收益：
- 能够根据发现笔记生成特定于客户的基于价值的提案草案
- 能够清晰且可验证地打印定价、范围和投资回报率部分
- 能够构建和定制要约以优先处理异议
报价是客户在销售过程中、在说“是”之前最仔细阅读的文件。然而，大多数提案都是复制粘贴的文档，其中卖方进行自我解释，充满了功能列表，几乎没有解决客户的问题。好的报价不是产品手册，而是一面镜子，让客户可以看到自己的情况以及针对该情况的解决方案。在本单元中，您将学习如何根据您的发现笔记，在人工智能支持下构建基于价值、可验证且优先考虑异议的报价；您将学习如何管理人工智能虚假数据的风险，特别是在投资回报率和定价部分。
好报价的骨架
强有力的主张遵循一定的逻辑流程：它从客户的世界开始，转向解决方案和投资的理由。标准部分及其用途：
部分
目的
常见错误
执行摘要
“为什么、什么、多少”在一页上
解释你自己，而不是客户
问题/现状
从客户的语言中反映出痛苦
常用表达
推荐解决方案
精确映射问题的解决方案
转储功能列表
适用范围
包含/排除内容
不确定性，事后讨论
时间计划
阶段和截止日期
不切实际的日期
定价
净额、分项投资
单一总数字，没有理由
投资回报率/价值
投资理由
无法验证的保证
下一步
一个明确的动作
以“如果您有任何问题......”结尾
执行摘要实际上写在最后，但放在开头。即使客户只阅读该页面，他也应该能够做出决定。
从发现笔记开始
基于价值的提案的原材料是发现电话会议的笔记：客户用自己的话描述的问题、他们衡量的指标、内部影响因素、预算信号和决策过程。人工智能能够将这些笔记转化为结构化的大纲。
角色：您是撰写基于价值的提案的 B2B 销售专家。根据以下发现笔记起草一份提案。发现说明：- 客户：{{ 公司、行业、规模 }}- 主要问题（客户自己的陈述）：{{ ... }}- 此问题的影响：{{ 例如丢失 将价格和投资回报率部分留空；我会填满它们。
请注意：提示故意将价格和投资回报率留空。其原因是存在虚假数字的风险，我们很快就会看到这一点。
撰写投资回报率和可验证的价值
投资回报率部分是提案中最有说服力但也是最危险的部分。这里的保证语言（“您将在 3 个月内收回您的投资”）既不道德又存在风险；一位失败的客户就会毁掉你所有的信誉。正确的做法是清楚地陈述假设并给出范围。
弱投资回报率句子：
借助此解决方案，您可以将成本降低 40%，并保证在 2 个月内收回投资。
强大的投资回报率短语：
根据您在 discovery 中承担的每月约 120 小时的手动报告负担，如果此流程的 30-50% 是自动化的（我们与客户看到的典型范围），每月似乎可以节省约 36-60 小时。此估算基于您给出的每小时成本假设，实际结果将根据团队适应情况而有所不同。
区别：第二个版本是基于客户提供的数据，给出了一个范围，明确说明了其假设，并且不做任何保证。在将 ROI 打印到 AI 时强制执行此规则：
根据以下已验证的数据编写 ROI 部分。您可以使用的数据：{{ 客户提供的指标 }}我们的实际影响范围：{{ 例如30-50% 基于历史数据}}严格规则：- 仅使用上述数据；新号码配件。-使用保修语言；使用“典型范围”、“估计”等表达方式。 - 写出每个计算背后的假设。 - 如果您不确定，请写下“此假设应与客户核实”。
请注意：人工智能喜欢填补空白，如果它没有数据，它可以产生看起来逼真但完全捏造的数字（例如“行业平均水平是 47%”）。将报价中的每个数字与来源联系起来：要么是客户提供的数据，要么是您的实际历史数据，要么是明确标记为“假设”的数据。
定价数据造假的风险
永远不要让人工智能随意编写定价部分。 AI不知道你的价目表；它可能会发明一个它没有从您那里看到的单价、折扣率或套餐名称。正确的工作流程：您（或您的定价/工程团队）给出价格，人工智能只是以整洁、铅笔和合理的格式呈现它们。
将以下价格项目准备成清晰、专业的定价表给客户。更改号码、添加新商品、享受折扣。项目：- {{ 安装：25,000 TL（一次性） }}- {{ 每月许可证：8,000 TL/10 个用户 }}- {{ 培训：包括 }}在句子中的每个项目旁边添加客户收到的具体好处。在单独的行上显示总额和付款条件。
用真实数据验证 AI 草图
人工智能是一种提高速度的工具，而不是真理的来源。健康的工作流程：
- 收集并构建发现笔记。
- 让人工智能生成草稿（有或没有价格和投资回报率）。
- 获得技术/工程验证：承诺的范围和时间表是否能够实际交付？与实施团队确认。
- 添加来自官方来源的价格：价目表、批准的折扣授权。
- 跟踪每个数字：对于报价中的每个数字，询问“它来自哪里？”回答问题。
- 进行异议检查：已知的异议是否已得到满足？
- 简化并发送：最后写执行摘要，放在开头。
结构优先顺序反对
一份好的报价可以在销售电话中悄悄地解决文档中的异议。 “这可能会很昂贵”的担忧可以通过投资回报率和分级定价来解决；通过明确的时间表和包含的培训来解决“过渡会很困难”的担忧； “如果不起作用怎么办”的担忧可以通过现实的成功标准和试点阶段提案来满足。公开询问人工智能：“首席财务官在阅读此提案时会提出哪三个反对意见，提案的哪一部分解决了这些反对意见？”这揭示了草稿中的盲点。
提示：如果可能的话，将定价分解为项目和阶段，而不是一个巨大的数字。当客户看到什么是做什么时，“昂贵”的感觉就会转变为“合理投资”的感觉。此外，提供小型试点阶段可以降低重大决策的风险。
迷你案例：制造公司的优质软件
Mert 向制造公司销售质量管理软件。在他与“Dora Metal”的发现中，客户表示，由于较晚发现有缺陷的零件，他平均每月经历 3 次退货，并且每次退货都有一定的成本。 Mert 将这些数据提供给人工智能并创建基于价值的草案。在ROI部分，AI在第一轮写下“我们将回报降低了90%”； Mert 拒绝了这一点，并收紧了提示并将其修改为“根据客户提供的每月 3 次退货，预计早期检测可以防止部分此类情况发生；确切的情况取决于流程合规性。”他添加了自己价目表中的价格，并让实施团队确认了 6 周的安装计划。结果：因为客户在提案中看到了自己的数据，所以他很有信心地说“你是根据我的数据计算出来的”。
常见错误
- 不言自明的执行摘要：第一段中的公司历史。客户希望看到“我们”（他的问题）而不是“我”。
- 让人工智能补价格：它发明了一个它看不到的数字；始终从官方来源添加。
- 保证语言：“绝对”、“保证”、“X%回报”等无法验证的承诺破坏信任和法律安全。
- 来源不明的统计数据：“该行业的公司节省了 60%”——来自哪里？不要使用无来源的号码。
- 范围不明确：如果包含/排除不写，该项目将成为以后的讨论。
- 糟糕的下一步：“如有疑问请致电”是被动的；建议采取一项明确的行动（例如“7 月 14 日，星期二，进行 30 分钟的确认电话”）。
综上所述
- 该报价不是产品手册，而是反映客户情况及其具体解决方案的文件。
- 发现笔记是基于价值的产品的原材料；人工智能很快将它们变成结构化的草稿。
- 将投资回报率基于客户提供的数据、范围，清楚地写出假设，避免使用保证语言。
- 永远不要让人工智能匹配定价；你添加来自官方来源的数据，人工智能只是编辑演示文稿。
- 将每个问题链接到来源，并与技术团队确认范围/时间表。
- 一个好的提案会尽早在文档中默默地解决已知的反对意见。
应用任务
编写真实或现实的发现场景（客户的问题、至少两个具体指标、预算信号）。使用这些注释，让人工智能生成一份不包括价格和投资回报率的提案草案。然后，仅根据客户提供的指标和您的实际影响范围，将投资回报率部分转换为带有标记假设的版本。自己添加定价表，然后简单地要求人工智能编辑其演示文稿。最后，我问AI“CFO对此提案会有哪三个反对意见？” ’并评估您的草案是否满足这些反对意见。