Prognóza predaja, analýza potrubia a produkcia obsahu predaja

zisky:

• Schopnosť analyzovať údaje z kanála pomocou AI a vytvárať komentáre k prognózam
• Schopnosť rýchlo vytvárať predajný obsah, ako je jedna stránka, prezentácia a prípadová štúdia
• Schopnosť finalizovať výstup AI s numerickým overením a tónom značky

Keď sa blíži koniec štvrťroka, otázka vedúceho predaja je vždy rovnaká: "Môžeme uzavrieť tento štvrťrok?" Odpoveď na túto otázku nie je pocit, ten je skrytý vo vašom potrubí. Ale nespracované údaje z kanála sú chaotickou tabuľkou s riadkami a riadkami obchodov, fáz, súm a dátumov; Chce to čas, kým uvidíte príbeh vo vnútri. Umelá inteligencia dokáže prečítať túto tabuľku a v priebehu niekoľkých minút extrahovať rozdelenie štádií, blokády, trend výhry a interpretáciu predpovedí. Tá istá umelá inteligencia tiež rýchlo vytvorí jednostránkovú stránku, osnovu prezentácie alebo prípadovú štúdiu popisujúcu vyhraný biznis. Hlavným posolstvom tejto jednotky je však toto: neprijímajte slepo žiadne číslo alebo vetu produkovanú umelou inteligenciou. Model analyzuje, overíte.

Analýza potrubia: od údajov k prehľadu

Analýza potrubia sa snaží odpovedať na otázku „aká zdravá je táto práca“ a nie „koľko práce je tam?“. Kľúčové metriky, na ktoré sa treba pozrieť:

metrický

čo to hovorí

výstražné znamenie

Rozdelenie javiska

V akom štádiu sa hromadia ponuky?

Väčšina skorých štádií = zlá predpoveď

Zaseknuté ponuky

Príležitosti, ktoré už dlho nenapredujú

60+ dní v rovnakej fáze

miera výhry

Výhry / celkom uzavreté

Zostupný trend = procesný problém

pravdepodobnosť uzavretia

Vážená predpoveď podľa fázy

Príliš optimistické váhy

Priemerná veľkosť obchodu

Trend veľkosti príležitosti

Zmršťovanie = nesprávny segment

Kopírovateľná výzva: analýza potrubia

Ste prevádzkový analytik predaja. Analyzujte údaje o potrubí nižšie. Údaje: každý riadok je príležitosť; Stĺpce: názov obchodu, fáza, suma, dátum vstupu do fázy, odhad ukončenia. Výstup: 1. Distribúcia fáz (počet príležitostí a celková suma v každej fáze)2. Blokované príležitosti (príležitosti, ktoré zostávajú v rovnakej fáze dlhšie ako {{day}} dní)3. Výpočet miery výhry (na základe uzatvorených obchodov)4. Zhrnutie rizík: 3 príležitosti ohrozujúce prognózu a prečoPravidlo: Používajte iba čísla v údajoch. Ukážte mi vzorec pre každú metriku, ktorú vypočítate, aby som to mohol overiť. Predpovedanie hodnoty, ktorá nie je v údajoch; Ak chýba, napíšte „chýbajúce údaje“. Údaje:{{pipeline_verisi}}

Interpretácia prognózy a numerické overenie

Umelá inteligencia vám môže povedať „tento štvrťrok sa uzavrie s 2,4 miliónmi TL“. Táto veta znie presne, ale existujú základné predpoklady: aké možnosti uzavretia boli použité? Ktoré ponuky sú zahrnuté? Urobil model chybu sčítania? Spôsob, ako overiť numerický výstup, je explicitne požiadať model o jeho predpoklady a vzorec. Potom manuálne skontrolujte aspoň jednu metriku: napríklad sami pridajte váženú sumu troch obchodov a porovnajte ju s výsledkom modelu. Modely môžu robiť chyby v aritmetike, najmä vo viacriadkových tabuľkách.

Vyššie uvedenú prognózu zdôvodnite v nasledujúcom formáte:- Predpoklady pravdepodobnosti uzavretia, ktoré ste použili (podľa štádia)- Zahrnuté a vylúčené ponuky + dôvod- Jasný rozpis vášho váženého celkového výpočtu (dohoda) Potrebujem byť schopný overiť nie výsledné číslo, ale spôsob, akým ste k nemu dospeli.

Upozornenie: Predpovedané číslo vytvorené AI je výpočtom, nie faktom a úplne závisí od vstupu a predpokladov. Model môže použiť nesprávnu váhu pravdepodobnosti, nesprávne pridať riadky alebo dvakrát započítať obchod. Pred predložením čísla manažmentu manuálne overte aspoň jednu metriku a zviditeľnite predpoklady. Neoverená predpoveď vedie k nesprávnemu plánovaniu zdrojov.

Výroba obsahu predaja: dobrý súbor vstupov

Kvalita AI ako jednostránkového, balíčka alebo prípadovej štúdie úplne závisí od zadania, ktoré zadáte. Dobrý obsahový brief obsahuje týchto päť zložiek: persona (komu), problém (akú bolesť riešime), hodnotová ponuka (prečo práve my), diferenciátory (ako sa líšime od konkurencie) a tón značky (ako hovoríme). Ak týchto päť chýba, model vyplní medzery všeobecnými marketingovými klišé a výstup je podobný ako u všetkých ostatných.

Výroba jednej strany krok za krokom

1. Zozbierajte vstupnú súpravu. Persona, problém, hodnotová ponuka, diferenciátory, tón značky.
2. Uveďte účel. Jedna strana, návrh balíka, prípadová štúdia? Formát je iný.
3. Nechajte si vyrobiť model. Uveďte štruktúrovaný prehľad.
4. Overte čísla. Každú metriku (NI, trvanie, počet zákazníkov) uvedenú v obsahu potvrďte skutočnými údajmi.
5. Umiestnite ho do tónu značky. Stiahnite si jazyk modelu do svojho podnikového hlasového sprievodcu.
6. Ľudský súhlas. Pred zverejnením ho človek skontroluje.

Kopírovateľná výzva: jedna strana

Vytvorte návrh na jednu stranu. Vstupy:- Persona: {{target_persona}}- Problém, ktorý sme vyriešili: {{problem}}- Hodnotová ponuka: {{value_recommendation}}- Diferenciátory: {{differentiators}}- Tón značky: {{brand_tone}}Štruktúra: (1) nápadný názov, (2) vyhlásenie o probléme, (3) (3) 3) naše sociálne riešenie, 3 sociálne výhody, CTA.Rule: Nevymýšľajte si konkrétne čísla ani tvrdenia zákazníkov. Na miesto, kde sa vyžaduje číslo, umiestnite zástupný symbol „[metrika na overenie]“. Zostaňte verní tónu svojej značky.

Kopírovateľná výzva: rámec prípadovej štúdie

Vytvorte kostru prípadovej štúdie z nasledujúcich informácií o zákazníkovi:- Profil zákazníka: {{zákazník}}- Počiatočný problém: {{problem}}- Riešenie implementované: {{solution}}- Výsledky: {{results}}Štruktúra: Výzva -> Riešenie -> Záver. Označte každé číslo v sekcii výsledkov značkou „[zdroj/vyžaduje sa overenie]“. Žiadnu reklamáciu, ktorú zákazník neschvaľuje, nepíšte, akoby bola istá.

Slabý brief / Silný brief

SLABÝ: "Napíšte one-pager pre náš produkt." Výsledok: Text, ktorý je všeobecný, plný klišé, nie je jasné, komu je určený, môže obsahovať vymyslené postavy a vyzerá ako každý iný.

GÜÇLÜ: "Osoba: Prevádzkový manažér výrobnej spoločnosti s 500 ľuďmi. Problém: manuálne plánovanie zmien stojí 6 hodín týždenne. Hodnotová ponuka: automatizujeme plánovanie a znižujeme chybovosť. Diferenciátor: v súlade s miestnou legislatívou, uvedenie do prevádzky do 2 týždňov. Tón: jednoduchý, dôveryhodný, podhodnotený. Na miesto, kde je potrebné číslo, vložte vhodný, overiteľný znak." pre značku.

Mini prípad: oprava optimistickej predpovede

V softvérovom tíme má manažér predaja analyzovaný kanál umelou inteligenciou. Model vytvára jasnú predpoveď na štvrťrok. Manažér požaduje rozdelenie váženého súčtu z modelu podľa dohody a obchodu podľa pravidla v jednotke. Pri skúmaní prepisu si všimne dve veci: model počítal s 90-percentnou pravdepodobnosťou veľkej dohody, ktorá uviazla v štádiu „zmluvy“ šesťdesiat dní, pričom v skutočnosti je táto dohoda ohrozená; Okrem toho boli dvakrát náhodne zozbierané dva záznamy pre toho istého zákazníka. Upravená prognóza je výrazne pod prvým číslom. Manažér ide do vyššieho manažmentu s touto realistickou postavou a odkladá zbytočné rozhodnutie o prijatí do zamestnania. Model nebol zlý; len to bolo treba overiť.

Tip: Pri vytváraní obsahu nikdy nežiadajte model, aby „vytvoril“ figúrky, ale radšej ponechajte zástupný symbol. Značky „[metric to over]“ sú bezpečné priestory, ktoré čakajú na neskoršie naplnenie skutočnými údajmi a bránia tomu, aby sa k zákazníkovi dostali vymyslené štatistiky.

Časté chyby

• Prijatie prognózy bez otázok. Neodosielajte žiadne odhady bez toho, aby ste videli predpoklady a vzorec.
• Dôverovať aritmetike modelu. Vo viacriadkových tabuľkách sa vyskytujú agregačné chyby; Ručne skontrolujte aspoň jednu metriku.
• Požadovanie obsahu so slabým briefom. Ak tam nebude persona a diferenciátor, výstup bude klišé.
• Zverejňovanie vymyslených štatistík. Umiestnenie NI a údajov o zákazníkoch produkovaných modelom na jeden pager bez overenia poškodzuje dôveru v značku.
• Obchádzanie ľudského súhlasu. Žiadny predajný obsah by nemal byť zverejnený bez kontroly človekom.

V súhrne

• Analýza potrubia sa pýta „aká zdravá je táto práca“ a nie „koľko práce je tam“; Distribúcia fáz, upchávanie a miera výhier sú kritické.
• Predpoveď je výpočet, nie fakt; Opýtajte sa modelu na jeho predpoklady a vzorec a overte ich manuálne.
• Dobrý obsahový brief obsahuje päť zložiek: osobnosť, problém, hodnotová ponuka, rozlišovacie znaky, tón značky.
• Nevymýšľajte čísla v jednostránkovej, balíčkovej a prípadovej štúdii; Nechajte zástupný symbol a vyplňte ho skutočnými údajmi.
• Prispôsobte sa tónu značky a pred uvedením do prevádzky si určite získajte súhlas človeka.

Aplikačná úloha

Vezmite vzorku 10 – 15 riadkov z vašich vlastných údajov potrubia (anonymizované) a spustite výzvu „analýza potrubia“. Manuálne overte mieru výhry a váženú predpoveď danú modelom vyžiadaním si rozpisu podľa vzorca; Pokúste sa nájsť aspoň jednu chybu alebo pochybný predpoklad. Potom spustite výzvu „one-pager“ so silným súborom vstupov pre skutočný úspech zákazníka. Naplňte každý zástupný symbol vo výstupe skutočnými, overenými údajmi a upravte text podľa tónu vlastnej značky. Finálna verzia by mala mať takú kvalitu, že keď sa ukáže kolegovi, povie „toto je náš hlas“.

Modulová skúška

1. Pri používaní AI pri predaji by konečná zodpovednosť za ktoré z nasledujúcich rozhodnutí mala vždy zostať na ľudskom predajcovi?

• A) Presnosť záväzných cien a záväzkov oznámených zákazníkovi ✔
• B) Vytvorenie prvej verzie konceptu e-mailu
• C) Rozdelenie poznámok zo schôdze do bodov
• D) Navrhnite tri alternatívy predmetu

Popis: Umelá inteligencia môže vytvárať návrhy, výskum a súhrny; However, humans are responsible for the accuracy and ethics of binding decisions such as price commitment, contract condition, and formal promise to the customer. Tieto rozhodnutia by sa nemali predkladať bez overenia.

2. Čo znamená písmeno 'A' v rámci BANT, ktoré sa používa na označenie olova?

• A) Analytics
• B) Oprávnenie (nákupný orgán) ✔
• C) Účet (veľkosť účtu)
• D) Adoption

Description: TAPE; Skladá sa zo slov Budget (rozpočet), Authority (orgán), Need (potreba) a Timeline (časová os). „A“ označuje osobu, ktorá má právomoc (oprávnenie) pri rozhodovaní o nákupe.

3. Prečo je pravdepodobné, že studený e-mail vygenerovaný AI skončí v priečinku nevyžiadanej pošty a neprevedie sa?

• A) Pretože je príliš krátky
• B) Pretože obsahuje otáznik
• C) Pretože je nepersonalizovaný, všeobecný a pre kupujúceho irelevantný ✔
• D) Pretože to začína menom príjemcu

Explanation: Bulk e-mails that are non-personalised, generic and irrelevant to the recipient both trigger spam filters and do not create a perception of value in the recipient. Efektívny studený e-mail obsahuje spúšťaciu udalosť špecifickú pre príjemcu a jasný návrh hodnoty.

4. Pri príprave návrhu pre klienta ste videli frázu „300 % zvýšenie produktivity zaručené v odvetví“ od AI. Aké je najsprávnejšie správanie?

• A) Nechajte to tak, ako to je, pretože je to pôsobivé
• B) Zvýšte číslo ešte viac a napíšte 500%
• C) Presuňte ho do hornej časti návrhu veľkým písmom
• D) Nahradenie tvrdenia overiteľným, realistickým vyhlásením zo zdrojov ✔

Vysvetlenie: Neoveriteľné, prehnané a zaručené nároky sú neetické a vytvárajú právne riziká. Vyhlásenie by sa malo buď odstrániť alebo nahradiť v rámci konkrétneho, zdroja špecifického a realistického rozsahu.

5. Ktorý z nasledujúcich postupov je najlepším postupom pri navrhovaní personalizovanej postupnosti sledovania?

• A) Poskytovanie novej hodnoty, náhľadu alebo zdroja pri každom ďalšom kroku ✔
• B) Opakovanie rovnakej vety „len kontrola“ v každej správe
• C) Posielanie rovnakého e-mailu dvakrát denne
• D) Ak nedostanete prvú odpoveď, zrušenie celej série

Vysvetlenie: Dobré vlákno sledovania ponúka novú hodnotu (obsah, príklad, náhľad) s každou správou a nehovorí len „len kontrolujem“. Každý kontaktný bod by mal kupujúcemu poskytnúť dôvod.

6. Zákazník vyjadril námietku „Vaša cena je príliš vysoká“. Aký je najefektívnejší prístup založený na AI?

• A) Okamžitá ponuka zľavy
• B) Pochopte podstatu námietky a preformulujte ju z hľadiska hodnoty a návratnosti investícií ✔
• C) Hádať sa so zákazníkom a povedať, že sa mýli
• D) Zatvorte tému a prejdite na iný produkt

Explanation: Effective objection countering requires first understanding the objection (whether it is price or value perception) and then framing it in terms of ROI/value. Ponuka zľavy okamžite znižuje hodnotu.

7. Poskytli ste prepis obchodného hovoru AI a vytvorili ste CRM poznámku. Aká je najkritickejšia oblasť v poznámke?

• A) Koľko minút trval rozhovor?
• B) Z ktorého mesta sa účastníci pripájali
• C) Vyjasnite si ďalší krok so známym vlastníkom a dátumom ✔
• D) Koľkokrát sa vám počas rozhovoru smiali?

Popis: Prevádzková hodnota poznámky CRM je v poli „ďalší krok“ s čistým vlastníkom a dátumom. Ak je ďalší krok nejasný, príležitosť stagnuje a stráca sa.

8. Aká je najdôležitejšia overovacia disciplína pri príprave súperovej bojovej karty s AI?

• A) Dôverovať AI priamo, pretože používa najaktuálnejší model
• B) Zvýrazniť vlastný produkt zveličovaním informácií o konkurencii
• C) Pridanie iba loga súpera do tabuľky
• D) Potvrdenie tvrdení konkurentov pomocou aktuálnych a spoľahlivých zdrojov ✔

Vysvetlenie: AI môže produkovať zastarané alebo halucinované ceny, funkcie a zákaznícke informácie o konkurentoch. Každý nárok konkurenta na Battlecard musí byť pred predajom overený z aktuálneho a spoľahlivého zdroja.

9. Nechali ste AI ​​analyzovať údaje Pipeline a povedať, že „120 % cieľa sa dosiahne tento štvrťrok“. Ako by ste mali zvládnuť túto predpoveď?

• A) Podávanie správ priamo manažmentu
• B) Zaokrúhlite číslo na 150%
• C) Overovanie predpokladov, uzatváranie pravdepodobností a kalkulácií s reálnymi údajmi ✔
• D) Úplné ignorovanie predpovede.

Popis: Numerické predpovede AI závisia od kvality vstupných údajov a predpokladov; by nemali byť prijaté slepo. Logika výpočtov, pravdepodobnosti uzavretia a predpoklady by sa mali skontrolovať a krížovo overiť so skutočnými údajmi.

10. Aký je najlepší súbor vstupov pre AI pri výrobe jednostránkového zariadenia?

• A) Cieľová osobnosť, konkrétny problém, hodnotová ponuka, rozdiely a tón značky ✔
• B) Stačí povedať „napíšte one-pager pre náš produkt“
• C) Len rok založenia spoločnosti
• D) Cenník súťažiacich

Description: For AI to produce quality output, context must be given such as the target persona, concrete problem solved, value proposition, differentiators and brand tone. Bezkontextová požiadavka, ako napríklad „Napíšte nám one-pager“, vytvára všeobecný výstup.