Sales Prompt Engineering
Kurze Erklärung: Sales Prompt Engineering bedeutet: Du schreibst und testest Prompts so, dass KI nützliche, korrekte Sales-Outputs liefert, zum Beispiel E-Mails, Call Notes und Account-Research.
Ausführliche Erklärung
KI kann Sales-Teams helfen, schneller zu schreiben, zu denken und zu recherchieren. Aber das Ergebnis hängt vom Prompt ab. Sales Prompt Engineering ist die Praxis, klare Anweisungen, Kontext und Grenzen zu geben, damit die KI auf Kurs bleibt. Dazu gehören Zielgruppe, Ton, Offer, Compliance und was die KI nicht annehmen darf. Im B2B senken gute Prompts generische Messages und reduzieren das Risiko falscher Aussagen.
So funktioniert es:
- Rolle und Ziel setzen: Sag der KI, wer sie ist (SDR, AE) und was sie liefern muss (erste E-Mail, Follow-up, Discovery-Fragen).
- Den richtigen Kontext geben: Gib ICP, Produkt, Value Points, Proof und alle Account-Notizen, die du hast.
- Grenzen definieren: Setze Länge, Format, Sprache und Regeln (keine erfundenen Fakten, keine personenbezogenen Daten, keine sensiblen Claims).
- Beispiele geben: Füge ein gutes und ein schlechtes Beispiel hinzu, damit die KI das richtige Muster kopiert.
- Testen und nachschärfen: Teste Prompts an echten Fällen, prüfe Outputs und passe an, bis die Qualität konstant ist.
Beispiel aus der Praxis
Ein Sales Manager baut einen Prompt für LinkedIn-Outreach. Er enthält den ICP, das Offer, zwei Proof Points und eine Regel: „Nenne keine privaten Signale wie Website-Besuche.“ Der Prompt erzwingt ein 60-Wörter-Limit und verlangt zwei Versionen (direkt und warm). Das Team testet das bei 20 Accounts, trackt die Reply Rate und passt den Prompt an, wenn die Messages zu ähnlich klingen.