ప్రీ-సేల్స్: లీడ్ క్వాలిఫికేషన్ మరియు రీసెర్చ్

లాభాలు:

• ఆదర్శవంతమైన కస్టమర్ ప్రొఫైల్ (ICP) మరియు అర్హత ఫ్రేమ్‌వర్క్ (ఉదా. BANT)తో సంభావ్య కస్టమర్‌లను అంచనా వేయగల సామర్థ్యం
• పబ్లిక్‌గా అందుబాటులో ఉన్న సమాచారం నుండి నిర్మాణాత్మక ఖాతా/వ్యక్తి బ్రీఫింగ్‌ను రూపొందించగల సామర్థ్యం
• ధృవీకరించబడవలసిన అంచనాలతో అర్హత అవుట్‌పుట్‌ను గుర్తించగల సామర్థ్యం

అమ్మకాలలో అత్యంత ఖరీదైన తప్పు తప్పు వ్యక్తితో ఎక్కువ సమయం గడపడం. మీ ఉత్పత్తికి ఎప్పుడూ అవసరం లేని లీడ్‌తో సేల్స్ ప్రతినిధి తన రోజు సమావేశాన్ని గడిపినట్లయితే, నిజమైన అవకాశాలు మసకబారతాయి. అందుకే మీరు విక్రయించే ముందు స్క్రీనింగ్‌తో మంచి అమ్మకం ప్రారంభమవుతుంది: ఎవరు నిజంగా మంచి అభ్యర్థి మరియు ఎవరు కాదు?

ఈ ఉద్యోగాన్ని అర్హత అంటారు. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) ఇక్కడ రెండు శక్తివంతమైన పాత్రలను పోషిస్తుంది: ఇది పబ్లిక్‌గా అందుబాటులో ఉన్న సమాచారం (వెబ్‌సైట్, పరిశ్రమ, వార్తలు) నుండి శీఘ్ర ఖాతాని సంగ్రహిస్తుంది మరియు నిర్వచించిన ఫ్రేమ్‌వర్క్ ప్రకారం లీడ్‌ను అంచనా వేస్తుంది. కానీ జాగ్రత్త వహించండి: AI ఉత్పత్తి చేసే సమాచారం ప్రాథమిక అంచనా, నిరూపించబడిన వాస్తవం కాదు. ఈ యూనిట్‌లో, లీడ్ పరిశోధనను వేగవంతం చేస్తున్నప్పుడు ఖచ్చితత్వం మరియు గోప్యతను ఎలా నిర్వహించాలో మీరు నేర్చుకుంటారు.

గమనిక: AI ద్వారా రూపొందించబడిన ఖాతా/వ్యక్తి సమాచారం ధృవీకరించబడకుండా వాస్తవమైనదిగా CRMలోకి ప్రాసెస్ చేయబడకూడదు మరియు ప్రత్యేకంగా ఒక నిర్ణయానికి ప్రాతిపదికగా ఉపయోగించకూడదు (ఉదా. "ఈ కంపెనీకి బడ్జెట్ లేదు"). పబ్లిక్ కాని వ్యక్తిగత డేటాను సేకరించడం అనేది నైతిక మరియు చట్టపరమైన పరిమితి.

అట్రిబ్యూషన్ ఫ్రేమ్‌వర్క్‌లు: ICP మరియు BANT

రెండు ప్రాథమిక భావనలు:

• ICP (ఆదర్శ కస్టమర్ ప్రొఫైల్): మీ ఉత్పత్తి నుండి ఎక్కువ ప్రయోజనం పొందే కస్టమర్ యొక్క లక్షణాలను వివరిస్తుంది, మూసివేయడం సులభం మరియు ఎక్కువసేపు ఉంటుంది (రంగం, పరిమాణం, అవసరం). "ఎవరికి అమ్మాలి?" అనేది ప్రశ్నకు సమాధానం.
• బాంట్: లీడ్ యొక్క పరిపక్వతను కొలిచే నాలుగు ప్రశ్నలు: బడ్జెట్ (బడ్జెట్ ఉందా), అథారిటీ (అతను నిర్ణయాధికారేనా), నీడ్ (అసలు అవసరం ఉందా), టైమింగ్ (సమయానికి తగినది). ఈ నాలుగింటిలో ఒక్కో ఆధిక్యాన్ని విశ్లేషిస్తే ఎవరికి ప్రాధాన్యత ఇవ్వాలో స్పష్టమవుతుంది.

ఈ ఫ్రేమ్‌వర్క్‌లలో లీడ్‌ను అమర్చడంలో మరియు తప్పిపోయిన సమాచారాన్ని "అడగాల్సిన ప్రశ్నలు"గా సంగ్రహించడంలో AI గొప్పగా పనిచేస్తుంది.

దశల వారీగా: లీడ్‌కు అర్హత సాధించడం

1. మీ ICPని గుర్తించండి. మీ ఆదర్శ కస్టమర్ యొక్క 4-5 నిర్దిష్ట లక్షణాలను వ్రాయండి.
2. పబ్లిక్‌గా అందుబాటులో ఉన్న సమాచారాన్ని సేకరించండి. వెబ్‌సైట్, "గురించి" పేజీ, పరిశ్రమ, ఉద్యోగ అవకాశాలు.
3. AIతో బ్రీఫింగ్‌ను తీసివేయండి. నిర్మాణాత్మక ఖాతా ప్రకటనను రూపొందించండి.
4. స్కోర్ ICP సమ్మతి. ICPకి లీడ్ ఎంతవరకు సరిపోతుంది?
5. ఊహలను గుర్తించండి. AI-ఊహించిన (నిరూపించబడని) సమాచారాన్ని వేరుగా ఉంచండి.
6. ప్రారంభ ప్రశ్నలను సిద్ధం చేయండి. BANT ఖాళీలను పూరించడానికి మొదటి ఇంటర్వ్యూలో అడిగే ప్రశ్నలు.

కాపీ చేయదగిన ప్రాంప్ట్‌లు

పబ్లిక్‌గా అందుబాటులో ఉన్న సమాచారం నుండి ఖాతా బ్రీఫింగ్‌ను సంగ్రహించే ప్రాథమిక ప్రాంప్ట్:

పాత్ర: మీరు సేల్స్ రీసెర్చ్ అసిస్టెంట్. కంపెనీ గురించిన పబ్లిక్ టెక్స్ట్ క్రింద ఉంది. దీని నుండి నిర్మాణాత్మక ఖాతా బ్రీఫింగ్‌ను రూపొందించండి:- కంపెనీ ఏమి చేస్తుంది (1 వాక్యం)- పరిశ్రమ మరియు అంచనా పరిమాణం- సాధ్యమైన అవసరాలు/నొప్పి పాయింట్లు (మా ఉత్పత్తికి సంబంధించినవి)- ICP ఫిట్: [అధిక | మధ్యస్థం | తక్కువ] + ఒకే వాక్యం సమర్థన - టెక్స్ట్‌లో లేని ఫిట్టింగ్ సమాచారాన్ని ధృవీకరించాల్సిన అవసరం ఉన్న అంచనాలు (సాక్ష్యం లేని అనుమానాలు) విడిగా జాబితా చేయండి; మీకు తెలియకపోతే, "అస్పష్టంగా" వ్రాయండి. మా ఉత్పత్తి: {{ product_summary }}కంపెనీ టెక్స్ట్: {{ publicly_public_text }}

BANT ప్రకారం ఆధిక్యాన్ని అంచనా వేసే ప్రాంప్ట్:

BANT ఫ్రేమ్‌వర్క్‌లో కింది ప్రధాన సమాచారాన్ని మూల్యాంకనం చేయండి: - బడ్జెట్: మాకు తెలుసు / తెలియనిది - అథారిటీ (అధికారం): వ్యక్తి నిర్ణయాధికారులా? - అవసరం: సాక్ష్యం ఉందా? - టైమింగ్ (సమయం): ట్రిగ్గర్ ఈవెంట్ ఉందా? ప్రతి కోణానికి "తెలిసిన / తెలియని" గుర్తు పెట్టండి. తెలియని వాటిని కవర్ చేసే మొదటి సమావేశంలో అడగడానికి ఒక ప్రశ్నను సూచించండి. ప్రధాన సమాచారం: {{ సమాచారం }}

వ్యక్తిగతీకరించిన మొదటి పరిచయ ప్రారంభాన్ని ఉత్పత్తి చేసే ప్రాంప్ట్:

ఈ ఖాతా బ్రీఫింగ్ ఆధారంగా, మొదటి పరిచయం కోసం వ్యక్తిగతీకరించిన ఒక వాక్యం ఐస్ బ్రేకర్‌ను వ్రాయండి. ఇది వారి పనికి నిర్దిష్టమైన నిర్దిష్ట పరిశీలనపై ఆధారపడి ఉండనివ్వండి, సాధారణ ప్రశంసలు కాదు. అతిశయోక్తి చేయవద్దు, నిరాధారమైన వాదనలను ఉపయోగించవద్దు. సంక్షిప్త సమాచారం: {{ బ్రీఫింగ్ }}

అర్హతలో "తొలగింపు"ని కూడా సూచించే ప్రాంప్ట్:

ఈ ఆధిక్యం మా ICPకి తక్కువ అనుకూలత ఉన్నట్లు అనిపిస్తే, స్పష్టంగా చెప్పండి మరియు 1-2 అంశాలను సమర్థించడం ఎందుకు విలువైనది కాకపోవచ్చు. సంబంధాన్ని బలవంతం చేయవద్దు; మా వనరులను సరైన స్థలానికి కేటాయించడంలో నిజాయితీగా ఉండండి.ICP: {{ icp }} | లీడ్: {{ లీడ్ }}

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

పేద విధానం

బలమైన విధానం

"ఈ కంపెనీ గురించి చెప్పు"

పబ్లిక్ టెక్స్ట్ + రిక్వెస్ట్ స్ట్రక్చర్డ్ బ్రీఫింగ్ అందిస్తుంది

కల్పిత టర్నోవర్/ఉద్యోగుల సంఖ్యను ఉత్పత్తి చేస్తుంది

"అనిశ్చితం" అని, అంచనాలను విడిగా గుర్తు చేస్తుంది

ప్రతి ఆధిక్యాన్ని "అర్హత"గా చూపుతుంది

చాలా తక్కువ అనుకూలతను తొలగిస్తుంది

సాధారణ ప్రారంభోత్సవం ("గొప్ప కంపెనీ")

వారి వ్యాపారానికి ప్రత్యేకమైన కాంక్రీట్ ఓపెనింగ్

వ్యత్యాసం ఏమిటంటే, బలమైన విధానం AIని "వాస్తవానికి మూలం"గా కాకుండా "హైపోథెసిస్ జెనరేటర్"గా ఉపయోగిస్తుంది: ప్రతి అవుట్‌పుట్ ధృవీకరించాల్సిన బ్లూప్రింట్.

మూడు మినీ కేసులు

కేసు 1 - నకిలీ టర్నోవర్ ట్రాప్. ఒక ప్రతినిధి అడిగాడు: "ఈ కంపెనీ టర్నోవర్ ఏమిటి?" అతను అడిగాడు; AI నమ్మకంగా "ఏటా 250 మిలియన్ TL" అని చెప్పింది. అయితే, ఇది పూర్తిగా కల్పించబడింది; ఈ సమాచారాన్ని కంపెనీ ఎప్పుడూ వెల్లడించలేదు. బృందం దీనిని గ్రహించినప్పుడు, వారు "మీకు తెలియకపోతే, అస్పష్టంగా వ్రాయండి, సంఖ్యలను రూపొందించండి" అనే నియమంతో ప్రాంప్ట్‌ను నవీకరించారు. తదుపరి బ్రీఫింగ్‌లలో, AI టర్నోవర్ ఫీల్డ్‌లో "అనిశ్చితం" అని వ్రాసింది, తప్పుడు బడ్జెట్ ఊహ ఆధారంగా ఒక తప్పు ప్రతిపాదనను నిరోధించింది.

కేసు 2 — నిజాయితీగా తొలగింపు సమయం ఆదా అవుతుంది. ICP ప్రాంప్ట్ ద్వారా 30 లీడ్‌ల జాబితా ఆమోదించబడింది. AI 9 లీడ్‌లను "తక్కువ సరిపోతుందని" ఫ్లాగ్ చేసింది మరియు సమర్థనను ఇచ్చింది (ఉదా. "చాలా చిన్న బృందం, మా ఉత్పత్తి యొక్క కనీస వినియోగదారుల సంఖ్య కంటే తక్కువ"). ఈ 9పై సమయం గడపడానికి బదులుగా, ప్రతినిధి 21 క్వాలిఫైడ్ లీడ్స్‌పై దృష్టి పెట్టారు; ఆ త్రైమాసికంలో పైప్‌లైన్ (సేల్స్ పైప్‌లైన్) నాణ్యత గణనీయంగా పెరిగింది.

కేస్ 3 - కాంక్రీట్ ఓపెనింగ్ డోర్ తెరవబడింది. AI సంస్థ యొక్క ఇటీవలి జాబ్ పోస్టింగ్‌ల నుండి "వారు వేగంగా అభివృద్ధి చెందుతున్న సపోర్ట్ టీమ్‌ను రూపొందిస్తున్నారు" అని ఊహించారు మరియు దాని ప్రారంభ వాక్యం ఆధారంగా: "మీరు మీ సపోర్ట్ టీమ్‌ను పెంచుతున్నప్పుడు మీరు పెరుగుతున్న అభ్యర్థనల పరిమాణాన్ని ఎలా నిర్వహిస్తారో నాకు ఆసక్తిగా ఉంది." సాధారణ ఓపెనింగ్‌తో పోలిస్తే, ప్రతిస్పందన రేటు గమనించదగ్గ విధంగా ఎక్కువగా ఉంది; ఎందుకంటే సందేశం వారి వాస్తవ పరిస్థితిని తాకింది.

చిట్కా: AI ఊహించిన ప్రతి “ఊహ”ను మొదటి సమావేశంలో ప్రశ్నగా మార్చండి. "మీ మద్దతు వాల్యూమ్ పెరుగుతోందని నేను భావిస్తున్నాను" అని చెప్పడానికి బదులుగా, "మీ మద్దతు వాల్యూమ్ ఇటీవల ఎలా మారింది?" అని అడగండి. అడగండి. ఈ విధంగా, మీరు ఊహను నిర్ధారించి, కస్టమర్ మాట్లాడేలా చేయండి.

గోప్యత మరియు నైతిక సరిహద్దు

అట్రిబ్యూషన్ పబ్లిక్‌గా అందుబాటులో ఉన్న మరియు వ్యాపార సమాచారంతో మాత్రమే చేయబడుతుంది. ఒక వ్యక్తి యొక్క ప్రైవేట్ సోషల్ మీడియా పోస్ట్‌లు, వ్యక్తిగత జీవితం లేదా అనుమతి లేకుండా పొందిన డేటాను పరిశోధన మూలంగా ఉపయోగించడం అనైతికం మరియు చట్టవిరుద్ధం (KVKK, అంటే వ్యక్తిగత డేటా రక్షణ చట్టం). నియమం చాలా సులభం: కంపెనీ అధికారిక వెబ్‌సైట్‌లో లేదా బహిరంగ వాణిజ్య వనరులపై వ్రాయబడని ఏదైనా వ్యక్తిగత సమాచారాన్ని సేకరించి, AIలోకి నమోదు చేయవద్దు.

హెచ్చరిక: AI- రూపొందించిన "అవసరం/నొప్పి పాయింట్" అంచనాలను ఖచ్చితంగా తెలిసినట్లుగా కస్టమర్‌కు అందించకూడదు. "మీకు ఈ సమస్య ఉంది" అని చెప్పడం తప్పు అయితే తక్షణమే విశ్వాసాన్ని విచ్ఛిన్నం చేస్తుంది. బదులుగా, "ఈ సవాలు మీ పరిశ్రమలో తరచుగా కనిపిస్తుంది, మీరు ఎలా ఉన్నారు?" ఓపెన్-ఎండ్‌గా కొనసాగండి.

ట్రిగ్గరింగ్ ఈవెంట్‌లను పట్టుకోవడం

అమ్మకాలలో, సందేశం కంటే సమయం చాలా ముఖ్యమైనది. "ట్రిగ్గర్ ఈవెంట్" అనేది పబ్లిక్‌గా కనిపించే డెవలప్‌మెంట్, ఇది కంపెనీకి ప్రస్తుతం మీ పరిష్కారం అవసరమని సూచిస్తుంది: కొత్త ఎగ్జిక్యూటివ్‌ను నియమించడం, కొత్త కార్యాలయాన్ని ప్రారంభించడం, కొత్త పెట్టుబడిని కొనుగోలు చేయడం, వేగవంతమైన జట్టు పెరుగుదల లేదా కొత్త ఉత్పత్తిని ప్రారంభించడం. ఈ సంఘటనలు "ద్వారం"; ఎందుకంటే మార్పును ఎదుర్కొంటున్న కంపెనీలు కొత్త పరిష్కారాలకు అత్యంత ఓపెన్‌గా ఉన్న కాలంలో ఉంటాయి. మీరు AIకి ఖాతా పబ్లిక్ వార్తలు మరియు పోస్టింగ్‌లను అందించి, "మా పరిష్కారానికి లింక్ చేయగల ఏవైనా ట్రిగ్గర్ ఈవెంట్‌లు ఉన్నాయా?" మీరు అడగవచ్చు.

అటువంటి ట్రిగ్గర్‌తో, మీ మొదటి సంప్రదింపు సందేశం మరింత బలంగా మారుతుంది: "మీరు మీ కొత్త కార్యకలాపాల కేంద్రాన్ని తెరిచినట్లు నేను చూశాను; ఈ స్కేల్‌లో సపోర్ట్ వాల్యూమ్‌ను నిర్వహించడం తరచుగా సవాలుగా ఉంటుంది" వంటి ఓపెనింగ్ సంబంధితంగా మరియు సమయానుకూలంగా అనిపిస్తుంది. అయినప్పటికీ, అదే క్రమశిక్షణ వర్తిస్తుంది: ట్రిగ్గర్ చేసే ఈవెంట్ నిజమైనదని మరియు ప్రస్తుతమని ధృవీకరించండి మరియు పాత వార్తలను "కొత్తది" అని తప్పుగా భావించి నవ్వకండి. సమయపాలన మంచి స్నేహితుడు, కానీ ధృవీకరించబడిన సమాచారంతో మాత్రమే.

సాధారణ తప్పులు

• AI ద్వారా రూపొందించబడిన టర్నోవర్/ఉద్యోగి సంఖ్యను ధృవీకరించకుండానే నిజమైనదిగా అంగీకరించడం.
• ప్రతి లీడ్‌కు అర్హత సాధించడానికి; నిజాయితీ స్క్రీనింగ్‌ను దాటవేయడం మరియు వనరులను వృధా చేయడం.
• ICPని నిర్వచించకుండా "అందరూ మా కస్టమర్లే" అనే ఊహతో పరిశోధనను నిర్వహించడం.
• పబ్లిక్ కాని వ్యక్తిగత డేటా కోసం శోధించడం మరియు దానిని AI (KVKK ఉల్లంఘన)లో నమోదు చేయడం.
• AI యొక్క పెయిన్ పాయింట్ ప్రిడిక్షన్‌ను కస్టమర్‌కు సంపూర్ణ సత్యంగా అందించడం.
• ఊహలను ఇంటర్వ్యూ ప్రశ్నలుగా మార్చకుండా ధ్రువీకరణను దాటవేయడం.

సారాంశంలో

• మంచి అమ్మకం తొలగింపుతో ప్రారంభమవుతుంది; ICP మరియు BANT ఎవరికి ప్రాధాన్యత ఇవ్వాలో స్పష్టం చేస్తాయి.
• AI బహిరంగంగా అందుబాటులో ఉన్న సమాచారం నుండి వేగవంతమైన బ్రీఫింగ్‌ను సంగ్రహిస్తుంది; కానీ దాని అవుట్‌పుట్ ధృవీకరించబడవలసిన ఊహ.
• "మీకు తెలియకపోతే, అస్పష్టంగా వ్రాయండి" నియమంతో సంఖ్యలు మరియు సమాచారాన్ని రూపొందించడాన్ని నిరోధించండి.
• తక్కువ-అనుకూలత లీడ్‌లను నిజాయితీగా తొలగించండి; మీ వనరులను సరైన స్థలానికి కేటాయించండి.
• పబ్లిక్‌గా అందుబాటులో ఉన్న, వ్యాపార సమాచారాన్ని మాత్రమే ఉపయోగించండి; వ్యక్తిగత డేటా పరిమితిని రక్షించండి (KVKK).

అప్లికేషన్ టాస్క్

నిజమైన లక్ష్య సంస్థ యొక్క పబ్లిక్‌గా అందుబాటులో ఉన్న "గురించి" పేజీని తీసుకోండి మరియు దానిని బ్రీఫింగ్ ప్రాంప్ట్‌కు అందించండి. అవుట్‌పుట్‌లో మూడు అంశాలను తనిఖీ చేయండి: (1) AI ఏదైనా సంఖ్యలు/సమాచారాన్ని రూపొందించిందా (అలా అయితే, "అనిశ్చిత" నియమాన్ని బలోపేతం చేసిందా), (2) "ఊహలు" జాబితా వాస్తవానికి ఆధారం లేని అనుమితులను వేరు చేస్తుందా, (3) ICP సమ్మతి హేతుబద్ధత అర్ధవంతంగా ఉందా. ఆపై హైలైట్ చేయబడిన ప్రతి ఊహను మీరు మొదటి ఇంటర్వ్యూలో అడిగే ఓపెన్-ఎండ్ ప్రశ్నగా మార్చండి.

చెక్లిస్ట్

• [ ] నేను నా ICPని 4-5 నిర్దిష్ట లక్షణాలతో వివరించాను.
• [ ] నేను పబ్లిక్‌గా అందుబాటులో ఉన్న వ్యాపార సమాచారాన్ని మాత్రమే ఉపయోగించాను.
• [ ] "అస్పష్టమైన" నియమంతో సంఖ్యలు/సమాచారాన్ని రూపొందించకుండా నేను AIని నిరోధించాను.
• [ ] నేను నిరూపితమైన సమాచారం నుండి ప్రత్యేకంగా అంచనాలను గుర్తించాను.
• [ ] నేను నిజాయితీగా తక్కువ అనుకూలత లీడ్‌లను తొలగించాను.
• [ ] నేను ప్రతి ఊహను ఇంటర్వ్యూలో అడిగే ప్రశ్నగా మార్చాను.