پیش‌بینی فروش با هوش مصنوعی DAY – 14

بخش ۱: انواع پیش‌بینی فروش که در ایران استفاده می‌شوند (واقعی، نه کتابی)

۱️⃣ پیش‌بینی بر اساس «عدد ماه قبل + درصد رشد»

رایج‌ترین مدل در ایران

فرمول ذهنی:

فروش ماه قبل × (۱ + یک عدد دلبخواهی)

مثال واقعی:

• ماه قبل: ۵ میلیارد
• پیش‌بینی: ۶ یا ۶.۵ میلیارد

✅ مزیت:

• ساده
• سریع
• برای جلسه مدیریتی قابل ارائه

❌ مشکل جدی:

• هیچ ربطی به رفتار مشتری ندارد
• تغییر بازار، نقدینگی، پیگیری، تیم فروش را نمی‌بیند
• معمولاً آخر ماه «توجیه» می‌خواهد

📌 نتیجه:
این مدل برای تصمیم‌گیری فروش مناسب نیست
فقط برای گزارش نمایشی استفاده می‌شود.

۲️⃣ پیش‌بینی بر اساس تارگت (Target-based Forecast)

خیلی رایج در شرکت‌ها

منطق:

تارگت تعیین شده = پیش‌بینی فروش

❌ مشکل:

• تارگت آرزوست، نه پیش‌بینی
• فشار کاذب روی تیم ایجاد می‌کند
• مدیر فروش را از واقعیت دور می‌کند

📌 نتیجه:
تارگت ابزار مدیریت است، نه ابزار پیش‌بینی

۳️⃣ پیش‌بینی بر اساس قیف فروش (Pipeline Forecast)

مدل حرفه‌ای، اما…

منطق:

• تعداد فرصت‌ها
• مرحله هر فرصت
• احتمال بستن

✅ در تئوری عالی
❌ در ایران مشکل دارد چون:

• CRM ناقص است
• داده‌ها دقیق نیست
• مراحل فروش شفاف نیست
• نیروها Stage را واقعی ثبت نمی‌کنند

📌 نتیجه:
اگر CRM قوی نداری → این مدل دقیق درنمی‌آید

4️⃣ پیش‌بینی بر اساس نظر نیروهای فروش (Bottom-up)

خیلی ایرانی 😄

منطق:

از هر فروشنده بپرسیم «این ماه چقدر می‌فروشی؟»

❌ مشکل:

• خوش‌بینی یا ترس نیرو
• عددسازی برای فرار از فشار
• وابسته به شخصیت، نه داده

📌 نتیجه:
به‌تنهایی قابل اتکا نیست، ولی یک ورودی خوب است

5️⃣ پیش‌بینی بر اساس «وضعیت واقعی مشتری‌ها» (مدل قابل اتکا در ایران) ✅

این همان مدلی است که ما انتخاب می‌کنیم 👇
چرا؟ چون:

• با CRM سنگین هم کار می‌کند
• بدون CRM هم قابل اجراست
• با واتساپ، اکسل، ذهن مدیر فروش سازگار است
• به رفتار واقعی مشتری وابسته است، نه آرزو

بخش ۲: مدل منتخب ما برای ایران

🔹 Forecast بر اساس وضعیت مشتری + رفتار تیم فروش

منطق مدل:

پیش‌بینی فروش یعنی:

جمع احتمال‌های واقعی خرید
نه جمع آرزوها

ما فقط این‌ها را نگاه می‌کنیم:

1. وضعیت مشتری‌ها
2. انضباط پیگیری
3. شرایط بازار

بخش ۳: تعریف وضعیت مشتری (مدل ساده و اجرایی)

ما مشتری‌ها را فقط در این ۳ دسته می‌گذاریم:

🟢 Warm (نزدیک به خرید)

• قیمت و شرایط را می‌داند
• اعتراض‌ها مشخص است
• تصمیم‌گیر در دسترس است

🟡 Thinking (در حال بررسی)

• سؤال دارد
• مقایسه می‌کند
• هنوز قفل نشده

🔴 Delayed (عقب‌افتاده)

• گفته «بعداً»
• پیگیری قطع یا ضعیف
• ریسک بالای از دست رفتن

📌 همین.
نه Stage پیچیده، نه CRM سنگین.

بخش ۴: اجرای واقعی Forecast با کمک AI (تمرین اصلی)

قدم ۱ – داده خام را خودت بنویس (۱۰ دقیقه)

وضعیت فعلی فروش – ماه جاری

- تعداد مشتری Warm: 8
- میانگین خرید هر مشتری Warm: حدود 400 میلیون

- تعداد مشتری Thinking: 12
- میانگین خرید احتمالی: حدود 250 میلیون

- تعداد مشتری Delayed: 10
- احتمال خرید پایین

وضعیت تیم فروش:
- پیگیری: متوسط
- تماس‌ها: نامنظم
- بستن فروش: متوسط

شرایط بازار:
- نقدینگی ضعیف
- حساسیت بالا روی قیمت

📌 این‌ها عدد دقیق نیستند؛ واقعی‌اند.

قدم ۲ – این پرامپت را به AI بده (اصل کار)

من مدیر فروش در ایران هستم.
می‌خواهم یک پیش‌بینی فروش واقعی برای ماه آینده داشته باشم.

داده‌های من:
[اینجا داده خام را پیست کن]

لطفاً:
1. بر اساس این داده‌ها، یک بازه پیش‌بینی فروش بده
   (حداقل – محتمل – خوش‌بینانه)
2. بگو کدام بخش بیشترین سهم را در فروش دارد
3. بگو ریسک اصلی کجاست
4. بگو اگر مدیر فروش بودی:
   - کجا پیگیری را تشدید می‌کردی
   - کجا فشار نمی‌آوردی
   - کجا انتظار را مدیریت می‌کردی

عددسازی نکن.
تحلیل واقعی و متناسب با بازار ایران بده.

بخش ۵: خروجی Forecast چگونه استفاده می‌شود؟

❌ استفاده غلط:

• قول دادن عدد وسط بازه
• فشار به تیم برای عدد خوش‌بینانه

✅ استفاده درست:

• تصمیم‌گیری مدیریتی
• تنظیم انتظار مدیریت بالا
• تمرکز تیم فروش روی مشتری‌های Warm
• کاهش شوک آخر ماه

اینم یه پرامپت حرفه ای پیش بینی فروش

من مدیر فروش یک کسب‌وکار B2B در بازار ایران هستم.
می‌خواهم یک پیش‌بینی فروش واقع‌بینانه و قابل اتکا انجام بدهم،
نه عددسازی و نه پیش‌گویی.

واقعیت‌های بازار من:
– داده‌ها ناقص هستند (CRM کامل نداریم)
– رفتار مشتری‌ها غیرخطی است
– نقدینگی و نوسان قیمت روی تصمیم خرید اثر جدی دارد
– پیش‌بینی باید به‌صورت بازه‌ای باشد، نه عدد قطعی

داده‌های من:

1) Baseline فروش (میانگین 3 ماه اخیر):
[عدد یا حدود عدد]

2) وضعیت مشتری‌ها:
– Warm:
تعداد: […] میانگین خرید احتمالی هر مشتری: […] – Thinking:
تعداد: […] میانگین خرید احتمالی هر مشتری: […] – Delayed:
تعداد: […] میانگین خرید احتمالی هر مشتری: […]

3) رفتار تیم فروش:
– کیفیت پیگیری: ضعیف / متوسط / خوب
– نظم تماس‌ها و جمع‌بندی فروش: توضیح کوتاه

4) شرایط بازار:
– وضعیت نقدینگی بازار: ضعیف / نرمال / خوب
– حساسیت مشتری به قیمت: کم / متوسط / زیاد
– شرایط خاص این ماه (اگر هست): […]

از تو می‌خواهم:

1. بر اساس این داده‌ها، یک پیش‌بینی فروش سه‌حالته ارائه بده:
– Conservative (حداقلی)
– Most Likely (محتمل)
– Optimistic (خوش‌بینانه ولی منطقی)

2. منطق محاسبه را شفاف توضیح بده:
– سهم Baseline
– سهم مشتری‌های Warm / Thinking / Delayed
– اثر رفتار تیم فروش
– اثر شرایط بازار

3. بگو کدام متغیر بیشترین ریسک و بیشترین اهرم رشد را دارد.

4. سناریو بساز:
– اگر پیگیری تیم فروش 20٪ بهتر شود، Forecast چگونه تغییر می‌کند؟
– اگر شرایط بازار سخت‌تر شود، چه بخشی بیشترین آسیب را می‌بیند؟

5. در پایان:
– بگو مدیر فروش کجا باید تمرکز کند
– کجا نباید فشار غیرواقعی وارد کند
– و کدام عدد فقط برای مدیریت انتظار مناسب است

لحن تحلیل:
– حرفه‌ای
– واقع‌گرایانه
– منطبق با بازار ایران
– بدون اغراق، بدون KPI فانتزی، بدون عددسازی

جمله کلیدی روز چهاردهم

پیش‌بینی فروش در ایران
یعنی دیدن واقعیت
نه ساختن عدد