《ToB 客户分析工作》系列（精简版）

第一阶段：工作认知（1 篇）

  1. ToB 客户分析工作（一）：客户分析的重要性和必要性

第二阶段：人工收集（2 篇）

  1. ToB 客户分析工作（二）：企业信息收集的方法和技巧
  2. ToB 客户分析工作（三）：信息收集效率的提升方法

第三阶段：AI 辅助收集（2 篇）

  1. ToB 客户分析工作（四）：扣子 AI 在信息收集中的应用
  2. ToB 客户分析工作（五）：AI 智能体的开发和使用

第四阶段：智能分析（2 篇）

  1. ToB 客户分析工作（六）：AI 工具的合作机会分析
  2. ToB 客户分析工作（七）：智能分析模型的建立

第五阶段：评分体系（2 篇）

  1. ToB 客户分析工作（八）：客户评分标准的制定
  2. ToB 客户分析工作（九）：客户优先级评估体系

第六阶段：自动化平台（2 篇）

  1. ToB 客户分析工作（十）：AI 分析平台的构建
  2. ToB 客户分析工作（十一）：全流程自动化的实现

实践总结（1 篇）

  1. ToB 客户分析工作（十二）：工作方法的总结和优化

在最开始做储能客户分析工作之时，我就有想过，基于AI智能体来提升这个事情的效率。

在做了一段时间之后，也算有一些心得了。就打算把这个过程梳理一下，从零开始梳理逻辑，就是这个事情，到现在应该是什么样子的呢。

从一开始，要分析一家企业的时候，最开始的情况是。

打个比方，比如我是有云平台的，现在的目标客户，就是那些需要上云的、智能化升级的企业。

所以最开始的工作，就完全是网上去搜索资料了，比如企业的官网。

在《和 ToB 目标客户接触前，要做哪些准备工作？我的一点看法》这篇文章中，也有提到，但还是有点差异的。主要是几个部分。

  1. 公司信息
  2. 发家历程
  3. 产品分布
  4. 储能业绩情况
  5. 是否已有储能云平台
  6. SWOT分析法
  7. 合作的机会点
  8. 结论

但是，这个储能客户分析的工作，其实，经过了好几个阶段的优化，至少在我看来是如此的，并非一成不变的，而且，我隐约感觉到，应该是找到了一个更为高效的方式了，至少现在，应付这个工作，还是可以的。

但还是有优化的空间的，但是，现阶段，暂时没必要再深入了，还是要等时机成熟再继续这个事情。

现阶段，可以分为五个部分：

  1. ToB 客户分析工作（一）：人工网上收集企业信息
  2. ToB 客户分析工作（二）：基于扣子开发AI智能体，快速收集目标企业的信息
  3. ToB 客户分析工作（三）：基于豆包AI、纳米AI设定AI智能体，开始判断是否有哪些合作机会？
  4. ToB 客户分析工作（四）：设计一套评分标准，基于纳米深度思考，快速判断客户的性质
  5. ToB 客户分析工作（五）：开发一个AI平台，自动化获取网上的企业，提供至少一个高评分的企业，推送给我

人工网上收集信息

这个是最开始的方式，如果是上市公司，那还能通过年报这些来获取真实的信息，但如果不是上市公司，只能通过公司官网来获取信息，或者通过搜索引擎来收集信息，比如最近的公司动向，展会的新闻，最新的项目生意等，但这些还算好的，有的公司甚至都没有官网，而且，网上信息页很少，这种情况就比较难了。但是，通常这种情况，就可以判断，这家公司各方面情况已经不太理想。

扣子智能体

在通过上面的人工网上收集信息，来完成储能客户分析之后，我就想着，能不能通过AI智能体来完成这个工作，本来就是网上收集信息的工作，那这个工作，人工哪能比得过AI啊，在这样的认知和期待之下，就在扣子研究了AI智能体。下面就是创建的AI智能体角色设定，其中，除了基本的企业信息收集之外，我觉得有两个有价值的点：

  1. 就是要提供判断的真实信息来源，能直接点开链接，看到信息原文。这样方便，对提供的判断和信息，进行甄别。
  2. 就是额外加上了假设这一点，假设我们是一家储能方面的高科技企业，然后呢，让AI智能体通过我们的视角，来分析和判断，有什么机会点。这就刚好帮助我们来做更多的工作了。
# 角色
你是一个信息收集与分析专家，名叫小储，能够精准、全面地收集企业相关信息，并依据要求进行整理呈现。你致力于为用户提供关于企业多维度的准确内容，服务于对企业信息有需求的用户。

## 技能
### 技能 1: 收集企业信息
1. 当用户发送一个企业名称时，使用工具从网上收集资料。
2. 从以下几个维度提供准确的答案：
    - 公司信息
    - 发家历程
    - 产品分布
    - 储能业绩情况
    - 是否已有储能云平台
    - SWOT分析法
    - 我们与其合作机会点
    - 结论
3. 要求提供依据，不能瞎编乱造，并显示依据的信息源头，使用表格输出。其中，我们是一家专注于储能数智化的高科技企业，提供多维度的储能产品和解决方案，服务于储能设备商、投资商、微网等多个场景。我们拥有强大的物联网和技术革新能力，与全球领先企业合作，共建储能生态，携手迈向绿色未来。
===回复示例===
| 维度 | 详情 | 依据 | 信息源头 |
| ---- | ---- | ---- | ---- |
| 公司信息 | [具体信息] | [详细说明依据内容] | [具体网址或资料来源] |
| 发家历程 | [具体历程] | [详细说明依据内容] | [具体网址或资料来源] |
| 产品分布 | [具体分布] | [详细说明依据内容] | [具体网址或资料来源] |
| 储能业绩情况 | [具体业绩情况] | [详细说明依据内容] | [具体网址或资料来源] |
| 是否已有储能云平台 | [是/否] | [详细说明依据内容] | [具体网址或资料来源] |
| SWOT分析法 | [具体分析内容] | [详细说明依据内容] | [具体网址或资料来源] |
| 我们与其合作机会点 | [具体机会点] | [详细说明依据内容] | [具体网址或资料来源] |
| 结论 | [具体结论] | [详细说明依据内容] | [具体网址或资料来源] |
===示例结束===

## 限制:
- 只回答与用户输入企业名称相关的信息收集与分析问题，拒绝回答无关话题。
- 所输出的内容必须按照给定的表格格式进行组织，不能偏离框架要求。
- 提供的所有信息必须有可靠依据，依据内容需详细说明。
- 信息源头必须明确显示具体网址或资料来源。
- 通过工具在互联网上获取信息，确保信息来源准确。

然后，在扣子开发页面，就是这个效果。

使用“宁德时代新能源科技股份有限公司”这家公司来举例，效果如下，在使用的过程中，存在几个问题，就是反复调试了，但是信息来源，总是提供很多无效的链接，这个是很致命的，因为我们要确保AI智能体提供的信息和判断是否真实有效，就需要提供真实的信息来源，还有一个问题，就是输出表格的时候，居然不能完整显示。还需要拖动横向滚动条，这个真的很难受。而且，AI智能体如果连续追问，会越来越不准。

综合上面遇到的问题，我感觉花费再多精力去调试和整这个AI智能体，估计效果不佳，需要寻找另外的办法才行。

豆包AI和纳米AI智能体

在上面使用扣子AI智能体，感觉没办法解决我这个需求之后，就去看了下豆包的AI智能体。

同样的角色设定，输出的结果看起来好很多，特别是信息链接的真实有效性。

实际上，这个工作，打算让AI智能体来完成的话，信息链接的真实有效性是最重要的，因为这个是一切判断的来源，如果来源都是虚假的，那得出的判断当然也是错误的了。

在使用豆包AI和纳米AI智能体的时候，给我的感受都大同小异了。

因为只要用得多了，输出的结果就会不准，只要连续问几个问题，那么这个结果大部分就开始失真了，意思就是越问越不对。

在这个阶段呢，我就是反复切换扣子、豆包和纳米的AI智能体来解决客户分析的工作了。

在这个阶段，基本能满足我的这几个需求，就是企业的基本信息、发家历程、产品分布、业绩情况、是否有储能云平台、合作的机会点等。结合目标企业的官网以及搜索的一些新闻，可以说还是能搞笑完成这个目标企业的分析工作的。

但是，在这一时期，我反复想了下，到底能不能有一个办法，就是我只要输入目标企业全称，你就能把上面的信息给我，然后呢，重点是能给我判断这个目标是高优先级、中优先级还是低优先级客户？

不需要我反复综合各种情况来判断了，能不能类似那种什么人格测试，你在这项多少分、哪个方面又多少分，然后综合得分是多少。就用这些维度的比重，来定一个标准，然后基于这个标准来判断目标企业，这样，就省掉我好大的时间和精力了，因为这一步看似很简单，实际上很费精力，而且，也不见得准，很多都是凭感觉的，感觉这个东西，就不是一个实际的东西。

这就有了下一篇《制定筛选客户的评分标准，优化和快速对客户的优先级进行决策》

纳米深度思考

在这个的背景之下，我就想着，怎么制定这个储能客户分析判断标准设计。

目的就是，快速判断客户是高优先级、中优先级还是低优先级，得出这个优先级，就好执行下一步的工作了。比如高优先级，那就再重点深入分析，然后和销售沟通，怎么进一步获取到当前的信息，然后看是否有合作机会。 如果是中优先级，那就会晚一点再去分析，如果是低优先级客户，那就不再关注。

所以，这个优先级是很关键的。而我想这个，最好是能基于AI完成全部的工作。而不需要我再去对潜在企业的优先级进行判断。

我就想到了以下几个维度，基本上就是设计成一个表格。

  1. 企业名称
  2. 地区
  3. 实缴资本
  4. 参保人数
  5. 企业性质
  6. 企业类型
  7. 产品关联度
  8. 是否已有储能云平台
  9. 合作机会点
  10. 优先级

然后，会对每个维度，设计一些选项，比如地区，就有三个选项：

  1. 发达地区（如一线城市及重点二线城市）：市场成熟，需求多样，对新技术接受度高，合作机会大。
  2. 发展中地区（如一般二线城市及部分三线城市）：市场潜力大，但可能对成本较为敏感，若产品性价比高，合作机会较大。
  3. 欠发达地区（部分三线城市及以下地区）：市场需求相对较少，合作机会较小，但可关注政策扶持带来的机遇。

因为优先级是基于上面的几个维度的得分综合来判断的，所以，地区的每个选项还要设计分数比重。因为假设我们是做储能云平台的，所以是否已有储能云平台这一项，分数比重应该是最高的。这只是额外说明。 在优先级里的地区，我们就可以设计为：

地区（5 分）：

  1. 发达地区，5 分。
  2. 发展中地区且产品性价比满足需求，3 分。
  3. 发展中地区但性价比不满足，1 分。
  4. 欠发达地区且有政策扶持契机，3 分。
  5. 欠发达地区无政策扶持，1 分。

总结

在一开始的设计，就当是理论反复在实际操作中验证，什么是重要的，什么是不重要的，以及什么应该是在什么阶段出现的。都是需要结合着来的，太快了不行，太慢了也不行。

最终慢慢迭代，剩下的也就只是这个模板，然后让纳米AI深度思考来完成了。