Tob Sales Proposal

SKILL.md

---
name: tob-sales-proposal
slug: tob-sales-proposal
displayName: ToB销售提案生成器
version: 1.0.0
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
updated: 2026-07-06
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（同行对标） | knowledge-retail |

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