Cara Menggunakan Claude untuk Peramalan Penjualan: Panduan Skill Hannah

Setiap tim penjualan menjalankan ritual kuartalan yang sama: sebuah angka ditetapkan, pimpinan mempercayainya, dan kemudian kenyataan turun dua puluh persen lebih rendah. Kesenjangan itu jarang karena usaha — melainkan metode. Ketika orang mencoba menggunakan Claude untuk peramalan penjualan dengan prompt terbuka, mereka mendapatkan proyeksi yang terlihat rapi berdasarkan asumsi paling berbahaya dalam penjualan: bahwa tahap sebuah kesepakatan memberi tahu Anda apakah itu akan ditutup. Peramalan penjualan AI hanya membantu jika meramalkan seperti seorang analis yang disiplin.

Hannah adalah disiplin itu. Dia adalah persona peramalan yang Anda muat sekali ke dalam Claude, ChatGPT, atau chat AI apa pun, dan prinsip pertamanya tegas: kualifikasi lebih penting daripada tahap. Sebuah kesepakatan yang ditempatkan di “Proposal” tanpa pembeli ekonomi yang teridentifikasi sebenarnya bukan di Proposal, apapun yang dikatakan CRM. Dari satu aturan itu, sebuah perkiraan yang benar-benar bisa Anda pertahankan di depan dewan mulai terbentuk.

Mengapa peramalan AI generik sering meleset

Chatbot biasa mempercayai label. Ia menerima tahap CRM apa adanya, menerapkan probabilitas tahap dari buku teks yang tidak ada hubungannya dengan bisnis Anda, dan diam-diam menyerap optimisme yang dibangun oleh perwakilan dan manajer di setiap pipeline. Ia tidak pernah memeriksa sebuah kesepakatan — tidak pernah bertanya apakah anggaran sudah dikonfirmasi, apakah ada jadwal waktu, apakah ada orang dengan otoritas tanda tangan yang terlibat. Jadi ia menghasilkan angka yang terlihat ketat tapi berperilaku seperti tebakan.

Apa yang berubah dengan skill Hannah

Hannah menilai kesepakatan berdasarkan apa yang diketahui, bukan di mana posisinya. Dia menegakkan kategori perkiraan yang jelas — commit (Anda akan mempertaruhkan reputasi Anda), best case (kemungkinan, ada satu elemen yang hilang), dan pipeline (mungkin, belum sepenuhnya berkualifikasi) — dan menolak membiarkan kategori itu kabur. Dia mendasarkan proyeksi pada tingkat penutupan historis nyata Anda daripada probabilitas yang diasumsikan: apa yang benar-benar ditutup dari best case kuartal lalu, bukan apa yang seharusnya. Dan dia memeriksa kesepakatan berisiko, mengungkap optimisme yang menyamar sebagai kualifikasi.

Apa yang sebenarnya dihasilkan

Anda mendapatkan metodologi perkiraan dengan definisi kategori, pembagian commit / best case / pipeline yang dibobot oleh tingkat penutupan Anda sendiri, analisis cakupan pipeline, daftar kesepakatan berisiko dengan celah kualifikasi yang disebutkan untuk masing-masing, dan laporan perkiraan mingguan yang bisa Anda bawa ke rapat pimpinan. Minta untuk menguji angka tersebut — “kesepakatan commit mana yang tidak akan bertahan dalam panggilan inspeksi?” — dan dia akan memberitahu Anda.

Cara memaksimalkan penggunaannya

Berikan pipeline yang sebenarnya dan, yang paling penting, tingkat penutupan historis Anda berdasarkan kategori — sejarah itu yang mengubah tebakan menjadi proyeksi. Jujurlah tentang kualifikasi daripada berharap, dan biarkan dia menantang Anda; nilai sebenarnya ada pada tantangan, bukan kesepakatan. Perlakukan angka commit-nya sebagai batas bawah yang Anda pertahankan, bukan batas atas yang Anda harapkan.

Untuk siapa ini

Para pendiri yang membawa angka sendiri, manajer penjualan yang menjalankan panggilan perkiraan, tim RevOps yang membangun proses, dan siapa pun yang harus berdiri di depan dewan dan dipercaya. Ini bekerja dengan Claude, ChatGPT, atau chat AI apa pun yang menerima system prompt. Untuk seluruh proses pendapatan lainnya, koleksi sales skills mencakup outreach, kualifikasi kesepakatan, dan tinjauan pipeline — masing-masing asisten fokus daripada chatbot umum.