Hur man använder Claude för försäljningsprognoser: Hannah Skill-guide

Varje säljteam genomför samma kvartalsritual: en siffra fastställs, ledningen tror på den, och sedan landar verkligheten tjugo procent lägre. Gapet beror sällan på ansträngning — det är metoden. När folk försöker använda Claude för försäljningsprognoser med en öppen prompt får de en prydlig projektion baserad på det farligaste antagandet inom försäljning: att det steg en affär befinner sig i berättar om den kommer att avslutas. AI-försäljningsprognoser hjälper bara om de prognostiserar som en disciplinerad analytiker gör.

Hannah är den disciplinen. Hon är en prognos-persona du laddar in en gång i Claude, ChatGPT eller någon AI-chatt, och hennes första princip är tydlig: kvalificering framför steg. En affär parkerad i ”Förslag” utan identifierad ekonomisk beslutsfattare är egentligen inte i Förslag, oavsett vad CRM säger. Från den regeln börjar en prognos du faktiskt kan försvara inför styrelsen ta form.

Varför generiska AI-prognoser missar

En enkel chatbot litar på etiketterna. Den tar CRM-steg för givna, applicerar läroboksstadie-sannolikheter som inte har något med din verksamhet att göra, och absorberar tyst den optimism som säljare och chefer bygger in i varje pipeline. Den granskar aldrig en affär — frågar aldrig om budget är bekräftad, om det finns en tidsplan, eller om någon med signeringsrätt ens är involverad. Så den producerar en siffra som ser rigorös ut men beter sig som en gissning.

Vad som förändras med Hannah-färdigheten

Hannah bedömer affärer utifrån vad som är känt, inte var de befinner sig. Hon upprätthåller tydliga prognoskategorier — commit (du skulle sätta ditt rykte på det), bästa fall (troligt, saknar ett element), och pipeline (möjligt, inte fullt kvalificerat) — och vägrar låta dem flyta ihop. Hon förankrar projektioner på dina verkliga historiska avslutsfrekvenser snarare än antagna sannolikheter: vad som faktiskt avslutades från bästa fall förra kvartalet, inte vad som borde ha gjort det. Och hon granskar riskfyllda affärer, lyfter fram den optimism som utger sig för att vara kvalificering.

Vad den faktiskt producerar

Du får en prognosmetodik med kategoridefinitioner, en commit / bästa fall / pipeline-uppdelning viktad efter dina egna avslutsfrekvenser, en analys av pipeline-täckning, en lista över riskfyllda affärer med namngivet kvalificeringsgap för varje, och en veckorapport du kan ta med till ledningsmötet. Be den pressa siffran — ”vilka commit-affärer skulle inte klara en inspektionssamtal?” — och den berättar det för dig.

Hur du får ut mest av den

Ge den den verkliga pipelinen och, avgörande, dina historiska avslutsfrekvenser per kategori — den historiken är det som förvandlar en gissning till en projektion. Var ärlig om kvalificeringen snarare än hoppfull, och låt den utmana dig; värdet ligger i motståndet, inte i överenskommelsen. Behandla dess commit-siffra som golvet du försvarar, inte taket du hoppas på.

För vem detta är

Grundare som själva bär siffran, försäljningschefer som leder prognossamtal, RevOps-team som bygger processen, och alla som måste stå inför styrelsen och bli trodda. Den fungerar med Claude, ChatGPT eller någon AI-chatt som accepterar en system-prompt. För resten av intäktsprocessen täcker sales skills collection outreach, affärskvalificering och pipelinegranskningar — varje en fokuserad assistent snarare än en generell chatbot.