WEBVTT

00:00:00.000 --> 00:00:00.800
花三十秒，

00:00:00.800 --> 00:00:02.300
思考一个问题。

00:00:02.300 --> 00:00:05.000
如果你是一家公司业务部门的销售总监，

00:00:05.000 --> 00:00:06.180
你说得清楚，

00:00:06.180 --> 00:00:08.360
团队里的每一位销售人员，

00:00:08.360 --> 00:00:10.760
是怎么决定今天要拜访谁的吗？

00:00:10.760 --> 00:00:12.060
答案可能是：

00:00:12.060 --> 00:00:13.280
客户约了我，

00:00:13.280 --> 00:00:14.580
最近该去看看了，

00:00:14.580 --> 00:00:16.340
这家比较熟，

00:00:16.340 --> 00:00:16.700
或者，

00:00:16.700 --> 00:00:17.980
这个月还差业绩，

00:00:17.980 --> 00:00:19.480
去碰碰机会。

00:00:19.480 --> 00:00:21.080
每个理由都有它的道理。

00:00:21.080 --> 00:00:22.820
但把这些理由放在一起，

00:00:22.820 --> 00:00:26.880
你能看到一套有规划、系统性的客户拜访安排吗？

00:00:26.880 --> 00:00:28.580
再往下问一步：

00:00:28.580 --> 00:00:31.060
销售人员每天都在和客户打交道，

00:00:31.060 --> 00:00:32.540
但他能不能说清楚，

00:00:32.540 --> 00:00:37.047
每个客户现在的业务状况、合作协议、回款风险、淡旺

00:00:37.047 --> 00:00:37.397
季，

00:00:37.300 --> 00:00:38.960
以及竞争对手的动向？

00:00:38.960 --> 00:00:40.900
能不能把这些信息连起来，

00:00:40.900 --> 00:00:42.740
画出客户的全貌？

00:00:42.740 --> 00:00:45.460
在AI大模型和Agent智能体的助力下，

00:00:45.460 --> 00:00:47.440
我们可以开始改变这种局面：

00:00:47.440 --> 00:00:50.060
先把客户的信息系统性地解构，

00:00:50.060 --> 00:00:53.180
再结合组织的业务规则建立决策模型，

00:00:53.180 --> 00:00:55.640
让客户画像、风险和需求，

00:00:55.640 --> 00:00:58.580
转化为有依据的拜访安排。

00:00:58.580 --> 00:00:59.340
这期视频，

00:00:59.340 --> 00:01:01.800
我们就通过一个已经开发出来的应用，

00:01:01.800 --> 00:01:04.120
看看这件事如何落地。

00:01:04.120 --> 00:01:05.600
案例来自快递行业，

00:01:05.600 --> 00:01:07.160
但它背后的构建方法，

00:01:07.160 --> 00:01:09.624
同样值得其他销售型组织参考。

00:01:10.460 --> 00:01:11.880
要改变这种局面，

00:01:11.880 --> 00:01:14.680
关键不是把邮件和会议纪要交给AI，

00:01:14.680 --> 00:01:17.040
就自动得到一套业务框架。

00:01:17.040 --> 00:01:19.840
我们需要先对客户信息进行体系化解构。

00:01:19.840 --> 00:01:21.660
客户自身属于什么行业，

00:01:21.660 --> 00:01:22.840
业务怎样运转，

00:01:22.840 --> 00:01:23.800
这是行业画像。

00:01:23.800 --> 00:01:25.740
业务数据发生了什么变化，

00:01:25.740 --> 00:01:27.980
变化背后有哪些规律和机会，

00:01:27.980 --> 00:01:29.140
这是数据挖掘。

00:01:29.140 --> 00:01:31.340
配套协议和合同是否有效，

00:01:31.340 --> 00:01:32.880
外部市场怎样变化，

00:01:32.880 --> 00:01:34.480
竞争对手处于什么位置，

00:01:34.480 --> 00:01:37.000
财务指标和经营风险是否需要关注，

00:01:37.000 --> 00:01:39.940
客户的淡旺季周期和保障需求又是什么。

00:01:39.940 --> 00:01:42.540
这些维度共同构成客户的全貌。

00:01:42.540 --> 00:01:44.500
结合销售组织的业务规则，

00:01:44.500 --> 00:01:47.580
才能建立决策判定的逻辑模型。

00:01:47.580 --> 00:01:51.360
AI与Agent参与信息处理、分析与任务衔接，

00:01:51.360 --> 00:01:53.480
帮助模型持续得到客户信息，

00:01:53.480 --> 00:01:56.400
而不是把信息来源本身当作决策模型。

00:01:56.400 --> 00:01:58.260
最后再依据这套模型，

00:01:58.260 --> 00:02:00.980
判断哪些客户需要跟进、为什么跟进，

00:02:00.980 --> 00:02:03.113
以及这次应该完成什么。

00:02:03.920 --> 00:02:05.240
构建这样的应用，

00:02:05.240 --> 00:02:07.060
第一步是理解组织。

00:02:07.060 --> 00:02:08.400
它使用什么系统，

00:02:08.400 --> 00:02:10.080
客户流程怎样运转，

00:02:10.080 --> 00:02:11.120
卖什么产品，

00:02:11.120 --> 00:02:13.000
客户处于哪个生命周期，

00:02:13.000 --> 00:02:14.300
客户怎样沟通，

00:02:14.300 --> 00:02:15.620
风险由谁处理，

00:02:15.620 --> 00:02:18.240
外部市场环境和竞争对手怎样变化。

00:02:18.240 --> 00:02:21.020
这些条件决定模型取什么信息，

00:02:21.020 --> 00:02:22.000
怎样判定，

00:02:22.000 --> 00:02:23.660
最终交付什么。

00:02:23.660 --> 00:02:25.800
可以复用的是系统性的决策框架。

00:02:25.800 --> 00:02:27.100
换一个销售组织，

00:02:27.100 --> 00:02:29.600
判定逻辑、应用内容和呈现形式，

00:02:29.600 --> 00:02:31.140
都需要重新适配。

00:02:31.963 --> 00:02:33.580
整体应用通过MCP，

00:02:33.580 --> 00:02:38.180
关联业务系统、办公OA、邮件、会议纪要和客户拜访

00:02:38.180 --> 00:02:38.920
记录等渠道。

00:02:38.920 --> 00:02:40.000
关联之后，

00:02:40.000 --> 00:02:42.160
先做信息的汇总与整理：

00:02:42.160 --> 00:02:46.500
将同一客户的业务数据、合同状态、沟通记录和风险线

00:02:46.500 --> 00:02:47.340
索归到一起，

00:02:47.340 --> 00:02:51.000
再按照业务影响、风险程度和跟进时效，

00:02:51.000 --> 00:02:53.180
对信息进行优先级排序。

00:02:53.180 --> 00:02:58.040
这一步解决的是信息怎样进入系统、怎样被组织和使用。

00:02:58.040 --> 00:03:00.520
后续的客户分析与拜访判断，

00:03:00.520 --> 00:03:03.140
才由适配该组织的决策模型承接。

00:03:03.140 --> 00:03:06.805
这里展示的是某家快递公司的个性化应用。

00:03:07.720 --> 00:03:09.680
这家快递公司的决策框架，

00:03:09.680 --> 00:03:11.240
包含五个方面。

00:03:11.240 --> 00:03:11.960
第一，

00:03:11.960 --> 00:03:13.460
监控客户自身业务，

00:03:13.460 --> 00:03:16.240
发现实时异动并及时跟进。

00:03:16.240 --> 00:03:17.060
第二，

00:03:17.060 --> 00:03:19.740
关注配套协议和合同的有效性。

00:03:19.740 --> 00:03:20.700
第三，

00:03:20.700 --> 00:03:22.540
识别财务指标与业务风险。

00:03:22.540 --> 00:03:23.720
第四，

00:03:23.720 --> 00:03:24.980
结合淡旺季周期，

00:03:24.980 --> 00:03:26.900
准备个性化保障方案。

00:03:26.900 --> 00:03:27.920
第五，

00:03:27.920 --> 00:03:30.740
观察外部市场变化和竞争对手动态。

00:03:30.740 --> 00:03:32.700
五个维度共同回答：

00:03:32.700 --> 00:03:33.860
谁需要跟进，

00:03:33.860 --> 00:03:35.140
为什么是现在，

00:03:35.140 --> 00:03:37.456
以及应该提前准备什么。

00:03:38.360 --> 00:03:39.900
先看应用的全貌。

00:03:39.900 --> 00:03:44.500
这是一套为快递销售组织定制的客户拜访决策智能助手。

00:03:44.500 --> 00:03:46.220
从客户经理入口出发，

00:03:46.220 --> 00:03:49.600
系统把名下客户的业务、协议和风险信息，

00:03:49.600 --> 00:03:51.880
汇成一个可检查的客户组合。

00:03:51.880 --> 00:03:56.000
再把需要跟进的客户分成现场拜访和电话、微信触达，

00:03:56.000 --> 00:03:58.940
明确优先级、推荐理由与准备任务。

00:03:58.940 --> 00:04:03.840
客户明细、五维洞察、发件趋势、营销日历和拜访纪要，

00:04:03.840 --> 00:04:06.000
围绕这份安排衔接起来：

00:04:06.000 --> 00:04:08.780
拜访前检查依据与保障需求，

00:04:08.780 --> 00:04:10.920
拜访后补充现场反馈，

00:04:10.920 --> 00:04:12.260
形成下一次跟进。

00:04:12.260 --> 00:04:16.060
这是一个从客户信息到拜访行动的整体工作流。

00:04:16.060 --> 00:04:16.960
接下来，

00:04:16.960 --> 00:04:19.200
我们沿着这个流程看具体页面。

00:04:19.200 --> 00:04:20.380
进入应用，

00:04:20.380 --> 00:04:21.900
先选择客户经理。

00:04:21.900 --> 00:04:25.060
系统将决策部署落实到他名下的客户。

00:04:25.060 --> 00:04:29.540
这里可以查看客户数量、协议状态、业务表现和财务风

00:04:29.540 --> 00:04:29.890
险，

00:04:29.740 --> 00:04:31.880
再进入具体拜访安排。

00:04:31.880 --> 00:04:35.140
现场拜访和电话、微信触达分开呈现。

00:04:35.140 --> 00:04:37.180
优先级回答先处理谁，

00:04:37.180 --> 00:04:39.960
触达方式回答怎样沟通更合适。

00:04:39.960 --> 00:04:41.940
客户经理可以检查依据，

00:04:41.940 --> 00:04:44.315
再结合实际情况调整安排。

00:04:45.120 --> 00:04:46.640
打开一个拜访任务，

00:04:46.640 --> 00:04:48.520
最重要的不是一张复杂图表，

00:04:48.520 --> 00:04:49.820
而是这三个问题：

00:04:49.820 --> 00:04:50.660
拜访谁，

00:04:50.660 --> 00:04:51.800
去解决什么，

00:04:51.800 --> 00:04:52.860
为什么现在。

00:04:52.860 --> 00:04:53.620
比如，

00:04:53.620 --> 00:04:56.100
协议或折扣保障出现断档，

00:04:56.100 --> 00:04:57.220
叠加财务风险，

00:04:57.220 --> 00:05:01.440
系统就要把续签、方案沟通和对账任务明确列出来。

00:05:01.440 --> 00:05:03.360
客户经理带着这些任务去，

00:05:03.360 --> 00:05:05.800
而不是到了现场再临时找话题。

00:05:05.800 --> 00:05:10.180
推荐名单由此变成有目标、有准备的客户沟通。

00:05:11.220 --> 00:05:12.700
需要进一步判断时，

00:05:12.700 --> 00:05:14.340
可以进入五维洞察，

00:05:14.340 --> 00:05:15.840
查看各维度明细。

00:05:15.840 --> 00:05:18.700
发件趋势提供日和月的观察，

00:05:18.700 --> 00:05:21.820
历史数据帮助识别周期和正常波动。

00:05:21.820 --> 00:05:23.040
判断业务下降，

00:05:23.040 --> 00:05:25.540
不能只看今天比昨天少了多少，

00:05:25.540 --> 00:05:28.840
还要考虑客户自身的基线和季节特点。

00:05:28.840 --> 00:05:30.620
图表和明细的作用，

00:05:30.620 --> 00:05:32.220
是解释推荐理由，

00:05:32.220 --> 00:05:34.607
帮助客户经理检查判断。

00:05:35.460 --> 00:05:38.280
事件营销日历把跟进时机向前移动。

00:05:38.280 --> 00:05:39.600
客户的业务高峰，

00:05:39.600 --> 00:05:41.600
不应该等到货量已经爆发，

00:05:41.600 --> 00:05:42.860
才开始讨论保障。

00:05:42.860 --> 00:05:45.700
结合历史周期与近期放量信号，

00:05:45.700 --> 00:05:50.300
客户经理可以提前确认预计货量、运营资源和服务方案。

00:05:50.300 --> 00:05:51.460
这里的价值，

00:05:51.460 --> 00:05:53.000
是从被动处理问题，

00:05:53.000 --> 00:05:55.200
转向有依据的提前准备。

00:05:55.200 --> 00:05:56.920
不同客户的周期不同，

00:05:56.920 --> 00:05:59.040
保障方案也需要个性化。

00:05:59.860 --> 00:06:01.280
拜访带回来的信息，

00:06:01.280 --> 00:06:03.100
继续补充到客户档案。

00:06:03.100 --> 00:06:05.760
客户反馈、竞对报价和新的需求，

00:06:05.760 --> 00:06:07.440
可以影响下一步安排。

00:06:07.440 --> 00:06:09.860
纪要与后续行动衔接起来：

00:06:09.860 --> 00:06:12.240
把价格、续签或运力诉求，

00:06:12.240 --> 00:06:14.360
转化为需要跟进的任务。

00:06:14.360 --> 00:06:15.540
应用整体的价值，

00:06:15.540 --> 00:06:18.380
是让多渠道信息进入组织的决策框架，

00:06:18.380 --> 00:06:22.105
形成从客户诉求到下一步安排的持续跟进。

00:06:22.980 --> 00:06:27.020
这个案例展示了一套框架怎样在快递销售场景中落地：

00:06:27.020 --> 00:06:28.360
从分散信息，

00:06:28.360 --> 00:06:29.520
到客户判断，

00:06:29.520 --> 00:06:30.920
再到具体拜访任务。

00:06:30.920 --> 00:06:33.840
它证明了应用能够承接这种工作方式。

00:06:33.840 --> 00:06:38.560
至于有效拜访是否增加、客户流失是否减少、经营结果

00:06:38.560 --> 00:06:39.240
是否改善，

00:06:39.240 --> 00:06:41.060
还需要持续记录和验证，

00:06:41.060 --> 00:06:43.180
不能用界面演示替代。

00:06:43.180 --> 00:06:44.820
销售组织真正需要的，

00:06:44.820 --> 00:06:46.240
是让拜访有依据，

00:06:46.240 --> 00:06:48.180
让准备走在行动前面，

00:06:48.180 --> 00:06:50.740
再用真实结果持续改进决策。

00:06:51.720 --> 00:06:53.240
如果你也在管理销售团队，

00:06:53.240 --> 00:06:54.960
可以从一个问题开始：

00:06:54.960 --> 00:06:56.000
今天的拜访名单，

00:06:56.000 --> 00:06:57.860
究竟依据什么产生？

00:06:57.860 --> 00:06:59.220
把这个问题讲清楚，

00:06:59.220 --> 00:07:02.020
再梳理组织的信息渠道和业务规则，

00:07:02.020 --> 00:07:04.840
才有机会构建适合自己的决策助手。

00:07:04.840 --> 00:07:05.620
我是Allen，

00:07:05.620 --> 00:07:08.860
在Allen的AI Space分享行业观察、AI

00:07:08.860 --> 00:07:10.220
与Agent的职场实践。

00:07:10.220 --> 00:07:11.680
如果喜欢本次内容，

00:07:11.680 --> 00:07:13.680
欢迎点赞、投币、收藏。

00:07:13.680 --> 00:07:15.180
也欢迎在评论区聊聊，

00:07:15.180 --> 00:07:17.340
你的团队怎样安排客户拜访，

00:07:17.340 --> 00:07:19.880
或者哪一类客户判断最让你为难。

00:07:19.880 --> 00:07:21.000
关注下一期，

00:07:21.000 --> 00:07:23.600
我们继续聊AI如何参与真实业务。

00:07:23.600 --> 00:07:24.557
谢谢观看。
