Sales

एआई पूर्वानुमान (जीतने की संभावना)

आपके अपने इतिहास पर प्रशिक्षित एक मॉडल प्रत्येक खुले अवसर के जीतने की संभावना का पूर्वानुमान लगाता है, बिना किसी एआई लागत के।

"एआई पूर्वानुमान" पेज (साइड मेनू में) आपके जीते और हारे हुए अवसरों के इतिहास का उपयोग यह जानने के लिए करता है कि कौन-सी विशेषताएं जीत की ओर ले जाती हैं और उसके आधार पर, प्रत्येक खुले अवसर के बंद होने की संभावना का अनुमान लगाता है।

यह कैसे काम करता है

मॉडल स्वचालित रूप से पहले से बंद हो चुके अवसरों (जीता/हारा) पर प्रशिक्षित होता है।
यह स्टेज, स्रोत, बिक्री प्रकार, प्राथमिकता और मूल्य सीमा जैसी विशेषताओं का विश्लेषण करता है।
प्रत्येक खुले अवसर को जीतने की संभावना और एक श्रेणी (उच्च, मध्यम, निम्न) मिलती है।
"भारित पाइपलाइन" खुली डील्स के मूल्य को अनुमानित संभावना से गुणा करके जोड़ता है, जिससे आपको एक यथार्थवादी पूर्वानुमान मिलता है।

स्क्रीन उन कारकों को भी दिखाती है जो जीत के पक्ष और विपक्ष में सबसे अधिक वजन रखते हैं, जो आपके इतिहास से सीखे गए हैं।

💡 मॉडल को प्रशिक्षित होने के लिए न्यूनतम इतिहास (लगभग 10 बंद डील्स) की आवश्यकता होती है। आप जितने अधिक अवसरों को जीता/हारा के रूप में बंद करेंगे, पूर्वानुमान उतना ही बेहतर होगा।

चर्न जोखिम

उसी पेज पर, "चर्न जोखिम" सेक्शन आपके खोए हुए खातों (लाइफसाइकल "Lost" या प्रकार "Churn") बनाम बनाए रखे गए खातों के इतिहास से सीखता है और प्रत्येक सक्रिय खाते के रद्द होने के जोखिम का अनुमान लगाता है। यह हेल्थ और नवीनीकरण स्थिति जैसे अग्रणी संकेतों का उपयोग करता है, और खातों को सबसे अधिक से सबसे कम जोखिम के क्रम में सूचीबद्ध करता है।

विस्तार और डाउनग्रेड की प्रवृत्ति

वही इंजन भविष्यवाणी करता है कि कौन-से खाते EXPAND (अपसेल/क्रॉस-सेल) होने की सबसे अधिक संभावना रखते हैं और कौन-से DOWNGRADE/सिकुड़ने की। यह आपके वास्तविक राजस्व परिवर्तन इतिहास से सीखता है: समय के साथ सब्सक्रिप्शन के MRR विस्तार और संकुचन। फीचर्स खाते की विशेषताएं हैं (टियर, आकार, उद्योग, हेल्थ, नवीनीकरण स्थिति, प्लान)। कोपायलट से पूछें "किन ग्राहकों में विस्तार की संभावना है?" या "कौन डाउनग्रेड कर सकता है?" और यह खातों को सबसे अधिक से सबसे कम स्कोर के क्रम में सूचीबद्ध करता है, साथ ही भविष्यवाणी को प्रेरित करने वाले संकेतों के साथ।

💡 मॉडल सब्सक्रिप्शन के MRR परिवर्तनों के इतिहास पर प्रशिक्षित होता है। यदि आप अभी तक सब्सक्रिप्शन ऑब्जेक्ट का उपयोग नहीं करते हैं या कुछ ही विस्तार/संकुचन दर्ज हैं, तो सैंपल अपर्याप्त होता है और परिणाम को अप्रशिक्षित के रूप में चिह्नित किया जाता है, बिना संख्याएं गढ़े।

नवीनीकरण पूर्वानुमान और भविष्य का राजस्व

कोपायलट से पूछें "कौन-से कॉन्ट्रैक्ट नवीनीकृत होंगे?" या "हमारे पास कितना MRR/ARR होगा?"। यह वर्तमान सक्रिय MRR और औसत शुद्ध वृद्धि (नया + विस्तार − संकुचन − चर्न) से आने वाले महीनों के लिए MRR/ARR का अनुमान लगाता है और आपके इतिहास (सक्रिय बनाम रद्द सब्सक्रिप्शन) पर प्रशिक्षित होकर प्रत्येक सक्रिय सब्सक्रिप्शन की नवीनीकरण संभावना का अनुमान लगाता है, उन्हें सबसे कम से सबसे अधिक (सबसे अधिक जोखिम वाले पहले) क्रम में सूचीबद्ध करता है। प्रत्येक पंक्ति में खाते की नवीनीकरण स्थिति से प्राप्त एक कॉन्ट्रैक्ट-जोखिम सब-स्कोर भी होता है। फीचर्स प्लान, अवधि और खाते की विशेषताओं (टियर, आकार, उद्योग, हेल्थ, नवीनीकरण स्थिति) पर विचार करते हैं।

💡 सब कुछ स्थानीय रूप से गणना की जाती है, बिना किसी एआई लागत के। MRR परिवर्तन इतिहास के बिना प्रोजेक्शन सपाट रहता है, और कुछ ही हल की गई सब्सक्रिप्शन के साथ मॉडल को अप्रशिक्षित के रूप में चिह्नित किया जाता है, बिना संख्याएं गढ़े।

पूर्वानुमान विश्वसनीयता (ऐतिहासिक त्रुटि और भिन्नता)

पूछें "मेरा पूर्वानुमान कितना विश्वसनीय है?" या "क्या मैं कमिट पूरा कर रहा हूं?"। ऐतिहासिक त्रुटि (MAPE) भविष्यसूचक मॉडल का बैकटेस्ट करती है, प्रत्येक अवधि के लिए पूर्वानुमान (मूल्य × संभावना का योग) की तुलना वास्तव में प्राप्त हुए (जीती गई डील्स) से करती है। भिन्नता घोषित पूर्वानुमान (कमिट और बेस्ट केस श्रेणियों) की तुलना वास्तव में प्राप्त हुए से करती है, यह दिखाते हुए कि आपने जो कमिट किया था उससे बेहतर किया या कम।

💡 चूंकि सिस्टम अभी तक प्रत्येक दिन के पूर्वानुमान का सेव किया हुआ स्नैपशॉट संग्रहीत नहीं करता है, MAPE की गणना पूरे इतिहास पर की जाती है (एक आशावादी अनुमान) और भिन्नता रिकॉर्ड की वर्तमान श्रेणी का उपयोग करती है। प्रत्येक उत्तर में एक आधार फ़ील्ड होता है जो सीमा को समझाता है, ताकि आप संख्या को सही संदर्भ के साथ पढ़ें।

उत्पाद सिफारिश (सर्वोत्तम प्रस्ताव और क्रॉस-सेल)

कोपायलट यह भी सिफारिश करता है कि प्रत्येक खाते को कौन-सा उत्पाद ऑफर किया जाए, "जिन खातों ने X खरीदा उन्होंने Y भी खरीदा" की शैली में। यह आपके वास्तविक बिक्री इतिहास को देखता है: प्रत्येक ग्राहक के लिए, वे उत्पाद जो वे पहले ही जीत चुके हैं (जीते गए अवसर और अवसर लाइन आइटम)। उत्पादों के बीच सह-घटना से, यह खाते को वे उत्पाद सुझाता है जो समान ग्राहकों ने खरीदे और जो उसके पास अभी तक नहीं हैं, सबसे अधिक से सबसे कम स्कोर (विश्वास गुणा आवृत्ति) के क्रम में। प्रत्येक सुझाव को क्रॉस-सेल (दूसरी श्रेणी का उत्पाद), अपसेल (पहले से खरीदी गई श्रेणी, अधिक कीमत) या अगला उत्पाद के रूप में वर्गीकृत किया जाता है, कारण के साथ ("A खरीदने वाले 60% खातों ने B भी खरीदा")।

किसी विशिष्ट खाते के लिए "मुझे इस खाते को क्या ऑफर करना चाहिए?" पूछें या टीम की कतार पाने के लिए "सर्वश्रेष्ठ क्रॉस-सेल अवसर क्या हैं?" पूछें, प्रत्येक खाते के लिए सर्वोत्तम प्रस्ताव के साथ।

💡 सिफारिश आपके अपने इतिहास से आती है। कुछ ही बिक्री या साथ में न खरीदे गए उत्पादों के साथ, सूची खाली आती है: सिस्टम एक ऐसा जोड़ा नहीं गढ़ता जो आपका डेटा नहीं दिखाता।

विसंगतियां

"पहचानी गई विसंगतियां" ब्लॉक साप्ताहिक संकेतकों (बनाए गए अवसर और लीड, जीती गई डील्स) को ट्रैक करता है और उन हफ्तों को चिह्नित करता है जिन्होंने पैटर्न तोड़ा, उदाहरण के लिए लीड में तेज गिरावट या जीत में उछाल। पहचान एक मजबूत z-स्कोर (मीडियन + मीडियन एब्सोल्यूट डेविएशन) का उपयोग करती है, जो चरम मूल्यों के प्रति प्रतिरोधी है।

लाइव व्यू से परे, शेड्यूलर स्वचालित रूप से पहचान चलाता है और जब कोई नई विसंगति सामने आती है तो एडमिन को सूचित (बेल नोटिफिकेशन) करता है। प्रत्येक विसंगति के लिए केवल एक बार अलर्ट भेजा जाता है: उसी संकेतक के उसी सप्ताह के लिए दोबारा अलर्ट कभी नहीं भेजा जाता। पेज पर "विसंगति इतिहास" वह सब कुछ सूचीबद्ध करता है जो पहले ही पहचाना और अलर्ट किया जा चुका है।

सेटिंग्स > संगठन में आप अलर्ट को चालू या बंद कर सकते हैं, संवेदनशीलता (z-स्कोर थ्रेशोल्ड; कम = अधिक संवेदनशील) को समायोजित कर सकते हैं और यह चुन सकते हैं कि किन संकेतकों की निगरानी करनी है। डिफ़ॉल्ट रूप से यह पहले से ही चालू है, संवेदनशीलता 2.5 और सभी तीन संकेतकों के साथ।

स्मार्ट रूटिंग

"स्मार्ट रूटिंग" सेक्शन सेल्स रेप्स को उनकी ऐतिहासिक जीत दर (स्मूद किया गया, ताकि एक छोटा सैंपल इसे विकृत न करे) और उनके वर्तमान लोड के आधार पर रैंक करता है। नई लीड को उस व्यक्ति की ओर निर्देशित करने के लिए रैंकिंग का उपयोग करें जिसके कन्वर्ट करने की सबसे अधिक संभावना है, वितरण को संतुलित करते हुए।

💡 सब कुछ आपके डेटा से स्थानीय रूप से गणना की जाती है। यह किसी बाहरी एआई प्रदाता का उपयोग नहीं करता और कोई लागत उत्पन्न नहीं करता।

इस लेख को सिस्टम के भीतर खोलें →