Como Usar Claude para Previsão de Vendas: O Guia da Skill Hannah

Cada equipe de vendas realiza o mesmo ritual trimestral: um número é comprometido, a liderança acredita nele, e então a realidade chega vinte por cento abaixo. A lacuna raramente é esforço — é método. Quando as pessoas tentam usar Claude para previsão de vendas com um prompt aberto, elas obtêm uma projeção arrumadinha baseada na suposição mais perigosa em vendas: que o estágio em que um negócio está indica se ele será fechado. Previsão de vendas com AI só ajuda se ela prever do jeito que um analista disciplinado faz.

Hannah é essa disciplina. Ela é uma persona de previsão que você carrega uma vez no Claude, ChatGPT ou qualquer chat AI, e seu princípio fundamental é direto: qualificação acima do estágio. Um negócio estacionado em “Proposta” sem um comprador econômico identificado não está realmente em Proposta, independentemente do que o CRM diga. A partir dessa única regra, uma previsão que você pode realmente defender para o conselho começa a tomar forma.

Por que previsões genéricas de AI falham

Um chatbot simples confia nos rótulos. Ele aceita os estágios do CRM ao pé da letra, aplica probabilidades de estágio padrão que não têm nada a ver com o seu negócio, e absorve silenciosamente o otimismo que representantes e gerentes incorporam em todo pipeline. Ele nunca inspeciona um negócio — nunca pergunta se o orçamento está confirmado, se há um cronograma, se alguém com autoridade para assinar está envolvido. Então, produz um número que parece rigoroso, mas se comporta como um palpite.

O que muda com a Skill Hannah

Hannah avalia os negócios pelo que é conhecido, não por onde eles estão. Ela aplica categorias claras de previsão — comprometido (você apostaria sua reputação nisso), melhor caso (provável, faltando um elemento), e pipeline (possível, não totalmente qualificado) — e se recusa a deixar essas categorias se confundirem. Ela baseia as projeções nas suas taxas reais de fechamento históricas, em vez de probabilidades assumidas: o que realmente fechou no melhor caso no último trimestre, não o que deveria ter fechado. E ela inspeciona negócios em risco, revelando o otimismo que se disfarça de qualificação.

O que ela realmente produz

Você obtém uma metodologia de previsão com definições de categoria, uma divisão comprometido / melhor caso / pipeline ponderada pelas suas próprias taxas de fechamento, uma análise de cobertura do pipeline, uma lista de negócios em risco com a lacuna de qualificação identificada para cada um, e um relatório semanal de previsão que você pode levar para uma reunião de liderança. Peça para testar a resistência do número — “quais negócios comprometidos não sobreviveriam a uma chamada de inspeção?” — e ela vai te dizer.

Como tirar o máximo proveito

Forneça o pipeline real e, crucialmente, suas taxas históricas de fechamento por categoria — esse histórico é o que transforma um palpite em uma projeção. Seja honesto sobre a qualificação em vez de esperançoso, e deixe que ela te desafie; o valor está na contestação, não no acordo. Trate o número comprometido como o piso que você defende, não o teto que espera.

Para quem é isso

Fundadores que carregam o número sozinhos, gerentes de vendas que conduzem chamadas de previsão, equipes de RevOps que constroem o processo, e qualquer pessoa que precise se apresentar para o conselho e ser acreditada. Funciona com Claude, ChatGPT ou qualquer chat AI que aceite um prompt de sistema. Para o restante do processo de receita, a coleção de skills de vendas cobre prospecção, qualificação de negócios e revisões de pipeline — cada uma um assistente focado, não um chatbot genérico.