Hoe je Claude gebruikt voor verkoopprognoses: de Hannah Skill-gids

Elk salesteam doorloopt hetzelfde kwartaalritueel: er wordt een getal vastgelegd, het management gelooft het, en vervolgens ligt de realiteit twintig procent lager. Het verschil zit zelden in de inzet — het is de methode. Wanneer mensen proberen Claude te gebruiken voor sales forecasting met een open prompt, krijgen ze een keurig ogende prognose gebaseerd op de gevaarlijkste aanname in sales: dat de fase waarin een deal zich bevindt, vertelt of deze zal sluiten. AI sales forecasting helpt alleen als het voorspelt zoals een gedisciplineerde analist dat doet.

Hannah is die discipline. Ze is een forecastpersona die je één keer laadt in Claude, ChatGPT of elke AI-chat, en haar eerste principe is duidelijk: kwalificatie boven fase. Een deal die geparkeerd staat in “Voorstel” zonder dat er een economische beslisser is geïdentificeerd, bevindt zich eigenlijk niet in Voorstel, wat het CRM ook zegt. Vanuit die ene regel begint een forecast die je daadwerkelijk aan de raad van bestuur kunt verdedigen vorm te krijgen.

Waarom generieke AI-forecasts tekortschieten

Een kale chatbot vertrouwt op de labels. Hij neemt CRM-fasen voor waar aan, past standaard fasekansen toe die niets met jouw bedrijf te maken hebben, en absorbeert stilletjes het optimisme dat vertegenwoordigers en managers in elke pijplijn stoppen. Hij inspecteert een deal nooit — vraagt nooit of het budget is bevestigd, of er een tijdlijn is, of iemand met ondertekeningsbevoegdheid betrokken is. Dus produceert hij een getal dat er rigoureus uitziet maar zich gedraagt als een gok.

Wat verandert met de Hannah skill

Hannah beoordeelt deals op basis van wat bekend is, niet waar ze zich bevinden. Ze handhaaft duidelijke forecastcategorieën — commit (waar je je reputatie op zou inzetten), best case (waarschijnlijk, maar er ontbreekt één element), en pipeline (mogelijk, niet volledig gekwalificeerd) — en laat ze niet door elkaar lopen. Ze baseert prognoses op jouw werkelijke historische sluitingspercentages in plaats van aangenomen kansen: wat er daadwerkelijk gesloten is vanuit best case vorig kwartaal, niet wat zou moeten. En ze inspecteert risicovolle deals, waarbij ze het optimisme blootlegt dat zich voordoet als kwalificatie.

Wat het daadwerkelijk oplevert

Je krijgt een forecastmethodologie met categoriedefinities, een commit / best case / pipeline verdeling gewogen op basis van je eigen sluitingspercentages, een analyse van de pijplijndekking, een lijst met risicovolle deals met per deal de kwalificatiekloof benoemd, en een wekelijkse forecastrapportage die je mee kunt nemen naar een leiderschapsvergadering. Vraag het om het getal te testen — “welke commit-deals zouden een inspectiegesprek niet overleven?” — en het zal het je vertellen.

Hoe je er het meeste uit haalt

Geef het de echte pijplijn en, cruciaal, je historische sluitingspercentages per categorie — die geschiedenis verandert een gok in een prognose. Wees eerlijk over kwalificatie in plaats van hoopvol, en laat het je uitdagen; de waarde zit in de tegenreactie, niet in de instemming. Beschouw het commit-getal als de ondergrens die je verdedigt, niet als het plafond waarop je hoopt.

Voor wie dit is

Oprichters die zelf het getal dragen, salesmanagers die een forecastgesprek leiden, RevOps-teams die het proces opzetten, en iedereen die voor de raad van bestuur moet staan en geloofd wil worden. Het werkt met Claude, ChatGPT of elke AI-chat die een system prompt accepteert. Voor de rest van de revenue flow dekt de sales skills collectie outreach, dealkwalificatie en pijplijnreviews — elk een gerichte assistent in plaats van een algemene chatbot.