Din ”CRM” är förmodligen ett kalkylark, några inkorgsetiketter och en bunt anteckningar som bara du förstår. Det fungerar – tills det inte gör det. Då missas uppföljningar, affärer fastnar och alla slösar tid på att leta efter senaste status.
Den här local-first CRM-webbappen är byggd för ops-ansvariga som behöver en pålitlig pipeline och ett tasksystem utan att vänta på IT, grundare som vill ha ett ställe att följa kunder från första kontakt till förnyelse, och konsulter som behöver en portabel CRM som går att anpassa per kunduppdrag. Resultatet är en komplett, responsiv React + TypeScript-implementation av en CRM (UI + datamodell + seed data) med pipelines, tasks, rapporter och localStorage-persistens.
Vad gör den här AI-prompten och när ska du använda den?
| Vad den här prompten gör | När du ska använda den här prompten | Det här får du |
|---|---|---|
|
|
|
Hela AI-prompten: local-first React CRM builder
Fyll i fälten nedan för att anpassa prompten efter dina behov.
| Variabel | Vad du ska ange | Anpassa prompten |
|---|---|---|
[FRAMGANGSMATT] |
Definiera de konkreta resultat eller mätetal som visar att CRM-implementeringen är framgångsrik för verksamheten. Till exempel: "Minska svarstiden på inkommande leads med 50 %, nå 90 % datakvalitet för samtliga kontakter och förbättra konverteringsgraden för affärer med 20 % inom sex månader."
|
|
[SMARTPUNKTER] |
Lista de största utmaningarna eller ineffektiviteterna som nuvarande system eller arbetsflöde skapar för verksamheten. Till exempel: "Manuell datainmatning leder till återkommande fel, bristande insyn i säljprocessens steg och svårigheter att följa upp leads."
|
|
[BRANSCH] |
Ange vilken bransch eller sektor CRM:et ska anpassas för. Inkludera relevanta nisch- eller delsegmentsdetaljer. Till exempel: "Fastighetsmäkleri med fokus på bostäder i urbana marknader."
|
|
[MALGRUPP] |
Beskriv CRM:ets primära användare, inklusive deras roller, mål och relevanta egenskaper. Till exempel: "Säljare och account managers som behöver ett smidigt sätt att hantera leads, följa affärer och planera uppföljningar."
|
|
[PRODUKTBESKRIVNING] |
Sammanfatta CRM-lösningen, inklusive nyckelfunktioner, syfte och hur den möter användarnas behov. Till exempel: "Ett lättviktigt CRM som förenklar lead-hantering, automatiserar uppföljningar och ger realtidsinsyn i säljpipelinen för små och medelstora företag."
|
|
[TEAMSTORLEK] |
Ange storleken på teamet som ska använda CRM:et, inklusive förväntad tillväxt och behov av skalning. Till exempel: "Ett team med 15 säljare, som förväntas växa till 25 inom det kommande året."
|
|
[KRITISKA_DATAFALT] |
Lista de viktigaste datapunkterna som CRM:et måste kunna fånga och hantera för varje objekt (t.ex. kontakter, affärer, aktiviteter). Till exempel: "Kontaktens namn, e-post, telefonnummer, affärssteg, affärsvärde, aktivitetstyp och uppföljningsdatum."
|
|
[VARUMARKESTON] |
Beskriv vilken ton och kommunikationsstil CRM:et ska spegla, i linje med företagets varumärke. Till exempel: "Professionell men tillgänglig, med fokus på tydlighet och enkel användning, i en modern och förtroendeingivande ton."
|
Proffstips för bättre resultat med AI-prompten
- Skriv ner dina pipelinesteg innan du kör den. Lämna inte ”steg” underförstått. Klistra in dina faktiska steg med in-/utregler, till exempel: ”Lead → Kvalificerad → Offert skickad → Förhandling → Stängd vunnen/förlorad”, plus vad som ändras när en affär flyttas. Fråga sedan: ”Lägg till stegspecifika obligatoriska fält och validering när en affär går in i Förhandling.”
- Tvinga fram en tydlig granskning av datamodellen. När den föreslår entiteter, svara med: ”Lista varje entitet, dess primärnyckel, främmande nycklar och vilka vyer som skapar/redigerar den.” Du vill fånga dold koppling tidigt (som tasks som ska länkas till både en kontakt och en affärsmöjlighet).
- Var tydlig med power-user-flöden. Den här prompten kan bygga ett ”tyst kraftfullt” UI, men bara om du berättar vad ”snabbt” betyder för ditt team. Lägg till krav som: ”Kortkommandon för ny task, snabb sök (Cmd/Ctrl+K) och inline-ändring av steg direkt i affärstabellen.”
- Iterera med riktade förändringar, inte en total omskrivning. Efter första versionen, testa att fråga: ”Behåll datamodellen oförändrad, men refaktorera UI-komponenterna så att varje ligger under ~200 rader och bryt ut hooks för lagring + queries.” Då behåller du farten samtidigt som underhållbarheten förbättras.
- Testa tillgänglighet och validering på riktigt. Be om en checklista och låt sedan AI:n implementera den: ”Lägg till ARIA-labels för alla formulärfält, se till att fokus är låst i modaler och ge tangentbordsnavigering för ändringar av pipelinesteg. Lägg också till schemavalidering och användarvänliga felmeddelanden för importer.” Ärligt talat är det här många ”codegen”-prompter faller utan att någon märker det.
Vanliga frågor
Operations managers använder den för att ersätta inkonsekventa överlämningar med en enda pipeline, en taskkö och tydliga fält för ägarskap. Grundare får nytta eftersom de snabbt kan få upp en ”tillräckligt bra” CRM som matchar deras verkliga process och sedan iterera innan de betalar för tunga verktyg. Revenue operations-specialister gillar den för att testa datamodeller och livscykelsteg i ett fungerande UI, utan att vänta på backend-arbete. Byråledare använder den för att bygga kundspecifika CRM-varianter som de kan visa upp och sedan förfina utifrån feedback.
Företag inom professionella tjänster får värde eftersom affärer, kontakter och tasks hänger tätt ihop, och en lättviktig CRM kan spegla hur uppdrag faktiskt fortskrider. De kan modellera steg som ”Discovery → Offert → Signerat → Leverans” och hålla tasks kopplade till varje konto. B2B SaaS-team använder den för att prototypa pipelinedefinitioner, förnyelsespårning och kontonoteringar med ett UI som är snabbt för säljare. Fastighets- och mäklarverksamheter gynnas av local-first-åtkomst när agenter är mobila, samtidigt som de behöver strukturerade uppföljningar och statusändringar. Fältservicebolag kan anpassa den för att hantera leads, offerter och schemalagt arbete och senare byta localStorage mot en backend när arbetsflödet har stabiliserats.
En typisk prompt som ”Write me a CRM app in React” misslyckas eftersom den: saknar kravfångst (så ”CRM:en” matchar inte era steg eller överlämningar), inte ger någon riktig datamodell (relationerna mellan kontakter, affärer och tasks blir otydliga), ignorerar persistens och tänk kring migrering (localStorage blir en röra utan gränser), producerar generiska vyer i stället för power-user-flöden (snabba flyttar, optimistiska uppdateringar, tangentbordsflöden) och missar tillgänglighets-/valideringsdetaljer som gör att team faktiskt litar på verktyget.
Ja, men anpassningen sker via konversationen du för efter att du klistrat in prompten, eftersom det inte finns några inbyggda variabler att fylla i. De justeringar som ger störst effekt är: dina pipelinesteg och obligatoriska fält, dina kärnentiteter (till exempel ”Accounts + Opportunities” vs ”Clients + Projects”) och dina rapporteringsfrågor (som ”ålder per steg” eller ”tasks som förfaller den här veckan per ägare”). Efter första genererade versionen, följ upp med: ”Refaktorera datamodellen så att den inkluderar [din entitet], lägg till valideringar för [din regel] och uppdatera alla berörda vyer och seed data, utan att förstöra responsivitet eller tangentbordsnavigering.” Håll varje iteration avgränsad så att koden förblir sammanhängande.
Det största misstaget är att vara vag kring arbetsflödet, som ”Vi har en säljprocess”, i stället för ”Inbound-leads från demoförfrågningar, kvalificering av två personer, offerter skickas inom 48 timmar och en hård regel: ’Ingen kontakt på 14 dagar’.” Ett annat vanligt fel är att hoppa över entitetsrelationer: ”Vi spårar kunder” är svagt; ”Kontakter tillhör konton, affärer tillhör konton och tasks kan länkas till antingen en affär eller en kontakt” ger ett användbart system. Folk glömmer också constraints för adoption, som ”Måste fungera på mobil i fält” eller ”Tangentbordsförst uppdateringar”, och undrar sedan varför UI:t känns långsamt. Slutligen försummar team seed data; att be om ”realistisk seed data med 20 poster över flera steg” gör demos och QA dramatiskt mycket enklare.
Den här prompten är inte optimal för team som behöver samarbete mellan flera användare, behörigheter och granskningsloggar från dag ett, eftersom localStorage är per webbläsare och inte en riktig delad databas. Den passar inte heller om du vill ha en snabb copy-paste-mall utan att granska datamodell och arbetsflöden, eftersom värdet ligger i att forma systemet efter er process. Om du behöver enterprise-funktioner direkt bör du överväga att börja med en etablerad CRM och använda promter bara för integrationer, rapportering eller processdokumentation i stället.
En CRM ska inte vara ett ”storföretagsprojekt”. Klistra in prompten i din modell, kör discovery-stegen noggrant, så kan du få en local-first CRM-webbapp som faktiskt är formad efter ditt arbetsflöde.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.