تقييم العملاء المحتملين بـ LLM: برومبتات، خطوط أنابيب، والمزالق التي لا يحذّر منها أحد

تقييم العملاء بالقواعد هش. تخطئ في وزن واحد (مثلًا "العنوان يحتوي على Director = +١٠") وتشحن خردة للمبيعات لشهر قبل اكتشافها. نماذج اللغة تتعامل مع التفكير الضبابي الذي يستخدمه البشر حدسيًا — "عنوان وظيفة هذا العميل غريب لكن ملف الشركة ونمط توقيع الإيميل يصرخان بميزانية مؤسسة".

العيب: نماذج اللغة أيضًا تقيّم الخردة بثقة عندما تُعدّها بشكل خاطئ. إليك المسار الذي يعمل.

خط الأنابيب الأدنى

عميل جديد ← تخصيب ← تقييم بـ Claude ← تعيين طبقة ← دفع لـ CRM

برومبت التقييم هو الجزء المهم. كل شيء آخر سباكة.

برومبت التقييم الذي لا يكون سيئًا

أنت محلّل تطوير مبيعات B2B تقيّم عملاء واردين لـ [الشركة]
التي تبيع [المنتج] لـ [ICP].

بناءً على بيانات العميل أدناه، أرجع JSON بـ:
- score: ١-١٠٠
- tier: "hot" | "warm" | "cool" | "junk"
- reasoning: ٢-٣ جمل
- top_risk: الشيء الواحد الذي يجعل هذا العميل لا يتحوّل

بيانات العميل:
[ملف مُغنَى]

معيار التقييم:
- ملاءمة العنوان (٠-٢٥): هل هذا الشخص له سلطة + ميزانية لسعرنا؟
- ملاءمة الشركة (٠-٢٥): هل الشركة بالحجم، المرحلة، الصناعة الصحيحة؟
- إشارة النية (٠-٢٥): ما الدليل أنهم يتسوّقون بنشاط؟
- جودة التفاعل (٠-٢٥): ما جودة كيف وصلونا؟

كن صادقًا في `top_risk`. عميل يبدو رائعًا مع علامة أنه يضرب الإطارات يجب أن يقيّم تحت عميل متوسّط بنية قويّة.

المزلق #١: النموذج يحبّ عملاءك أكثر من اللازم

السلوك الافتراضي لـ LLM إيجاد أسباب لكون كل شيء جيدًا. بعد أسبوعين، ستلاحظ ٧٠٪ من عملائك يقيَّمون "warm" أو أعلى. هذا انحراف معايرة.

الإصلاح: أرسِ البرومبت بأمثلة. أضف:

حالات مرجعية (هذه تقيّم من بياناتك السابقة):
- [الصق ٣ عملاء سابقين hot أُغلقوا]
- [الصق ٣ عملاء سابقين warm احتاجوا تنشيط]
- [الصق ٣ عملاء سابقين junk أهدروا وقت SDR]

الأمثلة few-shot تشدّ معايرة النموذج نحو واقعك الفعلي.

المزلق #٢: إشارات مهلوسة

النموذج سيخترع أحيانًا أشياء "رآها" في البيانات. "جولة تمويلهم تشير إلى أنهم يتوسّعون" — لكن لا بيانات تمويل في الإدخال. هذه هلوسة بزيّ استدلال.

الإصلاح: اطلب من النموذج اقتباس البيانات المصدر لكل بُعد تقييم. إن لم يستطع الاقتباس، لا يستطيع تقييم ذلك البُعد.

المزلق #٣: النموذج يسوء مع الوقت (بصمت)

بعد ثلاثة أشهر، جودة التقييم تنحرف. قد يكون إصدار النموذج تحدّث. قد يكون جمهورك تغيّر. قد يكون تعريف عميلك المثالي تغيّر ولم يحدّث أحد البرومبت.

الإصلاح: فحص انحراف أسبوعي. عيّن ٢٠ عميلًا عشوائيًا من الأسبوع الماضي، اطلب من إنسان إعادة تقييمهم، قارن بدرجة LLM. إن كانت الفجوة المتوسطة > ١٠ نقاط، أعد التدريب — يعني: حدّث أمثلة few-shot في البرومبت.

ما يشحن أفضل من هذا

بصراحة، لا شيء إن كان حجم عملائك أقل من ٥٠٠ شهريًا. خط الأنابيب يكلّف حوالي ٨ سنتات لكل عميل في مكالمات API و٣٠ دقيقة للإعداد. إن قطع وقت SDR على العملاء السيئين بـ ٣٠٪، الحساب يعمل لأي فريق يفعل أكثر من مئة عميل أسبوعيًا.