客户机会洞察
客户信息｜关系圈｜区域 / KA 覆盖与拜访
从业务流程到经营智能，
一条可验收的路径。
三条方案线不是三个产品，而是一条链：LTC 抓到客户机会，MM 判断产品机会，AI 底座承载流程、规则与治理。企业可以任选一段切入，但只有连起来才形成闭环。
01 — LTC 客户机会经营
把商机管理，从会前猜测
变成每天可预测的经营动作。
在复杂 B2B 企业中，LTC 离收入近、判断密集、跨部门、业务依据充足、结果可验证——它是企业 AI 落地的优先切入点。
为什么是 LTC
销售全流程是首个落地突破口。这套底层方法可复用至产品开发、供应链、质量管理等其他经营领域——但第一步，必须先在离钱最近的地方验证。
销售管线三真
不要用一个总数掩盖全部问题。每一单都要过三道关。
真机会
需求和价值是否成立
真进展
客户状态是否向前
真承诺
购买承诺是否可信
Key Activities
八段关键活动，逐段找 AI 的着力点
提取业务流中的关键活动，识别痛点和卡点，用 AI 能力改善。长短销售周期的差别，只是活动组合与深度不同。
需求与决策链
需求痛点｜决策链｜干系人与内线识别
产品差异化
产品初配｜竞品策略｜差异化方案
方案验证
方案确认｜样品测试｜小批量验证
报价与决策推动
报价策略｜决策者反馈｜标前汇报
商务共识
招投标｜资源协调｜谈判条款与承诺
合同签订与风控
合同模板｜审批材料｜签署与反对处理
交付回款与经营
交付跟踪｜售后配套｜关系维护｜回款
PPVVC
机会是否值得继续投入
成功销售 = P × P × V × V × C。五个维度有一个为零，结果就是零。
P：为什么要变？P：谁能决定？V：要变成什么？V：改变值多少？C：大家是否同意，并且知道下一步怎么走？
| 维度 | 要回答的问题 |
|---|---|
| Pain 痛苦 | 关键业务挑战或可能错失的机会是什么 |
| Power 决策者 | 谁有影响力和权力，能够决定销售结果 |
| Vision 构想 | 客户如何看待使用方案后带来的改变 |
| Value 价值 | 可量化的经济效益与无形收益是什么 |
| Control 共识 | 双方是否达成广泛共识，并知道下一步怎么走 |
AI In LTC
AI 改善的不是问答，是核验与跟踪
01 信息提取
从会议纪要、邮件、测试记录和 CRM 提取客户、项目、产品、阶段与证据。
02 知识辅助
基于受控产品知识、选型规则、案例和商务口径，辅助销售与 FAE。
03 机会核验
按阶段 VO 与 PPVVC 识别信息缺口、冲突、过期事实和下一步核查。
04 预测校验
以项目里程碑、用量、份额和量产节奏校验预测，提示异常与假设。
05 行动跟踪
把建议转成责任人、日期和客户里程碑，跟踪结果并回流规则。
06 人机边界
业务系统仍承载事实与状态，AI 扩大核验覆盖，不替代 Owner。
示例输出：单个商机显示「S3 审核商机，已停留 47 天；缺少经济决策人，预算未验证；判定高风险；建议销售总监 48 小时内确认决策链；暂缓新增售前投入」——全部来自系统事实，不是猜测。
02 — MM 市场管理
产品机会不是一份商业计划书，
是一组待验证的判断。
MM 离产品投资近、判断密集、证据分散、结果可回溯。它决定有限资源先投什么——这正是大多数成长型企业最薄弱的一环。
| 阶段 | 核心判断 | 关键交付件 | 决策点 |
|---|---|---|---|
| 1 市场洞察 | 哪些变化可能形成增长窗口 | 洞察清单、机会假设 | 是否值得深入 |
| 2 市场细分 | 机会集中在哪些细分市场 | 细分地图、优先级初判 | 选定目标细分 |
| 3 机会识别 | 客户问题是否值得变成产品机会 | 机会任务书、证据与假设 | 是否进入组合分析 |
| 4 组合分析 | 有限资源先投什么 | 机会组合、投／缓／停建议 | 立即 / 后续 / 维持 / 放弃 |
| 5 业务计划 | 如何转成可执行计划 | 业务计划、投资与回报 | 资源是否匹配 |
| 6 产品立项 | 是否具备进入开发的条件 | 立项任务书、开发承诺 | 移交 IPD |
| 7 绩效复盘 | 原假设是否兑现 | 复盘结论、调／停／续 | 调整 · 继续 · 退出 |
真市场
目标细分的规模、增长、进入窗口和竞争格局是否成立？边界与测算口径是什么？
真需求
客户问题是否跨客户重复、足够紧迫，并形成可量化价值？谁愿意共同验证或付费？
真优势
技术、成本、周期、供应与生态能否形成可持续优势？商业回报是否覆盖投入与风险？
判断规则：证据不足就返回洞察；单点偏弱就小步验证；三真成立才进入组合。每一项判断都要标明事实、假设、缺口与验证——不是用一份商业计划证明结论。
AI In MM
从信息整合到组合推演
01 信息提取
从研究报告、客户访谈、CRM、竞品与研发数据中提取市场、客户、技术和商业事实。
02 洞察辅助
识别趋势、需求聚类与细分差异，生成机会假设，并明确事实来源和待验证项。
03 机会核验
按真市场、真需求、真优势识别证据缺口、冲突、过期信息和下一步验证任务。
04 组合推演
对吸引力、战略匹配、资源约束、风险与回报做多情景比较，支持投、缓、停取舍。
05 计划跟踪
把业务计划转成责任人、预算、里程碑和验证指标，跟踪结果并回流机会假设。
06 复盘辅助
业务系统承载事实与状态；专家与 IPMT 做决策，AI 标出证据、假设与不确定性。
03 — AI 经营底座
平台承载运行，
企业沉淀业务智能。
算力、大模型、通用 Agent 正在快速商品化，自建难度高且不构成壁垒。企业真正需要沉淀的，是自己的数据、知识、Skill 与业务应用。
可以采购的通用技术能力
算力
GPU / CPU / 推理算力、AI 服务器，或阿里云、火山引擎、华为云、腾讯云
模型
豆包、DeepSeek、Qwen、GPT、Claude，或基于开源模型私有部署
平台
智能体开发与管控平台，负责运行、编排与观测
非核心竞争力，除非形成战略壁垒，否则不自建。
必须沉淀在企业内部的核心能力
对象
经营对象与管理规则
知识
业务知识、决策依据与决策逻辑
Skill
专家经验与业务场景智能体
资产
经营案例、迭代版本与标准动作规范
平台品牌可以调整，但企业业务智能资产要可迁移、可审计、可持续迭代。
Governance
统一治理的五个控制面
统一，不等于所有人看到同样的数据，而是遵循同一套能力、规则和发布标准。
01 知识口径同源
统一知识目录、版本、有效期和责任人；答案必须能追溯到企业证据。
02 连接管理可控
统一登记 CRM、PLM 等连接器；明确查询、建议、写回和审批边界。
03 权限与数据最小
继承企业身份与权限，按角色、对象、行和字段决定数据暴露范围。
04 模型与 Token 可算
按任务分配模型、额度和优先级；预算、缓存、告警和成本归集可度量。
05 发布与评估一致
统一 Skill 版本、测试用例、效果指标、运行日志、反馈闭环和回滚机制。
部门差异只改三件事
看什么（数据范围）、能做什么（动作权限）、为谁负责（业务对象）。
「公开大模型拥有通用知识，但企业真正有价值的信息存在于内部系统、业务数据和工作流程中。把两者简单连接，会产生数据泄露、越权访问、错误决策和合规风险。」
Alexander Karp，Palantir 联合创始人兼 CEO，2023 年 4 月