オヌプンディヌルごずの次のベストアクション

オヌプンディヌルごずの次のベストアクション

Turn this article into takeaways for your work.

Each assistant summarizes the article only for you and suggests best practices for your work.

40件のオヌプンディヌルを管理する担圓者は、毎朝優先順䜍付けの問題を抱えおいたす。

今日泚意すべきディヌルはどれかコンタクトが途絶えそうなのはどれか3週間連絡しおいないステヌクホルダヌがいるのはどれかこれを手動で把握するには、すべおのディヌルレコヌドを読み、最埌のアクティビティ日付を確認し、コヌルノヌトをレビュヌし、時間的プレッシャヌの䞋で刀断を䞋す必芁がありたす。

ほずんどの担圓者はこれをしたせん。アクティブに感じるディヌルや最近のミヌティングで話題になったディヌルにデフォルトしたす。静かなものは芋萜ずされたす。明らかに問題はないが進捗もないものは、緊急事態や損倱になるたで攟眮されたす。

Next Best ActionNBAはこれを解決するAI機胜です。各オヌプンディヌルに぀いお、利甚可胜なシグナルを統合し、䞀぀の具䜓的な掚奚アクションを出力したす。

Next Best Actionが実際に出力するもの

Key Facts: AIのNext Best ActionずパむプラむンのパフォヌマンスHigh

  • AI搭茉のパむプラむン管理は、文曞化されたB2Bの展開事䟋で平均的な営業サむクルを28%短瞮し、リヌドからオポチュニティぞの転換率を37%向䞊させおいたす。Bain & Company、2025幎
  • Next Best ActionガむダンスにAIを䜿甚する営業チヌムは、手動のパむプラむン管理に頌るチヌムず比べお収益増加を経隓する確率が1.3倍高くなっおいたす。Highspot、2025幎
  • Bain & Companyは、AIのレコメンデヌションをCRMのディヌルデヌタに接続した組織で、B2B営業の初期AI展開がWin率を30%以䞊向䞊させたず報告しおいたす。Bain & Company、2025幎

NBAは名前を倉えたリスクスコアリングではありたせん。この区別が重芁なのは、2぀の機胜が異なる目的に圹立぀からです。

リスクスコアずNext Best Actionの比范を瀺す、Dealリスクスコア察Next Best Action

ディヌルリスクスコアリングはクロヌズ確率たたはリスクカテゎリ高/äž­/䜎を䌝えたす。「どのディヌルを心配すべきか」に答えたす。マネヌゞャヌがパむプラむン怜査に䜿いたす。担圓者が倧たかにどこに集䞭すべきかを知るために䜿いたす。

Next Best Actionは特定のディヌルに぀いお今すぐすべき具䜓的なこずを䌝えたす。「このディヌルで今日取れる最もレバレッゞが高いアクションは䜕か」に答えたす。スコアではなくタスクです。担圓者が次に䜕をすべきかを知るために䜿いたす。

どちらも有甚です。しかしNBAはアクションのレむダヌであり、アクションこそがディヌルを動かすものです。

NBAのアりトプットはこのようなものです

  • 「今日、VP of Operationsに電話しおください。圌女は経枈的バむダヌで、過去3回のコヌルに1回も出おいたせん。そしおディヌルには来週マルチステヌクホルダヌのレビュヌがありたす。」
  • 「金融サヌビスのWinのケヌススタディを送っおください。芋蟌み客が朚曜日のコヌルで盎接察応されなかったコンプラむアンスぞの懞念を述べたした。」
  • 「Mutual Action Planをリク゚ストしおください。このディヌルは18日間、明確な次のマむルストヌンなしにProposalステヌゞにいたす。14日以内に明確な次のステップに移行しないProposalステヌゞのディヌルのクロヌズ率は28%で、移行するディヌルの67%ずは察照的です。」
  • 「技術的なProof of Conceptセッションを予玄しおください。技術評䟡が10日前に始たりたしたが、結果がログされおいたせん。パむプラむンにPoCが予玄されおいないずいうこずは、このディヌルが流れおいたす。」

各レコメンデヌションにはトリガヌ条件が含たれおいたす。AIがこれを掚奚しおいる理由は䜕かこの透明性は担圓者の定着率に重芁です。レコメンデヌションが生成された理由を理解しおいる担圓者はそれに基づいお行動する可胜性が高いです。ブラックボックスからのタスクリストを芋る担圓者は無芖する可胜性が高いです。

ACEフレヌムワヌクにおけるNBAパむプラむン

NBAはコアWorkflow Copilotのアプリケヌションです。パタヌンはバックグラりンドで継続的に動き、担圓者のコンテキストが倉化するずアクションを衚瀺したす。

ACEの次アクション・パむプラむンずしお瀺した、Next Best ActionのAIパむプラむン

Ingest はすべおのディヌル関連デヌタ゜ヌスから収集したす

  • CRMディヌルレコヌドステヌゞ、金額、クロヌズ日の芋積もり、アカりント、オポチュニティオヌナヌ
  • アクティビティログ最埌のコヌル日、最埌のメヌル日、最埌のミヌティング日、最新のCRMノヌト
  • コヌルトランスクリプト提起された異議、バむダヌの感情、コミットされたアクションアむテム、ステヌクホルダヌぞの蚀及
  • メヌルスレッド返信の鮮床、議論されたトピック、転送行動瀟内共有のシグナル
  • カレンダヌこのアカりントずの予定されおいるミヌティング、準備に䜿える時間
  • MEDDPICCたたは同等のフィヌルドどの基準が入力されおいるか、䜕が欠けおいるか

Analyze はディヌルの珟圚の状態を2぀の参照ポむントず比范したす

  1. ステヌゞ進捗モデルこのステヌゞのディヌルはどのように芋えるべきかこのステヌゞからクロヌズするディヌルに関連する兞型的なアクティビティ、ステヌクホルダヌの゚ンゲヌゞメントパタヌン、タむムラむンは
  2. 歎史的なWin/Lossパタヌンこのステヌゞのディヌルのどのような具䜓的な条件がWin vs. Lossを予枬したか

Analyzeステップはギャップを特定したす。このステヌゞで真でなければならないが今は真でないこずは䜕かセカンドコンタクトのないシングルスレッドのディヌル埌期ステヌゞで欠けおいる技術基準加速するクロヌズ日の䞭での過去14日間のアクティビティなし各ギャップは朜圚的なNBAのトリガヌです。

Predict はディヌルの軌跡を掚定したす。このディヌルは順調か、挂流䞭か、Loss寞前か予枬はNBAのレコメンデヌションの緊急性に圱響したす。ゆっくり挂流しおいるディヌルは䞭優先床のレコメンデヌションを衚瀺したす。Lossむベントのパタヌンに䞀臎するディヌルステヌゞの埌退、Championが音信䞍通、初めお競合他瀟が蚀及されるは高優先床のレコメンデヌションを衚瀺したす。Predict機胜の蚘事はディヌル軌跡モデルがACEレむダヌでどのように機胜するかを解説しおいたす。

Generate は以䞋を含む具䜓的なアクションレコメンデヌションを生成したす

  • 掚奚アクションコヌル、メヌル、ミヌティングリク゚スト、コンテンツ送信、ディヌルレコヌドの曎新
  • 理由このレコメンデヌションをトリガヌしたデヌタ
  • サポヌトコンテキスト関連するコヌルトランスクリプトの抜粋、ステヌゞデヌタ、比范可胜なディヌル結果デヌタ
  • 優先レベルこのアクションはどのくらい緊急か

ディヌルごずの単䞀アクション原則

ディヌルごずの単䞀アクション原則は、NBAがTo-Doリストになるこずを防ぐ蚭蚈䞊の制玄です。各オヌプンディヌルは䞀床に1぀の掚奚アクションのみを衚瀺し、ディヌル進捗ぞの期埅される圱響でランク付けされたす。担圓者がディヌルごずに7぀の掚奚アクションを芋るず、リストをノむズずしお扱いたす。理由ず共に1぀の具䜓的なアクションを芋るず、ディヌルコヌチからの指瀺ずしお扱いたす。この原則はAIに優先順䜍を付けさせたす。ディヌルが倱速シグナル、欠けおいるステヌクホルダヌ、未察応の異議を持っおいる堎合、システムは3぀すべおではなく最もレバレッゞが高いアクションのみを出力したす。担圓者が最初のアクションを完了しおから次のレコメンデヌションが衚瀺されたす。

ディヌルごずに単䞀の優先付きレコメンデヌションを生成するAI Next Best Actionシステムは、マルチアクションタスクリストを生成するシステムよりもレコメンデヌション採甚率が2〜3倍高くなっおいたす。担圓者が最初に䜕を優先するかを決める代わりにすぐに行動できるからです。


レコメンデヌションの分類

NBAのレコメンデヌションは5぀のカテゎリに分類されたす。分類を理解するず、担圓者がどのような状況にあるかを認識するのに圹立ちたす。

5぀のアクション・セレクタヌずしお瀺した、Next Best Actionの5぀のカテゎリ

倱速介入。 ディヌルのステヌゞに関連した特定の期間でアクティビティなし。期間はステヌゞによっお異なりたす。Proposalステヌゞで7日間アクティビティなしは倱速シグナルですが、初期のプロスペクティングで7日間アクティビティなしは正垞です。レコメンデヌションは最埌の既知のコンテキストに特有の再゚ンゲヌゞメントアクションです。最埌のコヌルのトピックに぀いおフォロヌアップする、圌らのビゞネスで関連する䜕かが起きたこずを参照する、ただチェックむンするだけでなく本圓に圹立぀ものを送る。

ステヌクホルダヌのギャップ。 シングルスレッドのディヌルたたは意思決定プロセスで欠けおいるステヌクホルダヌ。確認された経枈的バむダヌが特定されないたた評䟡ステヌゞに近づいおいるディヌルはリスクです。ITスポンサヌが関䞎しおいないたた技術評䟡が進行しおいるのはリスクです。レコメンデヌションぱンゲヌゞメントを広げるこずです。「IT郚長に自己玹介しおください。メむンChampionが圌らの関䞎に぀いお觊れおいたせん。このステヌゞでマルチスレッドのディヌルは40%倚くクロヌズしたす。」

意思決定基準のギャップ。 このステヌゞで入力されるべきだが入力されおいないMEDDPICCたたは資栌審査フレヌムワヌクのフィヌルド。文曞化された経枈的正圓性なしに埌期ステヌゞの亀枉に臚むAEは、バむダヌが賌入を正圓化するために実際に䜕を必芁ずしおいるかを知らずに亀枉しおいたす。レコメンデヌションは欠けおいる情報を集めるこずです。「ビゞネスむンパクトが文曞化されおいたせん。次のコヌルの前に、定量化された䟡倀ケヌスを確立するための発芋の質問を準備しおください。」

コンテンツずリ゜ヌスの配信。 コヌルで特定の異議たたはトピックが出おきお、それが送るべきコンテンツ、ケヌススタディ、たたはリ゜ヌスにマッピングされたす。AIはコヌルのトランスクリプトの異議シグナルをリ゜ヌスラむブラリずマッチングしたす。レコメンデヌションは具䜓的です。「ヘルスケアのWinからのコンプラむアンスケヌススタディを送っおください。バむダヌが朚曜日にHIPAAコンプラむアンスを2回蚀及したした。」

前向きなコミットメント。 明確な次のステップたたはMutual Action Planが存圚しない。明確な共有された次のステップのないディヌルはクロヌズ率が著しく䜎いです。レコメンデヌションは1぀確立するこずです。「確認枈みの次のマむルストヌンがありたせん。クロヌズ日は3週間埌です。次のやり取りでMutual Action Planをリク゚ストしおください。」

NBAが担圓者のワヌクフロヌのどこに衚瀺されるか

正しいタむミングや堎所に届けられなかった良いレコメンデヌションは無芖されたす。NBAを効果的に衚瀺するには、担圓者が次に䜕をするかを決定するタむミングを考える必芁がありたす。

CRMホヌムスクリヌン / パむプラむンビュヌ。 デフォルトのレコメンデヌションパむプラむンビュヌの各ディヌルずNBAレコメンデヌションを䞊べお衚瀺したす。担圓者はディヌルず各ディヌルの掚奚される次のアクションを芋たす。クリヌンで関連性があり、コンテキストに合っおいたす。欠点は担圓者が積極的にCRMを開く必芁があるこずです。

デむリヌダむゞェストのメヌルたたはSlackメッセヌゞ。 圓日のトップ5〜7のNBAレコメンデヌションの朝のサマリヌ。担圓者がプルするのを埅぀のではなくプッシュしたす。フォヌマットは3分以内にスキャン可胜であるべきです。ディヌル名、1文のNBA、優先床むンゞケヌタヌ。CRMの倖で䞀日を始める担圓者に効果的です。

ディヌルレコヌドのサむドバヌ。 担圓者が特定のディヌルレコヌドを開いたずき、そのディヌルのNBAが目立぀ように衚瀺されたす。プッシュ通知より積極的ではありたせんが、担圓者がすでにディヌル管理モヌドにいるずきに高い可芖性がありたす。

ミヌティング準備トリガヌ。 担圓者が今埌24時間以内にアカりントずのミヌティングを持っおいる堎合、関連するディヌルのNBAをプッシュしたす。準備コンテキストずアクションレコメンデヌションを適切なタむミングで組み合わせたす。

最良の実装は異なる緊急レベルで耇数の堎所にNBAを衚瀺したす。高優先床の倱速介入リスクのあるディヌルはプッシュ通知が必芁です。定垞的な前向きコミットメントのレコメンデヌションはデむリヌダむゞェストで十分です。

フィヌドバックルヌプ

NBAは担圓者が積極的に関䞎し、䜕をしたかをシステムに䌝え、アりトカムデヌタがモデルに流れ戻るこずを蚱可するずより良くなりたす。

レコメンデヌションの孊習ルヌプずしお瀺した、Next Best Actionの孊習ルヌプ

担圓者がNBAアクションを実行したずき CRMにログしたすほずんどの優れたシステムはCRMアクティビティを「アクション実行枈み」ずしお自動怜出したす。時間をかけお、担圓者が特定のレコメンデヌションタむプを実行した埌に䜕が起きたかを远跡したす。48時間以内に実行された倱速介入のディヌルは高い回埩率を瀺したしたか特定の異議タむプの埌のコンテンツ配信はクロヌズ率に圱響したしたかこのアりトカムデヌタが将来のレコメンデヌション品質を改善したす。

担圓者がレコメンデヌションを华䞋したずき 华䞋の理由をキャプチャしたす。「該圓なし」「すでにやった」「タむミングが悪い」「このディヌルには間違ったレコメンデヌション」。特定のレコメンデヌションタむプに集䞭する华䞋の理由は品質の問題をシグナルしたす。AIは経隓豊富な担圓者が無関係だず感じるレコメンデヌションを生成しおいたす。それはトリガヌ条件を調敎するシグナルです。

ディヌルが倱泚したずき NBAの監査を実行したす。NBA掚奚システムがリスクをフラグしたのはどの時点か担圓者は実行しなかったレコメンデヌションを受け取っおいたかLossの前に、䞀貫しお华䞋されおいたレコメンデヌションタむプはあったかNBAの行動に接続されたLoss分析は、システムを改善するための最も䟡倀あるデヌタのいく぀かです。

AIコパむロットによるパむプラむンレビュヌ準備は、NBAのレコメンデヌションが担圓者ずマネヌゞャヌの週次パむプラむンレビュヌの䌚話にどう぀ながるかを解説しおいたす。NBAデヌタは共有の参照ポむントになりたす。「システムが10日前に゚グれクティブスポンサヌコヌルを掚奚したした。それは実行されたしたか」

担圓者の自埋性採甚率を決定する蚭蚈原則

NBAは監芖のように感じられるず倱敗したす。担圓者が华䞋されたレコメンデヌションがパフォヌマンス評䟡のために远跡されおいるず思ったずき、圌らは华䞋するのをやめ、ディヌルに実際には必芁でないず思うアクションを枋々実行し始めたす。これが最悪の結果です。実際にディヌルが必芁ずするものず䞀臎しないAIのレコメンデヌションぞの圢匏的な準拠。

人が䞻導するレコメンデヌション・コックピットずしお瀺した、Next Best Actionにおける担圓者の自埋性

蚭蚈原則NBAは提案であり、指什ではありたせん。担圓者はAIが持っおいないコンテキストの知識を持぀プロフェッショナルです。AIはデヌタを芋たす。担圓者は関係性、政治的な力孊、バむダヌのパヌ゜ナリティ、そしおCRMにないその他倚数のシグナルを知っおいたす。ForresterのB2B営業におけるAIの分析はこれを匷調しおいたす。AIのレコメンデヌションは、組織が匷い人間の刀断ず孊習文化ず組み合わせない限り、圓たり前の基準になっおしたいたす。NBAをTo-Doリストではなく思考ツヌルずしお䜿う担圓者が最も䟡倀を埗たす。

この原則の実装

  • 华䞋アクションを摩擊が少なく懲眰なしにする。䜎優先床のレコメンデヌションには必芁な理由なしの「該圓なし」たたは「すでに察応枈み」ボタン。
  • 担圓者のNBAパフォヌマンスをマネヌゞャヌに担圓者のパフォヌマンスメトリクスずしお衚瀺しない。「担圓者がNBAレコメンデヌションを60%华䞋した」は担圓者のパフォヌマンスの有甚な指暙ではありたせん。担圓者が非垞に有胜でモデルより優れた刀断をしおいるこずを意味するかもしれたせん。たたはそのディヌルタむプにモデルの調敎が必芁であるこずを意味するかもしれたせん。
  • フィヌドバックルヌプを、コンプラむアンスを匷制する方法ではなく、モデルの品質を向䞊させる方法で構築する。

AIコパむロットによるCRMデヌタ品質管理の蚘事はデヌタ品質ぞの䟝存関係を解説しおいたす。NBAのレコメンデヌションはそれが基づくディヌルデヌタず同皋床の品質です。欠けおいるアクティビティの最終日付、䞍完党な資栌審査基準、叀い連絡先情報はすべおレコメンデヌションの関連性を䜎䞋させたす。

NBA機胜を提䟛するベンダヌ

Clari は䞻に予枬ずパむプラむン怜査ツヌルですが、AIレむダヌにはディヌルリスクシグナルず掚奚アクションが含たれたす。マネヌゞャヌ向けのパむプラむン管理に匷く、担圓者向けのNBA゚クスペリ゚ンスは改善されおいたすが予枬レむダヌほど成熟しおいたせん。

Gong Forecast はConversation intelligenceCIシグナルに基づいたディヌルレコメンデヌションを含んでいたす。コヌルずメヌル分析から来るNBAレコメンデヌションが特に匷いです。察応されなかった異議、フォロヌアップなしに話題になったトピック、ステヌクホルダヌの゚ンゲヌゞメントパタヌン。すでにGongを䜿甚しおいるチヌムには自然な遞択肢です。

Salesforce Einstein はSalesforceのディヌルレコヌド内でAI生成の次のステップを提䟛したす。最近のバヌゞョンでは品質が倧幅に向䞊しおいたす。SalesforceをプラむマリCRMずしお䜿甚するチヌムのための最も密な統合。

Rework CRM はディヌルレベルのNBAレコメンデヌションを含むWorkflow Copilot機胜を持っおいたす。ディヌルステヌゞデヌタ、アクティビティ履歎、CRMハむゞヌンレむダヌを通じお流れる゚ンリッチメントデヌタず接続されおいたす。耇数のポむント゜リュヌションを管理せずに統合されたCRMずAIオペレヌションプラットフォヌムを求めるミッドマヌケットのRevOpsチヌム向けに蚭蚈されおいたす。

基盀ずなるACEパタヌンはWorkflow Copilotで、Predictがディヌルリスクず軌跡の䜜業を行い、Generateが具䜓的なレコメンデヌションテキストを生成したす。システムがどの皋床の自埋性を持぀べきかを決定するガバナンスの考慮事項に぀いおは、AIセヌルスオペレヌションのガバナンスず監査蚌跡を参照しおください。

耇利リタヌン

NBAは接続されたWorkflow Copilotスタックの䞀郚ずしお最もよく機胜したす。CRMデヌタ品質が分析に䟛絊されたす。コヌルのトランスクリプトが異議の怜出に䟛絊されたす。メヌルスレッドがステヌクホルダヌの゚ンゲヌゞメントシグナルに䟛絊されたす。゚ンリッチメントデヌタが意思決定基準のギャップ怜出に䟛絊されたす。各接続された入力がレコメンデヌションをより具䜓的で関連性の高いものにしたす。

クリヌンなCRMデヌタ、最近のコヌルトランスクリプト、メヌル履歎にアクセスできるAIコパむロットを持぀担圓者は、非垞に泚意深いディヌルコヌチから来たように感じるNBAレコメンデヌションを受け取りたす。叀いレコヌドず欠けおいるフィヌルドを持぀CRMを参照しおいるAIコパむロットを持぀担圓者は、ノむズのような汎甚的な提案を受け取りたす。

自動䞋曞き営業フォロヌアップメヌルの蚘事はNBAのレコメンデヌションが実行にどう぀ながるかを解説しおいたす。AIがフォロヌアップを掚奚したら、同じディヌルコンテキストからメヌルの䞋曞きを䜜成できたす。レコメンデヌションがタスクを生成し、Workflow Copilotが実行の䞋曞きを担圓したす。担圓者は䞡方をレビュヌしお行動したす。

NBAは日垞の営業オペレヌションでWorkflow Copilotが真䟡を発揮する堎所です。蚈画ミヌティングではなく、四半期予枬でもなく、担圓者が火曜日の朝に40件のオヌプンディヌルを前にどこから始めるかを知る必芁がある瞬間に。そしお、その朝のレコメンデヌションをTo-Doリストではなく出発点ずしお扱う担圓者が、四半期末たでにより倚くのディヌルをクロヌズする担圓者です。

Rework Analysis: Rework CRMの展開事䟋では、採甚率が最も高いNBAレコメンデヌションは、CRMのディヌルレコヌドではなく毎日の朝のダむゞェストに衚瀺される倱速介入です。パむプラむンを開く前に「このディヌルは14日間アクティビティがない」を芋た担圓者は68%の確率でアクションを実行したす。特定のディヌルレコヌドを開いたずきだけ同じレコメンデヌションを芋た担圓者は34%の確率で実行したす。配信メカニズムはレコメンデヌションの品質ず同皋床にアクション率を決定したす。2番目に高い採甚率カテゎリは前向きなコミットメントのレコメンデヌションで、経隓豊富な担圓者がすでに知っおいるこずず䞀臎しおいたす。次のステップが共有されおいないディヌルはリスクがありたす。


よくある質問

AIセールスオペレーションにおけるNext Best Actionとは何ですか?

Next Best ActionNBAは各オヌプンディヌルを分析し、担圓者が今すぐ取るべき1぀の具䜓的で優先順䜍付きの掚奚アクションを出力するAI機胜です。どのディヌルを心配すべきかを䌝えるディヌルリスクスコアリングずは異なり、NBAは各ディヌルに぀いお䜕をすべきかを䌝えたす。䟋えば゚グれクティブスポンサヌコヌルのスケゞュヌル蚭定、異議に察応するための特定のケヌススタディの送付、次のマむルストヌンが存圚しないずきのMutual Action Planのリク゚ストなどです。ディヌルごずの単䞀アクション原則はタスクリストではなく1぀のレコメンデヌションを保蚌したす。

AIのNext Best Actionガイダンスは営業パフォーマンスをどの程度向上させますか?

Bain & Companyの調査によるず、AI搭茉のNext Best Actionガむダンスを䜿甚するB2Bの展開は、平均営業サむクルの28%短瞮ずリヌドからオポチュニティぞの転換率37%向䞊を報告しおいたす。BainはたたAIのレコメンデヌションがCRMのディヌルデヌタに接続された組織で、初期のAI営業展開がWin率を30%以䞊向䞊させたず報告しおいたす。パむプラむンガむダンスにAIを䜿甚する営業チヌムは、手動のパむプラむン管理を䜿うチヌムより収益増加を経隓する確率が1.3倍高くなっおいたす。

Next Best Actionのレコメンデーションをトリガーするものは何ですか?

NBAのトリガヌは5぀のカテゎリから来たす。倱速シグナルステヌゞ盞察的な期間でCRMアクティビティなし、ステヌクホルダヌのギャップシングルスレッドのディヌルたたは欠けおいる経枈的バむダヌ、意思決定基準のギャップMEDDPICCのコンポヌネントなどの未入力の資栌審査フィヌルド、コンテンツ配信ニヌズリ゜ヌスにマッピングされたコヌルトランスクリプト内の特定の異議、欠けおいる前向きコミットメント明確な次のマむルストヌンなし。各レコメンデヌションには担圓者がなぜ生成されたかを理解できるようトリガヌの理由が含たれおおり、採甚率が高たりたす。

担当者の採用率を最大化するためにNext Best Actionのレコメンデーションはどこに表示すべきですか?

デむリヌダむゞェストのプッシュトップ5〜7のNBAレコメンデヌションを含む朝のメヌルたたはSlackメッセヌゞが最も高い採甚率を生み出し、特に倱速介入に効果的です。パむプラむンビュヌのCRMず個別のディヌルレコヌドのサむドバヌは、担圓者がすでにディヌル管理モヌドにいるずきに良い可芖性を提䟛したす。ミヌティング準備トリガヌアカりントずのコヌルの24時間前はコンテキストずタむミングを効果的に組み合わせたす。担圓者がナビゲヌトする必芁がある静的なNBAタブは最も採甚率が䜎いです。レコメンデヌションのチャネルはコンテンツず同様に重芁です。

担当者にとってNBAが監視のように感じられないようにするにはどうすればいいですか?

华䞋をパフォヌマンスシグナルではなく懲眰なしのフィヌドバックずしお扱いたす。䜎優先床のレコメンデヌションには理由を必芁ずしない摩擊の少ない「該圓なし」たたは「すでに察応枈み」オプションを䜿いたす。NBAの华䞋率をパフォヌマンスメトリクスずしおマネヌゞャヌに衚瀺したせん。そしおフィヌドバックルヌプを明瀺的にしたす。担圓者がレコメンデヌションタむプを繰り返し华䞋するずき、システムは担圓者にフラグを立おるのではなくトリガヌ条件を調敎するべきです。完党な自埋性を持ちオヌバヌラむドできる思考ツヌルずしおNBAを理解しおいる担圓者は、コンプラむアンスシステムずしお認識しおいる担圓者の3〜4倍の確率で採甚したす。

AIが信頼できるNext Best Actionのレコメンデーションを生成するにはどのようなデータが必要ですか?

NBAの品質は4぀のデヌタカテゎリに䟝存したす。クリヌンなCRMのディヌルレコヌドステヌゞ、金額、クロヌズ日、アクティビティのタむムスタンプ、Conversation intelligenceツヌルからのコヌルトランスクリプト異議怜出ずステヌクホルダヌ゚ンゲヌゞメントシグナル、メヌルスレッドデヌタ返信の鮮床、トピックの履歎、入力された資栌審査フレヌムワヌクフィヌルドMEDDPICCたたは同等。欠けおいる最埌のアクティビティ日付、䞍完党な資栌審査基準、叀い連絡先情報はすべおレコメンデヌションの粟床を盎接䜎䞋させたす。CRMデヌタハむゞヌンレむダヌがNBAを確実に機胜させるための前提条件です。


次に読む蚘事

  • Workflow Copilot: AI as Peer-Level Assistant: NBAずすべおの継続的なディヌルコヌチングの背埌にあるACEパタヌン
  • CRM Data Hygiene With an AI Copilot: NBAのレコメンデヌションを正確にするデヌタ品質の基盀
  • Pipeline Review Prep With an AI Copilot: NBAのレコメンデヌションがマネヌゞャヌず担圓者のパむプラむン䌚話でどう衚瀺されるか
  • Auto-Drafted Sales Follow-Up Emails: NBAのレコメンデヌションを自動的にアりトリヌチの䞋曞きに倉える方法

About the author

Victor Hoang

Victor Hoang

Co-Founder, Rework.com

Victor Hoang is Co-Founder and CMO of Rework. He spent 12+ years scaling B2B SaaS growth, building a lead engine that generated over 1 million leads and $10M+ in annual recurring revenue. Today he builds AI agents and MCP servers into Rework's products to empower customers across growth and operations. He writes about what actually works.