Zunächst mal: Was bringt der Connector deiner KI eigentlich?
DashThis kümmert sich um die Daten. Die KI übernimmt das Denken.
DashThis übernimmt bereits den aufwendigen Teil – jeden Monat, für jeden Kunden. Es verbindet sich mit deinen Plattformen und kümmert sich um die Authentifizierung. Es normalisiert die zurückgesendeten Daten, sodass eine „Conversion“ im August dasselbe bedeutet wie im März. Es wendet deine Berechnungen an. Es gruppiert alles nach Kunden. Und es gleicht die ständigen Veränderungen im Hintergrund aus: sich ändernde Endpunkte, ablaufende Tokens, umbenannte oder stillgelegte Metriken, Ratenbegrenzungen, Wiederholungsversuche. Der Konnektor lenkt deinen Assistenten auf die Ebene, die über all dem liegt.
Genau die Zahlen, die deine Kunden sehen. Wenn dein Assistent sagt, die Kosten pro Conversion lagen bei 137,27 $, dann ist das genau die Zahl, die auf der Seite „ dashboard “ steht, die dein Kunde öffnet. Es ist keine Zahl, die das Modell spontan berechnet hat – die würde beim nächsten Mal, wenn du danach fragst, nämlich etwas anders ausfallen.
Eine einzige zuverlässige Datenquelle. Dein „ dashboards “, deine geplanten Berichte und jetzt auch deine KI greifen alle auf dieselben Daten und dieselben Kennzahlen-Definitionen zurück. Du musst nichts mehr abgleichen, wenn ein Kunde dir eine Zahl nennt.
Kein Integrationsaufwand. Keine API-Schlüssel, keine OAuth-App, kein Entwickler-Token, kein Skript, um das man sich kümmern muss.
Alle Kanäle in einem Gespräch. Google Ads neben GA4 neben Meta neben deinen SEO-Tools und deinem CRM – alles nahtlos miteinander verknüpft. Die Frage „Warum sind die Leads zurückgegangen?“ lässt sich kanalübergreifend beantworten, statt jeweils nur auf einer Plattform.
Dein Verlauf – sicher gespeichert. Einschließlich Kennzahlen, die die Plattformen selbst nicht mehr speichern oder nicht mehr durchgängig offenlegen.
Entwickelt für viele Kunden, nicht nur für einen. Viele Konten, viele Quellen, wiederkehrende Aufgaben, kundenorientierte Ergebnisse. Die Gruppierung und die Isolierung sind bereits vorhanden.
„Alle drei entwickeln sich in die richtige Richtung, aber aus unterschiedlichen Gründen, daher sollten die drei Gespräche unterschiedlich gestaltet werden. Der Shopify-Shop ist die eigentliche Geschichte: Der Umsatz stieg im Monatsvergleich um 43 % und der Nettoumsatz um 43,7 %, was bedeutet, dass das Wachstum auch nach Rabatten und Rückerstattungen anhält und nicht nur durch Werbeaktionen zustande kommt. Fang damit an. Google Ads wird still und leise effizienter: Die Kosten pro Conversion sind um 6 % gesunken, die Kosten pro Klick um 40 % – bei gleichem Conversion-Volumen und etwas geringeren Ausgaben. Das ist eine E-Mail mit guten Nachrichten, kein Anruf. Bei Meta würde ich zum Telefon greifen: 24 % mehr Link-Klicks bei 3 % weniger Ausgaben – das Targeting funktioniert also, aber der Conversion-Wert liegt immer noch bei null. Das bedeutet in der Regel, dass der Wert nicht zurückgemeldet wird, und nicht, dass die Kampagnen nichts eingebracht haben. Das sollte man klären, bevor der Kunde nachfragt.“
Zwei Dinge machen diese Antwort die 60 Sekunden wert. Sie hat das Wichtige nach Priorität geordnet, anstatt einfach alles aufzuzählen. Und sie hat die Null als etwas behandelt, das überprüft werden muss, anstatt sie als Ergebnis anzugeben – das ist der Unterschied zwischen einem nützlichen und einem gefährlichen Assistenten.
Als Nächstes: Schreib die E-Mail mit den guten Nachrichten für den Shopify-Kunden und gib mir die Gesprächspunkte für das Meta-Gespräch.
Warum das funktioniert: Eine Verbindung, alle Kunden, in einem einzigen Durchgang. Dein Assistent muss sich nicht bei drei Plattformen anmelden oder drei verschiedene Definitionen von „Umsatz“ miteinander abgleichen. Er liest dieselben drei dashboards , die auch deine Kunden lesen.
Beispiel 2: Die monatliche E-Mail an die Kunden
Die Situation: Es ist der 3. Der Bericht wurde bereits automatisch verschickt. Jetzt musst du elf Kunden eine E-Mail schicken, in der du das erklärst.
Die Aufgabe: Lies den Google Ads- dashboard -Bericht für August und vergleiche ihn mit dem vorherigen Zeitraum. Entwirf eine E-Mail an den Kunden: freundlich, aber direkt, fünf kurze Absätze, kein Fachjargon, beginne mit dem, was für ihn am wichtigsten ist.
Was dabei herauskam. Hier sind die tatsächlichen Zahlen, die der Connector aus einem Demo-Google-Ads- dashboard -Konto für August 2026 im Vergleich zum Vorjahreszeitraum zurückgemeldet hat:
Und der daraus entstandene Entwurf für die Einleitung:
„Kurzer Rückblick auf den August. Wir haben etwas weniger ausgegeben als im letzten Monat und die gleiche Anzahl an Conversions erzielt, was bedeutet, dass jede Conversion euch etwa 9 Dollar weniger gekostet hat. Die größere Veränderung liegt jedoch darunter: Klicks sind deutlich günstiger als zuvor, und mehr Leute klicken auf die Anzeigen, wenn sie sie sehen. Eine Sache möchte ich aber ansprechen, bevor sich das zu einem Trend entwickelt. Wir erscheinen derzeit bei etwa 16 % der Suchanfragen, bei denen wir erscheinen könnten – ein Rückgang von etwa 25 %. Günstigerer Traffic ist gut. Dass wir ein Drittel seltener erscheinen als zuvor, ist der Kompromiss, und das ist eine Diskussion über das Budget wert.“
Warum das funktioniert: Jede Zahl in diesem Absatz entspricht der Zahl im Bericht des Kunden. Und der Assistent hat das entdeckt, was in einer Zusammenfassung nach einzelnen Kennzahlen untergegangen wäre: Die Effizienz hat sich verbessert, die Reichweite ist geschrumpft. Darum geht es, nicht um den CPA.
Beispiel 3: „Warum sind die Leads zurückgegangen?“
Die Situation. Der Kunde schickt um 16 Uhr eine E-Mail. Drei Wörter, keine Satzzeichen, leichte Panik.
Die Aufgabenstellung: Die Leads auf der GA4- dashboard -Seite sind im Vergleich zum Vorjahr gesunken. Erläutere mir Schritt für Schritt, was sich geändert hat – eine Kennzahl nach der anderen – und sag mir, welche Erklärung die Daten tatsächlich stützen.
Was dabei herauskam. Aus einem echten GA4- dashboard, August 2026 im Vergleich zu August 2025:
- Sitzungen: 104.301 gegenüber 130.999 (-20,4 %)
- Neue Nutzer: 45.420 gegenüber 45.547 (im Wesentlichen unverändert)
- Aufrufe: 235.178 gegenüber 309.698 (-24,1 %)
- Absprungrate: 47,9 % gegenüber 43,3 % (+4,5 Prozentpunkte)
- Conversions: 370 gegenüber 1.190 (-68,9 %)
Der Text lautete wie folgt:
„Die Konversionen sind viel schneller gesunken als der Traffic, es geht hier also nicht in erster Linie um den Traffic. Die Sitzungen sind um 20 % zurückgegangen, während die Zahl der neuen Nutzer stabil geblieben ist – das deutet eher auf weniger Wiederholungsbesuche hin als darauf, dass weniger neue Leute auf dich stoßen. Die Absprungrate ist parallel dazu gestiegen. Der Rückgang der Konversionen um 69 % steht in keinem Verhältnis zu all dem, daher solltest du als Erstes prüfen, ob sich das Konversions-Tracking geändert hat oder ob zwischen diesen beiden Zeiträumen ein Ereignis neu definiert wurde. Bevor du dem Kunden mitteilst, dass die Nachfrage gesunken ist, solltest du das erst einmal ausschließen.“
Warum diese letzte Zeile wichtig ist. Eine Ursache ist immer eine Schlussfolgerung. Ein Assistent, der deine „ dashboard “ liest, kann dir sagen, was sich verändert hat und womit diese Veränderung im Einklang steht. Er sollte dir aber nicht behaupten, er wüsste, warum das so ist, und du solltest einem Kunden keine Erklärung schicken, die er sich ausgedacht hat. Bitte ihn, das, was die Daten zeigen, von seinen Vermutungen zu trennen.
Folgefrage: Gib mir zwei Versionen der Antwort: eine für den Fall, dass die Nachverfolgung nicht funktioniert hat, und eine für den Fall, dass sie funktioniert hat.
Beispiel 4: Zwanzig Minuten vor dem Kundengespräch
Die Situation: Der Anruf ist um 14 Uhr. Es ist 13:38 Uhr. Du hast die Seite dashboard noch nicht geöffnet.
Die Vorgabe: Fünf Stichpunkte für mein Meeting um 14 Uhr zum Google-Ads-Konto. Ein Erfolg, ein Problem, eine Zahl, nach der sie fragen werden, eine Sache, bei der ich eine Entscheidung brauche, und eine Sache, die ich für den nächsten Monat vorbereiten muss. Jeweils unter 15 Wörtern.
Was kam zurück:
- Der CPC ist um 40 % gefallen, von 11,55 $ auf 6,89 $. Wir kaufen denselben Traffic für viel weniger.
- Der Impression Share ist von 25 % auf 16 % gesunken. Wir verpassen drei Viertel der in Frage kommenden Suchanfragen.
- Kosten pro Conversion: 137 Dollar, gegenüber zuvor 147 Dollar.
- Entscheidung erforderlich: Das Budget erhöhen, um den Impression-Anteil wiederherzustellen, oder die Effizienz beibehalten und die Einsparungen sichern?
- Nächsten Monat: Der Conversion-Wert liegt bei nur 54 $ bei Ausgaben von 14.000 $. Ist die Wertverfolgung richtig eingerichtet?
Warum das funktioniert: Es hat einen „ dashboard “ gelesen und dir einen Termin verschafft. Der letzte Punkt ist genau die Art von Information, die in den Daten offensichtlich ist, aber unsichtbar bleibt, wenn man um 1:38 Uhr ein PDF überfliegt.
Beispiel 5: Die Zahl, die der Kunde anfechten wird
Die Situation: Gleiche Kennzahl, unterschiedliche Definitionen der Zeiträume, und die interne „ dashboard “ deines Kunden sagt etwas anderes aus.
Die Aufforderung: Zeig mir den Such-Impression-Anteil im Google Ads- dashboard uf drei Arten an: für den vom „ dashboard “ festgelegten Berichtsmonat, für die letzten 30 Tage und für die letzten 30 Tage im Vergleich zum gleichen Zeitraum des Vorjahres.
Was zurückkam. Der Connector gibt jedes Fenster einzeln zurück und teilt dir mit, welches geantwortet hat:
- Dashboardeigener Zeitraum (1. bis 31. August 2026): 15,92 %
- Letzte 30 Tage (15. August bis 13. September 2026): 17,97 %
- Dasselbe Fenster im Jahr 2025: 9,99 %
Warum das wichtig ist. Drei stichhaltige Zahlen, drei unterschiedliche Geschichten. Ein Rückgang gegenüber dem letzten Monat, ein Anstieg gegenüber dem Vormonat, fast doppelt so viel wie vor einem Jahr. Wenn ein Kunde eine Zahl anzweifelt, findest du so in neunzig Sekunden heraus, ob ihr aus derselben Perspektive auf die Sache blickt.
Standardmäßig liest der Connector die eigene Periode von dashboard aus – dadurch stimmt die Antwort mit dem überein, was dein Client sieht. Wenn du nach einem anderen Fenster fragst, teilt er dir ganz klar mit, welches er verwendet hat.
Beispiel 6: Es jemandem erklären, der noch nie eine dashboard
Die Situation: Dein Ansprechpartner leitet deinen Bericht an seinen Finanzvorstand weiter.
Die Aufgabe: Schreib die Zusammenfassung für August neu – für einen Finanzvorstand, der noch nie eine Marketing- dashboard-Seite aufgerufen hat. Keine Abkürzungen. Zwei Absätze. Beziehe alles auf Kosten und Ertrag.
Was kam zurück:
„Im August haben wir 14.276 Dollar für Google-Werbung ausgegeben und 104 neue Anfragen generiert, bei durchschnittlichen Kosten von 137 Dollar pro Anfrage. Das sind etwa 9 Dollar weniger pro Anfrage als im Vormonat, bei etwas geringeren Ausgaben. Die Kosten, um jemanden dazu zu bringen, auf eine unserer Anzeigen zu klicken, sind um etwa 40 % gesunken, weshalb wir mit dem gleichen Geld mehr erreichen konnten.“
Ein Hinweis, den du beachten solltest: Unsere Anzeigen erscheinen derzeit bei etwa 16 % der relevanten Suchanfragen der Nutzer – ein Rückgang von 25 %. Wir arbeiten effizient mit einem geringeren Anteil am verfügbaren Markt. Eine Erhöhung des Budgets würde es uns ermöglichen, diesen Anteil wiederzugewinnen, allerdings zu höheren Kosten pro Klick als derzeit. Das ist eine Entscheidung zwischen Wachstum und Effizienz – und die musst du treffen.
Warum das funktioniert. Gleicher „ dashboard “, gleiche Zahlen, anderer Leser. Die Übersetzung für das Publikum ist genau das, was ein LLM besser kann als jedes Berichtstool es jemals könnte. Deine Aufgabe war es, zu entscheiden, was zählt. Es hat lediglich den Stil geändert.
Beispiel 7: Die Überprüfung vor dem Versand
Die Lage. Die Berichte werden morgen um 6 Uhr morgens verschickt. Du möchtest, dass sie keine Fehler enthalten.
Die Aufforderung: Welche meiner „ dashboards “ weisen derzeit eine fehlerhafte Datenquelle auf? Gruppiere sie danach, welche Verbindung unterbrochen ist, und sag mir, für welche Berichte diese Woche geplant sind.
Was zurückkommt. Der Connector kann direkt nach dem Zustand der Quellen filtern, sodass der Assistent nicht hundert dashboards nacheinander überprüfen muss. In unserem Test hat er festgestellt, dass fast alle Ausfälle auf zwei abgelaufene Verbindungen zurückzuführen waren, und darauf hingewiesen, dass dashboards mit einer ausgefallenen Quelle zwar weiterhin angezeigt werden, aber nicht mehr aktualisiert werden.
Auch eine Frage, die sich lohnt: Gibt es bei der „ dashboards “, die diese Woche erscheint, irgendwelche Widgets, die du nicht lesen konntest? Ich möchte wissen, wo ich im Dunkeln tappe.
Der Connector ist da ganz ehrlich. Ein Widget, das er nicht lesen kann, wird als „nicht verfügbar“ mit einer Begründung zurückgemeldet, statt stillschweigend als Null. Widgets, die bei unserem Test dashboards fehlgeschlagen sind, wurden als fehlgeschlagen gemeldet, mit dem ausdrücklichen Hinweis, dass sie in DashThis möglicherweise trotzdem einwandfrei dargestellt werden. Diese Unterscheidung erspart dir, einem Kunden mitteilen zu müssen, dass der Traffic gleich Null war, obwohl in Wirklichkeit das Abrufen aufgrund einer Zeitüberschreitung fehlgeschlagen ist.
Beispiel 8: Verknüpfe es mit allem anderen, was deine KI erreichen kann
Das ist die Funktion, die deine Woche wirklich verändert, und sie lässt sich am schwersten anhand eines Screenshots veranschaulichen.
Dein Assistent hat bereits Zugriff auf deinen Posteingang, deinen Kalender, deine Besprechungsnotizen und oft auch auf dein CRM. Die Telefonnummern deiner Kunden hatte er bisher noch nicht. Sobald er sie hat, drehen sich die Eingabeaufforderungen nicht mehr um Berichte, sondern um deinen Arbeitsablauf:
Schau mal in meinem Kalender nach, wann morgen die Kundengespräche stattfinden. Such für jedes Gespräch den passenden DashThis-Link dashboard heraus, ruf die Zahlen vom letzten Monat ab und schreib drei Gesprächspunkte in eine Notiz.
Lies dir den letzten E-Mail-Austausch mit diesem Kunden durch. Er hat nach den Kosten pro Lead gefragt. Schau dir die tatsächlichen Zahlen auf dashboard an und verfasse eine Antwort, die direkt auf seine Frage eingeht.
Geh alle dashboard in der Gruppe „Retail“ durch, markiere alles Ungewöhnliche und gib mir eine Zeile pro Kunde.
Querverweis: Welche Konten sind in unserem CRM als risikobehaftet gekennzeichnet und hatten zudem einen schwachen Monat bei ihrem „ dashboard “?
Nimm die drei „ dashboards “ des letzten Quartals und erstelle eine Gliederung für die QBR-Präsentation. Eine Folie pro Thema, und vermerke, aus welcher „ dashboard “ die jeweilige Aussage stammt.
Was es nicht kann, ganz klar
Ehrlichkeit ist hier mehr wert als eine Liste von Funktionen, denn wenn du die Grenzen kennst, werden deine Prompts besser.
So funktioniert es derzeit: Es schreibt deine Kundenzusammenfassung in das Kommentarfeld eines „ dashboard “, sofern dort eines vorhanden ist, und erstellt „ dashboards “ in der Beta-Version. Die Bearbeitung des gesamten „ dashboard “ ist das, woran wir gerade arbeiten, und wir freuen uns schon darauf, es euch zu zeigen. Bleibt dran, die Releases werden in rascher Folge erscheinen. In einem Gespräch zeigt Claude euch, was derzeit verfügbar ist, und fragt nach, bevor etwas ersetzt wird. Wenn ihr eine automatisierte Routine erstellt, legt ihr die Regeln fest, denen sie folgt.
Das Programm kennt das Wort „Kunde“ nicht. DashThis verfügt über Gruppen wie „ dashboards “ und „ dashboard “. Dein Assistent leitet den Kunden aus der Gruppe und dem Titel ab. Wenn deine Benennung chaotisch ist, wird auch die Gruppierung chaotisch sein. Das ist die Maßnahme mit dem mit Abstand größten Nutzen, die du vor dem Verbinden durchführen kannst.
Manche Widgets werden nicht ausgelesen. Ein Widget, dessen Inhalt nicht abgerufen werden kann, wird als „nicht unterstützt“ oder „fehlgeschlagen“ zurückgegeben – nicht als leer.
Große Tabellen werden gekürzt. Bei umfangreichen Aufschlüsselungen wie „Sitzungen nach Landingpage“ werden nur die obersten Zeilen angezeigt, zusammen mit einem Hinweis, dass es noch weitere gibt. Fordere stattdessen eine gefilterte oder eingeschränkte Ansicht an, anstatt die gesamte Tabelle anzuzeigen.
Es liest zwar, liefert aber keine Ergebnisse. Die Antwort im Chat verschwindet, sobald du den Tab schließt. Dein Kunde erhält seinen Bericht mit dem eigenen Branding trotzdem am 3., denn dieser Teil läuft von selbst weiter – egal, ob du das KI-Tool jemals öffnest oder nicht.
Es liest nur das, was du lesen kannst. Nur die Konten, auf die du Zugriff hast, jeder Client isoliert, Daten werden nur gesendet, wenn du eine Frage stellst. Mit einem Klick widerrufbar.
Die Prompt-Bibliothek
Kopieren, einfügen, die Teile in Klammern ersetzen.
Sich zurechtfinden
- Welche „ dashboards “ habe ich? Gruppiere sie nach Kunden.
- Welche „ dashboards “ nutzen [Google Ads / GA4 / Meta Ads]?
- Zeig mir alle „ dashboard “, in deren Titel „[Kundenname]“ vorkommt.
- Was steht auf der [dashboard name]- dashboard? Erklär mir erst mal, wie das Ganze aufgebaut ist, bevor du irgendwelche Zahlen nennst.
- Welche Integrationen speisen den [dashboard name] dashboard ein?
- Auf welchen Berichtszeitraum und welche Häufigkeit ist [dashboard name] eingestellt?
- Wie viele „ dashboards “ gibt es in diesem Konto, und wann wurde jedes einzelne davon erstellt?
Gesundheit und Hygiene
- Sind alle Quellen auf der Website dashboards von [Kundenname] in Ordnung?
- Welche „ dashboards “ wurden seit [Jahr] nicht mehr angerührt?
- Finde „ dashboards “ mit Titeln, die fast identisch sind.
Eine Single lesen dashboard
- Ruf [dashboard name] für den letzten Monat ab und vergleiche die Daten mit dem Vorzeitraum.
- dashboard, vergleiche stattdessen mit dem gleichen Monat des Vorjahres.
- Zeig mir bitte nur die KPI-Kacheln von [dashboard name]. Lass die Tabellen weg.
- Was ist die größte Veränderung bei [dashboard name] in dieser Saison?
- Zeig mir nur die Widgets an, in deren Titel „Conversion“ vorkommt.
- Welche Kennzahl auf dieser Seite dashboard hat sich prozentual am stärksten verändert? Welche hat sich absolut gesehen am stärksten verändert?
- Gibt es irgendetwas auf dieser Seite dashboard , das du nicht lesen konntest?
- Lies [dashboard name] für [last7Days / last30Days / thisMonth / lastMonth / thisYear / lastYear] anstelle des eigenen Zeitraums.
Erklären, was mich bewegt hat
- Erkläre die Veränderung der [Kennzahl] bei [dashboard name] in einfachen Worten.
- Trenne das, was die Daten zeigen, von dem, was du daraus schließt. Beschrifte beides.
- Nenn mir drei mögliche Erklärungen für diesen Rückgang, geordnet danach, wie gut die Daten sie stützen.
- Ist dieser Rückgang größer als die üblichen monatlichen Schwankungen bei diesem Konto?
- Welcher Kanal ist für den größten Teil der Veränderung verantwortlich?
- Ist [Metrik] wegen des Volumens oder wegen der Rate gesunken?
- Was müsste ich auf der Plattform überprüfen, um deine Theorie zu bestätigen?
An den Kunden schreiben
- Entwirf die monatliche E-Mail von [dashboard name]. Herzlich, direkt, fünf Absätze, kein Fachjargon.
- Es ist dieselbe E-Mail, aber der Kunde ist unzufrieden, und das muss ich erst einmal anerkennen, bevor ich auf die Zahlen eingehe.
- Schreib das mal für jemanden um, der noch nie eine Marketing-E-Mail dashboard geöffnet hat.
- Formuliere das mal für einen Finanzvorstand um. Beziehe alles auf Kosten und Ertrag.
- Mach daraus eine Slack-Nachricht, maximal drei Zeilen.
- Schreib die einzeilige Zusammenfassung, die ganz oben im Bericht stehen soll.
- Schreib den Text für das Kommentar-Widget auf dieser Seite dashboard in meinem Stil.
- Schreib die Version, die ich schicke, wenn es schlechte Nachrichten gibt und ich den Kunden behalten will.
- Gib mir die gleiche Info auf Französisch.
Vorbereitung auf das Treffen
- Fünf Stichpunkte vor meinem Gespräch mit [Kundenname]. Ein Erfolg, ein Anliegen, eine Zahl, nach der sie fragen werden, eine Entscheidung, die ich brauche, eine Sache, die ich vorbereiten muss.
- Was ist die schwierigste Frage, die mir dieser Kunde zu diesen Zahlen stellen könnte, und wie beantworte ich sie?
- Mach mir eine mündliche Zusammenfassung von zwei Minuten. Schreib sie so, wie ich sie laut vortragen würde.
- Was haben wir im letzten Quartal versprochen, und haben wir es auch eingehalten? Schau dir den Kommentar zum älteren Beitrag „ dashboards “ an.
- Nenn mir eine Zahl, mit der ich das Gespräch beginnen kann.
Bei all deinen Kunden
- Welche Kunden brauchen diese Woche besondere Aufmerksamkeit, und warum? Je eine Zeile.
- Geh alle dashboard in der Gruppe [Gruppenname] durch und markiere alles, was ungewöhnlich ist.
- Bei welchen Konten sind die Ausgaben diesen Monat gestiegen, die Konversionen aber nicht?
- Gibt es diesen Monat einen Trend, der sich bei mehreren Kunden abzeichnet?
- Welche Kunden hatten ihren besten Monat des Jahres?
- Welche Kunden würde ich morgen nur ungern vorstellen?
Vierteljährlich und jährlich
- Ruf die Daten der letzten drei Monate von [dashboard name] ab und skizziere die Entwicklung im Quartalsvergleich.
- Erstelle eine Gliederung für die QBR-Präsentation. Eine Folie pro Thema, und vermerke, aus welcher „ dashboard “ die jeweilige Aussage stammt.
- Vergleiche dieses Quartal mit dem gleichen Quartal des Vorjahres und sag mir, wie sich die Entwicklung darstellt.
- Erstelle aus diesen dashboards deinen Jahresrückblick.
Zusammen mit deinen anderen Werkzeugen
- Schau in meinem Kalender nach, wann morgen die Kundengespräche stattfinden, such die entsprechenden dashboard heraus und bereite die Gesprächspunkte vor.
- Lies den letzten Thread mit diesem Kunden durch, such die Nummer heraus, nach der er gefragt hat, und verfass die Antwort.
- Welche Risikokunden im CRM hatten ebenfalls einen schwachen Monat?
- Speichere die Zusammenfassungen dieses Monats in einem Dokument, mit einem Abschnitt pro Kunde.
- Jeden Montag schau mal in meinen „ dashboards “ rein und schick mir die drei Kunden, die deine Aufmerksamkeit brauchen.
Drei Gewohnheiten, die jede Antwort besser machen
Nenn die „ dashboard “ und den Zeitraum. Das hab ich zwar schon gesagt, aber es lohnt sich, es noch mal zu wiederholen. Das ist der Unterschied zwischen einer Antwort und einer Vermutung.
Frag ihn, wie er darauf gekommen ist. „Aus welchem Widget stammt diese Zahl?“ – das dauert vier Sekunden und deckt den seltenen Fall auf, in dem dein Assistent die falsche Kachel ausgewählt hat.
Bittet es, Fakten von Vermutungen zu trennen. Euer „ dashboard “ weiß, was passiert ist. Niemand weiß, warum. Einen Assistenten, der seine Vermutungen als solche kennzeichnet, könnt ihr bedenkenlos in eine E-Mail an einen Kunden einfügen. Einen, der das nicht tut, nicht.
