win-loss-reason-extraction

用途

该技能面向需要构建或改进销售机器人的开发者，目标是让机器人能够自动提取并归类交易成交（win）或丢单（loss）的原因，从而让系统从结果中学习，改进未来的销售表现。

资料指出，没有提取能力时会出现“为什么丢了？”“不知道”、重复同样的错误、看不到模式、策略靠直觉等问题；有了提取能力后，可以获得分类的丢单原因、趋势识别、数据驱动的改进和可执行的洞察。

赢单原因类别（WIN_REASONS）包括：

product_fit（产品契合）：关键词如“exactly what we need”“perfect fit”“solves our problem”，指标如 feature_match_high、use_case_alignment
price_value（价格价值）：关键词如“fair price”“good value”“worth it”“roi makes sense”，指标如 price_accepted、roi_discussed_positively
trust_relationship（信任关系）：关键词如“trust you”“great to work with”“understood us”，指标如 high_engagement、personal_connection
competitive_advantage（竞争优势）：关键词如“better than”“chose you over”“differentiated”，指标如 competitor_comparison_won、unique_feature_mentioned
timing（时机）：关键词如“right time”“urgent need”“perfect timing”，指标如 fast_sales_cycle、urgency_expressed
champion_advocacy（拥护者推动）：关键词如“fought for”“convinced the team”“my recommendation”，指标如 strong_champion、internal_selling

丢单原因类别（LOSS_REASONS）包括：

price（价格）：关键词如“too expensive”“over budget”“cheaper option”“can't afford”，指标 price_objection、budget_constraints，严重度 high
timing（时机）：关键词如“bad timing”“not now”“maybe later”“next year”，指标 timing_objection、delayed_decision，严重度 medium
competitor（竞争对手）：关键词如“went with”“chose”“competitor won”“using [competitor]”，指标 competitor_mentioned、comparison_lost，严重度 high
no_decision（未决策）：关键词如“doing nothing”“staying with current”“not a priority”，指标 stalled、no_urgency，严重度 medium
feature_gap（功能缺口）：关键词如“missing feature”“doesn't do”“need X that you don't have”，指标 feature_request_unmet、requirement_gap，严重度 high
bad_fit（不匹配）：关键词如“not right for us”“doesn't fit”“not what we need”，指标 poor_icp_match、misaligned_use_case，严重度 medium
internal_issues（内部问题）：关键词如“reorganizing”“merger”“budget freeze”“leadership change”，指标 external_factors、company_change，严重度 low
lost_champion（拥护者流失）：关键词如“contact left”“no longer there”“reporting changed”，指标 champion_departed、stakeholder_change，严重度 medium

对话分析（Conversation Analysis）：函数 extract_reasons_from_conversation 分析对话最后 5 条消息，对 prospect 发送的消息按关键词匹配赢单或丢单原因，并结合模式提取，最后去重排序。match_loss_reasons 对文本做关键词匹配，返回 reason、confidence（0.8）、source（keyword_match）和 evidence。
模式提取（Pattern-Based Extraction）：函数 extract_pattern_based_reasons 针对丢单场景，检测未解决的价格异议（confidence 0.7）、评估阶段提及竞争对手（confidence 0.6）、停滞超过 30 天（confidence 0.5）等模式。
大语言模型提取（LLM-Based Extraction）：函数 extract_reasons_with_llm 构造提示词，要求模型给出主要原因、次要原因、置信度（high/medium/low）和对话证据，并以 JSON 格式返回。

置信度评分（calculate_reason_confidence）：基础置信度 0.5；显式陈述加 0.3；多个支持信号每个加 0.1（最多 0.3）；近期消息加 0.1；与结果调查匹配加 0.2；上限 1.0。
人工验证循环（queue_for_validation）：置信度低于 0.7 的原因进入人工复核队列，生成复核任务，优先级根据数量设为 medium 或 high。

趋势分析（analyze_loss_trends）：按原因统计丢单数量与占比，与上一周期对比，变化超过 5% 视为显著趋势，返回分布、趋势和前 5 大原因。
分群分析（analyze_by_segment）：按 smb、mid_market、enterprise 分群，计算赢单率、主要赢单原因、主要丢单原因和交易数量。
竞争对手分析（analyze_competitor_losses）：按竞争对手统计丢单数量、原因和交易规模，计算平均交易规模和最常见原因（前 3）。

函数 generate_win_loss_insights 根据分析结果生成洞察：若价格是首要丢单原因，提示审查定价策略或价值传达；若竞争对手丢单超过 30%，提示更新竞争定位和作战卡；并输出主要赢单驱动因素及在信息传达中强调的建议。

函数 update_crm_with_reasons 将提取结果写入 CRM，字段包括 Loss_Reason__c、Loss_Reason_Secondary__c、Loss_Details__c、Competitor_Lost_To__c、Reason_Confidence__c。

资料以 Python 代码示例展示各函数与数据结构，开发者可据此实现对话分析、模式提取、LLM 提取、置信度评分、人工复核、趋势与分群分析、竞争对手分析、洞察生成和 CRM 更新。具体安装命令、依赖项和运行环境暂未提供。

适用于销售机器人或销售分析系统的开发，用于自动归类成交/丢单原因、识别丢单趋势、按客户分群分析、分析竞争对手丢单、生成可执行销售洞察，并将结果同步到 CRM。

资料未提供具体的安装方式、依赖库、运行环境、支持的 CRM 平台、LLM 提供商、准确率数据或收费信息，这些内容暂未提供。