ਵਿਕਰੀ ਪੂਰਵ ਅਨੁਮਾਨ, ਪਾਈਪਲਾਈਨ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਵਿਕਰੀ ਸਮੱਗਰੀ ਉਤਪਾਦਨ

ਲਾਭ:

• ਏਆਈ ਨਾਲ ਪਾਈਪਲਾਈਨ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਪੂਰਵ ਅਨੁਮਾਨ ਟਿੱਪਣੀਆਂ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ
• ਵਿਕਰੀ ਸਮੱਗਰੀ ਜਿਵੇਂ ਕਿ ਇੱਕ-ਪੇਜਰ, ਪੇਸ਼ਕਾਰੀ ਅਤੇ ਕੇਸ ਸਟੱਡੀ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਤਿਆਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਸੰਖਿਆਤਮਕ ਤਸਦੀਕ ਅਤੇ ਬ੍ਰਾਂਡ ਟੋਨ ਨਾਲ AI ਆਉਟਪੁੱਟ ਨੂੰ ਅੰਤਿਮ ਰੂਪ ਦੇਣ ਦੀ ਸਮਰੱਥਾ

ਜਿਵੇਂ ਕਿ ਤਿਮਾਹੀ-ਅੰਤ ਨੇੜੇ ਆਉਂਦਾ ਹੈ, ਸੇਲਜ਼ ਲੀਡਰ ਦਾ ਸਵਾਲ ਹਮੇਸ਼ਾ ਇੱਕੋ ਜਿਹਾ ਹੁੰਦਾ ਹੈ: "ਕੀ ਅਸੀਂ ਇਸ ਤਿਮਾਹੀ ਨੂੰ ਬੰਦ ਕਰ ਸਕਦੇ ਹਾਂ?" ਇਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਕੋਈ ਭਾਵਨਾ ਨਹੀਂ, ਤੁਹਾਡੀ ਪਾਈਪਲਾਈਨ ਵਿੱਚ ਛੁਪੀ ਹੋਈ ਹੈ। ਪਰ ਕੱਚੀ ਪਾਈਪਲਾਈਨ ਡੇਟਾ ਕਤਾਰਾਂ ਅਤੇ ਸੌਦਿਆਂ ਦੀਆਂ ਕਤਾਰਾਂ, ਪੜਾਵਾਂ, ਮਾਤਰਾਵਾਂ ਅਤੇ ਮਿਤੀਆਂ ਦੇ ਨਾਲ ਇੱਕ ਗੜਬੜ ਸਾਰਣੀ ਹੈ; ਅੰਦਰ ਦੀ ਕਹਾਣੀ ਦੇਖਣ ਲਈ ਸਮਾਂ ਲੱਗਦਾ ਹੈ। ਨਕਲੀ ਬੁੱਧੀ ਇਸ ਸਾਰਣੀ ਨੂੰ ਪੜ੍ਹ ਸਕਦੀ ਹੈ ਅਤੇ ਪੜਾਅ ਦੀ ਵੰਡ, ਰੁਕਾਵਟਾਂ, ਜਿੱਤ ਦਰ ਦੇ ਰੁਝਾਨ ਅਤੇ ਪੂਰਵ ਅਨੁਮਾਨ ਦੀ ਵਿਆਖਿਆ ਮਿੰਟਾਂ ਵਿੱਚ ਕੱਢ ਸਕਦੀ ਹੈ। ਉਹੀ ਨਕਲੀ ਬੁੱਧੀ ਵੀ ਤੇਜ਼ੀ ਨਾਲ ਇੱਕ-ਪੇਜਰ, ਇੱਕ ਪੇਸ਼ਕਾਰੀ ਰੂਪਰੇਖਾ ਜਾਂ ਇੱਕ ਕੇਸ ਸਟੱਡੀ ਤਿਆਰ ਕਰਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਕਾਰੋਬਾਰ ਜਿੱਤਿਆ ਗਿਆ ਹੈ। ਹਾਲਾਂਕਿ, ਇਸ ਯੂਨਿਟ ਦਾ ਮੁੱਖ ਸੰਦੇਸ਼ ਇਹ ਹੈ: ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੇ ਗਏ ਕਿਸੇ ਵੀ ਸੰਖਿਆ ਜਾਂ ਵਾਕ ਨੂੰ ਅੰਨ੍ਹੇਵਾਹ ਸਵੀਕਾਰ ਨਾ ਕਰੋ। ਮਾਡਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ, ਤੁਸੀਂ ਤਸਦੀਕ ਕਰਦੇ ਹੋ.

ਪਾਈਪਲਾਈਨ ਵਿਸ਼ਲੇਸ਼ਣ: ਡੇਟਾ ਤੋਂ ਇਨਸਾਈਟ ਤੱਕ

ਪਾਈਪਲਾਈਨ ਵਿਸ਼ਲੇਸ਼ਣ "ਕਿੰਨਾ ਕੰਮ ਹੈ?" ਦੀ ਬਜਾਏ "ਇਹ ਕੰਮ ਕਿੰਨਾ ਸਿਹਤਮੰਦ ਹੈ" ਦੇ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ। ਦੇਖਣ ਲਈ ਮੁੱਖ ਮੈਟ੍ਰਿਕਸ:

ਮੈਟ੍ਰਿਕ

ਇਹ ਕੀ ਕਹਿੰਦਾ ਹੈ

ਚੇਤਾਵਨੀ ਚਿੰਨ੍ਹ

ਸਟੇਜ ਦੀ ਵੰਡ

ਕਿਸ ਪੜਾਅ 'ਤੇ ਸੌਦੇ ਸਟੈਕ ਕੀਤੇ ਜਾਂਦੇ ਹਨ?

ਬਹੁਤੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ = ਮਾੜੀ ਭਵਿੱਖਬਾਣੀ

ਫਸੇ ਸੌਦੇ

ਉਹ ਮੌਕੇ ਜੋ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਅੱਗੇ ਨਹੀਂ ਵਧੇ

ਉਸੇ ਪੜਾਅ 'ਤੇ 60+ ਦਿਨ

ਜਿੱਤ ਦੀ ਦਰ

ਜਿੱਤ / ਕੁੱਲ ਬੰਦ

ਡਾਊਨਟ੍ਰੇਂਡ = ਪ੍ਰਕਿਰਿਆ ਸਮੱਸਿਆ

ਬੰਦ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ

ਪੜਾਅ ਦੁਆਰਾ ਵਜ਼ਨ ਪੂਰਵ ਅਨੁਮਾਨ

ਬਹੁਤ ਜ਼ਿਆਦਾ ਆਸ਼ਾਵਾਦੀ ਵਜ਼ਨ

ਸੌਦੇ ਦਾ ਔਸਤ ਆਕਾਰ

ਮੌਕੇ ਦੇ ਆਕਾਰ ਦਾ ਰੁਝਾਨ

ਘਟਿ = ਗਲਤ ਖੰਡ

ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ: ਪਾਈਪਲਾਈਨ ਵਿਸ਼ਲੇਸ਼ਣ

ਤੁਸੀਂ ਇੱਕ ਵਿਕਰੀ ਸੰਚਾਲਨ ਵਿਸ਼ਲੇਸ਼ਕ ਹੋ। ਹੇਠਾਂ ਪਾਈਪਲਾਈਨ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ। ਡੇਟਾ: ਹਰ ਕਤਾਰ ਇੱਕ ਮੌਕਾ ਹੈ; ਕਾਲਮ: ਸੌਦੇ ਦਾ ਨਾਮ, ਪੜਾਅ, ਰਕਮ, ਪੜਾਅ ਦਾਖਲਾ ਮਿਤੀ, ਸਮਾਪਤੀ ਅਨੁਮਾਨ। ਆਉਟਪੁੱਟ: 1. ਪੜਾਅ ਦੀ ਵੰਡ (ਹਰੇਕ ਪੜਾਅ ਵਿੱਚ ਮੌਕਿਆਂ ਦੀ ਗਿਣਤੀ ਅਤੇ ਕੁੱਲ ਰਕਮ)2. ਬਲੌਕ ਕੀਤੇ ਮੌਕੇ (ਉਹ ਜੋ {{day}} ਦਿਨਾਂ ਤੋਂ ਵੱਧ ਸਮੇਂ ਲਈ ਇੱਕੋ ਪੜਾਅ ਵਿੱਚ ਰਹਿੰਦੇ ਹਨ)3. ਜਿੱਤ ਦਰ ਦੀ ਗਣਨਾ (ਬੰਦ ਸੌਦਿਆਂ 'ਤੇ ਅਧਾਰਤ)4. ਜੋਖਮ ਸਾਰਾਂਸ਼: ਪੂਰਵ-ਅਨੁਮਾਨ ਨੂੰ ਧਮਕੀ ਦੇਣ ਵਾਲੇ 3 ਮੌਕੇ ਅਤੇ ਕਿਉਂ ਨਿਯਮ: ਡੇਟਾ ਵਿੱਚ ਸਿਰਫ ਸੰਖਿਆਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਮੈਨੂੰ ਤੁਹਾਡੇ ਦੁਆਰਾ ਗਣਨਾ ਕੀਤੀ ਗਈ ਹਰੇਕ ਮੈਟ੍ਰਿਕ ਲਈ ਫਾਰਮੂਲਾ ਦਿਖਾਓ ਤਾਂ ਜੋ ਮੈਂ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰ ਸਕਾਂ। ਇੱਕ ਮੁੱਲ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਜੋ ਡੇਟਾ ਵਿੱਚ ਨਹੀਂ ਹੈ; ਜੇਕਰ ਇਹ ਗੁੰਮ ਹੈ, ਤਾਂ "data missing" ਲਿਖੋ। ਡੇਟਾ:{{pipeline_verisi}}

ਪੂਰਵ ਅਨੁਮਾਨ ਦੀ ਵਿਆਖਿਆ ਅਤੇ ਸੰਖਿਆਤਮਕ ਤਸਦੀਕ

ਨਕਲੀ ਬੁੱਧੀ ਤੁਹਾਨੂੰ ਦੱਸ ਸਕਦੀ ਹੈ "ਇਹ ਤਿਮਾਹੀ 2.4 ਮਿਲੀਅਨ TL ਦੇ ਨਾਲ ਬੰਦ ਹੋਵੇਗੀ"। ਇਹ ਵਾਕ ਸਹੀ ਜਾਪਦਾ ਹੈ, ਪਰ ਇੱਥੇ ਅੰਤਰੀਵ ਧਾਰਨਾਵਾਂ ਹਨ: ਬੰਦ ਕਰਨ ਦੀਆਂ ਕਿਹੜੀਆਂ ਸੰਭਾਵਨਾਵਾਂ ਵਰਤੀਆਂ ਗਈਆਂ ਸਨ? ਕਿਹੜੇ ਸੌਦੇ ਸ਼ਾਮਲ ਹਨ? ਕੀ ਮਾਡਲ ਨੇ ਕੋਈ ਜੋੜ ਗਲਤੀ ਕੀਤੀ ਹੈ? ਸੰਖਿਆਤਮਕ ਆਉਟਪੁੱਟ ਦੀ ਤਸਦੀਕ ਕਰਨ ਦਾ ਤਰੀਕਾ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਮਾਡਲ ਨੂੰ ਇਸ ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਅਤੇ ਫਾਰਮੂਲੇ ਲਈ ਪੁੱਛਣਾ ਹੈ। ਫਿਰ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਮੈਟ੍ਰਿਕ ਦੀ ਦਸਤੀ ਜਾਂਚ ਕਰੋ: ਉਦਾਹਰਨ ਲਈ, ਤਿੰਨ ਸੌਦਿਆਂ ਦੀ ਵਜ਼ਨਦਾਰ ਰਕਮ ਆਪਣੇ ਆਪ ਜੋੜੋ ਅਤੇ ਮਾਡਲ ਦੇ ਨਤੀਜੇ ਨਾਲ ਇਸਦੀ ਤੁਲਨਾ ਕਰੋ। ਮਾਡਲ ਗਣਿਤ ਵਿੱਚ ਗਲਤੀਆਂ ਕਰ ਸਕਦੇ ਹਨ, ਖਾਸ ਕਰਕੇ ਬਹੁ-ਕਤਾਰ ਟੇਬਲ ਵਿੱਚ।

ਉਪਰੋਕਤ ਪੂਰਵ ਅਨੁਮਾਨ ਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ ਫਾਰਮੈਟ ਵਿੱਚ ਜਾਇਜ਼ ਠਹਿਰਾਓ:- ਤੁਹਾਡੇ ਦੁਆਰਾ ਵਰਤੇ ਗਏ ਸੰਭਾਵੀ ਧਾਰਨਾਵਾਂ ਨੂੰ ਸਮਾਪਤ ਕਰਨਾ (ਪੜਾਅ ਅਨੁਸਾਰ)- ਤੁਹਾਡੇ ਦੁਆਰਾ ਸ਼ਾਮਲ ਕੀਤੇ ਗਏ ਅਤੇ ਬਾਹਰ ਕੀਤੇ ਗਏ ਸੌਦੇ + ਕਿਉਂ- ਤੁਹਾਡੀ ਵਜ਼ਨ ਵਾਲੀ ਕੁੱਲ ਗਣਨਾ (ਸੌਦੇ ਦਾ ਸੌਦਾ) ਦਾ ਸਪਸ਼ਟ ਟੁੱਟਣਾ ਮੈਨੂੰ ਨਤੀਜੇ ਵਾਲੇ ਨੰਬਰ ਦੀ ਨਹੀਂ ਪਰ ਤੁਸੀਂ ਇਸ 'ਤੇ ਕਿਵੇਂ ਪਹੁੰਚੇ ਇਸ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਧਿਆਨ ਦਿਓ: AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਪੂਰਵ ਅਨੁਮਾਨ ਅੰਕੜਾ ਇੱਕ ਗਣਨਾ ਹੈ, ਇੱਕ ਤੱਥ ਨਹੀਂ, ਅਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਇਨਪੁਟ ਅਤੇ ਧਾਰਨਾਵਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਮਾਡਲ ਗਲਤ ਸੰਭਾਵੀ ਵਜ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ, ਲਾਈਨਾਂ ਨੂੰ ਗਲਤ ਢੰਗ ਨਾਲ ਜੋੜ ਸਕਦਾ ਹੈ, ਜਾਂ ਸੌਦੇ ਦੀ ਡਬਲ ਗਿਣਤੀ ਕਰ ਸਕਦਾ ਹੈ। ਪ੍ਰਬੰਧਨ ਨੂੰ ਨੰਬਰ ਪੇਸ਼ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਮੈਟ੍ਰਿਕ ਨੂੰ ਹੱਥੀਂ ਪ੍ਰਮਾਣਿਤ ਕਰੋ ਅਤੇ ਧਾਰਨਾਵਾਂ ਨੂੰ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਓ। ਅਪ੍ਰਮਾਣਿਤ ਪੂਰਵ ਅਨੁਮਾਨ ਗਲਤ ਸਰੋਤ ਯੋਜਨਾਬੰਦੀ ਵੱਲ ਖੜਦਾ ਹੈ।

ਵਿਕਰੀ ਸਮੱਗਰੀ ਉਤਪਾਦਨ: ਇਨਪੁਟਸ ਦਾ ਵਧੀਆ ਸੈੱਟ

ਇੱਕ-ਪੇਜ਼ਰ, ਡੇਕ ਜਾਂ ਕੇਸ ਸਟੱਡੀ ਦੇ ਤੌਰ 'ਤੇ AI ਦੀ ਗੁਣਵੱਤਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਤੁਹਾਡੇ ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਇਨਪੁਟ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਇੱਕ ਚੰਗੀ ਸਮੱਗਰੀ ਸੰਖੇਪ ਵਿੱਚ ਇਹ ਪੰਜ ਭਾਗ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ: ਵਿਅਕਤੀ (ਜਿਸ ਨੂੰ), ਸਮੱਸਿਆ (ਅਸੀਂ ਕਿਸ ਦਰਦ ਨੂੰ ਹੱਲ ਕਰ ਰਹੇ ਹਾਂ), ਮੁੱਲ ਪ੍ਰਸਤਾਵ (ਅਸੀਂ ਕਿਉਂ), ਵਿਭਿੰਨਤਾਵਾਂ (ਅਸੀਂ ਮੁਕਾਬਲੇ ਤੋਂ ਕਿਵੇਂ ਵੱਖਰੇ ਹਾਂ), ਅਤੇ ਬ੍ਰਾਂਡ ਟੋਨ (ਅਸੀਂ ਕਿਵੇਂ ਬੋਲਦੇ ਹਾਂ)। ਜੇਕਰ ਇਹ ਪੰਜ ਗਾਇਬ ਹਨ, ਤਾਂ ਮਾਡਲ ਆਮ ਮਾਰਕੀਟਿੰਗ ਕਲੀਚਾਂ ਨਾਲ ਪਾੜੇ ਨੂੰ ਭਰ ਦਿੰਦਾ ਹੈ ਅਤੇ ਆਉਟਪੁੱਟ ਹਰ ਕਿਸੇ ਦੇ ਸਮਾਨ ਹੈ।

ਇੱਕ-ਪੇਜ਼ਰ ਉਤਪਾਦਨ ਕਦਮ ਦਰ ਕਦਮ

1. ਇੰਪੁੱਟ ਸੈੱਟ ਨੂੰ ਇਕੱਠਾ ਕਰੋ। ਸ਼ਖਸੀਅਤ, ਸਮੱਸਿਆ, ਮੁੱਲ ਪ੍ਰਸਤਾਵ, ਵਿਭਿੰਨਤਾ, ਬ੍ਰਾਂਡ ਟੋਨ।
2. ਉਦੇਸ਼ ਦੱਸੋ। ਇੱਕ-ਪੇਜਰ, ਡੈੱਕ ਡਰਾਫਟ, ਕੇਸ ਸਟੱਡੀ? ਫਾਰਮੈਟ ਵੱਖਰਾ ਹੈ।
3. ਮਾਡਲ ਤਿਆਰ ਕੀਤਾ ਹੈ। ਢਾਂਚਾਗਤ ਸੰਖੇਪ ਦਿਓ।
4. ਨੰਬਰਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ਅਸਲ ਡੇਟਾ ਦੇ ਨਾਲ ਸਮੱਗਰੀ ਵਿੱਚ ਦਰਸਾਏ ਹਰੇਕ ਮੈਟ੍ਰਿਕ (ROI, ਮਿਆਦ, ਗਾਹਕਾਂ ਦੀ ਗਿਣਤੀ) ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ।
5. ਇਸਨੂੰ ਬ੍ਰਾਂਡ ਟੋਨ ਵਿੱਚ ਫਿੱਟ ਕਰੋ। ਮਾਡਲ ਦੀ ਭਾਸ਼ਾ ਨੂੰ ਆਪਣੀ ਕਾਰਪੋਰੇਟ ਵੌਇਸ ਗਾਈਡ ਵਿੱਚ ਖਿੱਚੋ।
6. ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ. ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਮਨੁੱਖ ਇਸਦੀ ਸਮੀਖਿਆ ਕਰੇਗਾ।

ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ: ਇੱਕ-ਪੇਜ਼ਰ

ਇੱਕ-ਪੇਜਰ ਡਰਾਫਟ ਤਿਆਰ ਕਰੋ। ਇਨਪੁਟਸ:- ਸ਼ਖਸੀਅਤ: {{target_persona}}- ਸਮੱਸਿਆ ਜੋ ਅਸੀਂ ਹੱਲ ਕੀਤੀ ਹੈ: {{problem}}- ਮੁੱਲ ਪ੍ਰਸਤਾਵ: {{value_recommendation}}- ਭਿੰਨਤਾਕਾਰ: {{differentiators}} - ਬ੍ਰਾਂਡ ਟੋਨ: {{brand_tone}} ਢਾਂਚਾ: (2) ਸਾਡੀ ਸਮੱਸਿਆ ਦਾ ਹੱਲ, (4) ਸਟ੍ਰਾਈਕਿੰਗ ਆਈਟਮਾਂ, (3) ਲਾਭ ਕਥਨ, (4) ਸਿਰਲੇਖ (5) ਸਮਾਜਿਕ ਸਬੂਤ ਸਥਾਨ, (6) ਸਿੰਗਲ ਸ਼ੁੱਧ CTA. ਨਿਯਮ: ਠੋਸ ਅੰਕੜੇ ਜਾਂ ਗਾਹਕ ਦਾਅਵਿਆਂ ਨੂੰ ਨਾ ਘੜੋ। ਇੱਕ "[ਮੀਟ੍ਰਿਕ ਟੂ verify]" ਪਲੇਸਹੋਲਡਰ ਰੱਖੋ ਜਿੱਥੇ ਨੰਬਰ ਦੀ ਲੋੜ ਹੈ। ਆਪਣੇ ਬ੍ਰਾਂਡ ਟੋਨ ਲਈ ਸੱਚੇ ਰਹੋ।

ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ: ਕੇਸ ਸਟੱਡੀ ਫਰੇਮਵਰਕ

ਨਿਮਨਲਿਖਤ ਗਾਹਕ ਜਾਣਕਾਰੀ ਤੋਂ ਇੱਕ ਕੇਸ ਸਟੱਡੀ ਸਕੈਲਟਨ ਤਿਆਰ ਕਰੋ:- ਗਾਹਕ ਪ੍ਰੋਫਾਈਲ: {{customer}}- ਸ਼ੁਰੂਆਤੀ ਸਮੱਸਿਆ: {{problem}}- ਹੱਲ ਲਾਗੂ ਕੀਤਾ ਗਿਆ: {{solution}}- ਨਤੀਜੇ: {{results}}ਢਾਂਚਾ: ਚੁਣੌਤੀ -> ਹੱਲ -> ਸਿੱਟਾ। "[ਸਰੋਤ/ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਹੈ]" ਟੈਗ ਨਾਲ ਨਤੀਜਾ ਭਾਗ ਵਿੱਚ ਹਰੇਕ ਨੰਬਰ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਕੋਈ ਵੀ ਦਾਅਵਾ ਨਾ ਲਿਖੋ ਕਿ ਗਾਹਕ ਮਨਜ਼ੂਰ ਨਹੀਂ ਕਰਦਾ ਜਿਵੇਂ ਕਿ ਇਹ ਨਿਸ਼ਚਿਤ ਸੀ।

ਕਮਜ਼ੋਰ ਸੰਖੇਪ / ਮਜ਼ਬੂਤ ਸੰਖੇਪ

ਕਮਜ਼ੋਰ: "ਸਾਡੇ ਉਤਪਾਦ ਲਈ ਇੱਕ-ਪੇਜਰ ਲਿਖੋ।" ਨਤੀਜਾ: ਇੱਕ ਟੈਕਸਟ ਜੋ ਆਮ ਹੈ, ਕਲੀਚਾਂ ਨਾਲ ਭਰਿਆ ਹੋਇਆ ਹੈ, ਅਸਪਸ਼ਟ ਹੈ ਕਿ ਇਹ ਕਿਸ ਨੂੰ ਸੰਬੋਧਿਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਉਸ ਵਿੱਚ ਬਣੇ ਚਿੱਤਰ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ, ਅਤੇ ਹਰ ਕਿਸੇ ਦੀ ਤਰ੍ਹਾਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ।

GÜÇLÜ:"ਵਿਅਕਤੀਗਤ: 500 ਲੋਕਾਂ ਵਾਲੀ ਇੱਕ ਨਿਰਮਾਣ ਕੰਪਨੀ ਦਾ ਸੰਚਾਲਨ ਪ੍ਰਬੰਧਕ। ਸਮੱਸਿਆ: ਹੱਥੀਂ ਸ਼ਿਫਟ ਦੀ ਯੋਜਨਾਬੰਦੀ ਹਫ਼ਤੇ ਵਿੱਚ 6 ਘੰਟੇ ਖਰਚ ਕਰਦੀ ਹੈ। ਮੁੱਲ ਪ੍ਰਸਤਾਵ: ਅਸੀਂ ਯੋਜਨਾਬੰਦੀ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਦੇ ਹਾਂ ਅਤੇ ਗਲਤੀ ਦਰ ਨੂੰ ਘਟਾਉਂਦੇ ਹਾਂ। ਵਿਭਿੰਨਤਾਕਾਰ: ਸਥਾਨਕ ਕਾਨੂੰਨਾਂ ਦੀ ਪਾਲਣਾ, 2 ਹਫ਼ਤਿਆਂ ਵਿੱਚ ਚਾਲੂ ਹੋਣਾ। ਟੋਨ: ਸਧਾਰਨ, ਭਰੋਸੇਯੋਗ ਨੰਬਰ ਦੀ ਲੋੜ ਹੈ, ਜਿੱਥੇ ਇੱਕ ਨੰਬਰ ਦੀ ਲੋੜ ਹੈ। ਉੱਪਰ।" ਨਤੀਜਾ: ਇੱਕ ਡਰਾਫਟ ਜੋ ਨਿਸ਼ਾਨਾ 'ਤੇ ਹੈ, ਪ੍ਰਮਾਣਿਤ, ਬ੍ਰਾਂਡ ਲਈ ਢੁਕਵਾਂ ਹੈ।

ਮਿੰਨੀ ਕੇਸ: ਆਸ਼ਾਵਾਦੀ ਪੂਰਵ ਅਨੁਮਾਨ ਨੂੰ ਠੀਕ ਕਰਨਾ

ਇੱਕ ਸੌਫਟਵੇਅਰ ਟੀਮ ਵਿੱਚ, ਸੇਲਜ਼ ਮੈਨੇਜਰ ਕੋਲ ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਪਾਈਪਲਾਈਨ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਹੈ। ਮਾਡਲ ਤਿਮਾਹੀ ਲਈ ਇੱਕ ਚਮਕਦਾਰ ਪੂਰਵ ਅਨੁਮਾਨ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਮੈਨੇਜਰ ਯੂਨਿਟ ਵਿੱਚ ਨਿਯਮ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹੋਏ, ਮਾਡਲ ਤੋਂ ਵਜ਼ਨ ਵਾਲੇ ਕੁੱਲ ਦੇ ਸੌਦੇ-ਸੌਦੇ ਦੇ ਟੁੱਟਣ ਦੀ ਬੇਨਤੀ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਉਹ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਹ ਦੋ ਚੀਜ਼ਾਂ ਨੂੰ ਨੋਟ ਕਰਦਾ ਹੈ: ਮਾਡਲ ਨੇ ਇੱਕ ਵੱਡੇ ਸੌਦੇ ਦੀ 90 ਪ੍ਰਤੀਸ਼ਤ ਸੰਭਾਵਨਾ ਗਿਣਿਆ ਜੋ ਸੱਠ ਦਿਨਾਂ ਤੋਂ "ਇਕਰਾਰਨਾਮੇ" ਪੜਾਅ ਵਿੱਚ ਫਸਿਆ ਹੋਇਆ ਹੈ, ਜਦੋਂ ਅਸਲ ਵਿੱਚ ਇਹ ਸੌਦਾ ਖਤਰੇ ਵਿੱਚ ਹੈ; ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇੱਕੋ ਗਾਹਕ ਲਈ ਦੋ ਰਿਕਾਰਡ ਗਲਤੀ ਨਾਲ ਦੋ ਵਾਰ ਇਕੱਠੇ ਕੀਤੇ ਗਏ ਸਨ। ਵਿਵਸਥਿਤ ਪੂਰਵ ਅਨੁਮਾਨ ਪਹਿਲੇ ਅੰਕੜੇ ਤੋਂ ਕਾਫ਼ੀ ਹੇਠਾਂ ਹੈ। ਮੈਨੇਜਰ ਇਸ ਯਥਾਰਥਵਾਦੀ ਅੰਕੜੇ ਦੇ ਨਾਲ ਸੀਨੀਅਰ ਪ੍ਰਬੰਧਨ ਕੋਲ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇੱਕ ਬੇਲੋੜੀ ਭਰਤੀ ਦੇ ਫੈਸਲੇ ਨੂੰ ਮੁਲਤਵੀ ਕਰ ਦਿੰਦਾ ਹੈ। ਮਾਡਲ ਮਾੜਾ ਨਹੀਂ ਸੀ; ਇਸ ਨੂੰ ਸਿਰਫ਼ ਤਸਦੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।

ਸੰਕੇਤ: ਸਮੱਗਰੀ ਬਣਾਉਣ ਵਿੱਚ, ਕਦੇ ਵੀ ਮਾਡਲ ਨੂੰ ਅੰਕੜਿਆਂ ਨੂੰ "ਬਣਾਉਣ" ਲਈ ਨਾ ਕਹੋ, ਸਗੋਂ ਇੱਕ ਪਲੇਸਹੋਲਡਰ ਨੂੰ ਛੱਡਣ ਲਈ ਕਹੋ। "[ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ ਮੀਟ੍ਰਿਕ]" ਟੈਗਸ ਸੁਰੱਖਿਅਤ ਥਾਂਵਾਂ ਹਨ ਜੋ ਬਾਅਦ ਵਿੱਚ ਅਸਲ ਡੇਟਾ ਨਾਲ ਭਰੇ ਜਾਣ ਦੀ ਉਡੀਕ ਵਿੱਚ ਹਨ, ਬਣਾਏ ਗਏ ਅੰਕੜਿਆਂ ਨੂੰ ਗਾਹਕ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਰੋਕਦੇ ਹਨ।

ਆਮ ਗਲਤੀਆਂ

• ਪੂਰਵ ਅਨੁਮਾਨ ਦੇ ਅੰਕੜੇ ਨੂੰ ਬਿਨਾਂ ਸਵਾਲ ਦੇ ਸਵੀਕਾਰ ਕਰਨਾ। ਧਾਰਨਾਵਾਂ ਅਤੇ ਫਾਰਮੂਲੇ ਨੂੰ ਦੇਖੇ ਬਿਨਾਂ ਕੋਈ ਅਨੁਮਾਨ ਪੇਸ਼ ਨਾ ਕਰੋ।
• ਮਾਡਲ ਦੇ ਗਣਿਤ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ। ਬਹੁ-ਕਤਾਰ ਟੇਬਲਾਂ ਵਿੱਚ ਏਕੀਕਰਣ ਦੀਆਂ ਗਲਤੀਆਂ ਹੁੰਦੀਆਂ ਹਨ; ਘੱਟੋ-ਘੱਟ ਇੱਕ ਮੀਟ੍ਰਿਕ ਦੀ ਦਸਤੀ ਜਾਂਚ ਕਰੋ।
• ਇੱਕ ਕਮਜ਼ੋਰ ਸੰਖੇਪ ਦੇ ਨਾਲ ਸਮੱਗਰੀ ਦੀ ਬੇਨਤੀ. ਜੇਕਰ ਕੋਈ ਵਿਅਕਤੀ ਅਤੇ ਵਿਭਿੰਨਤਾ ਨਹੀਂ ਹੈ, ਤਾਂ ਆਉਟਪੁੱਟ ਕਲੀਚ ਹੋਵੇਗੀ।
• ਮਨਘੜਤ ਅੰਕੜੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨਾ। ਮਾਡਲ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ROI ਅਤੇ ਗਾਹਕਾਂ ਦੇ ਅੰਕੜਿਆਂ ਨੂੰ ਇੱਕ-ਪੇਜਰ 'ਤੇ ਪ੍ਰਮਾਣਿਤ ਕੀਤੇ ਬਿਨਾਂ ਇਸ ਨੂੰ ਲਗਾਉਣਾ ਬ੍ਰਾਂਡ ਦੇ ਵਿਸ਼ਵਾਸ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾਉਂਦਾ ਹੈ।
• ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ। ਕੋਈ ਵੀ ਵਿਕਰੀ ਸਮੱਗਰੀ ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਤੋਂ ਬਿਨਾਂ ਲਾਈਵ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ।

ਸੰਖੇਪ ਵਿੱਚ

• ਪਾਈਪਲਾਈਨ ਵਿਸ਼ਲੇਸ਼ਣ "ਕਿੰਨਾ ਕੰਮ ਹੈ" ਦੀ ਬਜਾਏ "ਇਹ ਕੰਮ ਕਿੰਨਾ ਸਿਹਤਮੰਦ ਹੈ" ਨੂੰ ਪੁੱਛਦਾ ਹੈ; ਸਟੇਜ ਦੀ ਵੰਡ, ਕਲੌਗਿੰਗ ਅਤੇ ਜਿੱਤ ਦਰ ਮਹੱਤਵਪੂਰਨ ਹਨ।
• ਪੂਰਵ ਅਨੁਮਾਨ ਇੱਕ ਗਣਨਾ ਹੈ, ਇੱਕ ਤੱਥ ਨਹੀਂ; ਮਾਡਲ ਨੂੰ ਇਸ ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਅਤੇ ਫਾਰਮੂਲੇ ਲਈ ਪੁੱਛੋ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਹੱਥੀਂ ਤਸਦੀਕ ਕਰੋ।
• ਇੱਕ ਚੰਗੀ ਸਮੱਗਰੀ ਸੰਖੇਪ ਵਿੱਚ ਪੰਜ ਭਾਗ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ: ਵਿਅਕਤੀ, ਸਮੱਸਿਆ, ਮੁੱਲ ਪ੍ਰਸਤਾਵ, ਵਿਭਿੰਨਤਾ, ਬ੍ਰਾਂਡ ਟੋਨ।
• ਇੱਕ-ਪੇਜ਼ਰ, ਡੈੱਕ ਅਤੇ ਕੇਸ ਸਟੱਡੀ ਵਿੱਚ ਨੰਬਰ ਨਾ ਬਣਾਓ; ਇੱਕ ਪਲੇਸਹੋਲਡਰ ਛੱਡੋ ਅਤੇ ਇਸਨੂੰ ਅਸਲ ਡੇਟਾ ਨਾਲ ਭਰੋ।
• ਇਸਨੂੰ ਬ੍ਰਾਂਡ ਟੋਨ ਵਿੱਚ ਫਿੱਟ ਕਰੋ ਅਤੇ ਲਾਈਵ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਪ੍ਰਾਪਤ ਕਰਨਾ ਯਕੀਨੀ ਬਣਾਓ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਆਪਣੇ ਖੁਦ ਦੇ ਪਾਈਪਲਾਈਨ ਡੇਟਾ (ਗੁਮਨਾਮ) ਤੋਂ 10-15 ਲਾਈਨਾਂ ਦਾ ਨਮੂਨਾ ਲਓ ਅਤੇ "ਪਾਈਪਲਾਈਨ ਵਿਸ਼ਲੇਸ਼ਣ" ਪ੍ਰੋਂਪਟ ਚਲਾਓ। ਫਾਰਮੂਲਾ ਟੁੱਟਣ ਦੀ ਬੇਨਤੀ ਕਰਕੇ ਮਾਡਲ ਦੁਆਰਾ ਦਿੱਤੀ ਗਈ ਜਿੱਤ ਦਰ ਅਤੇ ਵਜ਼ਨ ਵਾਲੇ ਪੂਰਵ ਅਨੁਮਾਨ ਦੀ ਦਸਤੀ ਪੁਸ਼ਟੀ ਕਰੋ; ਘੱਟੋ-ਘੱਟ ਇੱਕ ਗਲਤੀ ਜਾਂ ਸ਼ੱਕੀ ਧਾਰਨਾ ਲੱਭਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ। ਫਿਰ ਅਸਲ ਗਾਹਕ ਦੀ ਸਫਲਤਾ ਲਈ ਇਨਪੁਟਸ ਦੇ ਮਜ਼ਬੂਤ ​​ਸਮੂਹ ਦੇ ਨਾਲ "ਇੱਕ-ਪੇਜ਼ਰ" ਪ੍ਰੋਂਪਟ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਵਿੱਚ ਹਰੇਕ ਪਲੇਸਹੋਲਡਰ ਨੂੰ ਅਸਲ, ਪ੍ਰਮਾਣਿਤ ਡੇਟਾ ਨਾਲ ਭਰੋ ਅਤੇ ਟੈਕਸਟ ਨੂੰ ਆਪਣੇ ਖੁਦ ਦੇ ਬ੍ਰਾਂਡ ਟੋਨ ਵਿੱਚ ਅਨੁਕੂਲਿਤ ਕਰੋ। ਅੰਤਮ ਸੰਸਕਰਣ ਇੱਕ ਗੁਣਵੱਤਾ ਵਾਲਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਜਦੋਂ ਇੱਕ ਸਹਿਕਰਮੀ ਨੂੰ ਦਿਖਾਇਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਹ ਕਹਿਣਗੇ "ਇਹ ਸਾਡੀ ਆਵਾਜ਼ ਹੈ"।

ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ

1. ਵਿਕਰੀ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ, ਹੇਠਾਂ ਦਿੱਤੇ ਫੈਸਲਿਆਂ ਵਿੱਚੋਂ ਕਿਸ ਲਈ ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਹਮੇਸ਼ਾ ਮਨੁੱਖੀ ਸੇਲਜ਼ਪਰਸਨ ਦੇ ਨਾਲ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ?

• A) ਬਾਈਡਿੰਗ ਕੀਮਤਾਂ ਅਤੇ ਗਾਹਕ ਨੂੰ ਦੱਸੀਆਂ ਵਚਨਬੱਧਤਾਵਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ✔
• ਬੀ) ਇੱਕ ਈਮੇਲ ਡਰਾਫਟ ਦਾ ਪਹਿਲਾ ਸੰਸਕਰਣ ਬਣਾਉਣਾ
• ਸੀ) ਮੀਟਿੰਗ ਦੇ ਨੋਟਾਂ ਨੂੰ ਆਈਟਮਾਂ ਵਿੱਚ ਵੱਖ ਕਰਨਾ
• ਡੀ) ਵਿਸ਼ਾ ਲਾਈਨ ਲਈ ਤਿੰਨ ਵਿਕਲਪ ਸੁਝਾਓ

ਵਰਣਨ: AI ਡਰਾਫਟ, ਖੋਜ ਅਤੇ ਸਾਰਾਂਸ਼ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ; ਹਾਲਾਂਕਿ, ਮਨੁੱਖ ਬਾਈਡਿੰਗ ਫੈਸਲਿਆਂ ਦੀ ਸ਼ੁੱਧਤਾ ਅਤੇ ਨੈਤਿਕਤਾ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹਨ ਜਿਵੇਂ ਕਿ ਕੀਮਤ ਪ੍ਰਤੀਬੱਧਤਾ, ਇਕਰਾਰਨਾਮੇ ਦੀ ਸਥਿਤੀ, ਅਤੇ ਗਾਹਕ ਨੂੰ ਰਸਮੀ ਵਾਅਦੇ। ਇਹ ਫੈਸਲੇ ਬਿਨਾਂ ਤਸਦੀਕ ਦੇ ਜਮ੍ਹਾ ਨਹੀਂ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ।

2. BANT ਫਰੇਮਵਰਕ ਵਿੱਚ ਅੱਖਰ 'A' ਲੀਡ ਸਟੈਂਡ ਦੇ ਯੋਗ ਹੋਣ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ?

• ਏ) ਵਿਸ਼ਲੇਸ਼ਣ
• ਅ) ਅਥਾਰਟੀ (ਖਰੀਦਣ ਅਥਾਰਟੀ) ✔
• C) ਖਾਤਾ (ਖਾਤੇ ਦਾ ਆਕਾਰ)
• ਡੀ) ਗੋਦ ਲੈਣਾ

ਵਰਣਨ: ਟੇਪ; ਇਸ ਵਿੱਚ ਬਜਟ (ਬਜਟ), ਅਥਾਰਟੀ (ਅਥਾਰਟੀ), ਲੋੜ (ਲੋੜ) ਅਤੇ ਸਮਾਂ-ਰੇਖਾ (ਟਾਈਮਲਾਈਨ) ਸ਼ਬਦ ਸ਼ਾਮਲ ਹਨ। 'ਏ' ਉਸ ਵਿਅਕਤੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿਸ ਕੋਲ ਖਰੀਦ ਫੈਸਲੇ ਵਿੱਚ ਅਧਿਕਾਰ (ਅਥਾਰਟੀ) ਹੈ।

3. ਇੱਕ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਕੋਲਡ ਈਮੇਲ ਸਪੈਮ ਫੋਲਡਰ ਵਿੱਚ ਖਤਮ ਹੋਣ ਅਤੇ ਪਰਿਵਰਤਿਤ ਨਾ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਕਿਉਂ ਹੈ?

• ਏ) ਕਿਉਂਕਿ ਇਹ ਬਹੁਤ ਛੋਟਾ ਹੈ
• ਅ) ਕਿਉਂਕਿ ਇਸ ਵਿੱਚ ਇੱਕ ਪ੍ਰਸ਼ਨ ਚਿੰਨ੍ਹ ਹੈ
• C) ਕਿਉਂਕਿ ਇਹ ਗੈਰ-ਵਿਅਕਤੀਗਤ, ਆਮ ਅਤੇ ਖਰੀਦਦਾਰ ਲਈ ਅਪ੍ਰਸੰਗਿਕ ਹੈ ✔
• ਡੀ) ਕਿਉਂਕਿ ਇਹ ਪ੍ਰਾਪਤਕਰਤਾ ਦੇ ਨਾਮ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ

ਸਪੱਸ਼ਟੀਕਰਨ: ਬਲਕ ਈ-ਮੇਲ ਜੋ ਗੈਰ-ਵਿਅਕਤੀਗਤ, ਆਮ ਅਤੇ ਪ੍ਰਾਪਤਕਰਤਾ ਲਈ ਅਪ੍ਰਸੰਗਿਕ ਹਨ, ਦੋਵੇਂ ਸਪੈਮ ਫਿਲਟਰਾਂ ਨੂੰ ਚਾਲੂ ਕਰਦੇ ਹਨ ਅਤੇ ਪ੍ਰਾਪਤਕਰਤਾ ਵਿੱਚ ਮੁੱਲ ਦੀ ਧਾਰਨਾ ਨਹੀਂ ਬਣਾਉਂਦੇ ਹਨ। ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਕੋਲਡ ਈਮੇਲ ਵਿੱਚ ਪ੍ਰਾਪਤਕਰਤਾ ਲਈ ਖਾਸ ਇੱਕ ਟਰਿੱਗਰ ਇਵੈਂਟ ਅਤੇ ਇੱਕ ਸਪਸ਼ਟ ਮੁੱਲ ਪ੍ਰਸਤਾਵ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ।

4. ਇੱਕ ਕਲਾਇੰਟ ਲਈ ਇੱਕ ਪ੍ਰਸਤਾਵ ਤਿਆਰ ਕਰਦੇ ਸਮੇਂ, ਤੁਸੀਂ AI ਤੋਂ '300% ਉਤਪਾਦਕਤਾ ਵਾਧੇ ਦੀ ਗਾਰੰਟੀ ਉਦਯੋਗ ਵਿੱਚ' ਵਾਕਾਂਸ਼ ਨੂੰ ਦੇਖਿਆ। ਸਭ ਤੋਂ ਸਹੀ ਵਿਵਹਾਰ ਕਿਹੜਾ ਹੈ?

• ਏ) ਇਸਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਛੱਡੋ ਕਿਉਂਕਿ ਇਹ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ
• ਅ) ਨੰਬਰ ਹੋਰ ਵੀ ਵਧਾਓ ਅਤੇ 500% ਲਿਖੋ
• C) ਇਸਨੂੰ ਵੱਡੇ ਫੌਂਟ ਵਿੱਚ ਪ੍ਰਸਤਾਵ ਦੇ ਸਿਖਰ 'ਤੇ ਲੈ ਜਾਓ
• D) ਦਾਅਵੇ ਨੂੰ ਇੱਕ ਪ੍ਰਮਾਣਿਤ, ਵਾਸਤਵਿਕ ਅਤੇ ਸਰੋਤ ਬਿਆਨ ਨਾਲ ਬਦਲਣਾ ✔

ਸਪੱਸ਼ਟੀਕਰਨ: ਅਪ੍ਰਮਾਣਿਤ, ਅਤਿਕਥਨੀ ਅਤੇ ਗਾਰੰਟੀਸ਼ੁਦਾ ਦਾਅਵੇ ਦੋਵੇਂ ਅਨੈਤਿਕ ਹਨ ਅਤੇ ਕਾਨੂੰਨੀ ਜੋਖਮ ਪੈਦਾ ਕਰਦੇ ਹਨ। ਸਟੇਟਮੈਂਟ ਨੂੰ ਜਾਂ ਤਾਂ ਹਟਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਜਾਂ ਇੱਕ ਠੋਸ, ਸਰੋਤ-ਵਿਸ਼ੇਸ਼ ਅਤੇ ਯਥਾਰਥਵਾਦੀ ਸੀਮਾ ਦੇ ਅੰਦਰ ਬਦਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

5. ਵਿਅਕਤੀਗਤ ਫਾਲੋ-ਅਪ ਕ੍ਰਮ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਦੇ ਸਮੇਂ ਹੇਠਾਂ ਦਿੱਤੇ ਵਿੱਚੋਂ ਕਿਹੜਾ ਸਭ ਤੋਂ ਵਧੀਆ ਅਭਿਆਸ ਹੈ?

• A) ਹਰੇਕ ਫਾਲੋ-ਅੱਪ ਨਾਲ ਨਵਾਂ ਮੁੱਲ, ਸੂਝ ਜਾਂ ਸਰੋਤ ਪ੍ਰਦਾਨ ਕਰਨਾ ✔
• ਅ) ਹਰ ਸੁਨੇਹੇ ਵਿੱਚ ਉਹੀ 'ਜਸਟ ਚੈੱਕਿੰਗ' ਵਾਕ ਦੁਹਰਾਉਣਾ
• C) ਦਿਨ ਵਿੱਚ ਦੋ ਵਾਰ ਇੱਕੋ ਈਮੇਲ ਭੇਜਣਾ
• ਡੀ) ਜੇਕਰ ਪਹਿਲਾ ਜਵਾਬ ਨਹੀਂ ਮਿਲਦਾ, ਤਾਂ ਪੂਰੀ ਲੜੀ ਨੂੰ ਰੱਦ ਕਰਨਾ

ਵਿਆਖਿਆ: ਇੱਕ ਚੰਗਾ ਫਾਲੋ-ਅੱਪ ਥ੍ਰੈੱਡ ਹਰੇਕ ਸੁਨੇਹੇ ਦੇ ਨਾਲ ਨਵਾਂ ਮੁੱਲ (ਸਮੱਗਰੀ, ਉਦਾਹਰਨ, ਸੂਝ) ਪੇਸ਼ ਕਰਦਾ ਹੈ ਅਤੇ ਸਿਰਫ਼ 'ਸਿਰਫ਼ ਜਾਂਚ' ਨਹੀਂ ਕਹਿੰਦਾ। ਹਰ ਟੱਚਪੁਆਇੰਟ ਨੂੰ ਖਰੀਦਦਾਰ ਨੂੰ ਇੱਕ ਕਾਰਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ।

6. ਇੱਕ ਗਾਹਕ ਨੇ ਇਤਰਾਜ਼ ਪ੍ਰਗਟ ਕੀਤਾ 'ਤੁਹਾਡੀ ਕੀਮਤ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ'। ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਏਆਈ-ਸੰਚਾਲਿਤ ਪਹੁੰਚ ਕਿਹੜੀ ਹੈ?

• ਏ) ਤੁਰੰਤ ਛੂਟ ਦੀ ਪੇਸ਼ਕਸ਼
• ਅ) ਇਤਰਾਜ਼ ਦੀ ਜੜ੍ਹ ਨੂੰ ਸਮਝੋ ਅਤੇ ਇਸ ਨੂੰ ਮੁੱਲ ਅਤੇ ROI ਦੇ ਰੂਪ ਵਿੱਚ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰੋ ✔
• C) ਗਾਹਕ ਨਾਲ ਬਹਿਸ ਕਰਨਾ ਅਤੇ ਕਹਿਣਾ ਕਿ ਉਹ ਗਲਤ ਹੈ
• ਡੀ) ਵਿਸ਼ੇ ਨੂੰ ਬੰਦ ਕਰੋ ਅਤੇ ਕਿਸੇ ਹੋਰ ਉਤਪਾਦ 'ਤੇ ਜਾਓ

ਵਿਆਖਿਆ: ਪ੍ਰਭਾਵੀ ਇਤਰਾਜ਼ ਕਾਊਂਟਰਿੰਗ ਲਈ ਪਹਿਲਾਂ ਇਤਰਾਜ਼ ਨੂੰ ਸਮਝਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ (ਭਾਵੇਂ ਇਹ ਕੀਮਤ ਜਾਂ ਮੁੱਲ ਦੀ ਧਾਰਨਾ ਹੋਵੇ) ਅਤੇ ਫਿਰ ਇਸ ਨੂੰ ROI/ਮੁੱਲ ਦੇ ਰੂਪ ਵਿੱਚ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਛੂਟ ਦੀ ਪੇਸ਼ਕਸ਼ ਤੁਰੰਤ ਮੁੱਲ ਘਟਾਉਂਦੀ ਹੈ।

7. ਤੁਸੀਂ AI ਨੂੰ ਵਿਕਰੀ ਕਾਲ ਦੀ ਪ੍ਰਤੀਲਿਪੀ ਦਿੱਤੀ ਹੈ ਅਤੇ ਇੱਕ CRM ਨੋਟ ਬਣਾਇਆ ਹੈ। ਨੋਟ ਵਿੱਚ ਸਭ ਤੋਂ ਨਾਜ਼ੁਕ ਖੇਤਰ ਕੀ ਹੈ?

• ਏ) ਗੱਲਬਾਤ ਕਿੰਨੇ ਮਿੰਟ ਚੱਲੀ?
• ਅ) ਭਾਗੀਦਾਰ ਕਿਹੜੇ ਸ਼ਹਿਰ ਤੋਂ ਜੁੜੇ ਹਨ
• C) ਜਾਣੇ-ਪਛਾਣੇ ਮਾਲਕ ਅਤੇ ਮਿਤੀ ਨਾਲ ਅਗਲਾ ਕਦਮ ਸਾਫ਼ ਕਰੋ ✔
• ਡੀ) ਇੰਟਰਵਿਊ ਦੌਰਾਨ ਕਿੰਨੀ ਵਾਰ ਹੱਸੇ ਸਨ?

ਵਰਣਨ: CRM ਨੋਟ ਦਾ ਸੰਚਾਲਨ ਮੁੱਲ ਸ਼ੁੱਧ ਮਾਲਕ ਅਤੇ ਮਿਤੀ ਦੇ ਨਾਲ 'ਅਗਲਾ ਕਦਮ' ਖੇਤਰ ਵਿੱਚ ਹੈ। ਜੇਕਰ ਅਗਲਾ ਕਦਮ ਅਸਪਸ਼ਟ ਹੈ, ਤਾਂ ਮੌਕਾ ਪਾਈਪਲਾਈਨ ਵਿੱਚ ਰੁਕ ਜਾਂਦਾ ਹੈ ਅਤੇ ਗੁਆਚ ਜਾਂਦਾ ਹੈ।

8. ਏਆਈ ਨਾਲ ਵਿਰੋਧੀ ਬੈਟਲਕਾਰਡ ਤਿਆਰ ਕਰਨ ਵੇਲੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਤਸਦੀਕ ਅਨੁਸ਼ਾਸਨ ਕੀ ਹੈ?

• A) AI 'ਤੇ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਕਿਉਂਕਿ ਇਹ ਸਭ ਤੋਂ ਅੱਪ-ਟੂ-ਡੇਟ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ
• ਅ) ਪ੍ਰਤੀਯੋਗੀ ਜਾਣਕਾਰੀ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਆਪਣੇ ਉਤਪਾਦ ਨੂੰ ਉਜਾਗਰ ਕਰਨਾ
• C) ਸਾਰਣੀ ਵਿੱਚ ਸਿਰਫ਼ ਵਿਰੋਧੀ ਦਾ ਲੋਗੋ ਜੋੜਨਾ
• ਡੀ) ਅਪ-ਟੂ-ਡੇਟ ਅਤੇ ਭਰੋਸੇਯੋਗ ਸਰੋਤਾਂ ਨਾਲ ਮੁਕਾਬਲੇ ਦੇ ਦਾਅਵਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ ✔

ਸਪੱਸ਼ਟੀਕਰਨ: AI ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਬਾਰੇ ਪੁਰਾਣੀ ਜਾਂ ਭਰਮ ਵਾਲੀ ਕੀਮਤ, ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਤੇ ਗਾਹਕ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਬੈਟਲਕਾਰਡ 'ਤੇ ਹਰੇਕ ਪ੍ਰਤੀਯੋਗੀ ਦਾਅਵੇ ਦੀ ਵਿਕਰੀ ਲਈ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਨਵੀਨਤਮ ਅਤੇ ਭਰੋਸੇਮੰਦ ਸਰੋਤ ਨਾਲ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।

9. ਤੁਸੀਂ AI ਨੇ ਪਾਈਪਲਾਈਨ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਸੀ ਅਤੇ ਕਿਹਾ ਸੀ ਕਿ 'ਇਸ ਤਿਮਾਹੀ ਵਿੱਚ 120% ਟੀਚਾ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਵੇਗਾ'। ਤੁਹਾਨੂੰ ਇਸ ਭਵਿੱਖਬਾਣੀ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਣਾ ਚਾਹੀਦਾ ਹੈ?

• ਏ) ਪ੍ਰਬੰਧਨ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਰਿਪੋਰਟ ਕਰਨਾ
• ਅ) ਸੰਖਿਆ ਨੂੰ 150% ਤੱਕ ਗੋਲ ਕਰੋ
• C) ਅਨੁਮਾਨਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ, ਸੰਭਾਵਨਾਵਾਂ ਨੂੰ ਬੰਦ ਕਰਨਾ ਅਤੇ ਅਸਲ ਡੇਟਾ ਨਾਲ ਗਣਨਾਵਾਂ ✔
• ਡੀ) ਪੂਰਵ-ਅਨੁਮਾਨ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ।

ਵਰਣਨ: AI ਦੀਆਂ ਸੰਖਿਆਤਮਕ ਭਵਿੱਖਬਾਣੀਆਂ ਇਨਪੁਟ ਡੇਟਾ ਅਤੇ ਧਾਰਨਾਵਾਂ ਦੀ ਗੁਣਵੱਤਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀਆਂ ਹਨ; ਅੰਨ੍ਹੇਵਾਹ ਸਵੀਕਾਰ ਨਹੀਂ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਗਣਨਾ ਦੇ ਤਰਕ, ਬੰਦ ਹੋਣ ਦੀਆਂ ਸੰਭਾਵਨਾਵਾਂ ਅਤੇ ਧਾਰਨਾਵਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਅਸਲ ਡੇਟਾ ਨਾਲ ਕ੍ਰਾਸ-ਪ੍ਰਮਾਣਿਤ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।

10. ਇੱਕ-ਪੇਜਰ ਤਿਆਰ ਕਰਨ ਵੇਲੇ AI ਨੂੰ ਦੇਣ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਇਨਪੁਟਸ ਕੀ ਹੈ?

• ਏ) ਨਿਸ਼ਾਨਾ ਵਿਅਕਤੀ, ਠੋਸ ਸਮੱਸਿਆ, ਮੁੱਲ ਪ੍ਰਸਤਾਵ, ਵਿਭਿੰਨਤਾ ਅਤੇ ਬ੍ਰਾਂਡ ਟੋਨ ✔
• ਅ) ਬਸ ਕਹੋ 'ਸਾਡੇ ਉਤਪਾਦ ਲਈ ਇੱਕ-ਪੇਜ਼ਰ ਲਿਖੋ'
• C) ਸਿਰਫ ਕੰਪਨੀ ਦੀ ਸਥਾਪਨਾ ਦਾ ਸਾਲ
• ਡੀ) ਪ੍ਰਤੀਯੋਗੀਆਂ ਦੀ ਕੀਮਤ ਸੂਚੀ

ਵਰਣਨ: AI ਨੂੰ ਗੁਣਵੱਤਾ ਆਊਟਪੁੱਟ ਪੈਦਾ ਕਰਨ ਲਈ, ਸੰਦਰਭ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਨਿਸ਼ਾਨਾ ਵਿਅਕਤੀ, ਠੋਸ ਸਮੱਸਿਆ ਦਾ ਹੱਲ, ਮੁੱਲ ਪ੍ਰਸਤਾਵ, ਵਿਭਿੰਨਤਾ ਅਤੇ ਬ੍ਰਾਂਡ ਟੋਨ। ਪ੍ਰਸੰਗ ਰਹਿਤ ਬੇਨਤੀ ਜਿਵੇਂ ਕਿ 'ਸਾਨੂੰ ਇੱਕ-ਪੇਜਰ ਲਿਖੋ' ਆਮ ਆਉਟਪੁੱਟ ਪੈਦਾ ਕਰਦੀ ਹੈ।