AI GTM Prompt Stack · Estágio 3/7

Qualification & Scoring

7 prompts Claude-Native para qualificar deals com dados reais, mapear o buying committee e monitorar risco de pipeline antes que o deal morra em silêncio.

AI GTM Prompt Stack Visão geral 1 2 3 4 5 6 7

00 · Fundação

Onde você está no Stack

Este documento é o Estágio 3 de um sistema de 50 prompts Claude-Native que cobre todo o funil de GTM.

Autor: Brian Bittencourt · Plataforma: Claude (Cowork / Claude Code / API) · Série: 7 documentos, 50 workflows Claude-Native para GTM.

Este documento reúne 7 prompts (16–22) para qualificar deals, mapear stakeholders e monitorar pipeline com dados reais — sem achismo, sem checklist vazio.

EstágioPromptsStatus
1. ICP Definition & Research7
2. Prospecting & Lead Gen8
3. Qualification & Scoring7Você está aqui
4. Outreach & Engagement8
5. Nurture & Content6
6. Close & Negotiation7
7. Expansion & Retention7

Cada estágio será liberado semanalmente. Acompanhe meu perfil no LinkedIn para não perder.

Como usar este documento

O que você precisa:

  • Claude Pro ou Team (claude.ai) — os prompts são nativos do Claude.
  • MCPs (Model Context Protocol) — integrações que permitem o Claude ler e escrever diretamente em ferramentas como HubSpot, Slack e Notion. Sem eles, os prompts funcionam parcialmente (você pode colar dados manualmente), mas com eles o sistema roda de ponta a ponta.
  • MCPs deste estágio: HubSpot, Notion, Slack, Granola/Read.ai (transcrições de reuniões).

Pré-requisito: ter rodado os Estágios 1 (ICP Definition) e 2 (Prospecting) — vários prompts deste estágio leem o ICP e os dados de prospecting salvos no Notion e no HubSpot.

Por onde começar

Comece pelo Prompt 16 (Lead Scoring Model Builder) — ele calibra o modelo de scoring usando dados reais do seu CRM. Depois siga a ordem: 17, 18, 19... Cada prompt constrói em cima do anterior.

Como rodar

Copie o bloco de código de cada prompt, substitua as variáveis entre colchetes [VARIÁVEL] pelos seus dados, e cole no Claude.


01 · Qualification & Scoring

Prompt 16 — Lead Scoring Model Builder

⭐ Comece aqui

Contexto: construir um modelo de lead scoring baseado em dados reais de conversão, não em achismo. O Claude analisa seus deals ganhos e perdidos para identificar os padrões que realmente predizem conversão.

Variáveis

  • [PERIODO] = período de análise (ex: "últimos 12 meses")
Componente do scorePeso
Fit Score (firmografia + persona)40%
Engagement Score (touchpoints + recência)30%
Timing Score (urgência + velocidade no pipeline)20%
Value Score (deal size vs. média)10%
Prompt 16 · Lead Scoring Model Builder
Construa um modelo de lead scoring baseado em dados reais de conversão.

PRIMEIRO:
1. No HubSpot, busque todos os deals com close date nos [PERIODO]
2. Separe: deals Won vs. Lost
3. Para cada deal, extraia: setor da company, porte, cargo do contato principal, source, tempo no pipeline, número de touchpoints, deal amount
4. Leia o ICP do Notion para cross-reference

Analise os padrões:
1. Firmográficos: quais setores/portes convertem mais?
2. Persona: quais cargos estão nos deals Won vs. Lost?
3. Comportamentais: qual source converte melhor? Quantos touchpoints até fechar?
4. Timing: qual tempo médio no pipeline para Won vs. Lost?
5. Valor: há correlação entre deal size e win rate?

Com os padrões, crie o modelo:
- Scoring Matrix (0-100 pontos):
  - Fit Score (firmografia + persona): peso 40%
  - Engagement Score (touchpoints + recência): peso 30%
  - Timing Score (sinais de urgência + velocidade no pipeline): peso 20%
  - Value Score (deal size vs. média): peso 10%
- Thresholds: Hot (>80) | Warm (50-80) | Cold (<50)
- Validação: aplique o modelo retroativamente — qual seria a acurácia nos últimos deals?

DEPOIS:
1. Salvar modelo no Notion (página "Lead Scoring Model")
2. Criar propriedade customizada "AI Lead Score" no HubSpot se não existir
3. Aplicar score nos leads ativos do pipeline
4. Notificar no Slack: "Lead Scoring Model atualizado — [X] leads re-scored"

Formato: modelo + matriz de scoring + validação retroativa + leads re-scored.

Output esperado: modelo de scoring calibrado com dados reais + leads ativos scored no HubSpot.

Automação: Skill /gtm-scoring-model. Recalibrar trimestralmente com novos dados de conversão.

Integração real

  • HubSpot (leitura + escrita): deals, companies, contacts, propriedades custom.
  • Notion (leitura + escrita): ICP, modelo salvo.
  • Slack (escrita): notificação.

02 · Qualification & Scoring

Prompt 17 — Deal Qualification Framework

Contexto: qualificar cada deal contra um framework estruturado (MEDDIC/BANT/SPICED) usando dados reais do CRM — não um checklist vazio, mas uma análise que puxa o que já foi registrado.

Variáveis

  • [DEAL] = nome do deal ou empresa
  • [FRAMEWORK] = framework preferido (ex: "MEDDIC", "BANT", "SPICED")
Prompt 17 · Deal Qualification Framework
Qualifique o deal [DEAL] usando o framework [FRAMEWORK].

PRIMEIRO:
1. No HubSpot, busque o deal "[DEAL]" — extraia: stage, amount, close date, associações
2. Busque todos os contatos associados — cargos, engagement, último contato
3. Busque todas as notas e atividades do deal — emails, calls, meetings registrados
4. Busque no Slack menções a "[DEAL]" ou à empresa nos canais de vendas

Aplique o framework [FRAMEWORK]:

Se MEDDIC:
- Metrics: qual métrica de sucesso o cliente definiu? (buscar em notas)
- Economic Buyer: identificado? Quem? (buscar contatos com cargo C-level)
- Decision Criteria: o que comparam? (buscar em notas de discovery)
- Decision Process: timeline e etapas? (inferir do pipeline stage + notas)
- Identify Pain: dor articulada pelo cliente? (buscar em transcrições)
- Champion: quem defende internamente? (buscar contato mais engajado)

Para cada critério:
1. Status: ✅ Confirmado | ⚠️ Parcial | ❌ Desconhecido
2. Evidência: dado real do CRM que suporta
3. Next action: o que fazer para confirmar/avançar

Risk Assessment:
- Score geral (0-100)
- Top 3 gaps que podem matar o deal
- Perguntas para a próxima call

DEPOIS:
1. Atualizar notas do deal no HubSpot com o assessment
2. Se score < 50: criar task urgente "Deal at risk — revisar qualificação"
3. Salvar framework preenchido no Notion

Formato: framework preenchido + risk score + next actions.

Output esperado: deal qualificado com evidências reais + gaps identificados + actions no HubSpot.

Automação: Skill /gtm-deal-qualifier. Rodar para cada deal que avança de stage.

Integração real

  • HubSpot (leitura + escrita): deals, contatos, notas, atividades, tasks.
  • Slack (leitura): menções ao deal.
  • Notion (escrita): framework salvo.

03 · Qualification & Scoring

Prompt 18 — Discovery Call Prep

Contexto: preparar o vendedor para uma discovery call usando tudo que já se sabe sobre a conta — CRM, LinkedIn, conversas no Slack, ICP.

Variáveis

  • [EMPRESA] = empresa da reunião
  • [CONTATO] = nome do contato principal
Prompt 18 · Discovery Call Prep
Prepare o vendedor para a discovery call com [CONTATO] da [EMPRESA].

PRIMEIRO:
1. No HubSpot: company data, deal (se existir), contatos, histórico de interações
2. No Slack: busque menções a "[EMPRESA]" — contexto interno, conversas, objeções
3. No Notion: leia ICP + Persona Cards para fit analysis
4. Company research já salvo? (buscar notas no HubSpot do Prompt 10)

Crie o prep kit:
1. Company Snapshot (3 linhas): o que fazem, tamanho, momento
2. Histórico com a gente: tudo que já rolou (baseado no CRM)
3. Perfil do contato: cargo, responsabilidades, tom recomendado
4. Hipótese de dor: o que provavelmente os trouxe até aqui
5. Agenda sugerida (30 min):
   - Rapport + contexto (3 min)
   - Situação atual (7 min)
   - Dores e impacto (10 min)
   - Próximos passos (5 min)
   - Wrap-up (5 min)
6. 10 perguntas de discovery: priorizadas do mais ao menos crítico, com "por quê" de cada uma
7. Red flags: o que observar que indica deal ruim
8. Talking points de valor: como conectar com dores prováveis

DEPOIS:
1. Salvar prep kit como nota no deal/company no HubSpot
2. Enviar resumo por Slack DM para o vendedor

Formato: prep kit de 1 página + agenda + perguntas.

Output esperado: vendedor entra na call preparado com contexto real, não genérico.

Automação: Skill /gtm-discovery-prep. Rodar automaticamente 1h antes de cada discovery call (via scheduled task conectada ao Calendar).

Integração real

  • HubSpot (leitura + escrita): company, deal, contatos, notas.
  • Slack (leitura + escrita): menções + DM para vendedor.
  • Notion (leitura): ICP, Personas.

04 · Qualification & Scoring

Prompt 19 — Discovery Call Debrief

⚡ Automação pós-call

Contexto: analisar a transcrição de uma discovery call e extrair dados de qualificação automaticamente. Conecta com Granola/Read.ai para ler a transcrição real.

Variáveis

  • [DEAL] = nome do deal
Prompt 19 · Discovery Call Debrief
Analise a transcrição da última discovery call do deal [DEAL] e extraia dados de qualificação.

PRIMEIRO:
1. Busque a transcrição mais recente no Granola/Read.ai relacionada a "[DEAL]"
2. No HubSpot, busque o deal e o framework de qualificação existente (se preenchido)
3. Leia o prep kit que foi gerado (notas no HubSpot)

Da transcrição, extraia:

1. Dados de qualificação (atualizar framework):
   - Dor articulada: citações diretas do cliente
   - Métricas mencionadas: números, KPIs, metas
   - Decision maker identificado: quem decide?
   - Timeline: urgência real vs. declarada
   - Budget: sinais de capacidade financeira
   - Competidores mencionados: quem mais estão avaliando?

2. Sentiment Analysis:
   - Tom geral: entusiasmado / neutro / cético
   - Momentos de maior interesse (citação)
   - Objeções levantadas (citação)
   - Perguntas que fizeram (indica prioridade)

3. Action Items:
   - Compromissos do cliente (com deadline)
   - Compromissos nossos (com deadline)
   - Próximo passo acordado

4. Qualification Update:
   - Score anterior vs. novo score
   - Critérios que avançaram
   - Gaps que permanecem

DEPOIS:
1. Atualizar deal no HubSpot: notas com debrief + qualification score atualizado
2. Criar tasks para cada action item com deadlines
3. Atualizar framework de qualificação no Notion
4. Notificar no Slack: resumo de 3 linhas + score + next step

Formato: debrief completo + actions criadas + score atualizado.

Output esperado: transcrição analisada + framework atualizado + tasks criadas automaticamente.

Automação: Skill /gtm-call-debrief. Scheduled Task pós-reunião. Roda automaticamente quando uma nova transcrição aparece no Granola/Read.ai.

Integração real

  • Granola/Read.ai (leitura): transcrição da call.
  • HubSpot (leitura + escrita): deal, notas, tasks, propriedades.
  • Notion (escrita): framework de qualificação.
  • Slack (escrita): notificação com resumo.

05 · Qualification & Scoring

Prompt 20 — Stakeholder Mapper

Contexto: mapear o buying committee completo de um deal — quem decide, quem influencia, quem bloqueia. Usa dados do CRM e LinkedIn para identificar stakeholders que você ainda não mapeou.

Variáveis

  • [DEAL] = nome do deal ou empresa
Prompt 20 · Stakeholder Mapper
Mapeie o buying committee completo do deal [DEAL].

PRIMEIRO:
1. No HubSpot, busque todos os contatos associados ao deal "[DEAL]"
2. Para cada: cargo, engagement, buyer role (se preenchido), último contato
3. Busque a company no LinkedIn via Claude in Chrome: org chart, cargos-chave
4. Leia Persona Cards do Notion para o buyer committee ideal
5. Busque notas do deal — quem foi mencionado nas calls?

Crie o mapa:

1. Buying Committee Atual (contatos mapeados):
Para cada contato:
   - Nome e cargo
   - Papel: Economic Buyer / Champion / Technical Evaluator / End User / Coach / Blocker
   - Nível de engajamento: Alto / Médio / Baixo / Desconhecido
   - Sentiment: Favorável / Neutro / Resistente
   - Última interação (data + tipo)
   - Influência no deal: 1-5

2. Gaps Críticos (papéis não mapeados):
   - Quais papéis do buyer committee ideal estão faltando?
   - Sugestão de cargo/área para buscar
   - Estratégia para acessar (via Champion, via LinkedIn, via evento)

3. Power Map:
   - Quem influencia quem?
   - Qual a relação entre os stakeholders?
   - Risco de blocker não mapeado

4. Multi-Threading Strategy:
   - Ordem de abordagem dos gaps
   - Mensagem diferenciada por papel
   - Quem pode fazer a introdução interna

DEPOIS:
1. Atualizar buyer roles dos contatos no HubSpot
2. Criar contatos placeholder para gaps ("[cargo] — [empresa]")
3. Salvar power map no Notion
4. Criar tasks para o vendedor: "Mapear [cargo] na [empresa]"

Formato: mapa visual de stakeholders + gaps + strategy + tasks.

Output esperado: buying committee mapeado + gaps identificados + strategy de multi-threading.

Automação: Skill /gtm-stakeholder-mapper. Rodar quando o deal avança para stage de Proposal/Negotiation.

Integração real

  • HubSpot (leitura + escrita): contatos, deals, buyer roles, tasks.
  • LinkedIn (leitura): Claude in Chrome para org chart.
  • Notion (leitura + escrita): Persona Cards, power map.

06 · Qualification & Scoring

Prompt 21 — Pipeline Quality Auditor

Contexto: auditar a qualidade do pipeline inteiro — deals inflados, datas irreais, deals parados, qualification gaps. Uma radiografia semanal do pipeline.

Variáveis

  • [META] = meta de receita do período (ex: "R$ 2M no trimestre")
Prompt 21 · Pipeline Quality Auditor
Audite a qualidade do pipeline ativo contra a meta de [META].

PRIMEIRO:
1. No HubSpot, busque todos os deals com status = "Open" (em qualquer stage)
2. Para cada: stage, amount, close date, create date, days in current stage, owner, last activity date, qualification score
3. Busque a meta por vendedor e a distribuição por stage

Analise:

1. Pipeline Coverage:
   - Pipeline total vs. meta: ratio (ideal >3x)
   - Coverage por vendedor
   - Coverage por stage

2. Deals Problemáticos (flag automático):
   - 🔴 Sem atividade há >14 dias
   - 🔴 Close date no passado (não atualizado)
   - 🟡 Tempo no stage acima da média
   - 🟡 Qualification score < 50 em stage avançado
   - 🟡 Amount acima de 2x o ticket médio (deal inflado?)
   - ⚪ Sem contato associado
   - ⚪ Sem next step definido

3. Forecast Analysis:
   - Weighted pipeline por stage
   - Probabilidade real vs. default do stage
   - Gap de pipeline: quanto falta gerar?

4. Recomendações:
   - Deals para avançar (com ação específica)
   - Deals para descartar (e liberar foco)
   - Deals para re-qualificar
   - Onde concentrar esforço de geração

DEPOIS:
1. Criar tasks no HubSpot para cada deal com flag 🔴
2. Atualizar propriedade "Pipeline Health" nos deals
3. Salvar relatório no Notion
4. Notificar no Slack (#sales-ops): resumo executivo + top 5 ações

Formato: relatório executivo + lista de ações + tasks criadas.

Output esperado: radiografia do pipeline + deals sinalizados + tasks de ação.

Automação: Skill /gtm-pipeline-auditor. Rodar semanalmente (segunda-feira de manhã).

Integração real

  • HubSpot (leitura + escrita): deals, owners, propriedades, tasks.
  • Notion (escrita): relatório salvo.
  • Slack (escrita): #sales-ops.

07 · Qualification & Scoring

Prompt 22 — Deal Risk Scorer

⚡ Automação diária

Contexto: monitoramento diário de risco por deal. O Claude analisa sinais de alerta e notifica antes que o deal morra silenciosamente.

Variáveis

  • Nenhuma — roda automaticamente com dados do HubSpot.
Sinal de riscoPontos
Sem atividade há mais de 7 dias+20
Close date em menos de 14 dias sem next step+25
Apenas 1 contato engajado (single-threading)+15
Qualification score caiu vs. última atualização+15
Champion não respondeu último email/mensagem+20
Competitor mencionado na última call+10
Budget não confirmado em stage avançado+20
Decision timeline mudou (pushback)+15
Prompt 22 · Deal Risk Scorer
Analise riscos em todos os deals ativos do pipeline.

PRIMEIRO:
1. No HubSpot, busque deals com status = "Open" em stages de Proposal, Negotiation ou Contract
2. Para cada: days in stage, last activity, next step, contacts engaged, qualification score
3. Busque últimas transcrições no Granola/Read.ai para deals com reunião recente

Para cada deal, calcule Risk Score (0-100):

Sinais de risco (cada um adiciona pontos):
- Sem atividade há >7 dias: +20
- Close date em <14 dias sem next step: +25
- Apenas 1 contato engajado (single-threading): +15
- Qualification score caiu vs. última atualização: +15
- Champion não respondeu último email/mensagem: +20
- Competitor mencionado na última call: +10
- Budget não confirmado em stage avançado: +20
- Decision timeline mudou (pushback): +15

Classificação:
- 🔴 Critical (>60): ação imediata necessária
- 🟡 Warning (30-60): monitorar de perto
- 🟢 Healthy (<30): no track

Para deals 🔴 Critical:
1. Diagnóstico: o que está causando o risco
2. Ação recomendada: o que fazer HOJE
3. Mensagem sugerida: para reengajar o contato

DEPOIS:
1. Atualizar propriedade "Risk Score" no HubSpot
2. Criar task urgente para cada deal 🔴
3. Notificar no Slack:
   - 🔴 → #sales-alerts com @owner
   - 🟡 → #sales-ops (resumo)
   - 🟢 → silencioso

Formato: dashboard de risco + ações para deals críticos.

Output esperado: deals monitorados diariamente com alertas proativos.

Automação: Skill /gtm-deal-risk-scorer. Scheduled Task diária às 8h30. Roda após o Lead Qualifier (Prompt 13) para dar visão completa do pipeline.

Integração real

  • HubSpot (leitura + escrita): deals, propriedades, tasks.
  • Granola/Read.ai (leitura): transcrições recentes.
  • Slack (escrita): #sales-alerts, #sales-ops.

08 · Próximo estágio

Estágio 4/7: Outreach & Engagement

8 prompts para criar sequências de outreach personalizadas, follow-ups inteligentes e mensagens multi-canal com dados reais do CRM e LinkedIn.

Comenta "OUTREACH" no meu post do LinkedIn que mando por DM.

Parte do AI GTM Prompt Stack — 50 Workflows Claude-Native por Brian Bittencourt.