Vsako \u010detrtletje ista igra. Vodstvo prodaje zaprosi za napoved. Predstavniki povedo, da bodo posli sklenjeni. Vodstvo se prilagodi navzdol, ker so predstavniki vedno optimisti\u010dni. Posli zdrsnejo. Napoved se tedensko spreminja.<\/p>\n
Nih\u010de ne ve, kaj se bo v resnici zgodilo. Ne zato, ker prodajalci la\u017eejo. Ker je te\u017eko napovedati izid posla, \u010de se zana\u0161ate na ob\u010dutek in zapiske CRM.<\/p>\n
Umetna inteligenca ne ugiba. Preu\u010di zna\u010dilnosti poslov in zgodovinske vzorce. Na podlagi podatkov napoveduje verjetnost zaklju\u010dka posla. Tvegane posle ozna\u010di, \u0161e preden umrejo. Pove vam, katerim poslom je treba posvetiti pozornost in kateri se bodo zaklju\u010dili sami od sebe.<\/p>\n
Va\u0161a napoved ni ve\u010d le pobo\u017ena \u017eelja. Za\u010dne temeljiti na resni\u010dnosti.<\/p>\n\n\n
Va\u0161 CRM prikazuje 50 odprtih poslov. Predstavniki pravijo, da jih bo v tem \u010detrtletju sklenjenih 30. Zgodovina pravi, da se jih bo dejansko zaklju\u010dilo 12. Toda katerih 12? Nih\u010de ne ve.<\/p>\n
Posli predolgo ostajajo v fazah priprave. Nekatere se premaknejo naprej. Nekatere se ustavijo in zamrejo. Nekateri vas presenetijo in se hitro zaklju\u010dijo. Ve\u010dinoma ne veste, kateri je kateri, dokler ni konec.<\/p>\n
Vodje prodaje porabijo ure za preglede cevovodov. \"Kak\u0161no je stanje?\" \"Kdaj se bo zaklju\u010dil?\" \"Kak\u0161no je tveganje?\" Vsak teden enaka vpra\u0161anja, razli\u010dni odgovori.<\/p>\n
Napoved, ki jo podajate vodstvu, je strokovno ugibanje. V\u010dasih ste blizu. Pogosto ne. Ob koncu \u010detrtletja se borite, da bi dosegli \u0161tevilko.<\/p>\n
Ne zato, ker je va\u0161a prodajna ekipa slaba. Ker ljudje nismo dobri pri napovedovanju verjetnostnih izidov pri ve\u010d deset spremenljivkah. Umetna inteligenca je.<\/p>\n\n\n
Umetna inteligenca ne nadome\u0161\u010da prodajne presoje. Zagotavlja podatke, ki omogo\u010dajo bolj\u0161o presojo. Tukaj je opisano, kako:<\/p>\n\n\n
Vsak posel dobi oceno verjetnosti zaklju\u010dka na podlagi:\n
Umetna inteligenca vsak posel primerja s tiso\u010di preteklih poslov. Posli s podobnimi zna\u010dilnostmi, ki so bili zaklju\u010deni, dobijo vi\u0161je ocene. Posli, ki se ujemajo z vzorci izgubljenih poslov, dobijo ni\u017eje ocene.<\/p>\n
To ni ob\u010dutek. Gre za ujemanje vzorcev, ki temelji na dejanskih podatkih o zmagi\/izgubi.<\/p>\n
Predstavnik pravi, da je mo\u017enost za zaprtje 90%, AI pravi 40%? Poglej natan\u010dneje. Nekaj je narobe. Ali predstavnik pogre\u0161a opozorilne znake ali pa obstaja kontekst, ki ga umetna inteligenca nima. V vsakem primeru razi\u0161\u010dite, preden posel propade.<\/p>\n\n\n
Posli umirajo po\u010dasi, nato pa vsi naenkrat. Opozorilni znaki se pojavijo ve\u010d tednov pred uradno smrtjo posla:\n
Umetna inteligenca te vzorce opazuje. Ko se pojavi ve\u010d opozorilnih znakov skupaj, ozna\u010di posel kot tvegan.<\/p>\n
Vodja prodaje vidi zastavo. Vpra\u0161a predstavnika, kaj se dogaja. Ta pogosto re\u010de: \"O, ja, to bi moral preveriti.\" V\u010dasih re\u010de: \"Vse je v redu.\" Vendar vsaj veste, da ga morate spremljati.<\/p>\n
Vsakega posla ne morete re\u0161iti. Lahko pa poskusite re\u0161iti ponudbe, preden popolnoma odmrejo. To pa je mogo\u010de le, \u010de veste, da so ogro\u017eeni.<\/p>\n\n\n
Va\u0161a napoved je vsota verjetnosti posla. \u010ce so va\u0161e ocene verjetnosti napa\u010dne, je va\u0161a napoved napa\u010dna.<\/p>\n
Umetna inteligenca pripravi napoved na podlagi:\n
Ne pove vam le \u0161tevilke. Poda vam tudi razpon. \"Najverjetneje $X, lahko pa je tudi $Y ali $Z.\" To je po\u0161teno napovedovanje.<\/p>\n
S\u010dasoma boste videli, katere posle je umetna inteligenca dobro predvidela in katerih ne. Prilagodite se. Model se u\u010di. Natan\u010dnost se izbolj\u0161a.<\/p>\n
Nikoli ne boste imeli popolnih napovedi. Lahko pa imate napovedi, ki so pogosteje pravilne kot napa\u010dne. To je bolje, kot ima zdaj ve\u010dina prodajnih ekip.<\/p>\n\n\n
Vsak zastopnik ima ve\u010d poslov, kot jih lahko aktivno opravi. Na katere se mora osredoto\u010diti danes?<\/p>\n
Umetna inteligenca dolo\u010da prednostne naloge:\n
Predstavnik se prijavi in vidi seznam prednostnih nalog, ki jih je treba opraviti. Ne vse. 5-7 dejanj, ki bodo najverjetneje pospe\u0161ila posle.<\/p>\n
Ne upo\u0161tevajo ukazov umetne inteligence. Dobivajo predloge, ki temeljijo na podatkih, o tem, kje je najbolje porabiti svoj \u010das. \u0160e vedno uporabljajo presoje. Imajo le bolj\u0161e informacije.<\/p>\n\n\n
Zakaj se posli zaklju\u010dijo? Zakaj se izgubijo?<\/p>\n
Umetna inteligenca analizira sklenjene posle - pridobljene in izgubljene:\n
Ti vzorci postanejo spoznanja:\n
Izvedeli boste, kaj dejansko vpliva na zmage. Potem trenirajte predstavnike, da bodo delali ve\u010d tistega, kar deluje, in manj tistega, kar ne deluje. To je upravljanje prodaje na podlagi podatkov.<\/p>\n\n\n
Je va\u0161 cevovod zdrav ali poln odpadkov? Te\u017eko je to ugotoviti, \u010de gledate samo \u0161tevilo poslov in skupno vrednost.<\/p>\n
Umetna inteligenca ocenjuje stanje cevovoda:\n
Vodje prodaje vidijo nadzorne plo\u0161\u010de o stanju cevovoda. Ne ne\u010dimrnih kazalnikov. Resni\u010dni kazalniki, ki ka\u017eejo, ali bo ekipa dosegla \u0161tevilke.<\/p>\n
\u010ce je cevovod videti \u0161ibek, to ugotovite zgodaj. Dodate lahko sredstva za pridobivanje potencialnih strank ali prilagodite cilje, preden bo prepozno.<\/p>\n\n\n
Napovedi, ki jim lahko zaupate. Niso popolne, vendar so veliko bolj\u0161e od ugibanj predstavnikov. \u0160tevilke za vodstvo dajete na podlagi podatkov in ne upanja.<\/p>\n
Izbolj\u0161a se preglednost cevovodov. Takoj vidite tvegane posle. Veste, kje je treba svetovati. Veste, katere posle je treba vklju\u010diti na vi\u0161ji ravni.<\/p>\n
Dodeljevanje virov je pametnej\u0161e. Veste, kateri posli so resni\u010dni in kateri so le sanje. Ekipni napori so usmerjeni v prilo\u017enosti, ki jih je mogo\u010de dobiti.<\/p>\n
Trenerstvo vodite na podlagi vzorcev. \"Zmagovalci delajo druga\u010de.\" To je bolj u\u010dinkovito kot splo\u0161ni prodajni nasveti.<\/p>\n\n\n
Veste, na katere posle se morate osredoto\u010diti. Ni\u010d ve\u010d se ne boste razpr\u0161ili na 50 prilo\u017enosti. Delajte na tistih, za katere je najbolj verjetno, da se bodo zaklju\u010dile.<\/p>\n
Te\u017eave lahko odkrijete zgodaj. Posel gre narobe? Opazite opozorilne znake, \u0161e preden je posel kon\u010dan. Lahko popravite smer.<\/p>\n
Dobili boste navodila za nadaljnje korake. Ne naro\u010dil, temve\u010d podatke o tem, kaj obi\u010dajno deluje pri poslih, kot je va\u0161. Sprejemate bolj\u0161e odlo\u010ditve.<\/p>\n
Manj \u010dasa za posodabljanje CRM zaradi posodabljanja. Umetna inteligenca je tem pametnej\u0161a, \u010dim ve\u010d podatkov ima, vendar te podatke uporablja za pomo\u010d pri prodaji in ne le za poro\u010danje.<\/p>\n\n\n
Predvidljivi prihodki. Ko so napovedi to\u010dne, lahko na\u010drtujete. Zaposlovanje. zaloge. porabo za tr\u017eenje. Vse to temelji na zanesljivih napovedih prihodkov.<\/p>\n
kraj\u0161i prodajni cikli. Ko se predstavniki osredoto\u010dijo na prave dejavnosti ob pravem \u010dasu, se posli zaklju\u010dijo hitreje.<\/p>\n
Vi\u0161ja stopnja dobitkov. Ko razumete, kaj omogo\u010da sklepanje poslov, lahko tega storite ve\u010d. To se s\u010dasoma pove\u010da.<\/p>\n
Manj presene\u010denj ob koncu \u010detrtletja. \u017de tedne vnaprej veste, ali boste dosegli \u0161tevilko. Ni panike v zadnjem trenutku. Brez nepri\u010dakovanih primanjkljajev.<\/p>\n\n\n
Srednje veliko podjetje za programsko opremo je imelo 35% natan\u010dnost napovedi. Vsako \u010detrtletje je bilo presene\u010denje. Vodstvo prodaje ni moglo na\u010drtovati, ker ni vedelo, kak\u0161ni bodo dejanski prihodki.<\/p>\n
Kaj se je spremenilo:<\/strong> Umetna inteligenca je analizirala triletne podatke o poslih. Na podlagi dejanskih vzorcev zaklju\u010devanja poslov je oblikovala modele verjetnosti. Namesto ocen predstavnikov je zagotovil na podatkih temelje\u010de ocene poslov.<\/p>\n Rezultat:<\/strong> Natan\u010dnost napovedi se je v dveh \u010detrtletjih izbolj\u0161ala na 82%. Vodstvo je lahko na\u010drtovalo z zaupanjem. Manj po\u017earnih vaj ob koncu \u010detrtletja, ker so poznali \u0161tevilo tednov vnaprej.<\/p>\n\n\n Proizvodno podjetje je imelo dolge prodajne cikle (6-12 mesecev). Posli so bili ve\u010d mesecev videti dobri, nato pa so nenadoma propadli. Nih\u010de ni vedel, zakaj.<\/p>\n Kaj se je spremenilo:<\/strong> Umetna inteligenca je ugotovila, da imajo posli, pri katerih ve\u010d kot 21 dni ni bilo stika z zainteresiranimi stranmi, 72% mo\u017enosti, da bodo na koncu izgubljeni. Sistem je samodejno ozna\u010dil tvegane posle.<\/p>\n Rezultat:<\/strong> Vodje prodaje so proaktivno posredovali pri ozna\u010denih poslih. Stopnja uspe\u0161nosti se je pove\u010dala za 18%, saj so tvegani posli dobili pozornost, preden so propadli. Prodajni cikel se je skraj\u0161al, ker so se zastali posli hitreje odvili.<\/p>\n\n\n Svetovalno podjetje ni moglo ugotoviti, kateri predlogi bodo zaklju\u010deni. Stopnja uspe\u0161nosti je bila ni\u017eja od 30%. Ekipe za ocenjevanje so porabile veliko truda za predloge, ki niso bili uspe\u0161ni.<\/p>\n Kaj se je spremenilo:<\/strong> UI je analizirala pridobljene in izgubljene predloge. Ugotovila je, da so bili posli, za katere je imel naro\u010dnik \u017ee odobren prora\u010dun, zaklju\u010deni pri 65%. Posli, pri katerih je naro\u010dnik dejal, da \"raziskuje mo\u017enosti\", so bili zaklju\u010deni v vi\u0161ini 12%.<\/p>\n Rezultat:<\/strong> Podjetje se je za\u010delo bolj kvalificirati, preden je za\u010delo vlagati v predloge. Prizadevanja za pripravo predlogov so bila osredoto\u010dena na dobro usposobljene prilo\u017enosti. Stopnja uspe\u0161nosti se je pove\u010dala na 48%, ker so prenehali preganjati slabe ponudbe.<\/p>\n\n\n Jasno povejmo, kak\u0161ne so omejitve.<\/p>\n Umetna inteligenca ne more sklepati poslov namesto vas. Ne more voditi te\u017ekih pogovorov. Ne more se pogajati. Ne more graditi odnosov s kupci. To je \u0161e vedno \u010dlove\u0161ko delo.<\/p>\n Napovedi umetne inteligence so verjetnosti in ne gotovosti. Posel, ki je ocenjen na 70%, ima \u0161e vedno 30% mo\u017enosti, da bo izgubljen. Rezultatov umetne inteligence ne obravnavajte kot zagotovilo.<\/p>\n Umetna inteligenca ne pozna konteksta, ki ni v sistemu CRM. \u010ce predstavnik osebno pozna izvr\u0161nega direktorja, \u010de je sli\u0161al, da je bil zmanj\u0161an prora\u010dun, ali \u010de ima drug kontekst - to je pomembno. Umetna inteligenca in \u010dlove\u0161ka presoja sta bolj\u0161i od obeh.<\/p>\n Umetna inteligenca ne more popraviti nedelujo\u010dega prodajnega procesa. \u010ce va\u0161i predstavniki ne opravijo ustrezne kvalifikacije, \u010de va\u0161 izdelek ne ustreza trgu ali \u010de je va\u0161a cena napa\u010dna, vam bo umetna inteligenca pokazala te\u017eavo, vendar jo boste morali \u0161e vedno odpraviti.<\/p>\n\n\n Ni vam treba naenkrat spremeniti celotnega prodajnega procesa z umetno inteligenco. Za\u010dnite tam, kjer to najbolj pomaga:\n Za\u010dnite z majhnimi koli\u010dinami. Izmerite natan\u010dnost. Pove\u010dajte obseg tistega, kar deluje. Cilj so bolj\u0161e napovedi, ne popolne.<\/p>\n\n\n Napovedovanje prodaje je prepoznavanje vzorcev. Kako so videti posli, ki se zaklju\u010dijo? Kako so videti posli, ki propadejo? Katere dejavnosti pospe\u0161ujejo posle?<\/p>\n Ljudje ne morejo prepoznati vzorcev v ve\u010d sto poslih z ve\u010d deset spremenljivkami. Umetna inteligenca pa lahko.<\/p>\n Va\u0161a prodajna ekipa je \u0161e vedno odgovorna za odnose in pogovore. \u0160e vedno sklepajo posle. \u0160e vedno presojajo, katere posle bodo nadaljevali.<\/p>\n Vendar ne letijo ve\u010d na slepo. Imajo podatke o tem, kateri posli so resni\u010dni, kateri ogro\u017eeni in kateri ukrepi so se v preteklosti obnesli. To je razlika med ugibanjem in znanjem.<\/p>\n\n\n Vsaka prodajna ekipa ima razli\u010dne vzorce sklepanja poslov. Razli\u010dne prodajne cikle. razli\u010dne dejavnike, ki napovedujejo zmage in izgube.<\/p>\n Ne prodajamo univerzalnih orodij za napovedovanje. Analiziramo va\u0161e podatke o poslih. Ugotavljamo, kateri dejavniki dejansko napovedujejo rezultate va\u0161ega poslovanja. Izdelamo modele, ki ustrezajo va\u0161i realnosti.<\/p>\n Nato se pove\u017eemo z va\u0161im sistemom CRM, tako da predstavniki in vodje vidijo napovedi tam, kjer delajo. Va\u0161a ekipa dobi bolj\u0161e podatke, ne da bi spremenila svoj postopek.<\/p>\n Brez \u0161umenja. Brez obljub o popolnih napovedih. Samo bolj\u0161e napovedi, da boste sprejemali bolj\u0161e odlo\u010ditve in sklenili ve\u010d poslov.<\/p>\n\nPrimer 2: Proizvodno podjetje<\/h4>\n\n\n
Primer 3: Podjetje za strokovne storitve<\/h4>\n\n\n
\n\n\n\n\u010cesa umetna inteligenca ne bo naredila<\/h3>\n\n\n
\n\n\n\nKako za\u010deti<\/h3>\n\n\n
\n
\n\n\n\nSpodnja linija<\/h3>\n\n\n
\n\n\n\n\u017delite natan\u010dnej\u0161e napovedi?<\/h3>\n\n\n