Next Best Action untuk Setiap Deal yang Terbuka

Rep yang mengelola 40 deal terbuka memiliki masalah prioritisasi setiap pagi.

Mana yang layak mendapat perhatian hari ini? Mana yang hampir tidak aktif? Mana yang memiliki stakeholder yang belum dihubungi dalam tiga minggu? Mencari tahu itu secara manual berarti membaca setiap catatan deal, memeriksa tanggal aktivitas terakhir, meninjau catatan panggilan, dan menerapkan penilaian di bawah tekanan waktu.

Sebagian besar rep tidak melakukan ini. Mereka default ke deal yang terasa aktif atau muncul dalam rapat terbaru. Yang tenang terlewatkan. Yang tidak ada yang jelas salah tetapi juga tidak ada kemajuan diabaikan hingga menjadi situasi darurat atau kekalahan.

Next Best Action (NBA) adalah fungsi AI yang memperbaiki ini. Untuk setiap deal yang terbuka, ini mensintesis sinyal yang tersedia dan menghasilkan satu tindakan yang direkomendasikan secara spesifik.

Apa yang sebenarnya dihasilkan Next Best Action

Key Facts: AI Next Best Action dan Kinerja Pipeline

• Manajemen pipeline bertenaga AI mengurangi panjang siklus sales rata-rata sebesar 28% dan meningkatkan konversi lead-ke-peluang sebesar 37% dalam deployment B2B yang terdokumentasi. (Bain & Company, 2025)
• Tim sales yang menggunakan AI untuk panduan next-best-action 1,3 kali lebih mungkin mengalami peningkatan pendapatan dibandingkan tim yang mengandalkan manajemen pipeline manual. (Highspot, 2025)
• Bain & Company melaporkan deployment AI awal dalam sales B2B telah meningkatkan win rate lebih dari 30% di organisasi yang menghubungkan rekomendasi AI ke data deal CRM. (Bain & Company, 2025)

NBA bukan sekadar penilaian risiko yang diganti nama. Perbedaan ini penting karena kedua fungsi melayani tujuan berbeda.

Penilaian risiko deal memberi tahu Anda probabilitas-penutupan atau kategori risiko (tinggi/sedang/rendah). Ini menjawab "deal mana yang harus saya khawatirkan?" Manajer menggunakan ini untuk inspeksi pipeline. Rep menggunakannya untuk mengetahui di mana harus fokus secara umum.

Next Best Action memberi tahu Anda hal spesifik yang harus dilakukan sekarang tentang deal tertentu. Ini menjawab "apa tindakan dengan leverage tertinggi yang dapat saya ambil pada deal ini hari ini?" Ini adalah tugas, bukan skor. Rep menggunakannya untuk mengetahui apa yang harus dilakukan selanjutnya.

Keduanya berguna. Tetapi NBA adalah lapisan tindakan, dan tindakanlah yang benar-benar memindahkan deal.

Output NBA terlihat seperti ini:

• "Hubungi VP of Operations hari ini. Dia adalah economic buyer, dia tidak ada dalam 3 panggilan terakhir, dan deal tersebut memiliki tinjauan multi-stakeholder minggu depan."
• "Kirim studi kasus dari kemenangan layanan keuangan Anda. Prospek menyebutkan kekhawatiran kepatuhan dalam panggilan Kamis yang tidak Anda tangani secara langsung."
• "Minta mutual action plan. Deal ini telah berada di tahap Proposal selama 18 hari tanpa milestone berikutnya yang dinyatakan. Deal tahap Proposal yang tidak bergerak ke langkah berikutnya yang jelas dalam 14 hari ditutup pada 28% vs. 67% untuk deal yang melakukannya."
• "Jadwalkan sesi technical proof-of-concept. Evaluasi teknis dimulai 10 hari lalu tanpa hasil yang dicatat. Tidak ada PoC yang dijadwalkan dalam pipeline Anda berarti ini sedang melayang."

Setiap rekomendasi mencakup kondisi pemicu: mengapa AI merekomendasikan ini? Transparansi itu penting untuk adopsi rep. Rep yang memahami mengapa rekomendasi dibuat lebih mungkin untuk bertindak. Rep yang melihat daftar tugas dari kotak hitam lebih mungkin untuk mengabaikannya.

Pipeline NBA dalam ACE Framework

NBA adalah aplikasi inti Workflow Copilot. Pola berjalan secara berkelanjutan di latar belakang dan menampilkan tindakan seiring konteks rep berubah.

Ingest mengumpulkan dari semua sumber data terkait deal:

• Catatan deal CRM: tahap, nilai, perkiraan tanggal penutupan, akun, pemilik peluang
• Log aktivitas: tanggal panggilan terakhir, tanggal email terakhir, tanggal pertemuan terakhir, catatan CRM terbaru
• Transkrip panggilan: keberatan yang diajukan, sentimen pembeli, item tindakan yang berkomitmen, penyebutan stakeholder
• Thread email: recency respons, topik yang dibahas, perilaku penerusan (menandakan berbagi internal)
• Kalender: pertemuan mendatang dengan akun ini, waktu persiapan yang tersedia
• MEDDPICC (framework kualifikasi yang melacak Metrics, Economic Buyer, Decision Criteria, Decision Process, Identify Pain, Champion, Competition, dan Paper Process) atau kolom yang setara: kriteria mana yang diisi, mana yang hilang

Analyze membandingkan status deal saat ini dengan dua titik referensi:

1. Model kemajuan tahap: seperti apa deal pada tahap ini seharusnya? Aktivitas khas, pola keterlibatan stakeholder, dan garis waktu apa yang terkait dengan deal yang ditutup dari tahap ini?
2. Pola win/loss historis: kondisi spesifik apa dalam deal pada tahap ini yang memprediksi kemenangan vs. kekalahan?

Langkah Analyze mengidentifikasi kesenjangan: apa yang seharusnya benar pada tahap ini yang tidak benar sekarang? Deal yang berjalan pada satu jalur tanpa kontak kedua? Kriteria teknis yang hilang di tahap akhir? Tidak ada aktivitas dalam 14 hari terakhir selama tanggal penutupan yang semakin dekat? Setiap kesenjangan adalah potensi pemicu NBA.

Predict memperkirakan lintasan deal: apakah deal ini on track, melayang, atau berisiko kalah? Prediksi memberi makan urgensi rekomendasi NBA. Deal yang melayang perlahan menampilkan rekomendasi prioritas sedang. Deal yang cocok dengan pola acara kerugian (regresi tahap, champion yang diam, kompetitor disebutkan untuk pertama kalinya) menampilkan rekomendasi prioritas tinggi. Artikel kemampuan Predict mencakup cara kerja model lintasan deal pada lapisan ACE.

Generate menghasilkan rekomendasi tindakan spesifik dengan:

• Tindakan yang direkomendasikan (panggil, email, permintaan pertemuan, kirim konten, perbarui catatan deal)
• Alasannya: data apa yang memicu rekomendasi ini
• Konteks pendukung: kutipan transkrip panggilan yang relevan, data tahap, data hasil deal yang sebanding
• Tingkat prioritas: seberapa mendesak tindakan ini?

Prinsip Satu Tindakan Per Deal

Prinsip Satu Tindakan Per Deal adalah kendala desain yang mencegah NBA menjadi daftar tugas. Setiap deal yang terbuka menampilkan tepat satu tindakan yang direkomendasikan sekaligus, diurutkan berdasarkan dampak yang diharapkan pada kemajuan deal. Ketika rep melihat tujuh tindakan yang direkomendasikan per deal, mereka memperlakukan daftar itu sebagai kebisingan. Ketika mereka melihat satu tindakan spesifik dengan alasan, mereka memperlakukannya sebagai arahan dari pelatih deal. Prinsip ini memaksa AI untuk memprioritaskan: jika deal memiliki sinyal stall, stakeholder yang hilang, dan keberatan yang tidak ditangani, sistem hanya menghasilkan tindakan dengan leverage tertinggi, bukan ketiganya. Rep menyelesaikan tindakan pertama sebelum rekomendasi berikutnya muncul.

Sistem AI next-best-action yang menghasilkan rekomendasi tunggal yang diprioritaskan per deal melihat tingkat adopsi rekomendasi 2-3x lebih tinggi dibandingkan sistem yang menghasilkan daftar tugas multi-tindakan, karena rep dapat langsung bertindak daripada memutuskan apa yang harus diprioritaskan terlebih dahulu.

---

Taksonomi rekomendasi

Rekomendasi NBA masuk dalam lima kategori. Memahami taksonomi membantu rep mengenali jenis situasi yang mereka hadapi.

Intervensi stall. Tidak ada aktivitas dalam jendela yang ditentukan relatif terhadap tahap deal. Jendela bergantung pada tahap: tidak ada aktivitas selama 7 hari di tahap Proposal adalah sinyal stall; tidak ada aktivitas selama 7 hari dalam prospeksi awal adalah normal. Rekomendasinya adalah tindakan re-engagement yang spesifik untuk konteks terakhir yang diketahui: tindak lanjuti topik dari panggilan terakhir, referensikan sesuatu yang relevan yang terjadi dalam bisnis mereka, kirim sesuatu yang benar-benar berguna daripada hanya check-in.

Kesenjangan stakeholder. Deal yang berjalan pada satu jalur atau stakeholder yang hilang dalam proses keputusan. Jika deal mendekati tahap evaluasi tanpa economic buyer yang dikonfirmasi, itu adalah risiko. Jika evaluasi teknis sedang berlangsung tanpa sponsor IT yang terlibat, itu adalah risiko. Rekomendasinya adalah memperluas keterlibatan: "Perkenalkan diri Anda kepada Head of IT. Champion utama Anda belum menyebutkan keterlibatan mereka. Deal multi-jalur pada tahap ini ditutup 40% lebih sering."

Kesenjangan kriteria keputusan. Kolom MEDDPICC atau framework kualifikasi yang seharusnya diisi pada tahap ini tetapi tidak. Account executive (AE) yang memasuki negosiasi tahap akhir tanpa justifikasi ekonomi yang terdokumentasi sedang bernegosiasi tanpa mengetahui apa yang sebenarnya perlu dibenarkan pembeli untuk pembelian. Rekomendasinya adalah mengumpulkan informasi yang hilang: "Anda tidak memiliki dampak bisnis yang terdokumentasi. Sebelum panggilan berikutnya, siapkan pertanyaan discovery untuk menetapkan kasus nilai kuantitatif mereka."

Pengiriman konten dan sumber daya. Keberatan atau topik spesifik muncul dalam panggilan yang dipetakan ke konten, studi kasus, atau sumber daya yang harus dikirim. AI mencocokkan sinyal keberatan dalam transkrip panggilan ke perpustakaan sumber daya. Rekomendasinya spesifik: "Kirim studi kasus kepatuhan dari kemenangan kesehatan. Pembeli menyebutkan kepatuhan HIPAA dua kali pada Kamis."

Komitmen ke depan. Tidak ada langkah berikutnya yang dinyatakan atau mutual action plan yang ada. Deal tanpa langkah bersama berikutnya yang jelas memiliki tingkat penutupan yang jauh lebih rendah. Rekomendasinya adalah menetapkan satu: "Anda tidak memiliki milestone berikutnya yang dikonfirmasi. Tanggal penutupan Anda dalam 3 minggu. Minta mutual action plan dalam interaksi berikutnya."

Di mana NBA muncul dalam alur kerja rep

Rekomendasi yang baik yang disampaikan pada momen yang salah atau di tempat yang salah akan diabaikan. Menampilkan NBA secara efektif memerlukan pemikiran tentang kapan rep membuat keputusan tentang apa yang harus dilakukan selanjutnya.

Layar utama CRM / tampilan pipeline. Rekomendasi default: tampilkan rekomendasi NBA bersama setiap deal dalam tampilan pipeline. Rep melihat deal mereka dan tindakan yang direkomendasikan berikutnya untuk masing-masing. Bersih, relevan, dalam konteks. Kelemahannya adalah mengharuskan rep membuka CRM secara proaktif.

Email digest harian atau pesan Slack. Ringkasan pagi dari 5 hingga 7 rekomendasi NBA teratas untuk hari tersebut. Mendorong ke rep daripada menunggu mereka menariknya. Formatnya harus dapat dipindai dalam waktu kurang dari 3 menit: nama deal, NBA satu kalimat, indikator prioritas. Bekerja dengan baik untuk rep yang memulai hari di luar CRM.

Sidebar catatan deal. Ketika rep membuka catatan deal tertentu, NBA untuk deal tersebut ditampilkan secara menonjol. Kurang proaktif dari notifikasi push, tetapi visibilitas tinggi ketika rep sudah dalam mode manajemen deal.

Pemicu persiapan pertemuan. Ketika rep memiliki pertemuan dengan akun dalam 24 jam ke depan, dorong NBA untuk deal terkait apa pun. Menggabungkan konteks persiapan dengan rekomendasi tindakan pada momen yang tepat.

Implementasi terbaik menampilkan NBA di beberapa tempat dengan tingkat urgensi yang berbeda. Intervensi stall prioritas tinggi (deal berisiko) menjamin notifikasi push. Rekomendasi komitmen ke depan rutin berjalan baik dalam digest harian.

Feedback loop

NBA menjadi lebih baik ketika rep terlibat aktif dengannya, memberi tahu sistem apa yang mereka lakukan, dan memungkinkan data hasil mengalir kembali ke model.

Ketika rep mengambil tindakan NBA: Catat di CRM (sebagian besar sistem yang baik mendeteksi aktivitas CRM secara otomatis sebagai "tindakan diambil"). Seiring waktu, lacak apa yang terjadi setelah rep mengambil jenis rekomendasi tertentu. Apakah deal dengan intervensi stall yang diambil dalam 48 jam pulih dengan tingkat lebih tinggi? Apakah pengiriman konten setelah jenis keberatan tertentu mempengaruhi tingkat penutupan? Data hasil ini meningkatkan kualitas rekomendasi di masa mendatang.

Ketika rep menolak rekomendasi: Tangkap alasan penolakan. "Tidak berlaku," "Sudah melakukan ini," "Timing yang salah," "Rekomendasi yang salah untuk deal ini." Alasan penolakan yang berkelompok di sekitar jenis rekomendasi tertentu menandakan masalah kualitas: AI menghasilkan rekomendasi yang ditemukan rep berpengalaman tidak relevan. Itu adalah sinyal untuk menyetel ulang kondisi pemicu.

Ketika deal kalah: Jalankan audit NBA. Pada titik apa sistem rekomendasi NBA menandai risiko? Apakah rep menerima rekomendasi yang tidak mereka tindaklanjuti? Apakah kerugian didahului oleh jenis rekomendasi yang secara konsisten ditolak? Analisis kerugian yang terhubung ke perilaku NBA adalah beberapa data paling berharga untuk meningkatkan sistem.

Pipeline Review Prep With an AI Copilot mencakup bagaimana rekomendasi NBA terhubung ke percakapan tinjauan pipeline mingguan antara rep dan manajer. Data NBA menjadi titik referensi bersama: "Sistem merekomendasikan panggilan sponsor eksekutif 10 hari lalu; apakah itu terjadi?"

Otonomi rep: prinsip desain yang menentukan adopsi

NBA gagal ketika terasa seperti pengawasan. Ketika rep percaya bahwa rekomendasi yang ditolak sedang dilacak untuk mengevaluasi kinerja mereka, mereka berhenti menolak dan mulai mengambil tindakan yang tidak mereka pikir relevan dengan enggan. Itulah hasil terburuk: kepatuhan performatif dengan rekomendasi AI yang sebenarnya tidak sesuai dengan kebutuhan deal.

Prinsip desain: NBA adalah saran, bukan arahan. Rep adalah profesional dengan pengetahuan kontekstual yang tidak dimiliki AI. AI melihat data. Rep mengetahui hubungan, dinamika politik, kepribadian pembeli, dan lusinan sinyal lain yang tidak ada di CRM. Analisis Forrester tentang AI dalam sales B2B memperkuat ini: rekomendasi AI menjadi table stakes kecuali organisasi menggabungkannya dengan penilaian manusia yang kuat dan budaya belajar. Rep yang menggunakan NBA sebagai alat berpikir, bukan daftar tugas, mendapat manfaat terbesar darinya.

Menerapkan prinsip ini:

• Buat tindakan penolakan bergesekan rendah dan tidak menghukum. Tombol "tidak berlaku" atau "sudah ditangani" tanpa justifikasi yang diperlukan untuk rekomendasi prioritas rendah.
• Jangan tampilkan kinerja NBA kepada manajer sebagai metrik kinerja rep. "Rep menolak 60% rekomendasi NBA" bukan indikator yang berguna dari kinerja rep. Ini mungkin berarti rep sangat kompeten dan membuat penilaian yang lebih baik dari model. Atau mungkin berarti model perlu penyetelan untuk jenis deal tersebut.
• Bangun feedback loop dengan cara yang meningkatkan kualitas model, bukan dengan cara yang menekan kepatuhan.

Artikel CRM Data Hygiene With an AI Copilot mencakup ketergantungan kualitas data: rekomendasi NBA hanya sebaik data deal yang menjadi dasarnya. Tanggal aktivitas terakhir yang hilang, kriteria kualifikasi yang tidak lengkap, dan informasi kontak yang basi semuanya mengurangi relevansi rekomendasi.

Vendor yang menawarkan fungsionalitas NBA

Clari terutama adalah alat perkiraan dan inspeksi pipeline, tetapi lapisan AI mereka mencakup sinyal risiko deal dan tindakan yang direkomendasikan. Kuat untuk manajemen pipeline yang menghadap manajer; pengalaman NBA yang menghadap rep telah meningkat tetapi kurang matang dari lapisan perkiraan.

Gong Forecast mencakup rekomendasi deal berdasarkan sinyal conversation intelligence (CI). Sangat kuat dalam rekomendasi NBA yang berasal dari analisis panggilan dan email: keberatan yang tidak ditangani, topik yang muncul tanpa tindak lanjut, pola keterlibatan stakeholder. Cocok secara alami untuk tim yang sudah menggunakan Gong.

Salesforce Einstein menawarkan langkah berikutnya yang dihasilkan AI dalam catatan deal Salesforce. Kualitas telah meningkat secara signifikan dalam versi terbaru. Integrasi paling ketat untuk tim yang menggunakan Salesforce sebagai CRM utama mereka.

Rework CRM mencakup fungsionalitas Workflow Copilot dengan rekomendasi NBA tingkat deal. Terhubung ke data tahap deal, riwayat aktivitas, dan data pengayaan yang mengalir melalui lapisan CRM hygiene. Dirancang untuk tim RevOps mid-market yang menginginkan platform CRM dan operasi AI gabungan tanpa mengelola beberapa solusi titik.

Pola ACE dasarnya adalah Workflow Copilot, dengan Predict yang melakukan pekerjaan risiko deal dan lintasan serta Generate yang menghasilkan teks rekomendasi spesifik. Untuk pertimbangan governance yang menentukan seberapa banyak otonomi yang harus dimiliki sistem, lihat AI sales ops governance dan audit trails.

Pengembalian majemuk

NBA bekerja paling baik sebagai bagian dari tumpukan Workflow Copilot yang terhubung. Kualitas data CRM memberi makan analisis. Transkrip panggilan memberi makan deteksi keberatan. Thread email memberi makan sinyal keterlibatan stakeholder. Data pengayaan memberi makan deteksi kesenjangan kriteria keputusan. Setiap input yang terhubung membuat rekomendasi lebih spesifik dan lebih relevan.

Rep yang AI copilot-nya memiliki akses ke data CRM yang bersih, transkrip panggilan terbaru, dan riwayat email mendapatkan rekomendasi NBA yang terasa seperti datang dari pelatih deal yang sangat penuh perhatian. Rep yang AI copilot-nya melihat CRM dengan catatan yang basi dan kolom yang hilang mendapatkan saran umum yang terasa seperti kebisingan.

Artikel Auto-Drafted Sales Follow-Up Emails mencakup bagaimana rekomendasi NBA terhubung ke eksekusi: setelah AI merekomendasikan tindak lanjut, ini dapat membuat draf email dari konteks deal yang sama. Rekomendasi menghasilkan tugas; Workflow Copilot menangani draf eksekusi. Rep meninjau keduanya dan bertindak.

NBA adalah tempat Workflow Copilot membuktikan nilainya dalam operasi sales harian. Bukan dalam rapat perencanaan, bukan dalam perkiraan kuartalan, tetapi pada momen rep duduk Selasa pagi dengan 40 deal terbuka dan perlu mengetahui dari mana harus memulai. Dan rep yang memperlakukan rekomendasi pagi itu sebagai titik awal, bukan daftar tugas, adalah mereka yang menutup lebih banyak deal tersebut sebelum akhir kuartal.

Rework Analysis: Dalam deployment Rework CRM, rekomendasi NBA dengan tingkat adopsi tertinggi adalah intervensi stall yang ditampilkan dalam digest pagi harian daripada catatan deal CRM. Rep yang melihat "deal ini tidak memiliki aktivitas dalam 14 hari" sebelum membuka pipeline mereka bertindak 68% dari waktu. Rep yang melihat rekomendasi yang sama hanya saat membuka catatan deal tertentu bertindak 34% dari waktu. Mekanisme pengiriman menentukan tingkat tindakan sama banyaknya dengan kualitas rekomendasi. Kategori adopsi tertinggi kedua adalah rekomendasi komitmen ke depan, yang selaras dengan apa yang sudah diketahui rep berpengalaman: deal tanpa langkah bersama berikutnya berisiko.

---

---

Baca selanjutnya

• Workflow Copilot: AI as Peer-Level Assistant: pola ACE di balik NBA dan semua coaching deal berkelanjutan
• CRM Data Hygiene With an AI Copilot: fondasi kualitas data yang membuat rekomendasi NBA akurat
• Pipeline Review Prep With an AI Copilot: bagaimana rekomendasi NBA muncul dalam percakapan pipeline manajer-rep
• Auto-Drafted Sales Follow-Up Emails: mengubah rekomendasi NBA menjadi outreach draf secara otomatis