्रिगर इव्हेंट आहे का? प्रत्येक परिमाणासाठी "ज्ञात/अज्ञात" चिन्हांकित करा. पहिल्या मीटिंगमध्ये विचारण्यासाठी असा प्रश्न सुचवा जो अज्ञातांना कव्हर करेल. लीड माहिती: {{ माहिती }}

प्रॉम्प्ट जे वैयक्तिकृत प्रथम संपर्क उघडण्याची निर्मिती करते:

या अकाउंट ब्रीफिंगवर आधारित, पहिल्या संपर्कासाठी वैयक्तिकृत एक-वाक्य आइस-ब्रेकर लिहा. ते त्यांच्या कार्याशी संबंधित ठोस निरीक्षणावर आधारित असू द्या, सामान्य प्रशंसावर नाही. अतिशयोक्ती करू नका, अप्रमाणित दावे वापरू नका. ब्रीफिंग: {{ ब्रीफिंग }}

प्रॉम्प्ट जे पात्रतेमध्ये "निर्मूलन" देखील सूचित करते:

जर ही लीड आमच्या ICPशी कमी सुसंगत वाटत असेल, तर स्पष्टपणे सांगा आणि औचित्यपूर्ण 1-2 आयटम का पाठपुरावा करणे योग्य नाही. सक्ती करू नका; आमच्या संसाधनांचे योग्य ठिकाणी वाटप करण्यासाठी प्रामाणिक रहा.ICP: {{ icp }} | आघाडी: {{ आघाडी }}

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

गरीब दृष्टीकोन

मजबूत दृष्टीकोन

"मला या कंपनीबद्दल सांगा"

सार्वजनिक मजकूर + विनंत्या संरचित ब्रीफिंग मिळवते

काल्पनिक उलाढाल/कर्मचाऱ्यांची संख्या निर्माण करते

"अनिश्चित" म्हणते, गृहीतके स्वतंत्रपणे चिन्हांकित करते

प्रत्येक आघाडी "पात्र" म्हणून दाखवते

कमी सुसंगतता बर्यापैकी काढून टाकते

सामान्य उद्घाटन ("महान कंपनी")

त्यांच्या व्यवसायासाठी विशिष्ट काँक्रीट उघडणे

फरक असा आहे की मजबूत दृष्टीकोन AI चा वापर “तथ्यांचा स्त्रोत” ऐवजी “ह्योपोथीसिस जनरेटर” म्हणून करतो: प्रत्येक आउटपुट सत्यापित करण्यासाठी ब्लूप्रिंट आहे.

तीन मिनी केसेस

केस 1 - बनावट उलाढाल सापळा. एका प्रतिनिधीने विचारले: "या कंपनीची उलाढाल काय आहे?" त्याने विचारले; AI आत्मविश्वासाने म्हणाला "250 दशलक्ष TL वार्षिक". मात्र, हा पूर्णपणे बनाव होता; कंपनीने ही माहिती कधीच उघड केली नाही. जेव्हा संघाच्या हे लक्षात आले, तेव्हा त्यांनी "तुम्हाला माहित नसल्यास, अस्पष्टपणे लिहा, क्रमांक तयार करा" या नियमासह प्रॉम्प्ट अद्यतनित केले. त्यानंतरच्या ब्रीफिंग्समध्ये, एआयने उलाढाल क्षेत्रात "अनिश्चित" लिहिले, चुकीच्या बजेट गृहीतकेवर आधारित चुकीचा प्रस्ताव रोखला.

केस 2 - प्रामाणिक निर्मूलनामुळे वेळ वाचला. ICP प्रॉम्प्टद्वारे 30 लीड्सची यादी पास केली गेली. AI ने 9 लीड्स "कमी फिट" म्हणून ध्वजांकित केल्या आणि समर्थन दिले (उदा. "खूप लहान संघ, आमच्या उत्पादनाच्या वापरकर्त्यांच्या किमान संख्येपेक्षा कमी"). या 9 वर वेळ घालवण्याऐवजी, प्रतिनिधीने 21 पात्र लीडवर लक्ष केंद्रित केले; त्या तिमाहीत पाइपलाइनची (विक्री पाइपलाइन) गुणवत्ता लक्षणीय वाढली.

केस 3 - काँक्रीट उघडण्याचे दार उघडले. AI ने कंपनीच्या अलीकडील जॉब पोस्टिंगवरून असा अंदाज लावला आहे की "ते वेगाने वाढणारी सपोर्ट टीम तयार करत आहेत" आणि त्याच्या सुरुवातीच्या वाक्यावर आधारित: "तुम्ही तुमचा सपोर्ट टीम वाढवत असताना तुम्ही विनंत्यांचे वाढते प्रमाण कसे व्यवस्थापित करता ते मला उत्सुकता होती." सामान्य उद्घाटनाच्या तुलनेत, प्रतिसाद दर लक्षणीयपणे जास्त होता; कारण संदेशाने त्यांच्या वास्तविक परिस्थितीला स्पर्श केला होता.

टीप: पहिल्या मीटिंगमध्ये एआयने अनुमान काढलेल्या प्रत्येक "ग्रहणाला" प्रश्नात बदला. "मला वाटते की तुमचा सपोर्ट व्हॉल्यूम वाढत आहे," असे म्हणण्याऐवजी विचारा, "तुमचा सपोर्ट व्हॉल्यूम अलीकडे कसा बदलला आहे?" विचारा अशाप्रकारे, तुम्ही गृहीतकांची पुष्टी करता आणि ग्राहकांना बोलता येईल.

गोपनीयता आणि नैतिक सीमा

विशेषता केवळ सार्वजनिकरित्या उपलब्ध आणि व्यवसाय माहितीसह केली जाते. एखाद्या व्यक्तीच्या खाजगी सोशल मीडिया पोस्ट, वैयक्तिक जीवन किंवा परवानगीशिवाय प्राप्त केलेला डेटा संशोधनाचा स्त्रोत म्हणून वापरणे अनैतिक आणि बेकायदेशीर दोन्ही आहे (KVKK, म्हणजे वैयक्तिक डेटा संरक्षण कायदा). नियम सोपा आहे: कंपनीच्या अधिकृत वेबसाइटवर किंवा खुल्या व्यावसायिक संसाधनांवर लिहिलेली नसलेली कोणतीही वैयक्तिक माहिती AI मध्ये गोळा करू नका आणि प्रविष्ट करू नका.

खबरदारी: AI-व्युत्पन्न "गरज/वेदना बिंदू" चे अंदाज ग्राहकांसमोर सादर केले जाऊ नयेत जसे की ते निश्चितपणे ज्ञात आहेत. "तुम्हाला ही समस्या आहे" असे म्हणणे चुकीचे असल्यास विश्वास त्वरित तोडतो. त्याऐवजी, "हे आव्हान तुमच्या उद्योगात अनेकदा पाहिले जाते, तुम्ही कसे आहात?" ओपन एंडेड पुढे जा.

ट्रिगरिंग इव्हेंट पकडणे

विक्रीमध्ये, वेळ हा संदेशापेक्षा अधिक महत्त्वाचा असतो. "ट्रिगर इव्हेंट" हा सार्वजनिकपणे दिसणारा विकास आहे जो सूचित करतो की कंपनीला आत्ता तुमच्या समाधानाची आवश्यकता असू शकते: नवीन एक्झिक्युटिव्हची नियुक्ती, नवीन कार्यालय उघडणे, नवीन गुंतवणूक संपादन करणे, संघाची जलद वाढ किंवा नवीन उत्पादन लॉन्च करणे. या घटना एक "द्वार" आहेत; कारण बदल अनुभवणाऱ्या कंपन्या त्या काळात असतात जेव्हा ते नवीन उपायांसाठी सर्वात जास्त खुले असतात. तुम्ही AI ला खात्याच्या सार्वजनिक बातम्या आणि पोस्टिंग देता आणि विचारता "आमच्या सोल्यूशनशी जोडले जाऊ शकणारे काही ट्रिगरिंग इव्हेंट आहेत का?" तुम्ही विचारू शकता.

अशा ट्रिगरसह, तुमचा पहिला संपर्क संदेश अधिक मजबूत होतो: "मी पाहिले आहे की तुम्ही तुमचे नवीन ऑपरेशन सेंटर उघडले आहे; या प्रमाणात समर्थन व्हॉल्यूम व्यवस्थापित करणे बहुतेकदा आव्हानात्मक असते" असे दोन्ही प्रासंगिक आणि वेळेवर वाटते. तरीही, तीच शिस्त लागू होते: ट्रिगर करणारी घटना वास्तविक आणि वर्तमान आहे याची पडताळणी करा आणि जुन्या बातम्यांना "नवीन" म्हणून चुकीचे समजून हसू नका. वेळ हा एक चांगला मित्र आहे, परंतु केवळ सत्यापित माहितीसह.

सामान्य चुका

• AI द्वारे बनवलेला टर्नओव्हर/कर्मचारी क्रमांक सत्यापित न करता खरा म्हणून स्वीकारणे.
• प्रत्येक आघाडी पात्र करण्यासाठी; प्रामाणिक स्क्रीनिंग वगळणे आणि संसाधने वाया घालवणे.
• ICP परिभाषित न करता "प्रत्येकजण आमचे ग्राहक आहे" असे गृहीत धरून संशोधन करणे.
• गैर-सार्वजनिक वैयक्तिक डेटा शोधत आहे आणि तो AI (KVKK उल्लंघन) मध्ये प्रविष्ट करा.
• ग्राहकासमोर AI चे वेदना बिंदू अंदाज परिपूर्ण सत्य म्हणून सादर करत आहे.
• गृहीतकांना मुलाखतीच्या प्रश्नांमध्ये न बदलून प्रमाणीकरण वगळणे.

सारांशात

• चांगली विक्री एलिमिनेशनपासून सुरू होते; कोणाला प्राधान्य द्यायचे हे ICP आणि BANT स्पष्ट करतात.
• AI सार्वजनिकरित्या उपलब्ध माहितीमधून जलद माहिती काढते; परंतु त्याचे आउटपुट सत्यापित करणे ही एक गृहितक आहे.
• "तुम्हाला माहित नसल्यास, अस्पष्टपणे लिहा" या नियमासह संख्या आणि माहिती तयार करणे प्रतिबंधित करा.
• कमी-कन्फॉर्मन्स लीड्स प्रामाणिकपणे काढून टाका; तुमच्या संसाधनांचे योग्य ठिकाणी वाटप करा.
• फक्त सार्वजनिकरित्या उपलब्ध, व्यवसाय माहिती वापरा; वैयक्तिक डेटा मर्यादा (KVKK) संरक्षित करा.

अर्ज कार्य

वास्तविक लक्ष्य कंपनीचे सार्वजनिकरित्या उपलब्ध "बद्दल" पृष्ठ घ्या आणि त्यास ब्रीफिंग प्रॉम्प्टवर फीड करा. आउटपुटमध्ये तीन गोष्टी तपासा: (1) AI ने कोणतीही संख्या/माहिती तयार केली आहे का (तसे असल्यास, "अनिश्चित" नियम मजबूत करा), (2) "ग्रहण" सूची प्रत्यक्षात अप्रमाणित अनुमानांना वेगळे करते का, (3) ICP अनुपालन तर्काला अर्थ आहे का. मग प्रत्येक हायलाइट केलेल्या गृहीतकाला तुम्ही पहिल्या मुलाखतीत विचारलेल्या ओपन-एंडेड प्रश्नात बदला.

चेकलिस्ट

• मी 4-5 ठोस वैशिष्ट्यांसह माझ्या ICP चे वर्णन केले आहे.
• [ ] मी फक्त सार्वजनिकरित्या उपलब्ध, व्यवसाय माहिती वापरली आहे.
• [ ] मी AI ला "अस्पष्ट" नियमाने संख्या/माहिती बनवण्यापासून प्रतिबंधित केले.
• [ ] मी सिद्ध माहितीवरून गृहीतके स्वतंत्रपणे चिन्हांकित केली.
• [ ] मी कमी सुसंगतता लीड्स प्रामाणिकपणे काढून टाकले.
• मी प्रत्येक गृहीतकाला मी मुलाखतीत विचारणार असलेल्या प्रश्नात बदलले.