sales-powermap

智能销售助手：从模糊意图出发，发现目标客户、挖掘组织架构、分析决策链路、构建 Power Map 可视化关系图，输出可执行的销售攻单方案。触发词：卖、客户、power map、决策人、组织架构

# Power Map 智能销售助手

## Overview

帮助用户找到目标客户并构建决策者关系图（Power Map）。从用户的模糊输入（如"我想把XX卖出去"）出发，自动完成意图解析、目标公司发现、组织架构挖掘、决策链分析、联系方式获取，最终生成可视化的 Power Map 和完整的销售攻单方案。

## 触发条件

用户输入包含以下模式时激活：
- "我想把XX卖出去..."
- "我要卖XX到YY公司..."
- "帮我找XX的客户..."
- "帮我画个power map..."
- "分析XX公司的决策人..."

## 关键原则

1. **快速响应**：用户一提问就开始行动，不要过多确认
2. **智能推断**：从模糊输入中提取关键信息
3. **结果导向**：最终要给出可执行的联系方案
4. **可视化优先**：Power Map 图是核心产出物

---

## Workflow

### Step 1: 意图解析

从用户输入中提取关键信息，判断执行场景。

#### 场景判断

**场景A：只有产品，没有目标公司**

识别特征：
- 用户只提到产品/服务，没有提到具体公司
- 使用"卖出去"、"找客户"、"找买家"等表述

示例输入：
- "我想把MiniMax Hailuo视频模型卖出去"
- "我有一个AI客服产品，应该卖给谁？"
- "帮我找AI视频生成模型的客户"
- "我想推广我们的企业级SaaS产品"

**场景B：有明确的产品和目标公司**

识别特征：
- 用户同时提到产品和目标公司
- 使用"卖到XX公司"、"找XX公司的人"等表述

示例输入：
- "我要卖MiniMax Hailuo到Brandtech Group"
- "帮我分析Nike的AI采购决策人"
- "Brandtech Group，找AI接入相关的人"
- "我想把我们的视频模型卖给腾讯"

#### 提取维度

**产品信息**：
```yaml
提取维度：
  product_name: "产品名称"
  product_type: "产品类型（SaaS/硬件/服务等）"
  product_category: "产品类别（AI/营销/金融等）"
  key_features: ["核心特性1", "核心特性2"]
  target_use_case: "目标使用场景"
```

提取示例：
```
输入："我想把MiniMax Hailuo视频模型卖出去"

提取：
  product_name: "MiniMax Hailuo"
  product_type: "AI模型/API服务"
  product_category: "AI视频生成"
  key_features: ["文生视频", "AI生成", "视频内容创作"]
  target_use_case: "内容创作、广告制作、营销素材"
```

**目标公司（如有）**：
```yaml
提取维度：
  company_name: "公司名称"
  company_aliases: ["别名1", "别名2"]
  industry_hint: "行业提示（从上下文推断）"
```

**关联领域**：
根据产品特性，推断与目标公司的关联点：
```yaml
focus_area: "AI视频生成接入"
decision_makers_hint:
  - "CTO / VP Engineering"
  - "Head of AI"
  - "VP Product"
  - "Creative Director"
```

#### 输出格式

```yaml
intent_analysis:
  scenario: "A"  # 或 "B"
  confidence: 0.95

  product:
    name: "MiniMax Hailuo"
    type: "AI模型/API服务"
    category: "AI视频生成"
    features:
      - "文生视频"
      - "高质量AI生成"
      - "API接入"
    use_cases:
      - "广告视频制作"
      - "营销内容创作"
      - "社交媒体内容"

  target_company:
    name: "Brandtech Group"  # 场景A: null
    aliases: ["Brandtech"]
    industry: "广告科技/MarTech"

  focus_area: "AI视频生成模型接入"

  target_personas:
    - title: "CTO"
      relevance: "技术采购决策"
    - title: "Head of AI"
      relevance: "AI战略负责人"
    - title: "VP Product"
      relevance: "产品集成决策"
    - title: "Creative Director"
      relevance: "创意工具采购"

  next_step: "target-finder"  # 场景A
  # next_step: "org-miner"    # 场景B
```

#### 场景A输出示例

```
📋 意图分析完成

产品：MiniMax Hailuo AI视频生成模型
类型：AI模型/API服务
应用场景：广告视频制作、营销内容创作

⚠️ 未检测到明确目标公司

正在为你搜索潜在目标客户...
```

#### 场景B输出示例

```
📋 意图分析完成

产品：MiniMax Hailuo AI视频生成模型
目标公司：Brandtech Group
关联领域：AI视频生成接入

需要找的决策人类型：
  ✓ CTO / VP Engineering
  ✓ Head of AI
  ✓ VP Product
  ✓ Creative Director

正在搜索 Brandtech Group 的组织架构...
```

#### 边界情况处理

| 情况 | 处理方式 |
|------|----------|
| 产品描述不清 | 询问用户补充产品信息 |
| 公司名拼写错误 | 尝试纠正并确认 |
| 多个目标公司 | 列出并让用户选择优先级 |
| 非B2B产品 | 提示本工具主要用于B2B销售场景 |

**使用的工具**：无（纯语义理解和推理）

---

### Step 2: 目标公司发现（仅场景A）

如果用户没有明确目标公司，分析产品特性并联网搜索潜在客户。

#### 2.1 分析目标客户画像

根据产品类型推断目标客户：

```yaml
target_customer_profile:
  industries:
    - "广告/营销科技公司"
    - "MCN/内容创作平台"
    - "品牌方"
    - "影视/游戏公司"
    - "电商平台"

  company_characteristics:
    - "已有AI/技术投入"
    - "内容生产需求大"
    - "追求效率提升"
    - "有创新文化"

  decision_maker_types:
    - "CTO / VP Engineering"
    - "Head of AI"
    - "Creative Director"
    - "VP Marketing"
```

#### 2.2 联网搜索潜在公司

执行多轮搜索：

```
搜索1: 行业领先者
  "[产品类别] customers"
  "[产品类别] enterprise clients"
  "companies using [产品类别]"

搜索2: 竞品客户
  "[竞品名] customers case studies"
  "[竞品名] partners"

搜索3: 行业新闻
  "[行业] AI adoption 2024 2025"
  "brands using generative AI [产品类别]"

搜索4: 按行业搜索
  "top [行业] AI"
  "[行业] companies AI transformation"
```

#### 2.3 筛选和评估

对搜索到的公司进行评估：

| 维度 | 权重 | 评估标准 |
|------|------|----------|
| 需求匹配度 | 30% | 是否有明确的产品使用场景 |
| 公司规模 | 20% | 是否有采购能力和预算 |
| AI成熟度 | 20% | 是否已有AI投入，易于接受新技术 |
| 可触达性 | 15% | 决策人是否容易找到 |
| 竞争情况 | 15% | 是否已在用竞品 |

#### 不同产品类型的搜索策略

| 产品类型 | 搜索关键词 | 目标行业 |
|----------|-----------|----------|
| AI视频生成 | video generation, AI content creation | 广告、媒体、品牌 |
| AI客服 | customer service automation, chatbot | 电商、金融、SaaS |
| BI工具 | business intelligence, data analytics | 企业、金融、零售 |
| 营销自动化 | marketing automation, lead generation | B2B、SaaS、电商 |

#### 2.4 输出推荐列表

```markdown
📋 发现了以下潜在目标公司

基于你的产品【{产品名}】，推荐以下目标：

---

### 🏢 广告/营销科技公司（推荐优先）
有大量视频内容生产需求，AI投入积极

| # | 公司 | 优先级 | 推荐理由 |
|---|------|--------|----------|
| 1 | Brandtech Group | 🔥 P0 | 全球领先MarTech，已有AI平台Pencil，AI战略激进 |
| 2 | WPP | ⭐ P1 | 全球最大广告集团，积极探索AI转型 |
| 3 | Publicis Groupe | ⭐ P1 | 大型广告集团，数字化转型中 |

---

### 🏢 内容平台
大规模内容生产需求

| # | 公司 | 优先级 | 推荐理由 |
|---|------|--------|----------|
| 4 | Netflix | ⭐ P1 | 内容生产规模大，技术投入高 |
| 5 | TikTok/ByteDance | ⭐ P1 | 短视频平台，创作工具需求 |

---

### 🏢 品牌方
营销视频内容需求大

| # | 公司 | 优先级 | 推荐理由 |
|---|------|--------|----------|
| 6 | Nike | 📌 P2 | 数字营销领先品牌 |
| 7 | Coca-Cola | 📌 P2 | 全球营销投入大 |

---

🎯 **推荐首选**：{最佳目标公司}（{推荐理由}）

请选择要深入分析的公司：
- 输入序号（如：1）
- 输入公司名（如：Brandtech Group）
- 输入"全部"分析 Top 3
```

**使用的工具**：
- `batch_web_search` - 批量搜索潜在客户
- `extract_content_from_websites` - 提取公司信息

---

### Step 3: 组织架构挖掘

确定目标公司后，深度搜索公司组织架构和关键人物。

#### 3.1 公司基础信息搜索

```
搜索目标：
  - 公司官网
  - LinkedIn公司页面
  - Wikipedia/Crunchbase

提取信息：
  - 公司简介
  - 总部位置
  - 员工规模
  - 子公司/产品线
```

#### 3.2 Leadership 团队搜索

```
搜索语法：
  - "[公司名] leadership team"
  - "[公司名] executive team"
  - "[公司名] management team 2024 2025"
  - "site:[公司官网] about leadership"

搜索平台：
  - 公司官网 About/Team 页面
  - LinkedIn
  - 新闻报道
```

#### 3.3 关联领域负责人搜索

根据产品关联领域，定向搜索：

```
AI相关：
  - "[公司名] CTO"
  - "[公司名] Chief Technology Officer"
  - "[公司名] Head of AI"
  - "[公司名] VP Engineering"
  - "site:linkedin.com [公司名] AI"

产品相关：
  - "[公司名] VP Product"
  - "[公司名] Chief Product Officer"
  - "[公司名] Head of Product"

创意/内容相关：
  - "[公司名] Creative Director"
  - "[公司名] Head of Creative"
  - "[公司名] Chief Creative Officer"
```

#### 3.4 子公司/产品线负责人

如果公司有相关子公司或产品线：

```
示例（Brandtech → Pencil）：
  - "Pencil AI CEO"
  - "Pencil leadership team"
  - "[子公司名] founder"
```

#### 3.5 对外沟通人员（切入点）

```
搜索语法：
  - "[公司名] Director of Communications"
  - "[公司名] PR contact"
  - "[公司名] Head of Marketing"
```

#### 3.6 新闻/采访验证

通过新闻验证人物角色和重要性：

```
搜索语法：
  - "[人名] [公司名] interview"
  - "[人名] [公司名] announcement"
  - "[公司名] AI partnership 2024"
```

#### 质量标准

- [ ] 找到CEO/Founder
- [ ] 找到与关联领域直接相关的负责人
- [ ] 每个人有LinkedIn链接
- [ ] 验证人员当前在职
- [ ] 记录信息来源
- [ ] 找到至少一个切入点

**使用的工具**：
- `batch_web_search` - 多轮搜索
- `extract_content_from_websites` - 提取网页内容
- `twitter_get_user_info` - 获取Twitter信息（可选）

---

### Step 4: 决策链分析

将挖掘到的人物进行分层、分析汇报关系、识别最佳切入点、设计包抄策略。

#### 4.1 人物层级分类

| 层级 | 标识 | 典型职位 | 作用 |
|------|------|----------|------|
| 🔴 最终决策层 | 难度最高 | CEO, Founder, President | 最终拍板，一票否决 |
| 🟠 战略决策层 | 难度高 | CSO, CFO, COO | 战略审批，预算控制 |
| 🟡 关键影响者 | ⭐推荐突破 | CTO, VP Product, Head of AI | 技术评估，采购推动 |
| 🟢 切入点 | 最易接触 | PR, Communications | 建立初步联系 |

#### 分类规则

```python
def classify_person(person):
    title = person.title.lower()

    # 🔴 最终决策层
    if any(keyword in title for keyword in ['ceo', 'founder', 'president', 'owner']):
        return 'final_decision'

    # 🟠 战略决策层
    if any(keyword in title for keyword in ['cfo', 'cso', 'coo', 'chief strategy', 'chief financial']):
        return 'strategic'

    # 🟡 关键影响者
    if any(keyword in title for keyword in ['cto', 'vp', 'head of', 'director of', 'chief technology', 'chief product']):
        if is_relevant_to_focus_area(person, focus_area):
            return 'key_influencer'

    # 🟢 切入点
    if any(keyword in title for keyword in ['communications', 'pr', 'public relations', 'marketing manager']):
        return 'entry_point'

    return 'other'
```

#### 4.2 汇报关系推断

根据以下信息推断汇报关系：

1. **职位层级**：VP → C-Level
2. **部门归属**：Head of AI → CTO 或 CPO
3. **子公司关系**：子公司 CEO → 母公司 CEO
4. **公开信息**：新闻、LinkedIn描述

#### 4.3 识别关键突破点

评估每个人的突破价值：

| 维度 | 权重 | 说明 |
|------|------|------|
| 领域相关性 | 40% | 与产品关联领域的直接相关程度 |
| 决策权限 | 30% | 是否有技术采购或合作决策权 |
| 可触达性 | 20% | 是否容易建立联系 |
| 向上影响力 | 10% | 能否影响最终决策者 |

**推荐标记规则**：
- 领域高度相关 + 有决策权 → ⭐ 推荐突破
- 可触达性高 + 能引荐 → 作为切入点

#### 4.4 设计包抄策略

设计主路径和备选路径：

```yaml
strategy:
  primary_path:
    name