Ramalan Jualan, Analisis Saluran Paip dan Pengeluaran Kandungan Jualan

Keuntungan:

• Keupayaan untuk menganalisis data saluran paip dengan AI dan membuat ulasan ramalan
• Keupayaan untuk menghasilkan kandungan jualan dengan cepat seperti satu halaman, pembentangan dan kajian kes
• Keupayaan untuk memuktamadkan output AI dengan pengesahan berangka dan nada jenama

Apabila menghampiri suku akhir, soalan pemimpin jualan sentiasa sama: "Bolehkah kita menutup suku ini?" Jawapan kepada soalan ini bukanlah perasaan, ia tersembunyi dalam saluran paip anda. Tetapi data saluran paip mentah ialah jadual yang tidak kemas dengan baris dan baris tawaran, peringkat, jumlah dan tarikh; Ia mengambil masa untuk melihat cerita di dalam. Kecerdasan buatan boleh membaca jadual ini dan mengekstrak pengedaran peringkat, sekatan, aliran kadar kemenangan dan tafsiran ramalan dalam beberapa minit. Kecerdasan buatan yang sama juga cepat menghasilkan satu halaman, garis besar pembentangan atau kajian kes yang menerangkan perniagaan yang dimenangi. Walau bagaimanapun, mesej utama unit ini ialah: jangan menerima secara membuta tuli sebarang nombor atau ayat yang dihasilkan oleh kecerdasan buatan. Model menganalisis, anda sahkan.

Analisis saluran paip: daripada data kepada wawasan

Analisis saluran paip berusaha untuk menjawab soalan "seberapa sihat kerja ini" dan bukannya "berapa banyak kerja yang ada?" Metrik utama untuk dilihat:

metrik

apa yang dikatakan

tanda amaran

Pengagihan peringkat

Pada peringkat manakah tawaran disusun?

Kebanyakan peringkat awal = ramalan buruk

Tawaran tersekat

Peluang yang sudah lama tidak berkembang

60+ hari pada peringkat yang sama

kadar kemenangan

Menang / total ditutup

Aliran menurun = masalah proses

kebarangkalian penutupan

Ramalan wajaran mengikut peringkat

Berat yang terlalu optimistik

Saiz tawaran purata

Trend saiz peluang

Mengecut = salah segmen

Gesaan boleh disalin: analisis saluran paip

Anda seorang penganalisis operasi jualan. Analisis data saluran paip di bawah. Data: setiap baris adalah peluang; Lajur: nama tawaran, peringkat, jumlah, tarikh kemasukan peringkat, anggaran penutupan. Output:1. Pengagihan peringkat (bilangan peluang dan jumlah jumlah dalam setiap peringkat)2. Peluang yang disekat (yang kekal dalam peringkat yang sama selama lebih daripada {{hari}} hari)3. Pengiraan kadar kemenangan (berdasarkan tawaran tertutup)4. Ringkasan risiko: 3 peluang yang mengancam ramalan dan mengapaPeraturan: Hanya gunakan nombor dalam data. Tunjukkan saya formula untuk setiap metrik yang anda kira supaya saya boleh mengesahkannya. Meramalkan nilai yang tiada dalam data; Jika tiada, tulis "data tiada".Data:{{pipeline_verisi}}

Tafsiran ramalan dan pengesahan berangka

Kecerdasan buatan mungkin memberitahu anda "suku ini akan ditutup dengan 2.4 juta TL". Ayat ini kedengaran tepat, tetapi terdapat andaian asas: apakah kemungkinan penutupan yang digunakan? Tawaran mana yang disertakan? Adakah model membuat ralat penambahan? Cara untuk mengesahkan output berangka adalah dengan meminta model secara eksplisit untuk andaian dan formulanya. Kemudian semak sekurang-kurangnya satu metrik secara manual: contohnya, tambahkan sendiri jumlah wajaran bagi tiga tawaran dan bandingkan dengan keputusan model. Model boleh membuat ralat dalam aritmetik, terutamanya dalam jadual berbilang baris.

Wajarkan ramalan di atas dalam format berikut:- Andaian kebarangkalian penutupan yang anda gunakan (mengikut peringkat)- Tawaran yang anda sertakan dan dikecualikan + sebab- Pecahan jelas jumlah pengiraan wajaran anda (urusan urus niaga) Saya perlu dapat mengesahkan bukan nombor yang terhasil tetapi bagaimana anda mencapainya.

Perhatian: Angka ramalan yang dihasilkan oleh AI adalah pengiraan, bukan fakta, dan bergantung sepenuhnya pada input dan andaian. Model mungkin menggunakan berat kebarangkalian yang salah, menambah baris dengan salah atau mengira dua kali perjanjian. Sahkan sekurang-kurangnya satu metrik secara manual dan buat andaian kelihatan sebelum mengemukakan nombor kepada pengurusan. Ramalan yang tidak disahkan membawa kepada perancangan sumber yang salah.

Pengeluaran kandungan jualan: set input yang baik

Kualiti AI sebagai satu halaman, dek atau kajian kes bergantung sepenuhnya pada input yang anda berikan. Ringkas kandungan yang baik merangkumi lima komponen ini: persona (kepada siapa), masalah (apa kesakitan yang kita selesaikan), cadangan nilai (mengapa kita), pembeza (bagaimana kita berbeza daripada persaingan), dan nada jenama (bagaimana kita bercakap). Jika kelima-lima ini tiada, model itu mengisi kekosongan dengan klise pemasaran generik dan hasilnya serupa dengan yang lain.

Pengeluaran satu halaman selangkah demi selangkah

1. Kumpul set input. Persona, masalah, cadangan nilai, pembeza, nada jenama.
2. Nyatakan tujuan. Satu muka surat, draf dek, kajian kes? Formatnya berbeza.
3. Minta model dihasilkan. Berikan ringkasan berstruktur.
4. Sahkan nombor. Sahkan setiap metrik (ROI, tempoh, bilangan pelanggan) yang disebut dalam kandungan dengan data sebenar.
5. Muatkan ke dalam nada jenama. Tarik bahasa model ke dalam panduan suara korporat anda.
6. Kelulusan manusia. Seorang manusia akan menyemaknya sebelum diterbitkan.

Gesaan boleh disalin: satu halaman

Menghasilkan draf satu muka surat. Input:- Persona: {{target_persona}}- Masalah yang kami selesaikan: {{problem}}- Proposisi nilai: {{value_recommendation}}- Differentiators: {{differentiators}}- Nada jenama: {{brand_tone}}Struktur: (1) tajuk yang menarik perhatian, (2) 3) penyata penyelesaian masalah, (45) penyelesaian masalah sosial kami, (45) (45) penyelesaian masalah sosial (6) CTA bersih tunggal.Peraturan: Jangan reka angka konkrit atau tuntutan pelanggan. Letakkan pemegang tempat "[metrik untuk mengesahkan]" di mana nombor itu diperlukan. Kekal setia pada nada jenama anda.

Gesaan boleh disalin: rangka kerja kajian kes

Hasilkan rangka kajian kes daripada maklumat pelanggan berikut:- Profil pelanggan: {{pelanggan}}- Masalah awal: {{masalah}}- Penyelesaian dilaksanakan: {{penyelesaian}}- Keputusan: {{hasil}}Struktur: Cabaran -> Penyelesaian -> Kesimpulan. Tandai setiap nombor dalam bahagian hasil dengan teg "[sumber/pengesahan diperlukan]". Jangan tulis sebarang tuntutan bahawa pelanggan tidak meluluskan seolah-olah ia pasti.

Ringkas yang lemah / Ringkas yang kuat

LEMAH: "Tulis satu halaman untuk produk kami." Keputusan: Teks yang generik, penuh dengan klise, tidak jelas kepada siapa ia ditujukan, mungkin mengandungi angka yang dibuat-buat dan kelihatan seperti milik orang lain.

GÜÇLÜ:"Persona: Pengurus operasi syarikat perkilangan dengan 500 orang. Masalah: perancangan peralihan manual kos 6 jam seminggu. Cadangan nilai: kami mengautomasikan perancangan dan mengurangkan kadar ralat. Pembeza: mematuhi perundangan tempatan, pentauliahan dalam 2 minggu. Nada: mudah, boleh dipercayai, bersahaja. Letakkan pemegang tempat di tempat yang diperlukan, draf yang diperlukan." boleh disahkan, sesuai untuk jenama.

Kes mini: menetapkan ramalan optimistik

Dalam pasukan perisian, pengurus jualan mempunyai saluran paip yang dianalisis oleh kecerdasan buatan. Model ini menghasilkan ramalan cerah untuk suku tersebut. Pengurus meminta pecahan urus niaga jumlah wajaran daripada model, mengikut peraturan dalam unit. Semasa dia meneliti transkrip, dia melihat dua perkara: model itu mengira 90 peratus kebarangkalian perjanjian utama yang telah terperangkap dalam peringkat "kontrak" selama enam puluh hari, sedangkan sebenarnya perjanjian itu berisiko; Selain itu, dua rekod untuk pelanggan yang sama telah dikumpul dua kali secara tidak sengaja. Ramalan terlaras adalah jauh di bawah angka pertama. Pengurus pergi ke pengurusan kanan dengan angka realistik ini dan menangguhkan keputusan pengambilan pekerja yang tidak perlu. Model itu tidak buruk; ia hanya perlu disahkan.

Petua: Dalam penciptaan kandungan, jangan sekali-kali meminta model untuk "membuat" angka, sebaliknya meninggalkan ruang letak. Teg "[metrik untuk mengesahkan]" ialah ruang selamat yang menunggu untuk diisi dengan data sebenar kemudian, menghalang statistik yang dibuat daripada menjangkau pelanggan.

Kesilapan biasa

• Menerima angka ramalan tanpa persoalan. Jangan serahkan sebarang anggaran tanpa melihat andaian dan formula.
• Mempercayai aritmetik model. Ralat pengagregatan berlaku dalam jadual berbilang baris; Semak sekurang-kurangnya satu metrik secara manual.
• Meminta kandungan dengan ringkas yang lemah. Jika tiada persona dan pembeza, output akan menjadi klise.
• Menerbitkan statistik rekaan. Meletakkan ROI dan angka pelanggan yang dihasilkan oleh model pada satu halaman tanpa mengesahkannya merosakkan kepercayaan jenama.
• Melangkaui kelulusan manusia. Tiada kandungan jualan harus disiarkan tanpa semakan manusia.

Secara ringkasnya

• Analisis saluran paip bertanya "seberapa sihat kerja ini" dan bukannya "berapa banyak kerja yang ada"; Pengagihan peringkat, penyumbatan dan kadar kemenangan adalah kritikal.
• Ramalan adalah pengiraan, bukan fakta; Tanya model untuk andaian dan formulanya dan sahkannya secara manual.
• Ringkas kandungan yang baik merangkumi lima komponen: persona, masalah, cadangan nilai, pembeza, nada jenama.
• Jangan buat nombor dalam satu halaman, dek dan kajian kes; Tinggalkan pemegang tempat dan isikannya dengan data sebenar.
• Sesuaikan dengan nada jenama dan pastikan anda mendapat kelulusan manusia sebelum disiarkan secara langsung.

Tugasan permohonan

Ambil sampel 10-15 baris daripada data saluran paip anda sendiri (tanpa nama) dan jalankan gesaan "analisis saluran paip". Sahkan secara manual kadar kemenangan dan ramalan wajaran yang diberikan oleh model dengan meminta pecahan formula; Cuba cari sekurang-kurangnya satu kesilapan atau andaian yang boleh dipersoalkan. Kemudian jalankan gesaan "satu halaman" dengan set input yang kukuh untuk kejayaan pelanggan sebenar. Isikan setiap pemegang tempat dalam output dengan data sebenar yang disahkan dan sesuaikan teks dengan nada jenama anda sendiri. Versi akhir mestilah berkualiti yang, apabila ditunjukkan kepada rakan sekerja, mereka akan berkata "ini suara kami".

Peperiksaan Modul

1. Apabila menggunakan AI dalam jualan, tanggungjawab muktamad yang manakah antara keputusan berikut harus sentiasa kekal dengan jurujual manusia?

• A) Ketepatan harga mengikat dan komitmen yang disampaikan kepada pelanggan ✔
• B) Mencipta versi pertama draf e-mel
• C) Mengasingkan nota mesyuarat kepada item
• D) Cadangkan tiga alternatif untuk baris subjek

Penerangan: AI boleh menghasilkan draf, penyelidikan dan ringkasan; Walau bagaimanapun, manusia bertanggungjawab ke atas ketepatan dan etika keputusan yang mengikat seperti komitmen harga, syarat kontrak, dan janji rasmi kepada pelanggan. Keputusan ini tidak boleh diserahkan tanpa pengesahan.

2. Apakah yang dimaksudkan dengan huruf 'A' dalam rangka kerja BANT untuk melayakkan seseorang memimpin?

• A) Analitis
• B) Autoriti (kuasa beli) ✔
• C) Akaun (saiz akaun)
• D) Anak angkat

Penerangan: PITA; Ia terdiri daripada perkataan Belanjawan (belanjawan), Autoriti (kuasa), Keperluan (keperluan) dan Garis Masa (garis masa). 'A' merujuk kepada orang yang mempunyai kuasa (Authority) dalam keputusan pembelian.

3. Mengapakah e-mel sejuk yang dijana AI berkemungkinan berada dalam folder spam dan tidak ditukar?

• A) Kerana terlalu pendek
• B) Kerana ia mengandungi tanda tanya
• C) Kerana ia tidak diperibadikan, generik dan tidak relevan kepada pembeli ✔
• D) Kerana ia bermula dengan nama penerima

Penjelasan: E-mel pukal yang tidak diperibadikan, generik dan tidak berkaitan dengan penerima kedua-duanya mencetuskan penapis spam dan tidak mewujudkan persepsi nilai dalam penerima. E-mel sejuk yang berkesan termasuk peristiwa pencetus khusus untuk penerima dan cadangan nilai yang jelas.

4. Semasa menyediakan cadangan untuk pelanggan, anda melihat frasa '300% peningkatan produktiviti dijamin dalam industri' daripada AI. Manakah tingkah laku yang paling betul?

• A) Biarkan ia seadanya kerana ia mengagumkan
• B) Tambah lagi bilangannya dan tulis 500%
• C) Alihkannya ke bahagian atas cadangan dalam fon besar
• D) Menggantikan tuntutan dengan kenyataan yang boleh disahkan, realistik dan bersumber ✔

Penjelasan: Tuntutan yang tidak boleh disahkan, dibesar-besarkan dan dijamin adalah tidak beretika dan menimbulkan risiko undang-undang. Pernyataan itu sama ada harus dialih keluar atau diganti dalam julat konkrit, khusus sumber dan realistik.

5. Antara berikut, yang manakah merupakan amalan terbaik semasa mereka bentuk urutan susulan yang diperibadikan?

• A) Menyediakan nilai, pandangan atau sumber baharu dengan setiap susulan ✔
• B) Mengulang ayat 'sekadar menyemak' yang sama dalam setiap mesej
• C) Menghantar e-mel yang sama dua kali sehari
• D) Jika respons pertama tidak diterima, batalkan keseluruhan siri

Penjelasan: Urutan susulan yang baik menawarkan nilai baharu (kandungan, contoh, cerapan) dengan setiap mesej dan tidak hanya menyatakan 'sekadar menyemak'. Setiap titik sentuh harus memberi alasan kepada pembeli.

6. Seorang pelanggan menyatakan bantahan 'Harga anda terlalu tinggi'. Manakah pendekatan dikuasakan AI yang paling berkesan?

• A) Menawarkan diskaun dengan segera
• B) Fahami punca bantahan dan rangkakan semula dari segi nilai dan ROI ✔
• C) Bertengkar dengan pelanggan dan mengatakan bahawa dia salah
• D) Tutup topik dan beralih kepada produk lain

Penjelasan: Balasan bantahan yang berkesan memerlukan terlebih dahulu memahami bantahan (sama ada persepsi harga atau nilai) dan kemudian merangkanya dari segi ROI/nilai. Menawarkan diskaun serta-merta mengurangkan nilai.

7. Anda memberikan transkrip panggilan jualan kepada AI dan mencipta nota CRM. Apakah kawasan paling kritikal dalam nota?

• A) Berapa minit perbualan berlangsung?
• B) Dari bandar manakah peserta bersambung
• C) Kosongkan langkah seterusnya dengan pemilik dan tarikh yang diketahui ✔
• D) Berapa kali ditertawakan semasa temu duga?

Penerangan: Nilai operasi nota CRM berada dalam medan 'langkah seterusnya' dengan pemilik bersih dan tarikh. Jika langkah seterusnya tidak jelas, peluang itu terbantut dalam perancangan dan hilang.

8. Apakah disiplin pengesahan yang paling penting semasa menyediakan kad pertempuran lawan dengan AI?

• A) Mempercayai AI secara langsung kerana ia menggunakan model yang paling terkini
• B) Untuk menonjolkan produk sendiri dengan memperbesar-besarkan maklumat pesaing
• C) Menambah hanya logo pihak lawan ke meja
• D) Mengesahkan tuntutan pesaing dengan sumber yang terkini dan boleh dipercayai ✔

Penjelasan: AI boleh menghasilkan harga, ciri dan maklumat pelanggan yang lapuk atau halusinasi tentang pesaing. Setiap tuntutan pesaing pada Battlecard mesti disahkan dengan sumber yang terkini dan boleh dipercayai sebelum dijual.

9. Anda meminta AI menganalisis data Pipeline dan mengatakan '120% daripada sasaran akan dicapai pada suku ini'. Bagaimanakah anda harus mengendalikan ramalan ini?

• A) Melapor terus kepada pihak pengurusan
• B) Bundarkan nombor kepada 150%
• C) Mengesahkan andaian, menutup kebarangkalian dan pengiraan dengan data sebenar ✔
• D) Mengabaikan sepenuhnya ramalan itu.

Penerangan: Ramalan berangka AI bergantung pada kualiti data input dan andaian; tidak boleh diterima secara membabi buta. Logik pengiraan, kebarangkalian penutupan dan andaian hendaklah disemak dan disahkan silang dengan data sebenar.

10. Apakah set input terbaik untuk diberikan kepada AI apabila menghasilkan satu halaman?

• A) Persona sasaran, masalah konkrit, cadangan nilai, pembeza dan nada jenama ✔
• B) Hanya sebut 'tulis satu halaman untuk produk kami'
• C) Hanya tahun penubuhan syarikat
• D) Senarai harga pesaing

Penerangan: Untuk AI menghasilkan output berkualiti, konteks mesti diberikan seperti persona sasaran, penyelesaian masalah konkrit, proposisi nilai, pembeza dan nada jenama. Permintaan tanpa konteks seperti 'Tulis kami satu halaman' menghasilkan output generik.