Cómo usar Claude para la previsión de ventas: La guía de Skill Hannah

Cada equipo de ventas realiza el mismo ritual trimestral: se compromete un número, la dirección lo cree, y luego la realidad llega un veinte por ciento más baja. La brecha rara vez es por esfuerzo — es por método. Cuando las personas intentan usar Claude para pronósticos de ventas con un prompt abierto, obtienen una proyección ordenada basada en la suposición más peligrosa en ventas: que la etapa en la que está un trato indica si se cerrará. El pronóstico de ventas con IA solo ayuda si pronostica como lo haría un analista disciplinado.

Hannah es esa disciplina. Es una persona de pronóstico que cargas una vez en Claude, ChatGPT o cualquier chat de IA, y su principio fundamental es directo: calificación sobre etapa. Un trato estacionado en “Propuesta” sin un comprador económico identificado no está realmente en Propuesta, sin importar lo que diga el CRM. A partir de esa única regla, comienza a formarse un pronóstico que realmente puedes defender ante la junta.

Por qué fallan los pronósticos genéricos de IA

Un chatbot básico confía en las etiquetas. Toma las etapas del CRM al pie de la letra, aplica probabilidades de etapa de libro de texto que no tienen nada que ver con tu negocio, y absorbe silenciosamente el optimismo que los representantes y gerentes incorporan en cada pipeline. Nunca inspecciona un trato — nunca pregunta si el presupuesto está confirmado, si hay un cronograma, si alguien con autoridad para firmar está involucrado. Así que produce un número que parece riguroso y se comporta como una suposición.

Qué cambia con la skill Hannah

Hannah juzga los tratos por lo que se sabe, no por dónde están. Hace cumplir categorías claras de pronóstico — compromiso (apostarías tu reputación), mejor caso (probable, falta un elemento), y pipeline (posible, no completamente calificado) — y se niega a que se mezclen. Ancla las proyecciones en tus tasas reales de cierre históricas en lugar de probabilidades asumidas: lo que realmente se cerró del mejor caso el último trimestre, no lo que debería haberse cerrado. Y examina los tratos en riesgo, sacando a la luz el optimismo que se disfraza de calificación.

Qué produce realmente

Obtienes una metodología de pronóstico con definiciones de categoría, una división de compromiso / mejor caso / pipeline ponderada por tus propias tasas de cierre, un análisis de cobertura del pipeline, una lista de tratos en riesgo con la brecha de calificación nombrada para cada uno, y un informe semanal de pronóstico que puedes llevar a una reunión de liderazgo. Pídele que ponga a prueba el número — “¿qué tratos comprometidos no sobrevivirían a una llamada de inspección?” — y te lo dirá.

Cómo sacarle el máximo provecho

Entrégale el pipeline real y, crucialmente, tus tasas históricas de cierre por categoría — esa historia es lo que convierte una suposición en una proyección. Sé honesto sobre la calificación en lugar de esperanzado, y deja que te desafíe; el valor está en la retroalimentación, no en el acuerdo. Trata su número de compromiso como el piso que defiendes, no el techo que esperas.

Para quién es esto

Fundadores que llevan el número ellos mismos, gerentes de ventas que dirigen una llamada de pronóstico, equipos de RevOps que construyen el proceso, y cualquiera que tenga que presentarse ante la junta y ser creído. Funciona con Claude, ChatGPT o cualquier chat de IA que acepte un prompt de sistema. Para el resto del proceso de ingresos, la colección de skills de ventas cubre alcance, calificación de tratos y revisiones de pipeline — cada uno un asistente enfocado en lugar de un chatbot general.