چگونه با هوش مصنوعی پیش از جلسه فروش درباره مشتری بالقوه تحقیق کنیم
- سطح: پیشرفته
- راهاندازی در چند روز
پاسخ کوتاه
از متن درخواست و صفحههای خود شرکت شروع کنید، اطلاعات را همراه با منبع جمع کنید و از مدل بخواهید یک خلاصه یکصفحهای بنویسد: شرکت چه میکند، چه خواسته، چه چیزهایی هنوز نامشخص است و چه سؤالهایی باید پرسید. پیش از رسیدن به تیم فروش، یک نفر همه ادعاها را بررسی میکند.
در این صفحه
در یک نگاه
- چه مسئلهای را حل میکند؟
- درخواست تازه معمولاً بدون اطلاعات کافی به تیم فروش میرسد. تحقیق دستی وقتگیر است و خلاصه هوش مصنوعی هم ممکن است حدسها را با لحن مطمئن ارائه کند. خلاصه مستند، جلسه اول را بهتر شروع میکند، بدون اینکه خواسته خریدار را از خودمان بسازیم.
- برای چه تیمهایی مناسب است؟
- تیمهای بازاریابی و فروش B2B که پیش از جلسه آشنایی درباره درخواستهای ورودی تحقیق میکنند.
- ابزارهای این فرایند
- n8n
- HubSpot
- Claude API
- Gemini API
چه چیزهایی لازم دارید
قبل از شروع
- قالب مشخص برای خلاصه: معرفی شرکت، متن درخواست، موارد نامشخص و سؤالهای جلسه
- دسترسی به پرونده مشتری در CRM و فرم درخواست
- فهرست منابعی که برای اطلاعات شرکت به آنها اعتماد دارید
- مدلی که بتواند اسناد طولانی را بخواند (ChatGPT، Claude یا Gemini)
چه اطلاعاتی لازم داریم؟
- متن درخواست، با همان کلمات خود مشتری
- وبسایت شرکت: صفحه اصلی، درباره ما، محصولات و اخبار
- اطلاعات تأییدشده شرکت از ابزار غنیسازی داده، اگر دارید
- اسناد عمومی طولانی مثل گزارش سالانه یا نمونهکارها
این فرایند چطور کار میکند
- ۰۱ · شروعثبت درخواست
- ۰۲ · ابزارجمعآوری اطلاعات شرکت با منبع
- ۰۳ · مرحله هوش مصنوعینوشتن خلاصه یکصفحهای
- ۰۴ · مرحله هوش مصنوعیخواندن اسناد طولانی
- ۰۵ · تصمیم با شمابررسی و اصلاح
- ۰۶ · خروجیثبت خلاصه در CRM
- شروع
- ابزار
- مرحله هوش مصنوعی
- تصمیم با شما
- خروجی
گامبهگام
۰۱ شروع
ثبت درخواست
از فرم ارسالشده و دامنه شرکت شروع میکنیم. خواسته مشتری را کلمهبهکلمه بالای خلاصه نگه میداریم.
۰۲ ابزار
جمعآوری اطلاعات شرکت با منبع
اطلاعات را از سایت شرکت و ارائهدهنده داده جمع میکنیم. برای هر مورد آدرس و تاریخ را ثبت میکنیم و مشاهده را از حدس جدا نگه میداریم.
۰۳ مرحله هوش مصنوعی
نوشتن خلاصه یکصفحهای
متن درخواست و اطلاعات مستند را به مدل میدهیم و خلاصهای ساختاریافته میخواهیم. چیزی که منبع ندارد، بهعنوان واقعیت وارد نمیشود.
پرامپت آماده
تو داری یک فروشنده را برای اولین جلسه با [نام شرکت] آماده میکنی. فقط با استفاده از منابع زیر، یک خلاصه یکصفحهای با این بخشها بنویس: ۱. شرکت چه کاری انجام میدهد (دو یا سه جمله، هر جمله با آدرس منبعش) ۲. چه چیزی از ما خواستهاند، با نقل مستقیم از درخواست ۳. چه چیزهایی را هنوز نمیدانیم (بودجه، زمانبندی، تصمیمگیرندگان، ابزارهای فعلی) ۴. پنج سؤال برای جلسه، هر کدام مرتبط با نکتهای در منابع قاعده: اگر اطلاعاتی در منابع نیست، بنویس «نامشخص». اندازه شرکت، بودجه یا اولویتها را حدس نزن. متن درخواست: [متن درخواست را اینجا بگذارید] منابع: [اطلاعات را همراه با آدرسها اینجا بگذارید]
۰۴ مرحله هوش مصنوعی
خواندن اسناد طولانی
برای گزارش سالانه، نمونهکار یا فایلهای PDF طولانی، از مدلی با ظرفیت متن بالا میخواهیم فقط نکتههای مرتبط با درخواست را با شماره صفحه استخراج کند.
پرامپت آماده
سند پیوستشده [نوع سند] از [نام شرکت] را بخوان. حداکثر پنج نکته را فهرست کن که برای گفتوگو درباره [حوزه خدمت ما] اهمیت دارد. برای هر نکته شماره صفحه و یک نقلقول کوتاه و دقیق بیاور. اگر چیز مرتبطی در سند نیست، همین را بگو.
۰۵ تصمیم با شما
بررسی و اصلاح
هر منبع را باز میکنیم و ادعا را تأیید میکنیم. موارد بیپشتوانه حذف میشوند. اگر خطا از پرامپت بوده، خلاصه با توضیح اصلاح به مرحله نوشتن برمیگردد.
۰۶ خروجی
ثبت خلاصه در CRM
خلاصه بررسیشده روی پرونده مشتری یا فرصت فروش ذخیره میشود؛ جایی که فرد برگزارکننده جلسه اول سراغش میرود.
کجا تصمیم با انسان است
یک نفر هر ادعا را با منبعش تطبیق میدهد و پیش از استفاده تیم فروش، خلاصه را تأیید میکند.
چه محدودیتهایی دارد؟
- اطلاعات عمومی ممکن است قدیمی یا تبلیغاتی باشد.
- از روی وبسایت نمیشود بودجه، فوریت یا تصمیمگیرنده را فهمید.
- مدل جای خالی را با اطمینان پر میکند؛ موارد نامشخص باید نامشخص بمانند.
از کجا بفهمیم جواب میدهد
- هر ادعای مهم به منبعی لینک دارد که میشود بازش کرد.
- فرد فروش میگوید خلاصه روش آمادهشدنش را تغییر داده است.
- زمان آمادهسازی با تحقیق دستی مقایسه میشود.
- اصلاحها ثبت میشوند تا پرامپت بهتر شود.
نمونه ورودی و خروجی
ورودی
نمونه فرضی: یک شرکت تحلیل داده درباره خودکارکردن تحقیق پیش از جلسات سؤال کرده است. تعداد اعضای تیم و بودجهاش مشخص نیست.
خروجی
معرفی کوتاه و مستند شرکت، متن درخواست با کلمات خود مشتری، «بودجه: نامشخص» و چند سؤال درباره تعداد جلسات و روش فعلی تحقیق.
از یک سرنخ تا یک گزارش کاربردی؛ ببینید در هر مرحله چه اتفاقی میافتد و کجا تصمیم با ماست.
۰۱ورود سرنخ
- ورودی
- Aster Analytics، شرکت نرمافزاری کاملاً فرضی: «آمادهسازی برای جلسه فروش باید سریعتر شود.»
- خروجی
- یک کار تحقیقاتی مرتبط با درخواست؛ بدون حدس درباره بودجه یا قصد خرید.
- شواهد
- فرم نمونه ساختهشده برای این نمایش.
درخواست اطلاعات را با فرصت فروش تأییدشده یکی نگیرید.
۰۲تحقیق شرکت
- ورودی
- صفحه فرضی شرکت: نرمافزار گزارشگیری برای تیم عملیات. صفحه تیم ۱۸ نفر را نشان میدهد.
- خروجی
- معلوم: محصول و مخاطب. نامعلوم: تعداد کل کارکنان، درآمد، بودجه و زمان خرید.
- شواهد
- متن فرضی صفحات شرکت و تیم؛ این تحقیق زنده نیست.
شواهد را کنار هر ادعا ذخیره کنید. صفحه تیم معیار قابل اعتمادی برای اندازه شرکت نیست.
۰۳خلاصه مبتنی بر شواهد
- ورودی
- فرم و دو متن منبع نمونه.
- خروجی
- پیشنویس: «شرکت ۱۸ کارمند دارد و آماده سرمایهگذاری در AI است.» هر دو نتیجهگیری بدون پشتوانهاند.
- شواهد
- خروجی عمداً نادرست برای نشان دادن محدودیت مدل.
هر دو ادعا را علامت میزنم. اطلاعات ناقص نباید به قطعیت تبدیل شود.
۰۴پیشنهاد تناسب
- ورودی
- مسئله مشخص: آمادهسازی کند برای جلسه. خدمت مرتبط: گردشکار تحقیق.
- خروجی
- تناسب احتمالی؛ یک کار تکراری با تحویل مشخص. اطمینان تا پیش از گفتوگو محدود است.
- شواهد
- قاعدهای شفاف برای درخواست نمونه؛ نه امتیاز پیشبینی.
با اندازه فرضی شرکت تصمیم نگیرید؛ درباره حجم کار و فرایند فعلی بپرسید.
۰۵بازبینی انسانی
- ورودی
- پیشنویس، منابع و پیشنهاد تناسب.
- خروجی
- نسخه اصلاحشده: «Aster نرمافزار گزارشگیری برای تیم عملیات میسازد. مخاطب آمادهسازی سریعتر میخواهد. اندازه تیم و بودجه نامعلوماند.»
- شواهد
- هر جمله به فرم یا متن منبع قابل ارجاع است.
ادعاهای بیپشتوانه را حذف میکنم و درباره تعداد جلسات و تحقیق لازم میپرسم.
۰۶تحویل به CRM
- ورودی
- خلاصه بازبینیشده، منابع و پرسشهای باز.
- خروجی
- یادداشت مخاطب و یک وظیفه برای مسئول حساب. هیچ پیام خودکاری ارسال نمیشود.
- شواهد
- رکورد CRM نمایشی؛ با هیچ شخص یا حساب واقعی تماس گرفته نمیشود.
مسئول حساب قدم بعدی را انتخاب میکند؛ گردشکار به گفتگوی بهتر کمک میکند.
این نمونه از پیش نوشته شده است؛ تحقیق زنده یا ارسال پیام انجام نمیدهد.
میخواهید این فرایند در تیم شما اجرا شود؟
پیادهسازی فرایندهای بازاریابی با هوش مصنوعی. طراحی و پیادهسازی فرایندهای خودکار، همراه با آزمایش، مستندسازی و آموزش تیم.
فرایندهای مرتبط
چگونه با هوش مصنوعی مصاحبهها و نظرهای مشتریان را تحلیل کنیم و پیام برند را دقیقتر کنیم
پیدا کردن مشکلها، نتیجهها و عبارتهایی که مشتری به کار میبرد، تا تیتر و تبلیغ همان چیزی را بگوید که خریدار در ذهن دارد.
چگونه با هوش مصنوعی رقبا را تحلیل کنیم
مقایسه جایگاه، پیشنهاد و شواهد رقبا کنار هم با یک پرامپت تکرارپذیر، و تطبیق هر ادعا با صفحه منبع.
چگونه به هوش مصنوعی یاد بدهیم با لحن برند ما بنویسد
تبدیل بهترین نوشتههای شما به راهنمای لحنی که ChatGPT، Claude یا Gemini بتوانند دنبالش کنند، و آزمایش آن پیش از استفاده تیم.