ooligo
claude-skill

Générer des briefings hebdomadaires de réunion de prévision avec Claude

Difficulty
intermédiaire
Setup time
30min
For
revops
RevOps

Stack

Un Claude Skill qui extrait le pipeline ouvert d’un commercial, compare le commit / best-case / upside par rapport au snapshot de la semaine précédente, analyse en profondeur les trois meilleurs commits avec une activité récente, et liste les questions précises que le manager devrait poser lors du 1:1 hebdomadaire de prévision — tirées d’une bibliothèque de questions indexée par type de mouvement, et non inventées à chaque exécution. L’output est un briefing Markdown d’une page que le manager lit dans les cinq à dix minutes avant l’appel. Le Skill ne produit jamais de chiffre de prévision, ne partage jamais automatiquement le briefing, et ne compare jamais les commerciaux entre eux.

Quand l’utiliser

Vous êtes un manager commercial avec trois à dix subordonnés directs qui mène un 1:1 hebdomadaire de prévision avec chacun. Vous voulez que chaque appel commence avec la même profondeur de contexte de données — pas seulement pour les commerciaux bruyants avec des affaires complexes — et vous ne disposez pas de quatre-vingt-dix minutes par semaine et par commercial pour parcourir manuellement leur pipeline avant chaque appel. Le Skill comprime la boucle « diff de snapshot + extraction d’activité récente + rédaction de questions » d’environ 45 à 90 minutes par commercial à environ 10 minutes de revue d’un briefing au format fixe. Pour une équipe de six commerciaux, c’est la différence entre vraiment faire la préparation de prévision le lundi matin et la sauter trois semaines sur quatre.

Utilisez-le hebdomadairement, le même jour, avant le même ensemble de 1:1s. La préparation quotidienne est superflue (les snapshots de prévision n’évoluent pas aussi vite et vous vous entraînerez à réagir au bruit). La préparation mensuelle est trop rare (l’activité récente est alors obsolète et vous lisez des mouvements de la semaine cinq sur une affaire qui est déjà conclue ou déjà morte). Le dimanche soir ou le lundi matin, avant le premier 1:1 de la semaine, est la fenêtre pour laquelle la bibliothèque de questions et la logique de diff de snapshot sont calibrées.

Quand NE PAS l’utiliser

  • Produire le chiffre de prévision que vous remontez. Ce Skill vous prépare à une conversation sur le chiffre du commercial. Le commercial est propriétaire du chiffre, vous le calibrez, et un LLM ne le génère pas. Les chiffres de commit générés automatiquement sont la façon dont la culture de prévision se pervertit — une fois que le commercial sait qu’un modèle produit l’appel, il commence à adapter ses notes de pipeline à ce que le modèle récompense.
  • Préparation pour le conseil d’administration, les QBRs, ou tout output qui quitte votre bureau sans que vous l’ayez lu et modifié d’abord. Le briefing est un document de préparation privé. Transmettre l’output brut du Skill au commercial, au VP ou en remontant transforme un pattern matching partiel en verdict que le manager n’a pas réellement pris. Le bundle ne livre intentionnellement aucun hook de partage automatique.
  • Commerciaux que vous ne managez pas directement. Le Skill vérifie le manager-de-référence avant de charger des données de pipeline et refuse en cas de non-correspondance. Les briefings de prévision avec un mauvais manager exposent le contexte affaire par affaire que l’invocateur ne devrait pas voir — le mode d’échec de fuite de données le plus impactant que ce Skill pourrait permettre s’il n’est pas protégé.
  • Commerciaux en rampe dans leurs 30 premiers jours. Les mouvements semaine après semaine dans le pipeline d’un commercial en rampe sont surtout du bruit — ils apprennent ce que chaque étape signifie réellement, pas en signalant la santé d’une affaire. Un briefing du lundi signalant du « thrashing » chez un commercial qui essaie juste de comprendre les définitions d’étapes est le type de faux positif qui érode la confiance dans toute la boucle. Attendez qu’il ait trois semaines propres d’activité de pipeline.
  • Pipelines de renouvellement ou de customer success purs. Le référentiel ici est construit pour le mouvement commit / best-case / upside en nouvelles affaires. La prévision de renouvellement a des signaux différents — tendances d’usage, NPS, clauses pluriannuelles, changements de sponsor exécutif — que ce Skill n’examine pas. Utilisez un outil ou workflow spécifique au renouvellement pour les pipelines CS.

Configuration

  1. Déposez le bundle. Le Skill, le format de briefing, la bibliothèque de questions et le modèle d’analyse approfondie par affaire se trouvent dans apps/web/public/artifacts/forecast-meeting-prep-skill/SKILL.md et les trois fichiers dans apps/web/public/artifacts/forecast-meeting-prep-skill/references/. Copiez le répertoire dans ~/.claude/skills/forecast-meeting-prep/ ou dans .claude/skills/ au niveau projet de votre équipe pour que Claude Code le détecte.
  2. Câblez Salesforce (ou votre CRM). Compte de service avec accès en lecture à Opportunity, OpportunityHistory, OpportunityFieldHistory, Task, Event et ForecastingItem. Portées api et refresh_token. Le Skill met en cache le token OAuth pendant une heure pour que les briefings successifs de plusieurs commerciaux ne se réauthentifient pas. Le Skill respecte les permissions par utilisateur dans le CRM ; si vous ne pouvez pas voir les affaires d’un commercial dans l’interface, le Skill non plus — ce qui est le comportement correct.
  3. Configurez le job de snapshot. Le diff à l’étape 2 du Skill nécessite le snapshot du pipeline de la semaine précédente dans la même forme de colonnes que celui de cette semaine. Tout ce qui dépose pipeline_<rep_id>_YYYY-MM-DD.csv dans S3 ou Drive chaque vendredi à 18h fonctionne. Le Skill refuse si une dérive de schéma est détectée entre les snapshots, donc ne changez pas les colonnes en milieu de trimestre sans relancer le job de snapshot sur les semaines précédentes.
  4. Remplacez les modèles par vos artifacts réels. Le bundle livre trois fichiers de référence placeholder. Chacun est générique jusqu’à ce que vous le remplissiez avec le contenu de votre équipe :
    • references/01-briefing-format.md — la forme Markdown littérale que chaque briefing hebdomadaire utilise. Le format fixe est le point ; ne le régénérez pas par exécution.
    • references/02-question-library.md — votre catalogue de questions d’appel de prévision, indexé par type de mouvement. Le pilote livre sept patterns (commit ajouté sans apparition préalable dans le best-case, commit supprimé, avance d’étape sans activité, dérive de date de clôture, affaire bloquée, thrashing, signalement répété). Ajoutez des patterns correspondant à vos définitions d’étapes et au vocabulaire de votre équipe.
    • references/03-deal-deepdive-template.md — le bloc par affaire que le Skill rend pour chacun des top commits. Même forme par affaire pour que le manager scanne les trois premiers d’un coup d’œil.
  5. Décidez votre cadence hebdomadaire et la séquence des 1:1s. Le briefing est conçu pour être lu une fois, dans les cinq à dix minutes avant chaque 1:1. Lancez le Skill en batch le lundi matin pour chaque commercial, classez chaque briefing dans vos notes de manager, puis lisez chacun au moment d’entrer dans le 1:1 correspondant. Ne partagez pas le briefing au préalable avec le commercial — les questions du briefing sont celles du manager, pas un prompt de préparation pour le commercial.

Ce que le skill fait réellement

Six étapes, dans l’ordre, sans parallélisation :

  1. Vérifiez le manager-de-référence dans le CRM. Refus ferme si l’utilisateur invocateur n’est pas le manager direct du commercial. Pas de briefing partiel, pas de suggestion de contournement.
  2. Différez d’abord le delta commit-vs-réel — commit total, best-case et upside semaine après semaine, plus les mouvements par opportunité entre catégories. Le delta est calculé avant toute extraction d’activité car chaque étape ultérieure (quelles affaires analyser en profondeur, quelles questions faire remonter) est indexée par ce qui a bougé. La dérive de schéma entre les snapshots est aussi un refus ferme ici.
  3. Classez les meilleurs commits par un composite de taille d’affaire, jours jusqu’à la clôture, tout mouvement semaine après semaine, et « aucune activité dans les 14 derniers jours ». Prenez les trois premiers (défaut ; configurable jusqu’à cinq). Le plafond existe car les briefings qui essaient d’analyser en profondeur douze affaires sont feuilletés ; ceux sur trois sont utilisés.
  4. Extrayez l’activité récente par top commit — les 14 derniers jours d’emails, réunions, appels (titres uniquement, jamais de transcriptions), completions de tâches, historique d’étapes. Le bruit auto-journalisé (emails système, refus de calendrier, séquences BCC-blast) est filtré avant de compter. Les affaires avec zéro activité significative sont signalées comme bloquées ; les affaires avec plus de cinq changements d’étape dans la fenêtre sont signalées comme en thrashing.
  5. Faites correspondre les patterns de questions depuis 02-question-library.md avec les mouvements détectés aux étapes 2 et 4. La bibliothèque est indexée par pattern, pas par taille d’affaire ou par commercial. Si un pattern de mouvement ne correspond à aucune entrée de la bibliothèque, le Skill fait remonter le mouvement ouvertement et écrit « aucune question de bibliothèque ne correspond ; manager à rédiger » — il n’invente jamais une question générique pour remplir le slot.
  6. Rendu du briefing dans le format fixe depuis 01-briefing-format.md. L’ordre des sections ne change pas d’une semaine à l’autre ; le choix d’ingénierie est délibéré pour que le manager scanne la même mise en page chaque lundi et remarque ce qui a changé.

La section des questions est l’output le plus important. « Comment se porte l’affaire ? » est inutile. « Expliquez-moi ce qui a changé chez Acme entre vendredi dernier et aujourd’hui pour qu’elle passe directement en commit » est une question à laquelle le commercial peut répondre précisément, que le manager peut vérifier sur le snapshot de la semaine suivante, et la bibliothèque de questions est construite pour produire des questions de cette forme précise par pattern détecté.

Réalité des coûts

Par briefing (un commercial, trois commits en analyse approfondie, ~14 jours d’activité filtrée, Claude Sonnet 4.5) :

  • Environ 40 000 tokens d’entrée — les deux snapshots, les métadonnées des N meilleures opportunités, le journal d’activité filtré par top commit, les trois fichiers de référence. Environ 0,12 $ au tarif actuel de Sonnet.
  • Environ 1 500 tokens de sortie pour le briefing lui-même. Environ 0,02 $.
  • Environ 0,15 $ par commercial par semaine, 0,60 $ par commercial par mois.

Pour un manager de six commerciaux, c’est environ 4 $ par mois en coût de tokens. L’accès à l’API CRM est inclus si vous avez déjà Salesforce ; le stockage de snapshots S3 ou Drive est essentiellement gratuit à ce volume.

Temps économisé par manager par semaine : environ 60 minutes de préparation manuelle de prévision par commercial se réduisent à environ 10 minutes de revue de briefing. Pour six commerciaux, c’est environ cinq heures récupérées par semaine. Le plancher réaliste est plus proche de trois heures récupérées compte tenu des conversations 1:1 qui durent légèrement plus longtemps car les questions sont plus précises — ce qui est le but.

Métriques de succès

Suivez un seul chiffre pendant un trimestre : pourcentage des 1:1s hebdomadaires de prévision où le commercial mentionne le pattern signalé par le briefing sans y être invité. Si au-dessus de 50 % à la semaine 6, la bibliothèque de questions est calibrée sur les vrais patterns d’affaires de votre équipe et le briefing s’impose comme un démarreur de conversation plutôt qu’un verdict. En dessous de ce seuil, les questions sont soit trop génériques soit le commercial ne les juge pas pertinentes — rafraîchissez la bibliothèque de questions avec les post-mortems réels d’affaires du dernier trimestre.

Signaux secondaires (plus lents, plus bruités) : précision des commits semaine après semaine, taux de glissement des prévisions en fin de trimestre, qualité des 1:1s évaluée par le manager, pourcentage des 1:1s où le commercial signale un risque d’affaire avant le manager.

Alternatives

  • Préparation manuelle de prévision à partir de zéro. Meilleure fidélité si le manager le fait vraiment chaque semaine. Le piège est la cohérence : sous charge, la préparation manuelle saute les commerciaux stables pour se concentrer sur le commercial problématique, la profondeur de préparation varie de semaine en semaine, et les questions dérivent vers le générique (« comment se porte Acme ? ») parce qu’il n’y a pas de bibliothèque fixe. Le Skill ne produit pas une meilleure préparation qu’un excellent manager avec un temps infini ; il produit une préparation cohérente pour le même manager sous une charge réaliste.
  • Fonctionnalités de prévision Clari. Clari est construit pour le chiffre de prévision lui-même — le roll-up, la calibration du commit, le scoring affaire par affaire. Il est excellent pour « quel est le chiffre de l’équipe » et pour signaler les affaires à risque par rapport aux patterns historiques. Ce qu’il ne fait pas, c’est générer un briefing de conversation 1:1 par commercial avec des questions précises tirées d’une bibliothèque que le manager possède. Vous pouvez combiner : Clari pour le chiffre et la détection de patterns au niveau équipe, ce Skill pour la préparation de conversation hebdomadaire par commercial.
  • Gong Forecast. Le plus pertinent quand le signal voulu est « qu’a réellement dit le client lors des appels récents » — la couche de transcription de Gong alimente directement son scoring d’affaires de prévision. Ce Skill ne tire délibérément pas les transcriptions (titres uniquement) pour garder le briefing scannable en 10 minutes et maintenir une surface de confidentialité réduite. Si vous voulez un signal de prévision au niveau du contenu des appels, Gong est le bon outil ; pour « que dois-je demander au commercial sur le diff de snapshot », ce Skill l’est.
  • Statu quo. « Je ferai la préparation de prévision juste après le nettoyage du pipeline. » Le nettoyage du pipeline n’est jamais terminé. Le 1:1 commence par « alors, comment va tout ? » et se termine avec le commercial qui repart en se sentant invisible. Le statu quo est l’alternative que la plupart des managers choisissent réellement.

Points de vigilance

  • Présenter les commerciaux comme bons ou mauvais sur la base de données retardées. Un commercial dont le commit a chuté cette semaine a peut-être fait la bonne chose (sorti honnêtement une affaire bloquée du commit avant qu’elle ne glisse) et un commercial dont le commit a augmenté peut sandbagging un glissement. Protection : le briefing rapporte les mouvements et les patterns et ne score jamais le commercial, ne classe jamais les commerciaux entre eux, et la bibliothèque de questions est construite autour du cadre « aidez-moi à comprendre » plutôt que « expliquez-vous ». Voir apps/web/public/artifacts/forecast-meeting-prep-skill/references/02-question-library.md pour les règles de formulation des questions. Le manager applique le contexte hors données (historique des 1:1s, nuances d’affaires que le snapshot ne montre pas) avant de tirer toute conclusion.
  • Dérive de la qualité des questions précises. Au fil du temps, la bibliothèque de questions peut se réduire aux mêmes trois questions pour chaque pattern de mouvement, et le commercial cesse de s’engager car chaque lundi semble identique. Protection : chaque entrée de la bibliothèque porte une date last_used que le Skill incrémente quand il choisit la question pour un commercial ; le Skill ajoute un avertissement quand la question correspondante a été utilisée sur ce commercial plus de trois fois dans le dernier trimestre ; le plan de déploiement prévoit un rafraîchissement trimestriel de la bibliothèque de questions à partir des post-mortems réels d’affaires du dernier trimestre. Voir apps/web/public/artifacts/forecast-meeting-prep-skill/references/02-question-library.md.
  • Contexte manquant que le manager a des 1:1s précédents. Le Skill voit les données de pipeline et les journaux d’activité. Il ne voit pas ce que le commercial a dit au manager lors du dernier 1:1, ce que le champion a mentionné dans un couloir, ou ce que les achats font côté client. Protection : le briefing est explicitement formulé comme « ce que les données montrent », la bibliothèque de questions est construite sur le cadre « aidez-moi à comprendre l’écart », et le manager modifie toujours avant l’appel. L’output du Skill sans revue du manager est un pattern matching partiel, pas un verdict.
  • Hygiène des snapshots. Si le snapshot hebdomadaire manque une semaine, le diff à l’étape 2 hallucine des mouvements à grande échelle (chaque affaire semble avoir bougé). Protection : le Skill compare les timestamps des snapshots et refuse si l’écart dépasse 10 jours, et refuse en cas de dérive de schéma entre les snapshots. Mieux vaut retourner « écart de snapshot, pas de briefing » que de rendre un briefing confident mais erroné.
  • Le partage automatique n’est intentionnellement pas dans le bundle. Le briefing est une préparation privée. Le câbler dans un canal Slack, l’envoyer au commercial, ou l’alimenter dans le roll-up ascendant brise le modèle de confiance — le commercial commence à écrire des notes de pipeline pour le briefing, pas pour le client, et le briefing se réduit de « ce que les données montrent » à « ce que le modèle récompense ».

Stack

  • Salesforce (ou votre CRM) — source de vérité pour l’ensemble des opportunités, vérification du manager-de-référence, journal d’activité
  • S3 ou Google Drive — stockage de snapshots hebdomadaires pour le diff semaine après semaine
  • Claude (Sonnet 4.5 ou supérieur) — narration du diff de snapshot, détection de patterns, sélection de questions, rendu au format fixe
  • Format de briefing, bibliothèque de questions, modèle d’analyse approfondie — les trois fichiers de référence dans apps/web/public/artifacts/forecast-meeting-prep-skill/references/ qui transforment un prompt générique « résumez ce pipeline » en boucle de préparation de prévision hebdomadaire que votre équipe possède

Files in this artifact

Download all (.zip)