back
loading skill details...
ToB销售提案生成器。输入客户信息/行业/痛点/产品,基于知识库真实案例输出带品牌色CSS的4模块HTML分页提案。
--- name: tob-sales-proposal description: ToB销售提案生成器。输入客户信息/行业/痛点/产品,基于知识库真实案例输出带品牌色CSS的4模块HTML分页提案。 priority: high source: experience-backed workers: Sales, PM created: 2026-05-16 tags: [tob, sales, proposal, b2b, presales] --- # tob-sales-proposal — HTML 提案生成器 > 把客户信息变成有知识库案例支撑的 HTML 提案页面。 基于知识库匹配过往相似项目,输出带品牌色/CSS的4模块分页提案——不堆方法论,只讲客户能信的东西。 ## 使用方式 ```bash # 交互模式(推荐) tob-sales-proposal # 快速模式 tob-sales-proposal --quick --client "某连锁便利店" --industry "零售" \ --painpoints "库存不准,会员流失" --budget "150万" ``` 输入:客户名 / 行业 / 痛点(最多5个,逗号分隔)/ 预算 / 决策周期 ## 输出4模块 输出为 HTML 格式,带品牌色/CSS和分页导航。每模块包含:**客户输入摘要 → 知识库匹配案例引用 → 模块正文**。页面底部固定提示:复制内容给 AI 生成 PPT。 示例(痛点对齐模块): ```html <section class="page" id="page-1"> <h2>痛点对齐:让客户觉得你懂他</h2> <p>客户输入:零售行业,库存不准,会员流失</p> <p>匹配案例:某连锁便利店(50家门店)→ 库存准确率65%→93%,6周</p> </section> ``` ### 1. 痛点对齐(让客户觉得你懂他) - 基于同行业客户的知识库痛点分布(非猜测) - 把客户说的「痛点」翻译成可解决的技术问题 - 引用案例:「XX零售集团也遇到过同样问题,他们的解法是...」 ### 2. 方案对齐(为什么要选你) - 痛点→功能映射表(一句话痛点 → 一个功能) - 差异化定位:竞品怎么解决 vs 你怎么解决 - 引用案例:「XX客户用了类似方案,6周上线,首月表现...」 ### 3. 实施路径(消除落地恐惧) - 分阶段交付:Lite → 爬坡 → 优化(默以3个月基准) - 客户配合清单(数据、接口、人员) - 引用案例:「XX同体量客户从签约到上线8周」 ### 4. 承诺型ROI(给数字,不给空话) - 基于同行业同体量过往项目的实际数据算收益 - 三档输出:保守/中性/乐观 - 引用案例:「XX客户上线后3个月初见效果,6个月回本周期」 ## 知识库匹配规则 | 行业 | 优先collection | |------|---------------| | 零售/鞋服 | knowledge-baisheng | | 金融/银行 | knowledge-unified-v2 | | 政务/央企 | knowledge-zhongruan | | 零售科技(慧博对标) | knowledge-huibo | 找不到高置信案例时输出:「无高置信匹配,建议补充知识库」 ## 实战原则 1. **痛点对齐 > 方案展示** — 模块1花30%精力,比其他模块重要 2. **案例用真不用编** — 格式:「某[行业]客户([规模])→ [效果]」。编的客户一眼看穿 3. **ROI给三档** — 客户信保底,你朝着乐观做 4. **预算决定了深度** — 50万以下出Lite版,50-200万标准版,200万+深度版 ## 联用 - 新提案前跑一遍 `tob-win-loss-review`(丢单复盘),避开之前踩的坑 - 成功提案交付后跑一遍 `tob-win-loss-review` 复盘,沉淀到知识库 ## 注意事项 - 输出 HTML 提案页面,不再输出 Markdown。具体内容仍需人工适配填充 - 案例引用标注来源,不编造。知识库未覆盖时不强推 - 敏感信息自动脱敏
don't have the plugin yet? install it then click "run inline in claude" again.