24 Prompt ChatGPT for Sales เพิ่มยอดขายด้วย AI ทำงานเร็วขึ้น 3 เท่า

• Facebook
• X
• Line

บริษัทที่ทีม ​Sales หรือทีมขายเป็นใหญ่ เป็นหัวใจหลักขององค์กร เคยสังเกตมั้ยครับว่าจริงๆ แล้วหนึ่งวันของ Sales ใช้เวลา “ขาย” จริงๆ กี่ชั่วโมงครับ

จากรายงาน State of Sales ของ Salesforce พบว่าพนักงานขายใช้เวลาเฉลี่ยแค่ 28% ของวันในการขายจริง ที่เหลือหมดไปกับงานจิปาถะ Admin Work อย่างพิมพ์ Email, Update CRM, ทำ Account Plan, หา Insight คู่แข่ง และ สรุปข้อมูลให้ผู้บริหารดู

นั่นแปลว่าถ้าเพื่อนๆ จ้าง Sales 10 คน จริงๆ แล้วเหมือนจ้างทีม Admin 7 คน กับ Sales จริงๆ แค่ 3 คนเท่านั้นเอง

บทความนี้ผมเลยรวบรวมมาให้ครบ 24 Prompts ChatGPT for Sales จาก OpenAI Academy ที่ออกแบบมาสำหรับทีมขายโดยเฉพาะ ผมเรียบเรียงเป็นภาษาไทยให้อ่านแล้วพร้อมใช้ทันที พร้อมยกตัวอย่างสถานการณ์เปรียบเทียบระหว่าง Sales ที่ไม่ใช้ AI กับ Sales ที่ใช้ AI ในแต่ละ Prompt ให้เห็นภาพชัดๆ ว่ามันเร็วและดีกว่าขนาดไหนครับ

ใครทำงานสาย Sales ไม่ว่าจะ B2B หรือ B2C ควรอ่านแล้ว Save เก็บไว้ใช้ได้เลยครับ

ภาพรวม 24 Prompts แบ่งเป็น 5 หมวดงาน

ก่อนเข้า Prompts ขอแบ่งให้เห็นภาพรวมก่อนนะครับว่า 24 Prompts นี้ครอบคลุมงาน Sales ตั้งแต่ต้นจนจบ Funnel เลย

1. Outreach & Communication หรืองานสื่อสารกับลูกค้า 5 Prompts
2. Sales Strategy & Planning หรืองานวางแผนเชิงกลยุทธ์ 5 Prompts
3. Competitive Intelligence & Enablement หรืองานสู้คู่แข่งและเตรียมทีม 5 Prompts
4. Data Analysis & Performance Insights หรืองานวิเคราะห์ตัวเลข 5 Prompts
5. Visuals & Sales Collateral หรืองานทำภาพประกอบ 4 Prompts

ลองมาดูทีละ Prompt กันเลยครับ ส่วนที่เป็น “ไฮไลท์สีเหลือง” คือตัวแปรที่เพื่อนๆ สามารถเปลี่ยนให้เข้ากับบริบทงานของตัวเองได้เลย

หมวดที่ 1: Outreach & Communication งานสื่อสารกับลูกค้า

หมวดนี้คือหมวดที่กิน Time ทีม Sales มากที่สุดครับ เพราะต้องเขียน Email หาลูกค้าแต่ละคนแบบไม่ซ้ำกัน ไม่งั้นโดน Spam Filter หรือลูกค้าไม่อ่าน

1. Draft Cold Email หรือ Email ทาบทามลูกค้าใหม่

สถานการณ์เปรียบเทียบ:

Sales ที่ไม่ใช้ AI ต้องนั่งเขียน Cold Email ทีละฉบับ ใช้เวลาเฉลี่ย 15-20 นาที/ฉบับ ส่งได้วันละ 10-15 ฉบับ และเนื้อหามักเป็น Template แบบเดิมๆ ไม่ Personalize เพราะไม่มีเวลาค้นข้อมูลลูกค้าแต่ละคน

Sales ที่ใช้ AI จะส่ง Background ของลูกค้าเข้า ChatGPT แล้วได้ Email ที่ Personalize ใน 3-5 นาที/ฉบับ ส่งได้วันละ 30-50 ฉบับ และมี Open Rate สูงขึ้นเพราะ AI ช่วย Personalize ได้ละเอียดถึงระดับ Industry และ Pain Point เฉพาะ

Prompt ภาษาไทย:

ช่วยเขียน Cold Email ภาษาไทยที่กระชับและน่าสนใจ ส่งหา ==[ตำแหน่งของลูกค้าเป้าหมาย เช่น CMO, Marketing Director]== ที่บริษัท ==[ชื่อบริษัทลูกค้า]== เพื่อแนะนำสินค้า/บริการของเรา

ข้อมูล Background ของสินค้า/บริการ:
==[ใส่ Value Proposition และ Ideal Customer Profile ของคุณ เช่น เราเป็นที่ปรึกษาด้าน Data Analytics ช่วยลูกค้า B2B ลด Customer Churn ลง 30% ผ่าน Predictive Model]==

ข้อกำหนด:
- ความยาวไม่เกิน 150 คำ
- Tone สุภาพ เป็นกันเอง ไม่ Hard Sell
- เปิดด้วยการสะกิด Pain Point ที่ตำแหน่งนี้น่าจะเจอ
- ปิดด้วย Call to Action ที่เบาๆ เช่น ขอคุย 15 นาที
- Format พร้อมส่ง รวมหัวข้อ Subject Line ด้วย

ตัวอย่างผลลัพธ์ที่จะได้:

Subject: เคยลองดูตัวเลข Churn Rate ของลูกค้า Q4 หรือยังครับ?

เรียน คุณสมชาย

ผมชื่อณัฐ จากบริษัท XYZ Analytics ครับ ช่วงนี้เห็นว่าแบรนด์ ABC กำลังขยายฐานลูกค้า B2B หนักมาก ผมเลยอยากแชร์ Insight สั้นๆ ว่า ลูกค้าในกลุ่ม SaaS ที่เราดูแลอยู่ มี Churn Rate ลดลงเฉลี่ย 30% หลังนำ Predictive Model ของเราไปใช้

ไม่ทราบว่าสะดวกคุยสั้นๆ 15 นาทีในสัปดาห์หน้าไหมครับ ผมจะส่ง Mini Audit ตัวเลขของคุณให้ดูก่อนได้เลย

ขอบคุณครับ ณัฐ

2. Rewrite Demo Follow-Up Email หรือ Email ตามผลหลัง Demo

สถานการณ์เปรียบเทียบ:

Sales ที่ไม่ใช้ AI มักเขียน Follow-Up ในรูปแบบ “ขอบคุณที่ให้เวลา หากมีคำถามเพิ่มเติม…” ซึ่ง Generic จนลูกค้าไม่รู้สึกว่าต้องตอบ ทำให้ Conversion จาก Demo ไปสู่ Next Meeting ต่ำกว่า 20%

Sales ที่ใช้ AI จะ Paste Email เก่าที่เขียนไว้ ให้ AI ปรับเป็น Consultative Tone สรุปสิ่งที่คุยใน Demo เน้น Next Step ชัดเจน พร้อม CTA นัดประชุมต่อ ผลคือ Conversion ขยับขึ้นไปได้ถึง 35-40% เพราะลูกค้ารู้สึกว่า Sales ฟังเขาจริง

Prompt ภาษาไทย:

ช่วยปรับ Email Follow-Up หลัง Demo ฉบับนี้ให้มี Tone แบบ Consultative ที่ปรึกษามืออาชีพ ไม่ใช่แค่ขายของ

Email เดิม:
==[Paste Email Follow-Up ฉบับเดิมของคุณ]==

สิ่งที่ต้องมีในฉบับใหม่:
1. สรุปสั้นๆ ว่าคุยอะไรไปบ้างใน Demo
2. ลิงก์กลับไปยัง Pain Point ที่ลูกค้าบอก
3. Next Step ที่ชัดเจน ไม่ใช่ปล่อยลอย
4. Call to Action สำหรับนัด Meeting ครั้งถัดไป พร้อมเสนอ 2-3 Slot

Output: Email พร้อมส่ง ความยาวไม่เกิน 200 คำ

ตัวอย่างผลลัพธ์ที่จะได้:

เรียน คุณสมชาย

ขอบคุณที่ให้เวลาคุยกัน 45 นาทีเมื่อวานครับ ผมคิดเรื่องที่คุณเล่าให้ฟังต่อ โดยเฉพาะที่ทีม Marketing ของ ABC ใช้เวลามากกับการ Update Dashboard ด้วยมือ ทำให้ส่ง Report ช้ากว่ากำหนดทุกเดือน

ผมเห็นว่ามี 2 Module ของเราที่น่าจะตอบโจทย์ตรงนี้คือ Auto-Sync Connector และ Smart Alert ผมเลยอยากนัดทีมเทคนิคของเราเข้ามา Walk-Through Live ในระบบจริงประมาณ 30 นาที

สัปดาห์หน้าคุณสะดวกวันไหนระหว่าง 3 Slot นี้ครับ

• อังคาร 10:00
• พุธ 14:00
• พฤหัสบดี 11:00

ผมจะส่ง Calendar Invite ไปให้ทันทีที่ Confirm ครับ

ขอบคุณครับ ณัฐ

3. Draft Renewal Pitch หรือต่อสัญญาลูกค้าเก่า

สถานการณ์เปรียบเทียบ:

Sales ที่ไม่ใช้ AI ตอนเขียน Renewal Pitch มักใช้ Template เดียวกับทุกลูกค้า บอกแค่ราคาใหม่ ไม่ได้แสดงว่าลูกค้าได้อะไรไปบ้างใน Contract ที่ผ่านมา ทำให้ลูกค้าต่อรองราคาหนัก หรือเลือกย้ายค่ายแทน

Sales ที่ใช้ AI จะ Feed ข้อมูล Usage และ ROI ที่ลูกค้าได้รับเข้าไป AI จะช่วยร้อยเรียงเป็น Story ที่แสดง Proof Point ชัดเจน ทำให้ Renewal Rate สูงขึ้น 15-25% และลด Negotiation Cycle ลงครึ่งหนึ่ง

Prompt ภาษาไทย:

ช่วยเขียน Renewal Pitch สำหรับลูกค้า ==[ชื่อลูกค้า]== โดยอ้างอิงข้อมูล Usage และ Value ที่ได้รับใน Contract ปีที่ผ่านมา

ข้อมูล Renewal History:
==[Paste ข้อมูลการใช้งาน, Feature ที่ใช้บ่อย, KPI ที่ลูกค้าทำได้ดีขึ้นหลังใช้ Product เรา]==

โครงสร้างที่ต้องการ:
1. Pitch สั้นๆ 1 หน้า เน้น ROI Proof Point เป็นตัวเลข
2. แนะนำ Renewal Package ใหม่ที่เหมาะกับ Usage Pattern ของลูกค้า
3. Email Follow-Up สั้นๆ ที่ใช้ส่งคู่กับ Pitch

Tone: ที่ปรึกษามืออาชีพ ไม่ใช่แค่ขาย

ตัวอย่างผลลัพธ์ที่จะได้:

จะได้ Pitch Document 1 หน้าที่เริ่มด้วย “ในปีที่ผ่านมา ABC ได้ใช้งาน Module Y จำนวน 234 ครั้ง ส่งผลให้ Customer Response Time ลดจาก 4 ชั่วโมงเหลือ 45 นาที…” พร้อม Email สั้นๆ ที่บอกว่า “ผมแนบ Pitch ที่สรุปการเดินทาง 12 เดือนของ ABC ไว้ให้ดูครับ พร้อมเสนอ Package Pro ที่จะ Unlock Feature เพิ่ม ลด Cost ต่อ User ลง 18%…”

4. Daily Rep Activity Summary หรือสรุปกิจกรรมทีม Sales รายวัน

สถานการณ์เปรียบเทียบ:

Sales Manager ที่ไม่ใช้ AI ต้องเข้าไปเช็ค CRM ทีละคนทุกเช้า ใช้เวลา 45-60 นาที ในการรวมข้อมูลและพิมพ์สรุปส่งทีม ทำให้ Daily Stand-Up เริ่มสาย หรือบางวันก็ไม่มีสรุปเลย

Sales Manager ที่ใช้ AI จะ Export CRM Activity Log แล้ว Paste เข้า ChatGPT ได้ Daily Update สั้นกระชับใน 5 นาที ทีมเห็นภาพรวมเร็ว ตัดสินใจเร็ว และวัฒนธรรมการรายงานสม่ำเสมอขึ้น

Prompt ภาษาไทย:

ช่วยเขียน Daily Update สรุปกิจกรรมของทีม Sales เป็น Bullet 3-5 ข้อ Tone กระตือรือร้น เป็นกำลังใจ

ข้อมูลกิจกรรมเมื่อวาน:
==[Paste Call Summary หรือ Export จาก CRM ของแต่ละ Rep]==

ข้อกำหนด:
- ขึ้นต้นด้วย Highlight ที่น่าตื่นเต้นที่สุดของวัน
- ระบุชื่อ Rep ที่ทำผลงานน่าจดจำ
- จบด้วย Focus สำหรับวันนี้
- Format พร้อมส่งใน Slack หรือ Line Group ของทีม

ตัวอย่างผลลัพธ์ที่จะได้:

Highlight ของวันที่ 25 พฤศจิกายน

• คุณนิด ปิดดีลใหม่กับ DEF Group มูลค่า 850K (Q4 Pipeline +12%)
• คุณกาย ได้นัด Demo กับ Enterprise ใหม่ 3 ราย รวมศักยภาพ 4M
• ทีมโทรหาลูกค้า 67 สาย ส่ง Proposal 12 ฉบับ
• Focus วันนี้: Follow-Up ลูกค้าที่ส่ง Proposal แล้วเกิน 5 วัน ทำให้ไม่ Stall

5. Executive Pipeline Update หรือสรุป Pipeline ส่งผู้บริหาร

สถานการณ์เปรียบเทียบ:

Sales Manager ที่ไม่ใช้ AI ต้องนั่งทำ Slide สรุป Pipeline ใส่ Excel ทำกราฟ เขียนคำบรรยาย ใช้เวลา 3-4 ชั่วโมงต่อเดือน และมักออกมาเป็นตัวเลขล้วนๆ ที่ผู้บริหารต้องตีความเอง

Sales Manager ที่ใช้ AI ใช้เวลา 15-20 นาที ได้ Update ที่กระชับ มีโครงสร้าง Total Pipeline / Top Risk / Biggest Win / Forecast Confidence ที่ผู้บริหารอ่านปุ๊บเข้าใจปั๊บ ตัดสินใจได้ทันที

Prompt ภาษาไทย:

ช่วยสรุปสถานะ Pipeline ของทีม Sales เดือนนี้สำหรับ Executive Update

ข้อมูล Pipeline:
==[Paste ข้อมูล Pipeline Total, Deal Stages, Top Risks, Top Wins ของเดือนนี้]==

โครงสร้างที่ต้องการ:
1. Total Pipeline (มูลค่าและจำนวน Deal)
2. Top Risks 3 ดีลที่ใหญ่ที่สุดและน่าเป็นห่วง
3. Biggest Wins ของเดือน
4. Forecast Confidence ระดับความมั่นใจในการปิดเดือนนี้
5. สิ่งที่ขอ Support จาก Executive

Tone: Executive-Ready กระชับ ตรงประเด็น ไม่เกิน 250 คำ

ตัวอย่างผลลัพธ์ที่จะได้:

Pipeline Status Update เดือนพฤศจิกายน

ภาพรวม: Total Pipeline 42.5M ครอบคลุม 38 Deal เพิ่ม +18% YoY ครับ

Top 3 Risks:

1. ABC Corp (12M) ยังไม่ได้ Budget Confirmation จาก CFO
2. DEF Holding (8M) คู่แข่งเสนอราคาต่ำกว่า 15% ต้องการ Support จากผู้บริหารเข้าไปคุย
3. GHI Tech (5M) Decision Maker ลาออก ต้อง Re-Engage กับคนใหม่

Biggest Wins:

• ปิดดีล JKL ที่ค้างมา 6 เดือนได้สำเร็จ มูลค่า 6.5M
• Renewal ของ MNO Group +35% มูลค่า 9M

Forecast Confidence: 72% สำหรับการปิดเดือนตาม Target 25M

สิ่งที่ขอ Support: ขอคุณ A เข้า Meeting กับ ABC Corp วันที่ 30 และขอ Approve Discount พิเศษสำหรับ DEF Holding ในกรอบ 8%

หมวดที่ 2: Sales Strategy & Planning งานวางแผนเชิงกลยุทธ์

หมวดนี้คืองานที่ใช้ความคิดเชิงกลยุทธ์เยอะ ปกติทีมจะหลีกเลี่ยงเพราะเสียเวลานาน แต่จริงๆ แล้วเป็นส่วนที่สร้าง Compounding Return ในระยะยาวครับ

6. Strategic Account Plan หรือแผนรุกลูกค้ารายสำคัญ

สถานการณ์เปรียบเทียบ:

Sales ที่ไม่ใช้ AI มักไม่มี Account Plan ที่เป็นระบบ ใช้ความรู้สึกล้วนๆ ตอนเข้าหาลูกค้า Enterprise ขนาดใหญ่ ทำให้ Win Rate ในลูกค้า Strategic Account ต่ำกว่า 25%

Sales ที่ใช้ AI จะ Feed ข้อมูลบริษัทลูกค้า, Priority, Product Usage, Stakeholder Map, Renewal Date เข้าไป ChatGPT ออก Account Plan ที่มี Goal / Risk / Opportunity / Next Step ครบใน 20 นาที จากที่เคยใช้ครึ่งวัน Win Rate ขยับขึ้นเป็น 40-50%

Prompt ภาษาไทย:

ช่วยสร้าง Strategic Account Plan สำหรับลูกค้า ==[ชื่อลูกค้า]==

ข้อมูลที่มี:
- Company Profile: ==[อุตสาหกรรม, ขนาด, รายได้, จำนวนพนักงาน]==
- Known Priorities: ==[Initiatives ที่ลูกค้ากำลังโฟกัสปีนี้]==
- Current Product Usage: ==[Module/Feature ที่ลูกค้าใช้อยู่ และระดับการใช้งาน]==
- Stakeholders: ==[รายชื่อและตำแหน่งของ Champion, Decision Maker, Influencer]==
- Renewal Date: ==[เดือน/ปี ที่ Contract ต้องต่ออายุ]==

โครงสร้างที่ต้องการ:
1. Goals สำหรับ 12 เดือนข้างหน้า
2. Risks ที่ต้องระวัง พร้อม Mitigation Plan
3. Opportunities สำหรับ Upsell/Cross-Sell
4. Next Steps 30/60/90 วัน

Tone: ที่ปรึกษาเชิงกลยุทธ์ ใช้สำหรับ Internal Review

ตัวอย่างผลลัพธ์ที่จะได้:

จะได้แผน Account Plan ที่ครอบคลุม 4 ส่วน เช่น “Goals: ขยาย Footprint จาก Marketing Department ไปยัง Operations และ Finance เพื่อเพิ่ม ACV จาก 1.5M เป็น 3.5M / Risks: Champion คนปัจจุบันมีแววจะย้ายงาน ต้อง Identify Backup Champion ใน 60 วัน / Opportunities: ลูกค้าเริ่ม Pilot AI Project ในเดือนกุมภาพันธ์ เป็นโอกาส Sell Advanced Analytics Module…”

7. Territory Planning Framework หรือวางแผนแบ่งพื้นที่ขาย

สถานการณ์เปรียบเทียบ:

Sales Director ที่ไม่ใช้ AI มักแบ่ง Territory ตามความรู้สึกหรือแบ่งเท่าๆ กัน ทำให้ Sales บางคนได้พื้นที่ที่มีศักยภาพต่ำกว่ามาก Demotivation สูง Turnover ของทีม Sales ปีนึงสูงถึง 35%

Sales Director ที่ใช้ AI จะ Feed Team Headcount, Target Industry, Region, Historical Revenue เข้าไป ChatGPT คำนวณ Territory ที่ Balance ทั้ง Revenue Potential และ Workload ออกมาให้ใน 30 นาที เปลี่ยนจาก Gut Feel เป็น Data-Driven

Prompt ภาษาไทย:

ช่วยออกแบบ Territory Planning Framework สำหรับปีหน้า

ข้อมูล:
- Team Headcount: ==[จำนวน Sales Rep ที่มี]== คน
- Target Industries: ==[อุตสาหกรรมเป้าหมาย เช่น FMCG, Banking, Healthcare]==
- Regions: ==[ภูมิภาคที่ครอบคลุม]==
- Historical Revenue by Region/Industry: ==[Paste ข้อมูลรายได้ย้อนหลัง 2-3 ปี]==

สิ่งที่ต้องการ:
1. แนะนำ Allocation Method ที่เหมาะสม (Geography / Industry / Account Size / Hybrid)
2. แบ่ง Territory ตัวอย่างพร้อม Logic เบื้องหลัง
3. ระบุ Sales Rep ที่ควรประจำแต่ละ Territory ตาม Skill Set
4. Coverage Plan สำหรับ Gap Area

Format: เป็น Recommendation Document พร้อมตาราง

ตัวอย่างผลลัพธ์ที่จะได้:

จะได้ Document แนะนำว่า “ควรใช้ Hybrid Model แบ่งตาม Region + Industry ครับ” พร้อมตารางที่ Allocate Rep แต่ละคนไปตาม Strength เช่น “คุณ A มี Background Banking ควรประจำ Bangkok Banking Vertical, คุณ B เคยทำงานในสาย FMCG ควรประจำ Bangkok + Eastern FMCG…” พร้อม Logic ที่อ้างอิงตัวเลขรายได้ย้อนหลัง

8. Prioritize Accounts หรือจัดอันดับลูกค้าด้วย Firmographic Data

สถานการณ์เปรียบเทียบ:

Sales ที่ไม่ใช้ AI ได้ List ลูกค้า 500 รายจาก Marketing แล้วเริ่มโทรจากซ้ายไปขวา ใช้เวลา 3 เดือน กว่าจะรู้ว่าครึ่งหนึ่งของ List ไม่ใช่ Target จริง

Sales ที่ใช้ AI จะ Upload List เข้า ChatGPT พร้อมเกณฑ์ Industry, Size, Funding, Tech Stack ได้ Ranked List 50 อันดับแรกที่ Priority สูงสุดใน 15 นาที เริ่มโทรลูกค้าที่ “ใช่” ก่อน Quota เดือนแรกก็ทำได้

Prompt ภาษาไทย:

ช่วยจัดอันดับ List ลูกค้านี้ตามเกณฑ์ที่กำหนด

List ลูกค้า:
==[Paste List ลูกค้า พร้อมข้อมูล Industry, Size, Funding Status, Tech Stack ที่มี]==

เกณฑ์การจัดอันดับ (เรียงลำดับความสำคัญ):
1. ==[เกณฑ์ที่ 1 เช่น Industry ตรงกับ ICP]==
2. ==[เกณฑ์ที่ 2 เช่น พนักงาน 200-1,000 คน]==
3. ==[เกณฑ์ที่ 3 เช่น เพิ่ง Funding Series B ขึ้นไป]==
4. ==[เกณฑ์ที่ 4 เช่น ใช้ Stack ที่ Compatible กับเรา]==

Output ที่ต้องการ:
- Ranked List ตามลำดับความสำคัญ
- เหตุผลสั้นๆ ของแต่ละลูกค้าว่าทำไมถึงควรอยู่อันดับนี้
- แนะนำ Action เริ่มต้นสำหรับ Top 10

ตัวอย่างผลลัพธ์ที่จะได้:

จะได้รายการเช่น “อันดับ 1: PQR Holdings – Industry ตรง ICP เป๊ะ พนักงาน 450 คน เพิ่ง Funding Series C เมื่อ 6 เดือน ใช้ Salesforce และ HubSpot Stack ที่ Integrate กับเราได้ทันที | Action: Cold Outreach หา CMO ผ่าน LinkedIn ภายในสัปดาห์นี้”

9. Weighted Account Scoring หรือให้คะแนนลูกค้าแบบมี Weight

สถานการณ์เปรียบเทียบ:

Sales Manager ที่ไม่ใช้ AI ดู List Account ทั้งหมดเป็นภาพรวมเดียวกัน ไม่มี Lead Scoring System ทำให้ทีมขายเสียเวลากับ Account ที่ไม่ Engage จริง

Sales Manager ที่ใช้ AI จะตั้ง Rule เช่น Company Size, Engagement Score, Intent Signals แล้วให้ AI คำนวณ Score ออก Top 10 Account ที่ควรลุยก่อน ทำให้ Conversion Rate ของ Outreach Campaign เพิ่มขึ้น 2-3 เท่า

Prompt ภาษาไทย:

ช่วยให้คะแนน Account ตามเกณฑ์ Weighted Scoring ดังต่อไปนี้

เกณฑ์และน้ำหนัก:
- ==[เกณฑ์ 1 เช่น Company Size 30%]==
- ==[เกณฑ์ 2 เช่น Engagement Score จาก Email Open Rate 25%]==
- ==[เกณฑ์ 3 เช่น Intent Signal จาก Website Visit 20%]==
- ==[เกณฑ์ 4 เช่น Industry Fit 15%]==
- ==[เกณฑ์ 5 เช่น Tech Stack Compatibility 10%]==

ข้อมูล Account:
==[Upload หรือ Paste Account List พร้อมข้อมูลแต่ละเกณฑ์]==

Output:
- Top 10 Account ที่ Score สูงสุด
- Score รวมและ Breakdown ของแต่ละเกณฑ์
- Note อธิบายว่าทำไม Account นี้ถึงได้ Score สูง
- ลำดับการ Approach ที่แนะนำ

ตัวอย่างผลลัพธ์ที่จะได้:

Top 5 จาก 50 Accounts:

1. STU Bank – Score 87/100 (Size 28/30, Engagement 22/25, Intent 18/20, Industry Fit 14/15, Tech 5/10) | สูงเพราะมีการ Visit Pricing Page 4 ครั้งในเดือนนี้ และเปิด Email Campaign ทุกฉบับ
2. VWX Tech – Score 81/100 …

10. Regional Market Entry Planning หรือวางแผนเปิดตลาดประเทศ/ภูมิภาคใหม่

สถานการณ์เปรียบเทียบ:

ทีมที่ไม่ใช้ AI ในการวางแผน Expand ไปประเทศใหม่ ต้องจ้าง Consulting Firm หรือใช้เวลาทีม Internal 2-3 เดือน ในการทำ Market Research

ทีมที่ใช้ AI Deep Research จะได้ Market Readiness Summary ที่ครอบคลุม Buying Behavior, Competitive Landscape, Economic Condition, Regulatory ใน 2-3 วัน พร้อม Citation จากแหล่งจริง ใช้เป็นพื้นฐานก่อนจ้าง Consulting เฉพาะส่วนที่ Deep จริงๆ

Prompt ภาษาไทย:

ผมกำลังประเมินการเข้าตลาดใน ==[ประเทศ/ภูมิภาคเป้าหมาย เช่น เวียดนาม, อินโดนีเซีย, ฟิลิปปินส์]== สำหรับ ==[ประเภทธุรกิจ เช่น SaaS B2B สำหรับ Retail]==

ช่วยทำ Research ใน 4 มิติ:
1. Local Buying Behavior - ลูกค้าธุรกิจในประเทศนี้ตัดสินใจซื้อยังไง ใช้เวลานานแค่ไหน ใครเป็น Decision Maker
2. Competitive Landscape - คู่แข่งหลักในประเทศนั้นคือใครบ้าง ส่วนแบ่งตลาด จุดแข็งจุดอ่อน
3. Economic Conditions - ขนาดตลาด, GDP, อัตราการเติบโตของอุตสาหกรรมที่เราเล็ง
4. Regulatory Concerns - กฎหมายเรื่อง Data Privacy, License, Foreign Investment

Format Output:
- Go/No-Go Market Readiness Summary
- คำแนะนำ Action Steps ถัดไป
- มี Citation ทุกข้อมูลที่สำคัญ

ตัวอย่างผลลัพธ์ที่จะได้:

จะได้ Document 2-3 หน้าที่สรุปว่า “เวียดนามอยู่ในระยะ Early Adopter สำหรับ SaaS B2B ขนาดตลาด 850M USD เติบโต 32% YoY…” พร้อม Citation จากแหล่งจริงเช่น Statista, IDC และ Government Report สรุปจบด้วย “แนะนำ Go โดยเข้าทาง Hanoi เป็น Beachhead ก่อน Ho Chi Minh เพราะ Adoption Rate ในกลุ่ม Enterprise สูงกว่า 18%…”

หมวดที่ 3: Competitive Intelligence & Enablement งานสู้คู่แข่งและเตรียมทีม

หมวดนี้คืองานที่ทำให้ทีม Sales มั่นใจเวลาเจอลูกค้า เพราะมี Battlecard พร้อม Talk Track พร้อม Rebuttal สำหรับทุก Objection

11. Battlecard for Competitor หรือสรุปคู่แข่งให้ทีมขายใช้ใน Pitch

สถานการณ์เปรียบเทียบ:

Sales ที่ไม่ใช้ AI เมื่อลูกค้าถามว่า “ทำไมไม่ใช้ X เจ้านั้นแทน?” มักนิ่งไป 5 วินาที พยายามนึก Bullet Point ที่ Sales Manager เคยพูดในมีตติ้ง แต่ตอบไม่ครบ ทำให้ลูกค้าลังเล

Sales ที่ใช้ AI จะมี Battlecard ในมือพร้อมรับ Objection เกือบทุกรูปแบบ Win Rate ใน Competitive Deal ขยับจาก 35% เป็น 55% เพราะตอบได้ทันที มีตัวเลข มี Talk Track ที่ฝึกซ้อมมาแล้ว

Prompt ภาษาไทย:

ช่วยสร้าง Battlecard สำหรับสู้กับคู่แข่ง ==[ชื่อคู่แข่ง]==

ข้อมูล Positioning ของเรา:
==[Paste จุดแข็ง, Value Proposition, Pricing Tier ของเรา]==

ข้อมูล Positioning ของคู่แข่ง (ถ้ามี):
==[Paste จุดแข็ง, ราคา, Feature เด่น ของคู่แข่ง]==

โครงสร้าง Battlecard:
1. Strengths ของคู่แข่ง (ที่เราต้องยอมรับ)
2. Weaknesses ของคู่แข่ง (ที่เราใช้เป็น Angle ได้)
3. How We Win - 3 Talking Point หลัก
4. Quick Talk Track - บทพูดสั้นๆ 2-3 ประโยค ที่ Sales ท่องจำได้
5. Common Customer Objections + Response

Format: Table ที่ Print ออกมาใช้ได้ทันที

ตัวอย่างผลลัพธ์ที่จะได้:

ได้ Battlecard เป็นตาราง 5 ส่วน เช่น “Quick Talk Track: ผมยอมรับว่า X เป็นเจ้าตลาดที่อยู่มานาน แต่ความท้าทายของลูกค้าหลายคนที่ย้ายมาที่เราคือ X ไม่มี API ที่ Integrate กับ Modern Stack อย่าง dbt และ Looker ได้ ทำให้ทีม Data ต้องทำงานเพิ่มขึ้น 30%…”

12. Competitive Positioning Analysis หรือวิเคราะห์ Positioning คู่แข่งเชิงลึก

สถานการณ์เปรียบเทียบ:

ทีมที่ไม่ใช้ AI ต้องให้ Product Marketing ทำ Competitive Analysis ใช้เวลา 2-3 สัปดาห์ กว่าจะได้ Report ที่ Sales เอาไปใช้

ทีมที่ใช้ AI Deep Research จะได้ Competitive Positioning Analysis 1 หน้าใน 1-2 ชั่วโมง พร้อม Citation จริง อัปเดตทุกไตรมาส Sales ทันต่อสถานการณ์ตลาด

Prompt ภาษาไทย:

ช่วย Research ข้อมูลคู่แข่ง ==[ชื่อคู่แข่ง]== สำหรับใช้ในการเตรียม Battlecard

มิติที่ต้อง Research:
1. Pricing Model - ราคา, Tier, Discount Strategy
2. Product Positioning - Tagline, Hero Message, Target Segment
3. Recent Customer Wins/Losses (ในข่าวหรือ Case Study)
4. Sales Motion - ขายแบบ PLG, SLG, Hybrid และ Sales Cycle ประมาณ

เปรียบเทียบกับเราที่มีจุดแข็งเรื่อง:
==[Paste 3-5 จุดแข็งหลักของเรา]==

Output:
- Summary 1 หน้า
- ตารางเปรียบเทียบ Side-by-Side
- มี Citation ทุกข้อมูล
- คำแนะนำ Positioning ที่เราควรเน้นเมื่อเจอคู่แข่งนี้

ตัวอย่างผลลัพธ์ที่จะได้:

จะได้ Document ที่บอกว่า “คู่แข่ง X ใช้ Strategy Premium Pricing ที่ตั้ง 35% สูงกว่าตลาด เน้น Enterprise > 5,000 พนักงาน เริ่มเสีย Mid-Market ให้คู่แข่งราคาถูกกว่าในช่วง 12 เดือนล่าสุด…” พร้อมตารางเปรียบเทียบและคำแนะนำว่า “เราควรเน้น Mid-Market Segment ที่คู่แข่งกำลังหลุดมือ…”

13. Sales Enablement One-Pager หรือเอกสาร Pitch หน้าเดียว

สถานการณ์เปรียบเทียบ:

ทีมที่ไม่มี One-Pager หรือมีแต่ One-Pager เก่า ทำให้ Sales ใหม่ใช้เวลา 2-3 เดือน กว่าจะ Pitch ได้คล่อง Onboarding ช้า Quota Ramp ช้า

ทีมที่ใช้ AI สร้าง One-Pager เฉพาะแต่ละ Persona เช่น CFO, VP Marketing, IT Director ใน 30 นาที Sales ใหม่ใช้ Material ที่ตรงกับลูกค้าเป๊ะ Ramp Time ลดลงเหลือ 1 เดือน

Prompt ภาษาไทย:

ช่วยสร้าง Sales Enablement One-Pager สำหรับ Pitch ==[ชื่อ Product]== ให้ ==[Persona เป้าหมาย เช่น CMO ของ Mid-Market B2B SaaS]==

ข้อมูลที่มี:
- Key Benefits: ==[ใส่ Benefit หลัก 3-5 ข้อ]==
- Features: ==[ใส่ Feature หลัก]==
- Common Use Cases: ==[Use Case ที่ Persona นี้น่าจะเจอ]==
- Competitor Differentiator: ==[จุดที่เราชนะคู่แข่งหลัก]==

โครงสร้าง One-Pager:
1. Headline ที่กระแทกใจ Persona นี้ (1 ประโยค)
2. Pain Point ที่ Persona นี้เจอบ่อย (3 ข้อ)
3. ทำไมเราถึงเป็นทางเลือกที่ดีกว่า (3 Bullet)
4. Use Case Example ที่เคยทำให้ลูกค้าคล้ายๆ
5. Stat สำคัญ 1-2 ตัว
6. Call to Action

Format: Copy-Ready พร้อมส่งให้ Designer ทำ Layout

ตัวอย่างผลลัพธ์ที่จะได้:

จะได้ Copy ของ One-Pager เช่น “Headline: ทีม Marketing ของคุณใช้เวลามากกว่า 40% ในการ Update Dashboard ด้วยมือ – เรามาช่วย Automate ส่วนนี้กัน | Pain Point: Manual Reporting ทำให้ Campaign Decision ช้า / ทีมเหนื่อยกับงาน Admin / Data ไม่ Sync ระหว่าง Tool…”

14. Sales Objection Rebuttals หรือคำตอบสำหรับข้อโต้แย้งของลูกค้า

สถานการณ์เปรียบเทียบ:

Sales ที่ไม่ใช้ AI เวลาเจอลูกค้าโต้แย้ง “ราคาแพงไป” / “ตอนนี้ยังไม่พร้อม” / “ขอเปรียบเทียบกับเจ้าอื่นก่อน” มักนิ่ง หรือตอบแบบ Scripted ที่ลูกค้าฟังก็รู้ว่าเป็น Sales Speech

Sales ที่ใช้ AI จะมี Rebuttal Bank ที่ Natural, Confident และมี Backup Stat หรือ Story สำหรับทุก Objection ทำให้ Close Rate ขยับขึ้น 25-30%

Prompt ภาษาไทย:

ช่วยเขียน Rebuttal สำหรับข้อโต้แย้งของลูกค้าต่อไปนี้ Tone เป็นธรรมชาติ มั่นใจ ไม่ Defensive

Objection ที่ต้องการ Rebuttal:
1. ==[Objection ที่ 1 เช่น ราคาแพงกว่าคู่แข่ง 20%]==
2. ==[Objection ที่ 2 เช่น ตอนนี้ Budget ยังไม่ถูก Approve]==
3. ==[Objection ที่ 3 เช่น ทีม Internal ยังไม่พร้อมรับ Tool ใหม่]==

ข้อกำหนด:
- เขียนแต่ละ Rebuttal เป็น 2-3 ประโยค ที่ Sales พูดได้เป็นธรรมชาติ
- ใส่ Backup Stat หรือ Story สั้นๆ ในแต่ละ Rebuttal
- จบด้วยคำถามเปิดเพื่อ Re-Engage บทสนทนา
- ห้ามฟังเป็น Defensive หรือ Salesy

Format: List พร้อม Objection + Rebuttal + คำถามต่อ

ตัวอย่างผลลัพธ์ที่จะได้:

Objection: ราคาแพงกว่าคู่แข่ง 20% Rebuttal: ใช่ครับ ผมยอมรับว่าเราไม่ใช่เจ้าที่ราคาถูกที่สุดในตลาด เพราะลูกค้า 3 ใน 5 รายของเราที่ย้ายมาจากคู่แข่งบอกว่า ราคาถูกแต่ Implementation Cost รวม Total Cost of Ownership 3 ปี กลับสูงกว่าเรา 35% เพราะต้องจ้าง Implementation Partner ภายนอก คำถามต่อ: ถ้าผมขอเอา Customer Case Study ที่เคย Migrate มาจากคู่แข่งให้ดู คุณสะดวกคุยต่อ 15 นาทีในสัปดาห์หน้าไหมครับ

15. Customer Proof Points จากแหล่ง Public

สถานการณ์เปรียบเทียบ:

ทีมที่ไม่ใช้ AI หา Testimonial หรือรีวิวคู่แข่งด้วยมือ ใช้เวลา 4-6 ชั่วโมง เปิด Google ทีละหน้า อ่าน G2, Capterra, Trustpilot ทีละรีวิว

ทีมที่ใช้ AI Web Search ได้ Top 5 Quote ที่ Persona ตรงกับลูกค้าเป้าหมาย พร้อม Source Link ใน 15 นาที เอาไปทำ Pitch ได้ทันที

Prompt ภาษาไทย:

ช่วย Research รีวิว, Social Mentions, Testimonial ของ ==[ชื่อ Product/Brand ที่ต้องการ Research อาจเป็นของเราหรือคู่แข่ง]== ในช่วง 6 เดือนล่าสุด

โฟกัสที่:
- สิ่งที่ลูกค้าชม (Strengths ที่คนพูดถึงบ่อย)
- สิ่งที่ลูกค้าตำหนิ (Weaknesses)
- Pain Point ที่ลูกค้าแก้ได้หรือไม่ได้ด้วย Product นี้

Output:
- Top 5 Quote ที่น่าสนใจที่สุด
- ระบุ Persona ของคนเขียน (เช่น Marketing Manager, IT Director)
- Source Link ที่ Verify ได้
- สรุปธีมหลักของรีวิว (ทั้งบวกและลบ)

ตัวอย่างผลลัพธ์ที่จะได้:

จะได้ List Quote เช่น “เปลี่ยนชีวิตทีม Marketing เลย เคยใช้เวลา 8 ชั่วโมงทำรีพอร์ตทุกสัปดาห์ ตอนนี้เหลือ 30 นาที – Marketing Manager, FMCG Company, รีวิวจาก G2 เมื่อตุลาคม 2025” พร้อม Link ตรงไปยังรีวิว เป็น Social Proof ที่ใช้ใน Pitch ได้ทันที

หมวดที่ 4: Data Analysis & Performance Insights งานวิเคราะห์ตัวเลข

หมวดนี้คือหมวดที่เคยเป็นงานของ Sales Operations หรือ BI Team เท่านั้น แต่ตอนนี้ AI ทำให้ Sales Manager ก็ทำได้เองครับ

16. Pipeline Conversion Rate Analysis หรือวิเคราะห์ Conversion ระหว่าง Stage

สถานการณ์เปรียบเทียบ:

Sales Manager ที่ไม่ใช้ AI ดู Dashboard ใน CRM แต่ไม่ได้คำนวณ Drop-Off Rate ระหว่าง Stage จริงจัง ทำให้ไม่รู้ว่าทีมเสีย Deal ที่ Stage ไหนมากที่สุด แก้ปัญหาเฉพาะหน้า

Sales Manager ที่ใช้ AI Upload CSV เข้า ChatGPT ได้ Conversion Rate Table ระหว่าง Stage ครบใน 10 นาที เห็นชัดว่า Drop-Off สูงสุดอยู่ที่ Stage Proposal > Negotiation จัดหา Training ที่ตรงจุด ลด Drop-Off ลง 18% ในไตรมาสถัดมา

Prompt ภาษาไทย:

ช่วยวิเคราะห์ Pipeline Export นี้ คำนวณ Conversion Rate ระหว่างแต่ละ Stage และระบุจุด Drop-Off ที่ใหญ่ที่สุด

ข้อมูล:
==[Upload Pipeline CSV ที่มี Column Deal ID, Stage, Stage Entry Date, Stage Exit Date, Deal Value]==

Output ที่ต้องการ:
1. ตาราง Conversion % ระหว่างทุก Stage
2. สรุปสั้นๆ ว่า Drop-Off Rate ที่ใหญ่ที่สุดอยู่ที่ Stage ไหน
3. ค่าเฉลี่ยเวลาที่ใช้ในแต่ละ Stage (Velocity)
4. Insight ที่น่าสนใจ 3 ข้อ
5. คำแนะนำเชิงปฏิบัติ 2-3 ข้อสำหรับลด Drop-Off

ตัวอย่างผลลัพธ์ที่จะได้:

Conversion Rate Summary:

• Lead > Qualified: 45%
• Qualified > Demo: 72%
• Demo > Proposal: 58%
• Proposal > Negotiation: 31% (Drop-Off ใหญ่ที่สุด)
• Negotiation > Closed Won: 64%

Insight: ทีมเสีย Deal มากที่สุดหลังส่ง Proposal โดย Deal ที่ Drop ส่วนใหญ่อยู่ที่ Stage นี้นานเฉลี่ย 18 วัน นานกว่าค่าเฉลี่ยทั่วทั้ง Pipeline…

17. Top-Performing Reps by Close Rate หรือจัดอันดับ Sales

สถานการณ์เปรียบเทียบ:

Sales Director ที่ไม่ใช้ AI ตัดสินใจจาก Revenue เป็นหลัก ไม่ได้ดู Close Rate ที่แท้จริง ทำให้บางคนที่ปิดหลายดีลแต่เป็นดีลเล็กถูกมองว่า Outstanding ส่วนคนที่ปิด Big Deal น้อยครั้งกลับถูกมองข้าม

Sales Director ที่ใช้ AI วิเคราะห์ทั้ง Close Rate, Average Deal Size, และ Conversion Speed พร้อมระบุจุดแข็งของแต่ละคน ใช้ในการ Coach แบบ Personalized ทำให้ทีมทั้งหมดเก่งขึ้น

Prompt ภาษาไทย:

ช่วยจาก Dataset กิจกรรมและ Closed Deal คำนวณ Close Rate ของ Sales Rep แต่ละคน และจัดอันดับ

ข้อมูล:
==[Upload Rep Performance CSV ที่มี Column Rep Name, Total Opportunity, Closed Won, Closed Lost, Average Deal Size, Sales Cycle Days]==

Output ที่ต้องการ:
1. Ranked List ตาม Close Rate
2. ระบุ Strength ของแต่ละ Rep ในประโยคสั้นๆ
3. Highlight คนที่มี Outlier Metric (เช่น Close Rate ต่ำแต่ Deal Size ใหญ่)
4. คำแนะนำในการ Coach แต่ละคน

ตัวอย่างผลลัพธ์ที่จะได้:

Ranked List:

1. คุณ A – Close Rate 42% (Strength: เก่งใน Long Sales Cycle Deal Size ใหญ่)
2. คุณ B – Close Rate 38% (Strength: ปิดเร็ว Velocity ต่ำกว่าทีม 30%)
3. คุณ C – Close Rate 22% แต่ Avg Deal Size 2.5x ของทีม (Outlier: เน้น Enterprise ที่ปิดยาก แต่ถ้าปิดได้ใหญ่ ควรให้ Pair กับ คุณ A เพื่อเรียนรู้)

18. Deal Velocity by Quarter หรือ Visualize เวลาในการปิดดีล

สถานการณ์เปรียบเทียบ:

Sales Manager ที่ไม่ใช้ AI ไม่รู้ว่า Sales Cycle ของทีมยาวขึ้นหรือสั้นลงเมื่อเทียบกับปีก่อน ใช้ Gut Feel ในการ Forecast ทำให้พลาด Target บ่อย

Sales Manager ที่ใช้ AI จะเห็น Trend Line ของ Deal Velocity ชัดเจน รู้ว่าไตรมาสไหนช้าผิดปกติ และสามารถ Forecast ได้แม่นยำขึ้น 25%

Prompt ภาษาไทย:

ช่วยใช้ CRM Export นี้คำนวณ Deal Velocity เฉลี่ยต่อไตรมาส (จำนวนวันจาก Lead ถึง Closed)

ข้อมูล:
==[Upload CSV ที่มี Lead Open Date, Closed Date, Deal Value]==

Output ที่ต้องการ:
1. Chart แสดง Trend ของ Deal Velocity 8 ไตรมาสล่าสุด
2. สรุป Trendline (ยาวขึ้น สั้นลง หรือคงที่)
3. ระบุไตรมาสที่ Velocity ผิดปกติ (ทั้งช้าและเร็ว) พร้อมตั้งสมมติฐานสาเหตุ
4. Forecast Velocity ของไตรมาสถัดไป

ตัวอย่างผลลัพธ์ที่จะได้:

จะได้ Chart พร้อมคำอธิบายเช่น “Deal Velocity เฉลี่ยทั้งปีอยู่ที่ 67 วัน Trendline แสดงว่ายาวขึ้น 12% ในปีนี้เทียบกับปีก่อน Q2 ผิดปกติเพราะใช้เวลาเฉลี่ย 95 วัน อาจเกิดจากการเปลี่ยน Pricing Tier ใหม่ที่ทำให้ Internal Approval ของลูกค้านานขึ้น…”

19. Campaign Attribution to Closed Deals หรือดู Campaign ไหนสร้าง Deal

สถานการณ์เปรียบเทียบ:

Marketing-Sales ที่ไม่ใช้ AI มักทะเลาะกันเรื่อง Attribution Sales บอก Lead จาก Marketing ไม่มีคุณภาพ Marketing บอกตัวเองส่ง Lead ดีแต่ Sales ปิดไม่ได้

Marketing-Sales ที่ใช้ AI วิเคราะห์ Match ระหว่าง Campaign Source กับ Closed-Won จริง เห็นชัดว่า Webinar Series Q4 ของ Marketing สร้าง Revenue สูงสุด 4.2M ส่วน Paid Social Ads ราคาแพงแต่สร้าง Revenue เพียง 600K ใช้เป็น Data ในการตัดสินใจ Budget Allocation

Prompt ภาษาไทย:

ช่วย Match Campaign Source กับ Closed-Won Deal จากข้อมูลนี้ และระบุว่า Campaign ไหนสร้าง Revenue สูงสุด

ข้อมูล:
==[Upload Campaign + Deal Export ที่มี Lead Source, Campaign Name, Deal Value, Closed Date]==

Output:
1. Ranked List ของ Campaign ตาม Revenue ที่สร้าง
2. Top 3 Campaign สรุปสั้นๆ ว่าน่าจะสำเร็จเพราะอะไร
3. Campaign ที่ใช้ Budget เยอะแต่ Revenue น้อย (Underperformer)
4. คำแนะนำ Budget Allocation สำหรับไตรมาสถัดไป

ตัวอย่างผลลัพธ์ที่จะได้:

Top Campaign Performance:

1. Webinar Series Q4 – Revenue 4.2M (จาก 18 Deal) – น่าจะสำเร็จเพราะเจาะ ICP ตรง และมี Hands-On Demo ในตัว
2. Industry Conference Sponsor – Revenue 2.8M (จาก 6 Deal ใหญ่)
3. Account-Based Marketing – Revenue 2.1M (จาก 4 Deal Enterprise)

Underperformer: Paid Social Ads ใช้ Budget 800K สร้าง Revenue 600K (ROI ติดลบ) แนะนำ: ย้าย Budget ไป Webinar Series เพิ่มอีก 50% เลิก Paid Social ส่วน Brand Awareness

20. Performance Comparison Chart หรือเปรียบเทียบผลงาน Top vs Bottom

สถานการณ์เปรียบเทียบ:

Sales Manager ที่ไม่ใช้ AI ทำ Performance Review จาก Number ดิบ ไม่มี Comparison ที่ Visual ทำให้ Feedback ไม่ชัดและไม่ Actionable

Sales Manager ที่ใช้ AI ได้ Chart เปรียบเทียบ Top vs Bottom Performer พร้อม Insight ว่าทั้งสองกลุ่มต่างกันยังไง ใช้ใน 1-on-1 Coaching ได้ทันที พนักงาน Bottom Performer พัฒนาขึ้น 40% ในไตรมาสถัดไป

Prompt ภาษาไทย:

ช่วยเปรียบเทียบ Performance ของ Top vs Bottom Performer ในทีม Sales

ข้อมูล:
==[Paste ตาราง Rep Performance รายไตรมาส ที่มี Revenue, Activity Count, Conversion Rate]==

Output:
1. Chart แสดง Trend ของ Top 25% vs Bottom 25%
2. ตารางเปรียบเทียบ Key Metric แบบ Side-by-Side
3. Insight 3-5 ข้อว่า Top vs Bottom ต่างกันที่อะไรชัดที่สุด
4. คำแนะนำสำหรับ Coach Bottom Performer ให้ขยับขึ้นมา

ตัวอย่างผลลัพธ์ที่จะได้:

Top vs Bottom Comparison:

• Daily Outbound Call: Top 38 ครั้ง vs Bottom 12 ครั้ง (3.2x ต่างกัน)
• Email ส่งต่อสัปดาห์: Top 145 vs Bottom 67
• Discovery Call ที่ทำต่อเดือน: Top 22 vs Bottom 8

Insight: ความแตกต่างหลักไม่ใช่ Skill การปิด แต่เป็น Activity Volume ในส่วนต้น Funnel ทำให้ Top มี Pipeline ที่กว้างพอ แนะนำ Coach: ตั้ง KPI Activity ขั้นต่ำต่อวันสำหรับ Bottom Performer และทำ Pair Selling กับ Top คุณ A 2 สัปดาห์

หมวดที่ 5: Visuals & Sales Collateral งานทำภาพประกอบ

หมวดสุดท้ายคืองาน Visual ที่เคยต้องรอ Designer หลายวัน ตอนนี้ Sales Manager ทำเองได้ด้วย ChatGPT

21. Sales Funnel Graphic หรือภาพ Funnel ขายของบริษัท

สถานการณ์เปรียบเทียบ:

ทีมที่ไม่ใช้ AI ต้อง Brief Designer ใช้เวลา 3-5 วัน ในการได้ Funnel Graphic สำหรับใช้ใน Onboarding Doc

ทีมที่ใช้ AI ได้ Funnel Graphic ใน 5-10 นาที เอาไปใส่ใน Onboarding Document หรือ Sales Kickoff Deck ได้ทันที พร้อมแก้ Stage เพิ่ม-ลดได้เองตลอด

Prompt ภาษาไทย:

ช่วยสร้างภาพ Funnel แสดง Sales Stages ของบริษัทเรา ในแบบที่ใช้ใน Onboarding Document

Sales Stages ของเรา:
==[ใส่ชื่อ Stage ทั้งหมดตามลำดับ เช่น Lead, Qualified, Demo, Proposal, Negotiation, Closed Won]==

ข้อกำหนด:
- ภาพชัด อ่านง่าย เหมาะสำหรับ Print หรือใส่ Slide
- มีคำอธิบายสั้นๆ ในแต่ละ Stage
- ใช้สี Modern Minimal
- มีพื้นที่ใส่ตัวเลข Conversion % ในแต่ละ Stage

ตัวอย่างผลลัพธ์ที่จะได้:

จะได้ภาพ Funnel ที่มี 6 Stage Stack กันลง พร้อมพื้นที่ใส่ตัวเลข Conversion ระหว่างชั้น ใช้สีฟ้าน้ำเงิน Gradient ใส่ใน PowerPoint หรือ Notion ได้ทันที

22. B2B SaaS Sales Funnel หรือ Funnel มาตรฐานสำหรับ B2B SaaS

สถานการณ์เปรียบเทียบ:

Sales Operations ที่ต้องการ Visual สำหรับสอนทีมใหม่ใช้ Template เก่าๆ ไม่ทันสมัย ไม่สวย

ใช้ AI ได้ Visual ที่ดูทันสมัย พร้อมใช้ใน Training Module หรือ Enablement Document Onboard พนักงานใหม่ได้ประทับใจตั้งแต่วันแรก

Prompt ภาษาไทย:

ช่วยสร้างภาพ B2B SaaS Sales Funnel มาตรฐาน ใช้สำหรับ Training Module

Stages ที่ต้องการ:
1. Prospecting
2. Discovery
3. Demo
4. Proposal
5. Closed Won / Closed Lost

ข้อกำหนด:
- ใช้ Icon ทันสมัย Flat Design
- มี Label ทั้งภาษาอังกฤษและภาษาไทยควบคู่
- ==[เพิ่ม Branding ของบริษัทเรา เช่น สีหลักของ Brand]==
- เหมาะสำหรับ Slide ใน Sales Onboarding หรือ Enablement Doc

ตัวอย่างผลลัพธ์ที่จะได้:

ภาพ Funnel แนวนอนหรือแนวตั้งที่มี Icon ทันสมัยในแต่ละ Stage Label สองภาษา ใช้สีของ Brand เป็น Theme หลัก เหมาะกับการนำเสนอใน Sales Kickoff หรือ Quarterly Review

23. Sales Persona Illustration หรือภาพ Persona ลูกค้า

สถานการณ์เปรียบเทียบ:

ทีมที่ไม่ใช้ AI ใช้ Stock Photo ที่ดูเหมือนคนอื่นหมด ไม่มี Identity ของ Persona ของแบรนด์ตัวเอง

ทีมที่ใช้ AI สร้าง Persona Illustration เฉพาะของแต่ละ ICP ที่ทีม Sales ใช้ในการ Pitch หรือ Internal Training รู้สึกว่าเข้าใจลูกค้าจริงๆ ไม่ใช่แค่ตัวเลข

Prompt ภาษาไทย:

ช่วยสร้างภาพ Illustration สำหรับ 3 Persona เป้าหมาย ที่จะใช้ใน One-Pager และ Training Slide

Persona ที่ต้องการ:
1. ==[Persona ที่ 1 เช่น CFO ของบริษัท Mid-Market 200-500 พนักงาน]==
2. ==[Persona ที่ 2 เช่น VP IT ของบริษัท Global Enterprise]==
3. ==[Persona ที่ 3 เช่น Operations Manager ของบริษัท Logistics]==

ข้อกำหนด:
- Style แบบ Flat Modern ไม่ใช่ Photo Realistic
- ใช้ใน Training Slide หรือ One-Pager
- แสดง Personality หรือบริบทการทำงานของแต่ละ Persona
- ==[ใช้สีตามแบรนด์ของเรา เช่น ฟ้าน้ำเงิน + ขาว]==

ตัวอย่างผลลัพธ์ที่จะได้:

จะได้ภาพ Illustration 3 ภาพของ Persona แต่ละคนในบริบทการทำงาน เช่น CFO นั่งดูแดชบอร์ดการเงิน, VP IT ยืนหน้า Server Room, Operations Manager กับโกดังสินค้า ใช้ใน Sales Training หรือ Marketing Material ได้

24. Territory Coverage Map หรือแผนที่แบ่ง Territory

สถานการณ์เปรียบเทียบ:

ทีมที่ไม่ใช้ AI ใช้ Slide ภาพแผนที่ Generic หาใน Google ไม่มี Branding ของบริษัท ไม่สื่อสารชัดว่าใครรับผิดชอบ Region ไหน

ทีมที่ใช้ AI ได้แผนที่ Visual ที่ Custom สำหรับ Sales Kickoff Deck แบ่งสีตาม Region พร้อม Label คนรับผิดชอบ ทำให้การ Communicate Strategy ภายในทีมทำได้ในนาทีแรกของ Meeting

Prompt ภาษาไทย:

ช่วยสร้างแผนที่ ==[ประเทศ/ภูมิภาคที่ต้องการ เช่น ประเทศไทย, ภูมิภาคเอเชียตะวันออกเฉียงใต้]== แสดง Sales Territory ที่แบ่งตาม Region

Region Breakdown:
- ==[Region 1 เช่น ภาคเหนือ - คุณ A รับผิดชอบ]==
- ==[Region 2 เช่น กรุงเทพและปริมณฑล - คุณ B รับผิดชอบ]==
- ==[Region 3 เช่น ภาคใต้ - คุณ C รับผิดชอบ]==

ข้อกำหนด:
- ใช้สีแยกชัดเจนระหว่าง Region
- Label จังหวัด/เมืองหลักให้อ่านง่าย
- เหมาะสำหรับใส่ใน Sales Kickoff Deck
- ==[ใช้ Brand Color ของบริษัท]==

ตัวอย่างผลลัพธ์ที่จะได้:

จะได้แผนที่ประเทศไทยที่แบ่งสีตาม 3 Region แต่ละ Region มีชื่อ Sales Rep ที่รับผิดชอบและจังหวัดสำคัญในพื้นที่ ใช้ใน Slide เปิดของ Sales Kickoff หรือ Quarterly Review เห็นภาพรวมในเสี้ยววินาที

สรุปและขั้นตอน Action ที่ทีม Sales ต้องเริ่มทำตอนนี้

จะเห็นได้ว่า 24 Prompts ของ Sales ที่ผมเรียบเรียงมาให้นี้ ไม่ใช่แค่ทำให้ทีมทำงานเร็วขึ้น แต่ทำให้ Sales Rep ทุกคนมีคุณภาพการทำงานเทียบเท่ากับ Senior Rep ที่มีประสบการณ์ 10 ปี ในด้านของการเตรียมข้อมูล เขียน Communication และวิเคราะห์ตัวเลขครับ

นับจากนี้ไป ทีม Sales จะไม่ใช่แค่ทีมที่เก่งเรื่องการพูด แต่จะเป็นทีมที่ใช้ AI เป็น Strategic Partner ในการทำงานทุกขั้นตอน ตั้งแต่ Prospecting จนถึง Renewal ครับ

3 สิ่งที่เพื่อนๆ ควรเริ่มทำตั้งแต่สัปดาห์นี้:

1. เลือก 3 Prompts ที่ Pain Point เร่งด่วนที่สุดของทีม ไม่ต้องทำทุก Prompts พร้อมกัน เลือกที่กิน Time มากที่สุดของทีมตอนนี้ เช่น Cold Email หรือ Pipeline Update เริ่มก่อน 1 สัปดาห์ ดูผลลัพธ์

2. ทำ Internal Playbook ที่รวม Prompts ที่ Customize ตามบริบทธุรกิจของเรา เก็บไว้ในที่ที่ทีมเข้าถึงได้ทุกคน เช่น Notion หรือ Google Docs จะทำให้ Onboarding พนักงานใหม่เร็วขึ้นมาก

3. ตั้ง KPI ที่วัด Productivity Gain จากการใช้ AI เช่น Email ที่ส่งต่อวัน, Time Per Account Plan, Sales Cycle Velocity เพื่อให้เห็น ROI ของการลงทุนใน AI Tool และผลักดันการใช้งานในทีมต่อเนื่อง

ใครทำการตลาดหรือธุรกิจที่มีทีมขาย ลองเริ่มจาก 1-2 Prompts ก่อนนะครับ แล้วจะเห็นความแตกต่างชัดเจนภายในเดือนแรกเลย

คำถามที่พบบ่อยเกี่ยวกับ Prompt ChatGPT for Sales

Prompt ChatGPT สำหรับ Sales มีอะไรบ้าง?

Prompt ChatGPT สำหรับ Sales แบ่งได้เป็น 5 หมวดหลัก ครอบคลุมงานตลอด Sales Funnel ครับ ได้แก่ Outreach & Communication สำหรับเขียน Email ทาบทามและ Follow-Up, Sales Strategy & Planning สำหรับวาง Account Plan และ Territory, Competitive Intelligence สำหรับสร้าง Battlecard สู้คู่แข่ง, Data Analysis สำหรับวิเคราะห์ Pipeline และ Performance และ Visuals & Sales Collateral สำหรับสร้าง Funnel Graphic และ Persona Illustration รวม 24 Prompt ตามที่ OpenAI Academy แนะนำ

ใช้ ChatGPT เขียน Cold Email ได้ผลจริงไหม?

ได้ผลจริงครับ ทีมขายที่ใช้ ChatGPT เขียน Cold Email สามารถส่งได้ 30-50 ฉบับต่อวัน เทียบกับ 10-15 ฉบับต่อวันสำหรับคนที่ไม่ใช้ AI โดย Email ที่ออกมามี Open Rate สูงขึ้นเพราะ AI ช่วย Personalize ได้ละเอียดถึงระดับ Industry และ Pain Point เฉพาะของลูกค้าแต่ละราย เคล็ดลับคือต้อง Feed ข้อมูล Background ของลูกค้า, Value Proposition ของเรา และ Tone ที่ต้องการให้ ChatGPT ครบทุกครั้ง อย่าใช้ Prompt แบบ “ช่วยเขียน Cold Email หน่อย” เพราะจะได้ Email ที่ Generic จนลูกค้าไม่อ่าน

AI ChatGPT ช่วยทีมขายปิด Deal ได้ยังไง?

AI ช่วยทีมขายปิด Deal ได้ใน 3 จุดสำคัญครับ จุดแรกคือช่วยเตรียมข้อมูลก่อน Meeting เช่น ทำ Strategic Account Plan ใน 20 นาที จากเดิมครึ่งวัน จุดที่สองคือช่วยตอบ Objection ของลูกค้าด้วย Rebuttal Bank ที่มีทั้ง Backup Stat และ Story ทำให้ Sales มั่นใจมากขึ้น และจุดที่สามคือช่วยทำ Follow-Up หลัง Demo ที่ Consultative ไม่ใช่ Generic ทำให้ Conversion จาก Demo ไป Next Meeting ขยับจาก 20% เป็น 35-40% ผลรวมคือ Win Rate ของทีมที่ใช้ AI สูงกว่าทีมที่ไม่ใช้ AI ประมาณ 25-30%

Prompt ChatGPT ภาษาไทยใช้ได้เหมือนภาษาอังกฤษไหม?

ใช้ได้ดีไม่แพ้ภาษาอังกฤษครับ โดยเฉพาะถ้าเขียน Prompt ที่มี Context ชัดเจน ระบุ Persona, Goal, Output Format และ Tone ครบ ChatGPT ตั้งแต่ Version GPT-4o ขึ้นไปเข้าใจภาษาไทยได้ดีมาก เคล็ดลับสำหรับการใช้ Prompt ภาษาไทยคือ ใช้ศัพท์การตลาดอังกฤษผสมได้ตามธรรมชาติ เช่น Cold Email, Account Plan, Pipeline ไม่ต้องแปลทุกคำ แต่ระบุ Tone ของ Output ให้ชัดว่าต้องการแบบไหน เช่น “เป็นกันเองแต่สุภาพ”, “Consultative ไม่ Hard Sell” ChatGPT จะตอบกลับมาเป็นภาษาไทยที่ตรงกับวัฒนธรรมธุรกิจไทย

ChatGPT ช่วยทำ Sales Forecast และวิเคราะห์ Pipeline ได้ไหม?

ได้ครับ ChatGPT สามารถวิเคราะห์ Pipeline ได้หลายมิติ ตั้งแต่คำนวณ Conversion Rate ระหว่าง Stage, ระบุจุด Drop-Off ที่ใหญ่ที่สุด, คำนวณ Deal Velocity เฉลี่ยต่อไตรมาส ไปจนถึงทำ Campaign Attribution เพื่อดูว่า Marketing Campaign ไหนสร้าง Revenue สูงสุด วิธีใช้คือ Export ข้อมูล CRM เป็น CSV แล้ว Upload เข้า ChatGPT (ต้องใช้ Plus หรือ Team Plan ที่มี Code Interpreter) Sales Manager ที่เคยใช้เวลา 3-4 ชั่วโมงทำ Pipeline Report สามารถลดเหลือ 15-20 นาที พร้อม Insight ที่ลึกกว่าเดิมและ Forecast Confidence ที่แม่นยำขึ้น 25%

ถ้าเพื่อนๆ สนใจอยากเอา AI ChatGPT ไปใช้ในงาน Marketing ผมก็ได้รวบรวมไว้ในบทความ 25 Prompt for Marketing ใช้ ChatGPT ทำงานได้เร็วและดีขึ้น ที่ครอบคลุมงาน Content, Campaign, Research และ Data Analysis สำหรับทีม Marketing โดยเฉพาะ ลองอ่านต่อได้ครับ

• Facebook
• X
• Line