<\/p>\n
I n dit artikel de prompts voor verkoopdata-analyse en het .xsl-voorbeeldsbestand:<\/p>\n
Analyseer de bijgevoegde verkoopgegevens en geef een\r\nbeknopt overzicht van opvallende trends, uitschieters\r\nof patronen in de dataset. Presenteer de bevindingen\r\npuntsgewijs, gericht op bijvoorbeeld omzet, productprestaties, regioresultaten en klantgedrag.<\/pre>\n–<\/p>\n
Stel een overzichtelijke tabel op met per stad de best\r\nverkochte productcategorie, gebaseerd op historische\r\nverkoopgegevens. Voer daarnaast een prognose uit voor\r\nde komende jaren op basis van deze trends. Licht toe\r\nwelke methode voor de voorspelling is toegepast en op\r\nwelke aannames deze is gebaseerd.<\/pre>\n<\/p>\n
–<\/p>\n
Analyseer de beschikbare verkoopgegevens om kansrijke leadsegmenten te identificeren. Geef op basis\r\nvan historische aankopen, regio\u2019s, productvoorkeuren\r\nen klantgedrag een indicatie van waar nieuwe leads\r\nzich kunnen bevinden. Presenteer dit in de vorm van\r\nconcrete klantprofielen of geografische gebieden met\r\nhoge potentie.<\/pre>\n<\/p>\n
–<\/p>\n
Combineer interne verkoopvoorspellingen met externe\r\ndatabronnen om kansrijke B2B-leads te identificeren.\r\nStart met het analyseren van verkoopgegevens per\r\nregio, stad en productcategorie om groeisegmenten\r\nte bepalen. Koppel deze inzichten vervolgens\r\naan externe bronnen zoals CBS, Statbel, LinkedIn,\r\nCompany.info en subsidie-databases,zoals RVO\r\nof VLAIO, om vergelijkbare bedrijven of regio\u2019s\r\nte vinden. Richt je specifiek op MKB-bedrijven\r\n(50\u2013250 medewerkers) die actief zijn in duurzame\r\ninitiatieven of kantoorvernieuwing. Presenteer de\r\nresultaten in de vorm van concrete leadprofielen of\r\ngeografische focusgebieden met een hoge commerci\u00eble\r\npotentie.<\/pre>\n<\/p>\n
–<\/p>\n
En voorbeeldbestanden:<\/p>\n
<\/p>\n
<\/p>\n
<\/p>\n