GTM AI 现在奏效的方法：Rally 如何用 AI 重新构想赢单分析

每家公司都希望更深入地了解自己为什么能赢单（以及为什么会输单）。但真正获得这些洞察却是另一回事……这也是我们在董事会里反复提出的一个问题。我们在哪些方面赢了，为什么？有哪些经验可以应用到流程或产品中？以及，我们是否可以利用 AI 更快地获得更好的洞察？

我邀请了 Rally 的 CMO，Juliette Kopecky，与我一起合作开展一个项目，测试如何使用 AI 构建一个可靠、可重复、且真正有用的流程。这个流程同样可以用来理解你为什么会输掉交易，并最终将这些学习成果结合起来，更准确地进行预测。

以下是回顾——哪些地方行不通，Rally 是如何利用 AI 的，以及他们学到了什么，帮助你在自己的组织中加以落地。

GTM 挑战：赢单-输单分析至关重要……但很难做好

赢单-输单分析一直是高杠杆的 GTM 动作。它能告诉你客户为什么购买、你的产品在哪些方面实现差异化，以及你的流程中哪些地方真正有效。

但尽管其重要性不言而喻，传统流程却问题重重：

1. 赢单和输单背后的原因极其复杂。

没有任何两笔交易是完全相同的。情境、关键推动者、竞争对手、时机、采购流程、定价——影响结果的因素多种多样，使得人类很难在大规模情况下抽象出有意义的模式。

2. 双方都存在偏见。

买方并不总是会告诉你全部真相，而卖方在交易中也存在盲区和情感投入。

3. 这极其耗时。

一对一访谈需要花费数小时来安排、进行、转录和分析。大多数公司每个季度只做少量访谈——远远不足以发现有意义的趋势。

Rally 的尝试：一个三阶段的 AI 增强型胜单分析工作流程

为了解决这一挑战，Rally 将项目拆分为三个阶段——每个阶段都在前一阶段的基础上构建。

阶段一：仅依靠销售通话，AI 能否复现胜单访谈？

Rally 没有依赖预先安排的买方访谈，而是提出了这样一个问题：

如果我们将销售通话录音输入给 AI，它能否重建出一次规范的赢单-输单访谈本应揭示的内容？

他们处理了一个季度内所有赢单的海量销售对话，并评估 AI 是否能够提取出与人工主导访谈相似的洞察。Rally 使用 Gong 录制通话，因此他们测试了 Gong 内置的 AI 分析来对通话进行总结。他们上传了自己的一套提示词列表，以确保不同通话之间的总结保持一致。

他们的发现是：AI 在从非结构化的通话数据中提取结构化信息方面出奇地强大。它能够快速进行总结、分类并提炼主题——在完全不与顾客直接交流的情况下，生成一个基础的、“类似访谈”的评估结果。

阶段二：AI 能否识别跨交易的趋势？

一旦 AI 能够总结单个销售通话，接下来的问题就是规模化：

AI 能否在数十甚至数百笔交易中识别模式？

这一阶段涉及对通话转录内容中的洞察进行汇总——例如：

• 哪些客户痛点最能引起共鸣？
• 客户想要哪些产品功能？
• 该产品与他们当前的解决方案和/或竞争对手的产品相比如何？
• 买家的流程中有哪些关键步骤？需要哪些角色参与？

Rally 将这些总结上传，用于在 ChatGPT 中构建他们自己的 GPT，从而能够在所有通话总结中运行洞察分析。他们最初是手动完成这一过程的，但也意识到，鉴于 Gong 提供了接入 ChatGPT 的 API，未来可以将其自动化。

他们学到的经验：
正是在这里，AI 大放异彩。该模型能够从海量互动中筛选信息，并比任何人工流程都更快地发现可重复的模式。Rally 可以将这些洞察反馈到销售流程中，从而确保他们遵循所有正确的步骤，以获得最佳结果。例如，大多数赢单都集中在与自身用户开展研究、提升研究实践中的治理与合规，以及加快研究招募流程上，因此他们在发现阶段优先聚焦于这些用例。

阶段 3：AI 能否预测结果并推荐行动？

最终的目标：

如果 AI 能理解过去，它能否帮助塑造未来？

这一阶段可以测试 AI 是否不仅能够分析趋势，还能预测优惠风险、标记竞争对手动向、建议下一步行动，并推荐产品改进。Rally 目前正在测试这一阶段，看看当一个优惠达到某个阶段时，是否可以仅通过前 2–3 次通话来判断成交的可能性。为此，你可以构建另一个自定义 GPT 作为 Forecast，并加载你希望它在通话中识别的多个属性和提示。它不仅可以给出分析结果，还能提供预测。

成果：混合式方法才是制胜公式

在运行完全部三个阶段后，Rally 得出了一个明确的结论：

AI 在以下方面对我们帮助巨大：

• 开始
• 广度
• 模式识别
• 整合大量数据

但仅靠 AI 并不能取代以人为主导的对话。

现场顾客访谈的丰富性、细微差别和真实性依然至关重要——尤其是在复杂的购买旅程中。

那么，正确的方法是什么？

以 AI 作为分析的起点，由人类负责深度洞察。

AI 通过以下方式显著改进赢单-输单分析流程：

• 赋予团队更频繁地分析更多数据的能力
• 为访谈人员提供更强的背景上下文准备
• 在买家不愿接听电话时填补洞察空白
• 生成连人类都无法察觉的趋势线

这种混合模式在大幅节省团队时间的同时，能够促成更高质量的对话、更有效的赋能，以及更优的 GTM 决策。

这对 GTM 团队意味着什么

过去，赢单-输单分析因为耗时巨大，通常只会按季度进行。有了 AI，它可以变成持续性的工作。当与人类的深度和判断力相结合时，它就会成为最强大的 GTM 工具之一。这个项目表明，GTM 的未来不是 AI 或 人类，而是由 AI 赋能的人类，做出更好、更快、更有信心的决策。

我给你的挑战是：基于你的 Q4 数据，对赢得的交易和输掉的交易都运行这项分析。在你的 Q1 董事会演示文稿中加入两页幻灯片：

1. 我们为什么赢下交易
   • 我们的 CRM 怎么说
   • AI 怎么说
   • 我们的收获
2. 我们为什么会失去交易
   • 我们的 CRM 显示了什么
   • 我们的 AI 怎么说
   • 我们的收获是什么

如果你愿意分享，我很乐意听你讲！