Транскрипт
Наша основная цель не заменить какого-нибудь PhD по Data Science, а убедиться, что мы умеем работать с sales данными, мы знаем, какие метрики надо отслеживать и почему. Зная количество входящего материала, конверсию и скорость, мы можем прогнозировать продажи.
Глобально я смотрю на сейлс-процесс достаточно просто. Есть классная книжка Энди Гроува. Любой бизнес-процесс — это превращение чего-то во что-то, конверсия одного набора материалов в другой. В нашем случае в Sales мы превращаем лидов в клиентов.
Первая важная метрика — какая конверсия из лидов в кастомеров. Вторая суперважная метрика — скорость, то есть время, которое проходит от того, как лид превращается в клиента. Это очень важный параметр любого бизнес-процесса.
Pipeline velocity — это скорость, с которой мы генерируем продажи. Формула: (количество сделок × конверсия × средний объем сделки) / цикл сделки. Эта интегральная метрика ключевая для сравнения разных продуктов, разных сейлс-менеджеров, разных ICP.
Информация появляется, когда есть сравнение. Когда мы что-то с чем-то сравниваем, возникают ответы на вопрос «Почему?». Вариабельность важна — первый уровень менеджеров смотрит только на средние значения, второй добавляет вариабельность, третий объясняет причинно-следственные связи.
Для анализа данных в Cursor: первое — попросить LLM ознакомиться со структурой данных. Второй важный момент — перепроверять выводы, прося написать Python скрипт. Код дает детерминированные результаты, LLM может давать разные ответы на один вопрос.
