Gevinster:
- Evne til å konvertere spredte møtenotater til CRM-poster i strukturen av sammendrag, beslutning, neste trinn og ansvarlig
- Evne til å gjøre handlingsslutninger som avklarer neste steg og muligheten for stenging
- Evne til å opprettholde konfidensialitet og nøyaktighet i informasjonen som skal legges inn i CRM
En salgssamtale avsluttes, telefonen legger på, og representanten har en haug med rotete notater foran seg: "budsjett q3, ny CTO, integrasjonsproblem, de snakker med konkurrent X, demo fredag?". Disse notatene er aktuelle i dag; men tre uker senere, ti møter senere, er det ingen som husker hva du mente. Dette er den tause morderen av salgspipeline: informasjon ikke registrert og handling ikke fulgt opp.
CRM (Customer Relationship Management-programvare, f.eks. Salesforce, HubSpot) er der all denne informasjonen bor. Men en CRM er bare så verdifull som informasjonen som er lagt inn riktig. Kunstig intelligens (AI) inkluderer spredte anropsnotater og møteutskrifter; Det er veldig kraftig når det gjelder å konvertere strukturerte CRM-poster i form av sammendrag, beslutninger tatt, neste steg og ansvarlige personer. I denne enheten vil vi transformere den «bortkastede» informasjonen etter intervjuet til en sporbar struktur.
Merk: Det AI-genererte sammendraget bør være basert på det som faktisk ble sagt i samtalen; Modellen kan utlede og gjøre forpliktelser eller tall. Informasjon som legges inn i CRM-en må verifiseres og oppbevares i samsvar med reglene for kundehemmelighet/personlig datakonfidensialitet.
Strukturen til en god CRM-post
En rotete lapp blir til verdi når den passer inn i denne strukturen:
- Oppsummering: Essensen av intervjuet i 2-3 setninger.
- Vedtak: Punkter avtalt.
- Neste trinn (handlinger): Hva vil bli gjort, hvem skal gjøre det, innen når.
- Risikoer/hindringer: Ting som truer fremdriften (budsjett, konkurrent, beslutningsprosess).
- Mulighetsstatus: Stadium og sannsynlighet for stenging.
Det mest kritiske området er «neste steg»: en handling uten en ansvarlig og historisk bakgrunn er ingen handling; Det er et velment ønske.
Trinn for trinn: Fra notat til CRM-post
- Samle rånotatet/utskriften. Samtalenotater, transkripsjon av taleopptak, chattehistorikk.
- Påleggsstruktur. Oppsummering, beslutninger, handlinger, risikoer, situasjon.
- Koble handlinger til ansvar og historie. Hver handling involverer "hvem/når".
- Skille slutningen fra det som faktisk blir sagt. Få AIs prediksjon merket som "antagelse".
- Oppdater mulighetsstadiet. Flyttet møtet muligheten fremover eller bakover?
- Verifisere. Sammenlign sammendraget med minnet ditt og notatet og skriv det inn i CRM.
Kopierbare ledetekster
Grunnleggende spørsmål som gjør en rotete notat til en strukturert CRM-post:
Rolle: Du er salgsassistent. Strukturer følgende rotete intervjunotat. Bare stol på det som står i notatet; Hvis det mangler, skriv "ikke spesifisert i notatet", PASSER IKKE. Gi det med følgende overskrifter:- Sammendrag (2-3 setninger)- Beslutninger tatt- Neste trinn (hver: handling | ansvarlig | frist)- Risikoer/hindringer- Mulighetsstadium og estimert sannsynlighet for stenging (begrunnet) Merk: {{ rå_note }}
Forespørsel som tar handling fra møteutskriften:
Bare ACTIONS kommer frem fra møteutskriften nedenfor. For hver handling: hva vil bli gjort, hvem er ansvarlig (hvis nevnt i utskriften), innen når. Hvis ansvarlig person eller dato ikke er oppført, skriv "ikke tildelt" slik at jeg kan fullføre det manuelt. Casting: {{ casting }}
Bekreftelsesspørsmål som skiller slutning fra fakta:
Del denne oppsummeringen inn i to grupper: (A) det som UTTRYKKELIG ble sagt i samtalen, (B) dine INFERENSER/antakelser. Merk hvert element i gruppe B som "må verifiseres". Sammendrag: {{ sammendrag }}
Rask produsere forberedelse til neste kontakt:
Basert på denne CRM-posten, hjelp meg med å forberede neste kontakt med kunden:- 2 poeng som skal minnes ved åpning (fra forrige samtale)- 2 åpne handlinger jeg må lukke- 1 risiko/spørsmål jeg må avklareRecord: {{ crm_record }}
Svak forespørsel / sterk forespørsel
dårlig tilnærming
Sterk tilnærming
"Opsummer dette notatet"
Oppsummering + beslutninger + ansvar/daterte handlinger + risiko
Det er uklart hvem som skal gjøre det og når.
Hver handling er ansvarlig og bundet til dato
Forveksler slutning med fakta
Forutsetninger skiller skilt
Bare utvider notatet
Produserer en sporbar struktur
Forskjellen er at den sterke tilnærmingen ikke trekker ut "det som ble snakket om", men "hva som skal gjøres nå og hvem som skal gjøre det".
Tre minivesker
Sak 1 – Tapt handling gjenopprettet. En agent hadde 12 intervjuer på rad, og notatene hennes ble blandet sammen. Da jeg brukte handlingsuttrekkingsmeldingen på alle notater, ble den ansvarlige for handlingen "Sender en referanse til kunde A på fredag" og datoen klar; Denne handlingen ble faktisk glemt for to dager siden. En betimelig referanse sendte denne muligheten til neste trinn.
Tilfelle 2 — Fabrisert engasjement fanget. "Kunden godkjente prisen," skrev AI i et sammendrag; På lappen sto det imidlertid bare "han fant prisen rimelig". Inferens-separasjonen markerte dette som "gruppe B / må verifiseres". I stedet for "godkjent", skrev representanten realistisk "så positivt på prisen, avventer godkjenning" i CRM; En feil "vunnet"-prediksjon unngikk å blåse opp rørledningen.
Case 3 — Forberedt andre intervju. Før oppfølgingssamtalen to uker senere brukte representanten forberedelsesoppfordringen til CRM-posten. AI hentet ut to punkter å huske og to handlinger som ikke ble lukket fra forrige samtale. Representanten startet møtet med å si: «Sist gang vi snakket om integreringsproblemene deres, tok jeg dette til deg»; kunden følte at prosessen ble fulgt og tilliten økte.
Tips: Umiddelbart etter hver samtale (mens den fortsatt er fersk), bruk 2 minutter på å kjøre rånotatet gjennom konfigurasjonsprompten. Jo ferskere informasjonen behandles, jo mer nøyaktig er den; Hvis du venter en dag, vil detaljer gå tapt og hullene som AI vil fylle vil øke.
Konfidensialitet og integritet
CRM akkumulerer sensitiv informasjon om kunden: kontaktinformasjon, budsjett, interne beslutninger, noen ganger personlige notater. To regler: For det første, når du legger inn denne informasjonen i et AI-verktøy, bruk et godkjent verktøy med bedriftens datasikkerhet (ikke bruk dataene til opplæring, klar oppbevaringspolicy); For det andre, ikke skriv personlige og unødvendige sensitive detaljer ("klienten er i ferd med å gå gjennom en skilsmisse") i CRM. CRM beholder forretningsinformasjon, ikke sladder.
Forsiktig: AI-genererte spådommer som "70 % sannsynlighet for lukking" er en følelse, ikke data. Å bruke disse tallene som harde fakta i pipeline-rapporter fører til unøyaktige inntektsestimater. Ta utgangspunkt i AI-spådommen; Du bestemmer den reelle sannsynligheten med bevisene fra intervjuet.
Lagminne og overlevering
Godt bevarte CRM-poster har en annen usett fordel: teamminne. Når en agent går ut i permisjon, forlater en jobb eller en mulighet overføres til en annen person, forblir all relasjonshistorikk i strukturerte poster. I stedet for å lese de forrige 6 samtalene på nytt, kan den nye agenten lage et raskt "kontosammendrag" med AI og fortsette uten å gi kunden følelsen av å "gjøre alt på nytt." Overleveringsprompten fungerer for dette: "Les alle poster for denne kontoen; en ensides briefing vil vises for å overlevere gjeldende status for forholdet, klare handlinger, kjente risikoer og klientens personlighet/kommunikasjonspreferanser til den nye depotmottakeren." En slik overføring eliminerer det kunden hater mest (å forklare seg om og om igjen). Men overleveringsoppgaven krever også verifisering: AI kan overføre en antagelse fra gamle poster som fakta. Den nye rektoren bør høflig bekrefte kritiske antagelser ved første kontakt.
Et annet tips: å la AI si "liste opp alle muligheter som er forfalte eller som ikke er redegjort for" før den ukentlige pipeline-gjennomgangen vil bringe glemt arbeid til overflaten. Dette er salgssjefens mest verdifulle 10 minutter.
Vanlige feil
- Ikke knytte handlinger ansvarlig og til historie; "Å gjøre" forblir i luften.
- Forveksler AIs slutning (antakelse) med hva som faktisk blir sagt.
- Forlater notatet i flere dager og mister fersk informasjon og detaljer.
- Legge inn sensitiv/personlig informasjon i et usikret verktøy eller unødvendig å skrive det inn i en CRM.
- Tar med AIs avsluttende sannsynlighetsprediksjon inn i rapporten som harde data.
- Gå inn i CRM uten å verifisere sammendraget og opprettholde feil informasjon.
Oppsummert
- CRM er bare så verdifull som informasjonen som er lagt inn riktig; Den spredte lappen kan ikke følges.
- God oversikt: oppsummering, beslutninger, handlinger ansvarlige/datert, risikoer og mulighetsstatus.
- Det mest kritiske området er handlinger; Handling uten ansvar og historie er ikke handling.
- Skill AI sine slutninger fra det som faktisk blir sagt; Rydd opp i oppgjorte forpliktelser og tall.
- Opprettholde konfidensialitetsregler for sensitiv informasjon; Ikke betrakt avsluttende estimater som definitive data.
Søknadsoppgave
Ta et rotete møtenotat (eller eksempel: "budsjett q3, ny innkjøpssjef, integreringsproblem, snakk med konkurrenten, demofredag?") og kjør det gjennom konfigurasjonsprompten. Deretter: (1) sørg for at hvert neste trinn har en ansvarlig person og en dato; hvis den mangler, merk "ikke tildelt" og fullfør den, (2) merk elementene som AI har laget/antatt med inferensdiskrimineringsspørsmålet, (3) kontroller begrunnelsen for det avsluttende sannsynlighetsestimatet. Etter å ha verifisert, skriv posten i sin rene form.
sjekkliste
- [ ] Jeg strukturerte notatet som oppsummering, beslutninger, handlinger, risikoer og status.
- [ ] Jeg knyttet hver handling til en ansvarlig person og en frist.
- [ ] Jeg skilte AIs slutninger fra det som faktisk ble sagt.
- [ ] Ryddet opp i oppdiktet forpliktelse/tall.
- [ ] Jeg har fulgt konfidensialitetsreglene angående sensitive/personlige opplysninger.
- [ ] Jeg bekreftet sammendraget og gikk inn i CRM.