விற்பனை முன்கணிப்பு, பைப்லைன் பகுப்பாய்வு மற்றும் விற்பனை உள்ளடக்க உற்பத்தி

ஆதாயங்கள்:

• AI உடன் பைப்லைன் தரவை பகுப்பாய்வு செய்து முன்னறிவிப்பு கருத்துகளை உருவாக்கும் திறன்
• ஒரு பேஜர், விளக்கக்காட்சி மற்றும் வழக்கு ஆய்வு போன்ற விற்பனை உள்ளடக்கத்தை விரைவாக உருவாக்கும் திறன்
• எண் சரிபார்ப்பு மற்றும் பிராண்ட் டோன் மூலம் AI வெளியீட்டை இறுதி செய்யும் திறன்

காலாண்டு முடிவடையும் போது, ​​விற்பனைத் தலைவரின் கேள்வி எப்போதும் ஒரே மாதிரியாக இருக்கும்: "இந்த காலாண்டை மூடலாமா?" இந்த கேள்விக்கான பதில் ஒரு உணர்வு அல்ல, அது உங்கள் பைப்லைனில் மறைக்கப்பட்டுள்ளது. ஆனால் மூல பைப்லைன் தரவு என்பது வரிசைகள் மற்றும் ஒப்பந்தங்கள், நிலைகள், தொகைகள் மற்றும் தேதிகளின் வரிசைகள் கொண்ட குழப்பமான அட்டவணையாகும்; கதையை உள்ளே பார்க்க நேரம் எடுக்கும். செயற்கை நுண்ணறிவு இந்த அட்டவணையைப் படித்து, சில நிமிடங்களில் நிலை விநியோகம், தடைகள், வெற்றி விகிதம் போக்கு மற்றும் முன்னறிவிப்பு விளக்கத்தைப் பிரித்தெடுக்க முடியும். அதே செயற்கை நுண்ணறிவு ஒரு பேஜர், ஒரு விளக்கக்காட்சி அவுட்லைன் அல்லது வெற்றி பெற்ற வணிகத்தை விவரிக்கும் ஒரு வழக்கு ஆய்வு ஆகியவற்றை விரைவாக உருவாக்குகிறது. இருப்பினும், இந்த யூனிட்டின் முக்கிய செய்தி இதுதான்: செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட எந்த எண்ணையும் வாக்கியத்தையும் கண்மூடித்தனமாக ஏற்றுக்கொள்ளாதீர்கள். மாதிரி பகுப்பாய்வு செய்கிறது, நீங்கள் சரிபார்க்கிறீர்கள்.

பைப்லைன் பகுப்பாய்வு: தரவு முதல் நுண்ணறிவு வரை

பைப்லைன் பகுப்பாய்வு "எவ்வளவு வேலை இருக்கிறது?" என்பதை விட "இந்த வேலை எவ்வளவு ஆரோக்கியமானது" என்ற கேள்விக்கு பதிலளிக்க முயல்கிறது. பார்க்க வேண்டிய முக்கிய அளவீடுகள்:

மெட்ரிக்

அது என்ன சொல்கிறது

எச்சரிக்கை அடையாளம்

மேடை விநியோகம்

எந்த கட்டத்தில் ஒப்பந்தங்கள் அடுக்கி வைக்கப்பட்டுள்ளன?

பெரும்பாலான ஆரம்ப நிலைகள் = மோசமான முன்னறிவிப்பு

சிக்கிய ஒப்பந்தங்கள்

நீண்ட நாட்களாக முன்னேறாத வாய்ப்புகள்

ஒரே கட்டத்தில் 60+ நாட்கள்

வெற்றி விகிதம்

வெற்றிகள் / மொத்தம் மூடப்பட்டது

கீழ்நிலை = செயல்முறை சிக்கல்

மூடுவதற்கான நிகழ்தகவு

கட்டம் வாரியாக எடையிடப்பட்ட கணிப்பு

அதிக நம்பிக்கையான எடைகள்

சராசரி ஒப்பந்த அளவு

வாய்ப்பு அளவு போக்கு

சுருங்குதல் = தவறான பிரிவு

நகலெடுக்கக்கூடிய உடனடி: குழாய் பகுப்பாய்வு

நீங்கள் ஒரு விற்பனை நடவடிக்கை ஆய்வாளர். கீழே உள்ள பைப்லைன் தரவை பகுப்பாய்வு செய்யவும். தரவு: ஒவ்வொரு வரிசையும் ஒரு வாய்ப்பு; நெடுவரிசைகள்: ஒப்பந்தத்தின் பெயர், நிலை, தொகை, மேடை நுழைவு தேதி, இறுதி மதிப்பீடு. வெளியீடு:1. நிலை விநியோகம் (ஒவ்வொரு நிலையிலும் வாய்ப்புகளின் எண்ணிக்கை மற்றும் மொத்த தொகை)2. தடுக்கப்பட்ட வாய்ப்புகள் ({{day}} நாட்களுக்கு மேல் ஒரே நிலையில் இருப்பவை)3. வெற்றி விகிதம் கணக்கீடு (மூடப்பட்ட ஒப்பந்தங்களின் அடிப்படையில்)4. இடர் சுருக்கம்: முன்னறிவிப்பை அச்சுறுத்தும் 3 வாய்ப்புகள் மற்றும் ஏன் விதி: தரவில் உள்ள எண்களை மட்டும் பயன்படுத்தவும். நீங்கள் கணக்கிடும் ஒவ்வொரு அளவீட்டுக்கான சூத்திரத்தை எனக்குக் காட்டுங்கள், அதை என்னால் சரிபார்க்க முடியும். தரவுகளில் இல்லாத மதிப்பைக் கணித்தல்; அது விடுபட்டால், "தரவு காணவில்லை" என்று எழுதவும். தரவு:{{pipeline_verisi}}

முன்னறிவிப்பு விளக்கம் மற்றும் எண் சரிபார்ப்பு

செயற்கை நுண்ணறிவு உங்களுக்கு "இந்த காலாண்டில் 2.4 மில்லியன் TL உடன் முடிவடையும்" என்று கூறலாம். இந்த வாக்கியம் துல்லியமாகத் தெரிகிறது, ஆனால் அடிப்படை அனுமானங்கள் உள்ளன: என்ன மூடல் சாத்தியங்கள் பயன்படுத்தப்பட்டன? எந்த ஒப்பந்தங்கள் சேர்க்கப்பட்டுள்ளன? மாதிரி கூட்டல் பிழை செய்ததா? எண் வெளியீட்டைச் சரிபார்ப்பதற்கான வழி, மாதிரியை அதன் அனுமானங்கள் மற்றும் சூத்திரத்தை வெளிப்படையாகக் கேட்பதாகும். பின்னர் குறைந்தபட்சம் ஒரு மெட்ரிக்கை கைமுறையாகச் சரிபார்க்கவும்: எடுத்துக்காட்டாக, மூன்று ஒப்பந்தங்களின் எடையுள்ள அளவை நீங்களே சேர்த்து, அதை மாதிரியின் முடிவுடன் ஒப்பிடவும். மாதிரிகள் எண்கணிதத்தில் பிழைகள் செய்யலாம், குறிப்பாக பல வரிசை அட்டவணைகளில்.

மேலே உள்ள முன்னறிவிப்பை பின்வரும் வடிவத்தில் நியாயப்படுத்தவும்:- நீங்கள் பயன்படுத்திய இறுதி நிகழ்தகவு அனுமானங்கள் (நிலைப்படி)- நீங்கள் சேர்த்த மற்றும் விலக்கப்பட்ட ஒப்பந்தங்கள் + ஏன்- உங்கள் எடையுள்ள மொத்த கணக்கீட்டின் தெளிவான முறிவு (டீல் டீல்) விளைந்த எண்ணை அல்ல, ஆனால் நீங்கள் அதை எப்படி அடைந்தீர்கள் என்பதை நான் சரிபார்க்க வேண்டும்.

கவனம்: AI ஆல் உருவாக்கப்பட்ட முன்னறிவிப்பு எண்ணிக்கை என்பது ஒரு கணக்கீடு, உண்மை அல்ல, மேலும் உள்ளீடு மற்றும் அனுமானங்களைப் பொறுத்தது. மாதிரியானது தவறான நிகழ்தகவு எடையைப் பயன்படுத்தலாம், வரிகளை தவறாகச் சேர்க்கலாம் அல்லது ஒப்பந்தத்தை இருமுறை எண்ணலாம். குறைந்தபட்சம் ஒரு அளவீட்டையாவது கைமுறையாகச் சரிபார்த்து, எண்ணை நிர்வாகத்திற்கு வழங்குவதற்கு முன் அனுமானங்களைத் தெரியும்படி செய்யுங்கள். சரிபார்க்கப்படாத முன்னறிவிப்பு தவறான ஆதார திட்டமிடலுக்கு வழிவகுக்கிறது.

விற்பனை உள்ளடக்க உற்பத்தி: உள்ளீடுகளின் நல்ல தொகுப்பு

ஒரு பேஜர், டெக் அல்லது கேஸ் ஸ்டடி என AI இன் தரமானது நீங்கள் கொடுக்கும் உள்ளீட்டைப் பொறுத்தது. ஒரு நல்ல உள்ளடக்க சுருக்கமானது இந்த ஐந்து கூறுகளை உள்ளடக்கியது: ஆளுமை (யாருக்கு), பிரச்சனை (நாம் என்ன வலியை தீர்க்கிறோம்), மதிப்பு முன்மொழிவு (நாம் ஏன்), வேறுபாடுகள் (போட்டியில் இருந்து நாம் எப்படி வேறுபடுகிறோம்), மற்றும் பிராண்ட் டோன் (நாம் எப்படி பேசுகிறோம்). இந்த ஐந்தும் விடுபட்டால், மாடல் பொதுவான மார்க்கெட்டிங் க்ளிஷேக்களுடன் இடைவெளிகளை நிரப்புகிறது மற்றும் வெளியீடு எல்லோருடையதைப் போலவே இருக்கும்.

படிப்படியாக ஒரு பேஜர் தயாரிப்பு

1. உள்ளீட்டு தொகுப்பை சேகரிக்கவும். ஆளுமை, சிக்கல், மதிப்பு முன்மொழிவு, வேறுபாடுகள், பிராண்ட் தொனி.
2. நோக்கத்தைக் கூறவும். ஒரு பேஜர், டெக் வரைவு, வழக்கு ஆய்வு? வடிவம் வேறு.
3. மாதிரியை தயாரிக்க வேண்டும். கட்டமைக்கப்பட்ட சுருக்கத்தை கொடுங்கள்.
4. எண்களை சரிபார்க்கவும். உண்மையான தரவுகளுடன் உள்ளடக்கத்தில் குறிப்பிடப்பட்டுள்ள ஒவ்வொரு அளவீட்டையும் (ROI, கால அளவு, வாடிக்கையாளர்களின் எண்ணிக்கை) உறுதிப்படுத்தவும்.
5. அதை பிராண்ட் தொனியில் பொருத்தவும். உங்கள் கார்ப்பரேட் குரல் வழிகாட்டியில் மாடலின் மொழியை இழுக்கவும்.
6. மனித அங்கீகாரம். வெளியிடுவதற்கு முன் ஒரு மனிதர் அதை மதிப்பாய்வு செய்வார்.

நகலெடுக்கக்கூடிய ப்ராம்ட்: ஒரு பேஜர்

ஒரு பக்க வரைவை உருவாக்கவும். உள்ளீடுகள்:- ஆளுமை: {{target_persona}}- நாங்கள் தீர்த்துவிட்ட பிரச்சனை: {{problem}}- மதிப்பு முன்மொழிவு: {{value_recommendation}}- வேறுபாடுகள்: {{differentiators}}- பிராண்ட் தொனி: {{brand_tone}}கட்டுமானம்: (2) எங்கள் அமைப்பு, தீர்வு (3) ஸ்டிரைக்கிங் அறிக்கை (3) நன்மை பொருட்கள், (5) சமூக ஆதாரம் இடம், (6) ஒற்றை நிகர CTA. விதி: உறுதியான புள்ளிவிவரங்கள் அல்லது வாடிக்கையாளர் கோரிக்கைகளை உருவாக்க வேண்டாம். எண் தேவைப்படும் இடத்தில் "[சரிபார்ப்பதற்கான அளவீடு]" ஒதுக்கிடத்தை வைக்கவும். உங்கள் பிராண்ட் தொனிக்கு உண்மையாக இருங்கள்.

நகலெடுக்கக்கூடிய உடனடி: வழக்கு ஆய்வு கட்டமைப்பு

பின்வரும் வாடிக்கையாளர் தகவலிலிருந்து ஒரு வழக்கு ஆய்வு எலும்புக்கூட்டை உருவாக்கவும்:- வாடிக்கையாளர் சுயவிவரம்: {{வாடிக்கையாளர்}}- ஆரம்ப சிக்கல்: {{சிக்கல்}}- செயல்படுத்தப்பட்ட தீர்வு: {{தீர்வு}}- முடிவுகள்: {{முடிவுகள்}}கட்டமைப்பு: சவால் -> தீர்வு -> முடிவு. முடிவுகள் பிரிவில் உள்ள ஒவ்வொரு எண்ணையும் "[ஆதாரம்/சரிபார்ப்பு தேவை]" குறிச்சொல்லுடன் குறிக்கவும். வாடிக்கையாளர் ஏற்கவில்லை என்பது உறுதியானது போல் எந்தக் கோரிக்கையையும் எழுத வேண்டாம்.

பலவீனமான சுருக்கம் / வலுவான சுருக்கம்

பலவீனம்: "எங்கள் தயாரிப்புக்கு ஒரு பேஜரை எழுதுங்கள்." முடிவு: பொதுவான, க்ளிஷேக்கள் நிறைந்த ஒரு உரை, அது யாரைக் குறிப்பிடுகிறது என்பது தெளிவாகத் தெரியவில்லை, உருவாக்கப்பட்ட உருவங்களைக் கொண்டிருக்கலாம், மேலும் அது எல்லோருடையது போலவும் இருக்கும்.

GÜÇLÜ:"Persona: 500 நபர்களைக் கொண்ட ஒரு உற்பத்தி நிறுவனத்தின் செயல்பாட்டு மேலாளர். பிரச்சனை: கைமுறையாக ஷிப்ட் திட்டமிடல் வாரத்திற்கு 6 மணிநேரம் செலவாகும். மதிப்பு முன்மொழிவு: நாங்கள் திட்டமிடலை தானியங்குபடுத்துகிறோம் மற்றும் பிழை விகிதத்தைக் குறைக்கிறோம். வேறுபடுத்தி: உள்ளூர் சட்டத்திற்கு இணங்க, 2 வாரங்களில் செயல்படும். தொனி: எளிமையான, நம்பகமான இடம். வரை." முடிவு: இலக்கில் இருக்கும், சரிபார்க்கக்கூடிய, பிராண்டிற்கு ஏற்ற வரைவு.

மினி கேஸ்: நம்பிக்கையான முன்னறிவிப்பை சரிசெய்தல்

ஒரு மென்பொருள் குழுவில், விற்பனை மேலாளர் பைப்லைனை செயற்கை நுண்ணறிவு மூலம் பகுப்பாய்வு செய்கிறார். இந்த மாதிரி காலாண்டிற்கான ஒரு பிரகாசமான முன்னறிவிப்பை உருவாக்குகிறது. யூனிட்டில் உள்ள விதியைப் பின்பற்றி, மாடலில் இருந்து எடையிடப்பட்ட மொத்தத்தின் டீல்-டீல் முறிவை மேலாளர் கோருகிறார். அவர் டிரான்ஸ்கிரிப்டை ஆராயும்போது, ​​​​அவர் இரண்டு விஷயங்களைக் கவனிக்கிறார்: மாடல் அறுபது நாட்களாக "ஒப்பந்தம்" நிலையில் சிக்கியுள்ள ஒரு பெரிய ஒப்பந்தத்தின் 90 சதவீத நிகழ்தகவைக் கணக்கிடுகிறது, உண்மையில் அந்த ஒப்பந்தம் ஆபத்தில் உள்ளது; கூடுதலாக, ஒரே வாடிக்கையாளருக்கான இரண்டு பதிவுகள் தற்செயலாக இரண்டு முறை சேகரிக்கப்பட்டன. சரிசெய்யப்பட்ட முன்னறிவிப்பு முதல் எண்ணிக்கைக்குக் கீழே உள்ளது. மேலாளர் இந்த யதார்த்தமான நபருடன் மூத்த நிர்வாகத்திற்குச் சென்று தேவையற்ற பணியமர்த்தல் முடிவை ஒத்திவைக்கிறார். மாதிரி மோசமாக இல்லை; அது சரிபார்க்கப்பட வேண்டும்.

உதவிக்குறிப்பு: உள்ளடக்க உருவாக்கத்தில், உருவங்களை "உருவாக்கும்" மாதிரியை ஒருபோதும் கேட்காதீர்கள், மாறாக ஒரு ஒதுக்கிடத்தை விட்டுவிடுங்கள். "[சரிபார்ப்பதற்கான அளவீடு]" குறிச்சொற்கள் பாதுகாப்பான இடங்கள், பின்னர் உண்மையான தரவுகளால் நிரப்பப்படும், உருவாக்கப்பட்ட புள்ளிவிவரங்கள் வாடிக்கையாளரைச் சென்றடைவதைத் தடுக்கிறது.

பொதுவான தவறுகள்

• முன்னறிவிப்பு எண்ணிக்கையை கேள்வியின்றி ஏற்றுக்கொள்வது. அனுமானங்கள் மற்றும் சூத்திரத்தைப் பார்க்காமல் எந்த மதிப்பீடுகளையும் சமர்ப்பிக்க வேண்டாம்.
• மாதிரி எண்கணிதத்தை நம்புவது. பல வரிசை அட்டவணைகளில் திரட்டல் பிழைகள் ஏற்படுகின்றன; குறைந்தது ஒரு மெட்ரிக்கையாவது கைமுறையாகச் சரிபார்க்கவும்.
• பலவீனமான சுருக்கத்துடன் உள்ளடக்கத்தைக் கோருகிறது. ஆளுமை மற்றும் வேறுபாடு இல்லை என்றால், வெளியீடு கிளிஷேவாக இருக்கும்.
• புனையப்பட்ட புள்ளிவிவரங்களை வெளியிடுதல். மாடல் தயாரித்த ROI மற்றும் வாடிக்கையாளர் புள்ளிவிவரங்களை சரிபார்க்காமல் ஒரு பேஜரில் வைப்பது பிராண்ட் நம்பிக்கையை சேதப்படுத்தும்.
• மனித அங்கீகாரத்தைத் தவிர்ப்பது. எந்தவொரு விற்பனை உள்ளடக்கமும் மனித மதிப்பாய்வு இல்லாமல் நேரலையில் செல்லக்கூடாது.

சுருக்கமாக

• பைப்லைன் பகுப்பாய்வு "எவ்வளவு வேலை இருக்கிறது" என்பதை விட "இந்த வேலை எவ்வளவு ஆரோக்கியமானது" என்று கேட்கிறது; மேடை விநியோகம், அடைப்பு மற்றும் வெற்றி விகிதம் ஆகியவை முக்கியமானவை.
• முன்னறிவிப்பு ஒரு கணக்கீடு, ஒரு உண்மை அல்ல; மாடலிடம் அதன் அனுமானங்கள் மற்றும் சூத்திரத்தைக் கேட்டு அவற்றை கைமுறையாகச் சரிபார்க்கவும்.
• ஒரு நல்ல உள்ளடக்க சுருக்கமானது ஐந்து கூறுகளை உள்ளடக்கியது: ஆளுமை, சிக்கல், மதிப்பு முன்மொழிவு, வேறுபாடுகள், பிராண்ட் தொனி.
• ஒரு பேஜர், டெக் மற்றும் கேஸ் ஸ்டடி ஆகியவற்றில் எண்களை உருவாக்க வேண்டாம்; ஒரு ஒதுக்கிடத்தை விட்டுவிட்டு உண்மையான தரவை நிரப்பவும்.
• அதை பிராண்ட் தொனியில் பொருத்தி, நேரலைக்குச் செல்வதற்கு முன், மனித அங்கீகாரத்தைப் பெறுவதை உறுதிப்படுத்திக் கொள்ளுங்கள்.

விண்ணப்ப பணி

உங்கள் சொந்த பைப்லைன் தரவிலிருந்து (அநாமதேயப்படுத்தப்பட்ட) 10-15 வரிகளின் மாதிரியை எடுத்து, "பைப்லைன் பகுப்பாய்வு" வரியில் இயக்கவும். சூத்திர முறிவைக் கோருவதன் மூலம் மாதிரியால் வழங்கப்பட்ட வெற்றி விகிதம் மற்றும் எடையுள்ள முன்னறிவிப்பை கைமுறையாக சரிபார்க்கவும்; குறைந்தது ஒரு தவறு அல்லது சந்தேகத்திற்குரிய அனுமானத்தைக் கண்டறிய முயற்சிக்கவும். உண்மையான வாடிக்கையாளர் வெற்றிக்கான வலுவான உள்ளீடுகளுடன் "ஒன்-பேஜர்" ப்ராம்ட்டை இயக்கவும். வெளியீட்டில் உள்ள ஒவ்வொரு ஒதுக்கிடத்தையும் உண்மையான, சரிபார்க்கப்பட்ட தரவைக் கொண்டு நிரப்பவும் மற்றும் உரையை உங்கள் சொந்த பிராண்ட் தொனிக்கு ஏற்ப வடிவமைக்கவும். இறுதிப் பதிப்பு, சக ஊழியரிடம் காட்டும்போது, ​​"இது எங்கள் குரல்" என்று கூறும் தரத்தில் இருக்க வேண்டும்.

தொகுதி தேர்வு

1. விற்பனையில் AI ஐப் பயன்படுத்தும் போது, பின்வரும் எந்த முடிவுகளுக்கான இறுதிப் பொறுப்பு எப்போதும் மனித விற்பனையாளரிடம் இருக்க வேண்டும்?

• A) வாடிக்கையாளருக்குத் தெரிவிக்கப்படும் பிணைப்பு விலைகள் மற்றும் கடமைகளின் துல்லியம் ✔
• B) மின்னஞ்சல் வரைவின் முதல் பதிப்பை உருவாக்குதல்
• C) சந்திப்புக் குறிப்புகளை உருப்படிகளாகப் பிரித்தல்
• D) பொருள் வரிக்கு மூன்று மாற்றுகளை பரிந்துரைக்கவும்

விளக்கம்: AI வரைவுகள், ஆராய்ச்சி மற்றும் சுருக்கங்களை உருவாக்க முடியும்; இருப்பினும், விலை உறுதிப்பாடு, ஒப்பந்த நிலை மற்றும் வாடிக்கையாளருக்கு முறையான வாக்குறுதி போன்ற பிணைப்பு முடிவுகளின் துல்லியம் மற்றும் நெறிமுறைகளுக்கு மனிதர்கள் பொறுப்பு. இந்த முடிவுகள் சரிபார்க்கப்படாமல் சமர்ப்பிக்கப்படக்கூடாது.

2. BANT கட்டமைப்பில் உள்ள 'A' என்ற எழுத்து ஈயத்தைத் தகுதிப்படுத்தப் பயன்படுவது எதைக் குறிக்கிறது?

• A) பகுப்பாய்வு
• B) அதிகாரம் (வாங்கும் அதிகாரம்) ✔
• C) கணக்கு (கணக்கு அளவு)
• D) தத்தெடுப்பு

விளக்கம்: டேப்; இது பட்ஜெட் (பட்ஜெட்), அதிகாரம் (அதிகாரம்), நீட் (தேவை) மற்றும் காலவரிசை (காலவரிசை) ஆகிய சொற்களைக் கொண்டுள்ளது. 'A' என்பது வாங்கும் முடிவில் அதிகாரம் (அதிகாரம்) கொண்ட நபரைக் குறிக்கிறது.

3. AI-உருவாக்கிய குளிர் மின்னஞ்சலானது ஸ்பேம் கோப்புறையில் முடிவடையும் மற்றும் மாற்றப்படாமல் இருப்பது ஏன்?

• அ) இது மிகவும் குறுகியதாக இருப்பதால்
• B) ஏனெனில் அதில் ஒரு கேள்விக்குறி உள்ளது
• C) ஏனெனில் இது தனிப்பயனாக்கப்படாதது, பொதுவானது மற்றும் வாங்குபவருக்கு பொருத்தமற்றது ✔
• D) ஏனெனில் அது பெறுநரின் பெயருடன் தொடங்குகிறது

விளக்கம்: தனிப்பயனாக்கப்படாத, பொதுவான மற்றும் பெறுநருக்குப் பொருத்தமற்ற மொத்த மின்னஞ்சல்கள் இரண்டும் ஸ்பேம் வடிப்பான்களைத் தூண்டும் மற்றும் பெறுநரின் மதிப்பைப் பற்றிய உணர்வை உருவாக்காது. பயனுள்ள குளிர் மின்னஞ்சலில் பெறுநருக்கு குறிப்பிட்ட தூண்டுதல் நிகழ்வு மற்றும் தெளிவான மதிப்பு முன்மொழிவு ஆகியவை அடங்கும்.

4. வாடிக்கையாளருக்கான முன்மொழிவைத் தயாரிக்கும் போது, ​​AI இலிருந்து '300% உற்பத்தித்திறன் அதிகரிப்பு தொழில்துறையில் உத்தரவாதம்' என்ற சொற்றொடரைப் பார்த்தீர்கள். மிகவும் சரியான நடத்தை எது?

• அ) சுவாரசியமாக இருப்பதால் அப்படியே விட்டுவிடுங்கள்
• B) எண்ணை இன்னும் அதிகப்படுத்தி 500% எழுதவும்
• C) பெரிய எழுத்துருவில் முன்மொழிவின் மேல் அதை நகர்த்தவும்
• D) சரிபார்க்கக்கூடிய, யதார்த்தமான மற்றும் ஆதாரமான அறிக்கையுடன் உரிமைகோரலை மாற்றுதல் ✔

விளக்கம்: சரிபார்க்க முடியாத, மிகைப்படுத்தப்பட்ட மற்றும் உத்தரவாதமான உரிமைகோரல்கள் நெறிமுறையற்றவை மற்றும் சட்ட அபாயங்களை உருவாக்குகின்றன. உறுதியான, ஆதாரம் சார்ந்த மற்றும் யதார்த்தமான வரம்பிற்குள் அறிக்கை அகற்றப்பட வேண்டும் அல்லது மாற்றப்பட வேண்டும்.

5. தனிப்பயனாக்கப்பட்ட பின்தொடர் வரிசையை வடிவமைக்கும் போது பின்வருவனவற்றில் எது சிறந்த நடைமுறையாகும்?

• A) ஒவ்வொரு பின்தொடர்தலிலும் புதிய மதிப்பு, நுண்ணறிவு அல்லது வளத்தை வழங்குதல் ✔
• B) ஒவ்வொரு செய்தியிலும் ஒரே 'சரிபார்த்தல்' வாக்கியத்தை மீண்டும் கூறுதல்
• C) ஒரு நாளைக்கு இரண்டு முறை ஒரே மின்னஞ்சலை அனுப்புதல்
• D) முதல் பதிலைப் பெறவில்லை என்றால், முழுத் தொடரையும் ரத்து செய்தல்

விளக்கம்: ஒரு நல்ல ஃபாலோ-அப் த்ரெட் ஒவ்வொரு செய்தியுடனும் புதிய மதிப்பை (உள்ளடக்கம், உதாரணம், நுண்ணறிவு) வழங்குகிறது மேலும் 'சரிபார்க்கிறேன்' என்று மட்டும் கூறுவதில்லை. ஒவ்வொரு தொடு புள்ளியும் வாங்குபவருக்கு ஒரு காரணத்தைக் கொடுக்க வேண்டும்.

6. ஒரு வாடிக்கையாளர் 'உங்கள் விலை மிக அதிகம்' என்று ஆட்சேபனை தெரிவித்தார். மிகவும் பயனுள்ள AI-இயங்கும் அணுகுமுறை எது?

• A) தள்ளுபடியை உடனடியாக வழங்குதல்
• B) ஆட்சேபனையின் மூலத்தைப் புரிந்துகொண்டு மதிப்பு மற்றும் ROI ✔ அடிப்படையில் அதை மறுவடிவமைக்கவும்
• C) வாடிக்கையாளருடன் வாதிடுவது மற்றும் அவர் தவறு என்று சொல்வது
• D) தலைப்பை மூடிவிட்டு மற்றொரு தயாரிப்புக்குச் செல்லவும்

விளக்கம்: பயனுள்ள ஆட்சேபனை எதிர்கொள்வதற்கு முதலில் ஆட்சேபனையைப் புரிந்து கொள்ள வேண்டும் (அது விலை அல்லது மதிப்பு உணர்தல்) பின்னர் அதை ROI/மதிப்பின் அடிப்படையில் வடிவமைக்க வேண்டும். தள்ளுபடியை உடனடியாக வழங்குவது மதிப்பைக் குறைக்கிறது.

7. விற்பனை அழைப்பின் டிரான்ஸ்கிரிப்டை AIக்கு கொடுத்து, CRM குறிப்பை உருவாக்கியுள்ளீர்கள். குறிப்பில் மிகவும் முக்கியமான பகுதி எது?

• அ) உரையாடல் எத்தனை நிமிடங்கள் நீடித்தது?
• B) பங்கேற்பாளர்கள் எந்த நகரத்திலிருந்து இணைந்துள்ளனர்
• C) தெரிந்த உரிமையாளர் மற்றும் தேதியுடன் அடுத்த படியை அழிக்கவும் ✔
• ஈ) நேர்காணலின் போது எத்தனை முறை சிரிக்கப்பட்டது?

விளக்கம்: CRM குறிப்பின் செயல்பாட்டு மதிப்பு 'அடுத்த படி' புலத்தில் நிகர உரிமையாளர் மற்றும் தேதியுடன் உள்ளது. அடுத்த கட்டம் தெளிவாகத் தெரியவில்லை என்றால், வாய்ப்பு குழாயில் தேங்கி நிற்கிறது மற்றும் இழக்கப்படுகிறது.

8. AI உடன் எதிரணி போர் அட்டையைத் தயாரிக்கும் போது மிக முக்கியமான சரிபார்ப்பு ஒழுங்குமுறை என்ன?

• A) AI ஐ நேரடியாக நம்புதல், ஏனெனில் அது மிகவும் புதுப்பித்த மாதிரியைப் பயன்படுத்துகிறது
• B) போட்டியாளர் தகவலை மிகைப்படுத்தி ஒருவரின் சொந்த தயாரிப்பை முன்னிலைப்படுத்த
• C) மேசையில் எதிராளியின் லோகோவை மட்டும் சேர்த்தல்
• D) போட்டியாளர் உரிமைகோரல்களை சமீபத்திய மற்றும் நம்பகமான ஆதாரங்களுடன் உறுதிப்படுத்துதல் ✔

விளக்கம்: AI ஆனது காலாவதியான அல்லது மாயமான விலை, அம்சங்கள் மற்றும் போட்டியாளர்களைப் பற்றிய வாடிக்கையாளர் தகவல்களை உருவாக்க முடியும். Battlecard இல் உள்ள ஒவ்வொரு போட்டியாளரின் உரிமைகோரலும் விற்பனைக்கு வரும் முன் புதுப்பித்த மற்றும் நம்பகமான ஆதாரத்துடன் சரிபார்க்கப்பட வேண்டும்.

9. பைப்லைன் தரவை AI பகுப்பாய்வு செய்து, 'இந்த காலாண்டில் 120% இலக்கை அடையலாம்' என்று சொல்ல வேண்டும். இந்த கணிப்பை நீங்கள் எவ்வாறு கையாள வேண்டும்?

• A) நிர்வாகத்திற்கு நேரடியாகப் புகாரளித்தல்
• B) எண்ணை 150% வரை
• சி) உண்மையான தரவுகளுடன் அனுமானங்களைச் சரிபார்த்தல், நிகழ்தகவுகளை மூடுதல் மற்றும் கணக்கீடுகள் ✔
• D) கணிப்பை முற்றிலும் புறக்கணித்தல்.

விளக்கம்: AI இன் எண் கணிப்புகள் உள்ளீட்டு தரவு மற்றும் அனுமானங்களின் தரத்தைப் பொறுத்தது; கண்மூடித்தனமாக ஏற்றுக்கொள்ளக் கூடாது. கணக்கீட்டு தர்க்கம், மூடல் நிகழ்தகவுகள் மற்றும் அனுமானங்கள் சரிபார்க்கப்பட வேண்டும் மற்றும் உண்மையான தரவுகளுடன் குறுக்கு சரிபார்க்கப்பட வேண்டும்.

10. ஒரு-பேஜரை உருவாக்கும் போது AIக்கு கொடுக்க சிறந்த உள்ளீடுகளின் தொகுப்பு எது?

• A) இலக்கு ஆளுமை, உறுதியான சிக்கல், மதிப்பு முன்மொழிவு, வேறுபாடுகள் மற்றும் பிராண்ட் தொனி ✔
• ஆ) 'எங்கள் தயாரிப்புக்கு ஒரு பேஜரை எழுதுங்கள்' என்று சொல்லுங்கள்.
• C) நிறுவனம் நிறுவப்பட்ட ஆண்டு மட்டுமே
• D) போட்டியாளர்களின் விலை பட்டியல்

விளக்கம்: AI தரமான வெளியீட்டை உருவாக்க, இலக்கு ஆளுமை, உறுதியான சிக்கல் தீர்க்கப்பட்டது, மதிப்பு முன்மொழிவு, வேறுபாடுகள் மற்றும் பிராண்ட் தொனி போன்ற சூழல் கொடுக்கப்பட வேண்டும். 'எங்களுக்கு ஒரு பேஜரை எழுதுங்கள்' போன்ற சூழல் இல்லாத கோரிக்கையானது பொதுவான வெளியீட்டை உருவாக்குகிறது.