Jak korzystać z Claude do prognozowania sprzedaży: przewodnik po Skill Hannah

Każdy zespół sprzedaży przeprowadza ten sam kwartalny rytuał: ustalana jest liczba, kierownictwo w nią wierzy, a rzeczywistość okazuje się o dwadzieścia procent niższa. Różnica rzadko wynika z wysiłku — to kwestia metody. Gdy ludzie próbują użyć Claude do prognozowania sprzedaży z otwartym promptem, otrzymują schludnie wyglądającą prognozę opartą na najniebezpieczniejszym założeniu w sprzedaży: że etap, na którym znajduje się transakcja, mówi, czy zostanie zamknięta. AI w prognozowaniu sprzedaży pomaga tylko wtedy, gdy prognozuje tak, jak robi to zdyscyplinowany analityk.

Hannah to ta dyscyplina. To persona prognozująca, którą ładujesz raz do Claude, ChatGPT lub dowolnego czatu AI, a jej pierwsza zasada jest prosta: kwalifikacja ważniejsza niż etap. Transakcja zatrzymana na etapie „Oferta” bez zidentyfikowanego decydenta ekonomicznego nie jest naprawdę na etapie Oferty, bez względu na to, co mówi CRM. Z tej jednej zasady zaczyna się kształtować prognoza, którą naprawdę można obronić przed zarządem.

Dlaczego ogólne prognozy AI zawodzą

Sam chatbot ufa etykietom. Przyjmuje etapy CRM dosłownie, stosuje podręcznikowe prawdopodobieństwa etapów, które nie mają nic wspólnego z Twoim biznesem, i cicho absorbuje optymizm, który przedstawiciele i menedżerowie wbudowują w każdy pipeline. Nigdy nie analizuje transakcji — nie pyta, czy budżet jest potwierdzony, czy jest harmonogram, czy ktoś z uprawnieniami do podpisu jest zaangażowany. W efekcie generuje liczbę, która wygląda na rygorystyczną, ale zachowuje się jak zgadywanka.

Co zmienia umiejętność Hannah

Hannah ocenia transakcje na podstawie tego, co wiadomo, a nie gdzie się znajdują. Wprowadza jasne kategorie prognozy — commit (na co postawiłbyś swoją reputację), best case (prawdopodobne, brakuje jednego elementu) oraz pipeline (możliwe, nie w pełni zakwalifikowane) — i nie pozwala, by się zlewały. Opiera prognozy na Twoich rzeczywistych historycznych wskaźnikach zamknięć, a nie na założonych prawdopodobieństwach: co faktycznie zostało zamknięte z best case w ostatnim kwartale, a nie co powinno było. Analizuje też transakcje zagrożone, ujawniając optymizm podszywający się pod kwalifikację.

Co faktycznie produkuje

Otrzymujesz metodologię prognozowania z definicjami kategorii, podział commit / best case / pipeline ważony Twoimi własnymi wskaźnikami zamknięć, analizę pokrycia pipeline, listę transakcji zagrożonych z nazwanym brakiem kwalifikacji dla każdej oraz cotygodniowy raport prognozy, który możesz zabrać na spotkanie z kierownictwem. Zapytaj, by przetestować liczbę — „które transakcje commit nie przetrwałyby rozmowy kontrolnej?” — a otrzymasz odpowiedź.

Jak najlepiej z tego korzystać

Podaj prawdziwy pipeline i, co kluczowe, swoje historyczne wskaźniki zamknięć według kategorii — to historia zamienia zgadywanie w prognozę. Bądź szczery w kwestii kwalifikacji, a nie pełen nadziei, i pozwól, by Cię wyzwała; wartość tkwi w kontrze, nie w zgodzie. Traktuj liczbę commit jako minimum, które bronisz, a nie maksimum, na które liczysz.

Dla kogo to jest

Założycieli, którzy sami odpowiadają za liczbę, menedżerów sprzedaży prowadzących spotkania prognozowe, zespoły RevOps budujące proces oraz każdego, kto musi stanąć przed zarządem i być wiarygodny. Działa z Claude, ChatGPT lub dowolnym czatem AI akceptującym system prompt. Dla pozostałych etapów procesu sprzedaży kolekcja sales skills obejmuje outreach, kwalifikację transakcji i przeglądy pipeline — każdy to wyspecjalizowany asystent, a nie ogólny chatbot.