Wie man Claude für die Umsatzprognose nutzt: Der Hannah Skill Leitfaden

Jedes Vertriebsteam durchläuft dasselbe vierteljährliche Ritual: Eine Zahl wird festgelegt, die Führung glaubt daran, und dann liegt die Realität zwanzig Prozent darunter. Die Lücke liegt selten am Aufwand – sie liegt an der Methode. Wenn Menschen versuchen, Claude für Vertriebsprognosen mit einem offenen prompt zu nutzen, erhalten sie eine ordentlich aussehende Projektion, die auf der gefährlichsten Annahme im Vertrieb basiert: dass die Phase, in der sich ein Deal befindet, aussagt, ob er abgeschlossen wird. KI-Vertriebsprognosen helfen nur, wenn sie so prognostizieren wie ein disziplinierter Analyst.

Hannah ist diese Disziplin. Sie ist eine Prognose-Persona, die Sie einmal in Claude, ChatGPT oder jeden AI-Chat laden, und ihr erstes Prinzip ist klar: Qualifikation vor Phase. Ein Deal, der in „Angebot“ geparkt ist, ohne dass ein wirtschaftlicher Entscheider identifiziert wurde, befindet sich nicht wirklich im Angebot, egal was das CRM sagt. Aus dieser einen Regel entsteht eine Prognose, die Sie tatsächlich vor dem Vorstand verteidigen können.

Warum generische KI-Prognosen scheitern

Ein einfacher Chatbot vertraut den Labels. Er nimmt CRM-Phasen wörtlich, wendet Lehrbuch-Phasenwahrscheinlichkeiten an, die nichts mit Ihrem Geschäft zu tun haben, und übernimmt stillschweigend den Optimismus, den Vertriebsmitarbeiter und Manager in jede Pipeline einbauen. Er prüft nie einen Deal – fragt nie, ob das Budget bestätigt ist, ob es einen Zeitplan gibt, ob überhaupt jemand mit Unterschriftsbefugnis beteiligt ist. So entsteht eine Zahl, die zwar rigoros aussieht, sich aber wie eine Schätzung verhält.

Was sich mit dem Hannah Skill ändert

Hannah beurteilt Deals nach dem, was bekannt ist, nicht danach, wo sie stehen. Sie erzwingt klare Prognosekategorien – Commit (Sie würden Ihren Ruf darauf setzen), Best Case (wahrscheinlich, es fehlt ein Element) und Pipeline (möglich, nicht vollständig qualifiziert) – und lässt diese nicht verschwimmen. Sie stützt Projektionen auf Ihre tatsächlichen historischen Abschlussraten statt auf angenommene Wahrscheinlichkeiten: was im letzten Quartal aus Best Case tatsächlich abgeschlossen wurde, nicht was hätte sein sollen. Und sie prüft risikobehaftete Deals, um den Optimismus aufzudecken, der sich als Qualifikation tarnt.

Was sie tatsächlich liefert

Sie erhalten eine Prognose-Methodik mit Kategoriedefinitionen, eine Commit / Best Case / Pipeline-Aufteilung, gewichtet nach Ihren eigenen Abschlussraten, eine Pipeline-Abdeckungsanalyse, eine Liste risikobehafteter Deals mit jeweils benanntem Qualifikationsdefizit und einen wöchentlichen Prognosebericht, den Sie in ein Führungstreffen mitnehmen können. Bitten Sie sie, die Zahl einem Stresstest zu unterziehen – „Welche Commit-Deals würden einen Prüfungsanruf nicht überstehen?“ – und sie wird es Ihnen sagen.

Wie Sie das Beste daraus machen

Geben Sie ihr die echte Pipeline und vor allem Ihre historischen Abschlussraten nach Kategorie – diese Historie verwandelt eine Schätzung in eine Projektion. Seien Sie ehrlich bei der Qualifikation statt hoffnungsvoll, und lassen Sie sich herausfordern; der Wert liegt im Widerspruch, nicht in der Zustimmung. Behandeln Sie die Commit-Zahl als die Untergrenze, die Sie verteidigen, nicht als die Obergrenze, auf die Sie hoffen.

Für wen das gedacht ist

Gründer, die selbst die Zahl tragen, Vertriebsleiter, die einen Prognose-Call leiten, RevOps-Teams, die den Prozess aufbauen, und alle, die vor dem Vorstand stehen und glaubwürdig sein müssen. Es funktioniert mit Claude, ChatGPT oder jedem AI-Chat, der einen System-prompt akzeptiert. Für den Rest des Umsatzprozesses deckt die Sales Skills Collection Outreach, Deal-Qualifikation und Pipeline-Reviews ab – jeweils ein fokussierter Assistent statt eines allgemeinen Chatbots.