back
loading skill details...
C+服务需求匹配技能。基于真实Excel台账（美兰中心C+服务.xlsx）挖掘企业需求，匹配C+服务资源。触发场景：(1) 管家上传走访记录，(2) 定时任务每日10:00分析昨日走访记录，(3) 手动触发服务匹配（@企服助手 服务匹配）。
---
name: service-matching
description: C+服务需求匹配技能。基于真实Excel台账（美兰中心C+服务.xlsx）挖掘企业需求，匹配C+服务资源。触发场景：(1) 管家上传走访记录，(2) 定时任务每日10:00分析昨日走访记录，(3) 手动触发服务匹配（@企服助手 服务匹配）。
---
# C+服务需求匹配技能 (Service Matching Skill)
> **本技能已自包含，无需安装 customer-management**
## 功能概述
本技能用于从走访记录中自动挖掘企业需求，基于中集金地美兰中心真实Excel台账，根据企业类型和画像匹配适合的C+服务，生成推荐方案供管家确认。
---
## 数据源配置
**数据文件**: `/Users/mac/美兰中心C+服务.xlsx`
**工作表映射**:
| 功能模块 | 工作表名 | 用途 |
|---------|---------|------|
| **C+服务记录** | C+服务记录 | 主数据源（走访记录、需求描述） |
| **客户画像** | 👨客户管理👨 | 企业画像（企业类型、等级、经营范围） |
---
## 客户管理逻辑（内联）
> 以下逻辑从 customer-management 技能内联，无需外部依赖。
### 查询客户档案
```python
def query_customer_profile(unit_no=None, tenant_name=None, contract_no=None):
"""
查询客户档案
Args:
unit_no: 单元号（如 T1-601）
tenant_name: 租户名（支持模糊匹配）
contract_no: 合同号
Returns:
dict: 客户完整档案信息
"""
wb = openpyxl.load_workbook('/Users/mac/美兰中心C+服务.xlsx')
ws = wb['👨客户管理👨']
headers = [cell.value for cell in ws[1]]
for row in ws.iter_rows(min_row=2, values_only=True):
# 匹配条件
if unit_no and row[5] == unit_no: # 单元号
return build_customer_dict(headers, row)
if tenant_name and tenant_name in str(row[6]): # 租户名模糊匹配
return build_customer_dict(headers, row)
if contract_no and row[4] == contract_no: # 合同号
return build_customer_dict(headers, row)
return None
def build_customer_dict(headers, row):
"""
将Excel行数据构建为字典
Args:
headers: 表头列表
row: 行数据元组
Returns:
dict: 客户档案字典
"""
return dict(zip(headers, row))
```
### 客户档案字段说明
**客户管理表字段（27个）**:
```
基础信息字段:
- 项目名称: 美慧城四期T1
- 单元类型: 办公
- 名义楼层: 6
- 实际楼层: 5
- 单元号: T1-601 （主键，用于关联其他表）
合同信息字段:
- 合同号: ZJML-2024-12260010 （关联费用收缴表）
- 租户名: 上海铭尤力食品有限公司
- 建筑面积: 143.95
- 首年合同单价: 1.75
- 租期: 3年
租期信息字段:
- 开始日期: 2025年3月1日
- 截至日期: 2028年2月29日
- 状态: 签约/退租/毛坯
联系人信息:
- 租户联系人: 薛臻
- 电话: （从Excel读取）
- 注册地址: 上海市宝山区金石路1658弄11号4层410室
企业画像字段:
- 等级: A/B/C
- 企业类型: 餐饮配套/制造业/商务配套等
- 经营范围: （具体业务）
- 纳税人资质: 一般纳税人/小规模纳税人
- 天眼评分: （天眼查评分）
- 招商: （招商人员）
```
---
## Excel工作表字段映射
### C+服务记录表（10字段）
| Excel列序号 | 字段名 | 用途 |
|-------------|--------|------|
| 1 | 租户名 | 关联客户管理表 |
| 2 | 走访时间 | 时间 |
| 3 | 走访管家 | 人员 |
| 4 | 客户情绪 | 满意/一般/不满意 |
| 5 | 成交情况 | 是/否 |
| 6 | 服务类别 | 室内保洁/商务接待等 |
| 7 | 成交金额 | 金额 |
| 8 | 详情记录 | 企业需求描述 |
| 9 | 月份 | 月份 |
| 10 | 备注 | 备注 |
---
## 核心逻辑
### 1. 需求挖掘（NLP提取）
```python
def extract_needs_from_visit(detail_record):
"""
从走访记录中提取企业需求
Args:
detail_record: 走访详情文本
Returns:
list: 需求列表
"""
# NLP关键词匹配
needs_keywords = {
"保洁需求": ["清洁", "卫生", "保洁", "打扫"],
"商务接待": ["接待", "会议室", "访客", "客人"],
"室内维修": ["维修", "修理", "更换", "安装"],
"环境优化": ["空气", "绿植", "噪音", "光线"],
"能源管理": ["电费", "水费", "节能", "空调"],
"证照服务": ["许可证", "执照", "审批", "证照"],
"企业服务": ["注册", "变更", "年检", "税务"]
}
needs = []
for need_type, keywords in needs_keywords.items():
for keyword in keywords:
if keyword in detail_record:
needs.append(need_type)
break
return needs
```
### 2. 企业画像获取（内联逻辑）
```python
def get_enterprise_profile(tenant_name):
"""
获取企业画像（内联逻辑，无需调用外部技能）
Args:
tenant_name: 租户名
Returns:
dict: 企业画像
"""
# 直接调用内联的 query_customer_profile 函数
customer_profile = query_customer_profile(tenant_name=tenant_name)
if not customer_profile:
return None
return {
"租户名": customer_profile.get("租户名", ""),
"企业类型": customer_profile.get("企业类型", ""),
"等级": customer_profile.get("等级", ""),
"经营范围": customer_profile.get("经营范围", ""),
"纳税人资质": customer_profile.get("纳税人资质", ""),
"天眼评分": customer_profile.get("天眼评分", 0)
}
```
### 3. 服务推荐算法
```python
def recommend_services(enterprise_profile, needs):
"""
根据企业画像和需求推荐服务
Args:
enterprise_profile: 企业画像
needs: 需求列表
Returns:
list: 推荐服务列表
"""
# 服务匹配规则库
service_rules = {
"餐饮配套": {
"优先服务": ["卫生许可证提醒", "固废清运", "室内保洁", "能源管理"],
"优惠政策": "首月9折"
},
"制造业": {
"优先服务": ["固废清运", "环境检测", "安全生产培训"],
"优惠政策": "包年8折"
},
"商务配套": {
"优先服务": ["商务接待", "会议室预定", "室内保洁", "绿植租赁"],
"优惠政策": "首次免费体验"
},
"科技企业": {
"优先服务": ["企业注册变更", "知识产权服务", "政策申报"],
"优惠政策": "代办服务9折"
}
}
enterprise_type = enterprise_profile.get("企业类型", "商务配套")
level = enterprise_profile.get("等级", "B")
# 获取匹配规则
rules = service_rules.get(enterprise_type, service_rules["商务配套"])
recommendations = []
# 1. 基于企业类型的推荐
for service in rules["优先服务"]:
recommendations.append({
"服务名称": service,
"推荐理由": f"适合{enterprise_type}企业",
"优先级": "高" if level == "A" else "中",
"优惠政策": rules["优惠政策"],
"跟进状态": "待确认",
"跟进时间": None,
"跟进结果": None
})
# 2. 基于需求的推荐
for need in needs:
if need not in [r["服务名称"] for r in recommendations]:
recommendations.append({
"服务名称": need,
"推荐理由": "走访需求匹配",
"优先级": "高",
"优惠政策": rules["优惠政策"],
"跟进状态": "待确认",
"跟进时间": None,
"跟进结果": None
})
return recommendations
```
### 4. 服务跟踪闭环功能
```python
def track_service_followup(tenant_name, service_name, followup_status, notes=""):
"""
跟踪服务跟进状态
Args:
tenant_name: 租户名
service_name: 服务名称
followup_status: 跟进状态（待确认/已推荐/已拒绝/已成交）
notes: 跟进说明
Returns:
bool: 是否更新成功
"""
wb = openpyxl.load_workbook('/Users/mac/美兰中心C+服务.xlsx')
ws_service = wb['C+服务记录']
today = datetime.now().date()
# 1. 查找匹配的服务记录
for row in ws_service.iter_rows(min_row=2):
if row[0].value == tenant_name and service_name in str(row[5].value): # 服务类别匹配
# 2. 更新跟进状态（需要扩展Excel列）
# 假设新增列：跟进状态、跟进时间、跟进结果
row[10].value = followup_status # 跟进状态
row[11].value = today.strftime("%Y年%m月%d日") # 跟进时间
row[12].value = notes # 跟进结果/说明
wb.save('/Users/mac/美兰中心C+服务.xlsx')
# 3. 发送跟进通知
send_followup_notification({
"租户名": tenant_name,
"服务名称": service_name,
"跟进状态": followup_status,
"跟进时间": today.strftime("%Y年%m月%d日"),
"说明": notes
})
return True
return False
```
### 5. 跟进提醒机制
```python
def check_followup_reminders():
"""
检查需要跟进的服务推荐
Returns:
dict: 需要跟进的服务清单
"""
wb = openpyxl.load_workbook('/Users/mac/美兰中心C+服务.xlsx')
ws_service = wb['C+服务记录']
today = datetime.now().date()
reminders = {
"今日需跟进": [],
"逾期未完成": [],
"本周计划跟进": []
}
for row in ws_service.iter_rows(min_row=2, values_only=True):
tenant_name = row[0]
service_type = row[5] # 服务类别
followup_status = row[10] if len(row) > 10 else None # 跟进状态
followup_time = row[11] if len(row) > 11 else None # 跟进时间
if followup_status == "待确认":
# 判断是否需要提醒
if followup_time:
followup_date = parse_excel_date(followup_time)
days_pending = (today - followup_date).days
if days_pending == 0:
reminders["今日需跟进"].append({
"租户名": tenant_name,
"服务名称": service_type,
"待跟进天数": days_pending
})
elif days_pending > 3: # 超过3天未跟进
reminders["逾期未完成"].append({
"租户名": tenant_name,
"服务名称": service_type,
"逾期天数": days_pending
})
else:
# 没有跟进时间，加入本周计划
reminders["本周计划跟进"].append({
"租户名": tenant_name,
"服务名称": service_type
})
return reminders
```
### 6. 服务效果评估
```python
def evaluate_service_effectiveness(tenant_name, service_name):
"""
评估服务效果
Args:
tenant_name: 租户名
service_name: 服务名称
Returns:
dict: 服务效果评估结果
"""
wb = openpyxl.load_workbook('/Users/mac/美兰中心C+服务.xlsx')
ws_service = wb['C+服务记录']
# 获取服务记录
service_record = None
for row in ws_service.iter_rows(min_row=2, values_only=True):
if row[0] == tenant_name and service_name in str(row[5]):
service_record = {
"走访时间": row[1],
"客户情绪": row[3],
"成交情况": row[4],
"服务类别": row[5],
"成交金额": row[6]
}
break
if not service_record:
return {'效果': '无记录', '评分': 0}
# 计算效果评分
score = 0
# 1. 成交情况（权重50%）
if service_record["成交情况"] == "是":
score += 50
# 成交金额加分
amount = float(service_record["成交金额"] or 0)
if amount > 5000:
score += 20
# 2. 客户情绪（权重30%）
if service_record["客户情绪"] == "满意":
score += 30
elif service_record["客户情绪"] == "一般":
score += 15
# 3. 跟进及时性（权重20%）
# 这里需要跟进时间数据，暂时简化处理
score += 20
# 确定效果等级
effect_level = "差"
if score >= 80:
effect_level = "优"
elif score >= 60:
effect_level = "良"
elif score >= 40:
effect_level = "中"
return {
"效果等级": effect_level,
"评分": min(score, 100),
"成交情况": service_record["成交情况"],
"客户情绪": service_record["客户情绪"],
"成交金额": service_record["成交金额"]
}
```
---
## 执行流程
```
Step 1 → 读取Excel C+服务记录表
工作表：C+服务记录
筛选：昨日走访记录 或 指定时间范围
Step 2 → NLP需求提取
从详情记录中提取关键词，识别需求类型
Step 3 → 获取企业画像（内联逻辑）
读取Excel 👨客户管理👨 工作表
获取企业类型、等级、经营范围
Step 4 → 服务匹配
根据企业类型 + 需求 → 匹配服务规则库
Step 5 → 生成推荐方案
包含：服务名称、推荐理由、优先级、优惠政策
Step 6 → 推送企微
发送给管家确认
```
---
## 推送模板
```
━━━━━━━━━━━━━━━
【C+服务推荐】
🏢 企业：{tenant_name}
📍 单元：{unit_no}
━━━ 企业画像 ━━━
类型：{enterprise_type}
等级：{level}
经营范围：{business_scope}
━━━ 走访需求 ━━━
{needs}
━━━ 推荐服务 ━━━
{recommendations}
💡 建议：{suggestion}
⚡ 操作链接：[腾讯文档-C+服务]
━━━━━━━━━━━━━━━
```
---
## 定时任务配置
```json
{
"name": "C+服务需求分析",
"schedule": {
"kind": "cron",
"expr": "0 10 * * *",
"tz": "Asia/Shanghai"
},
"payload": {
"kind": "agentTurn",
"message": "分析昨日C+服务走访记录，提取企业需求，匹配服务资源，生成推荐方案"
},
"sessionTarget": "isolated"
}
```
---
## 手动触发方式
1. **企微 @提及**: `@企服助手 服务匹配`
2. **OpenClaw指令**: `分析服务需求`
---
## 配置参数
```json
{
"service_matching": {
"excel_path": "/Users/mac/美兰中心C+服务.xlsx",
"auto_recommend": true,
"wecom_webhook": "https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx"
}
}
```
---
## 使用示例
**用户输入**: `@企服助手 服务匹配 上海铭尤力`
**输出**:
```
━━━━━━━━━━━━━━━
【C+服务推荐】上海铭尤力食品有限公司
━━━ 企业画像 ━━━
类型：食品制造业
等级：B级
经营范围：食品生产销售
━━━ 推荐服务 ━━━
1. 卫生许可证提醒（高优先级）
理由：适合食品制造业
优惠：首月9折
2. 固废清运（高优先级）
理由：适合食品制造业
优惠：首月9折
3. 室内保洁（中优先级）
理由：适合食品制造业
优惠：首月9折
⚡ 操作链接：[腾讯文档-C+服务]
━━━━━━━━━━━━━━━
```
---
**当前状态**: 技能已完成自包含改造，内联了客户管理逻辑，无需依赖 customer-management 技能。
**核心改进**: 从调用 customer-management 技能 → 改为直接读取 Excel 👨客户管理👨 工作表获取企业画像。
don't have the plugin yet? install it then click "run inline in claude" again.