CUSTOMER_PROFILE() 客户画像

1. 基本信息

Skill ID: zayn-customer-profile
Display Name: CUSTOMER_PROFILE()
Chinese Name: 客户画像
Project: WorkFn
Author Prefix: zayn
Category: Customer Management
Version: 0.1.0
Status: Draft for testing

CUSTOMER_PROFILE() 只整理事实，不直接做价值判断。
QUALIFY() 基于画像判断是否值得投入。
SEGMENT() 基于证据决定客户层级。
ACCOUNT() 为重点客户制定推进策略。

2. 解决的问题

1. 客户资料分散在不同文件和记录中
2. 官网信息与真实业务记录混在一起
3. 销售容易凭印象判断客户
4. AI 容易根据行业标签和官网描述强行推测
5. 客户历史询价、报价、订单、付款、发货和售后没有统一整理
6. 不清楚哪些信息已经确认，哪些仍然缺失
7. 后续 QUALIFY()、SEGMENT() 和 ACCOUNT() 缺少可靠输入

3. 适用场景

1. 新客户初步建档
2. 老客户资料整理
3. 客户池清理
4. 重点客户复盘
5. 询价前快速查看客户背景
6. 交接客户前整理资料
7. 合并 Obsidian、Excel、邮件、聊天、订单和售后记录
8. 为 QUALIFY() 提供事实输入
9. 为 SEGMENT() 提供证据输入
10. 为 ACCOUNT() 提供客户背景

4. 不适用场景

1. 直接判断客户是否值得投入
2. 直接给客户分层
3. 直接判断客户成交概率
4. 直接制定客户开发策略
5. 直接生成开发信
6. 直接判断是否应该跟进
7. 仅凭官网或 LinkedIn 做完整客户判断
8. 没有任何证据时强行生成客户画像

5. 输入参数

必填参数

参数	说明
customer_name	客户名称
available_sources	当前可用的数据来源
analysis_scope	本次需要整理的范围

建议参数

参数	说明
order_records	订单记录
payment_records	付款记录
shipment_records	发货记录
aftersales_records	售后记录
inquiry_records	询价记录
quotation_records	报价记录
communication_records	有效沟通记录
obsidian_notes	Obsidian 客户记录
excel_notes	Excel 已有备注
email_records	邮件记录
chat_records	聊天记录
website	官网
linkedin	LinkedIn 页面
country	国家或地区
products	已知产品方向
current_projects	当前项目
contacts	联系人信息
known_risks	已知风险

6. 必填参数

必须至少提供：

1. 客户名称
2. 一项真实业务记录或一项可验证资料
3. 本次希望整理的范围

如果只有客户名称，没有任何资料，应返回：

当前证据不足，无法建立可靠客户画像。

7. 可选参数

可选参数用于补充：

1. 客户业务范围
2. 客户所在市场
3. 主要联系人
4. 采购品类
5. 历史项目
6. 沟通偏好
7. 当前机会
8. 风险记录
9. 公开资料
10. 待验证信息

8. 证据优先级

1. 成交记录
2. 订单记录
3. 付款记录
4. 发货记录
5. 售后记录
6. 询价记录
7. 报价记录
8. 有效沟通记录
9. Obsidian 客户记录
10. Excel 已有备注
11. 邮件记录
12. 聊天记录
13. 官网信息
14. LinkedIn 入口
15. 其他公开资料
16. AI 推测

不得用低等级证据覆盖高等级证据。不得因为官网描述和行业标签与公司产品匹配，就判断客户有真实采购意向。

9. 判断规则

规则一：事实与判断分开

所有输出必须区分已确认事实、有证据支持的判断、待验证信息和 AI 推测。

规则二：真实业务记录优先

如果客户官网显示其从事某类业务，但历史订单和询价显示另一种采购方向，应优先保留真实业务记录。

规则三：允许信息空白

缺少的信息可以写“未找到”或“待确认”，不得为了画像完整而强行补充。

规则四：不直接分层

不得输出核心客户、高潜客户、低价值客户、沉睡客户或应暂停客户。这些判断应交给 QUALIFY() 和 SEGMENT()。

规则五：不直接给成交概率

不得输出百分比成交概率。

规则六：公开资料只做辅助

官网和 LinkedIn 只用于补充公司业务方向、国家和市场、公开联系人入口、产品范围和公司定位，不得覆盖真实成交和询价记录。

规则七：资料冲突必须保留

不同来源冲突时，必须列出来源一、来源二、冲突内容、当前无法确认的原因和建议验证方式。

10. 风险检查

1. 是否把官网匹配放在订单和询价记录之前
2. 是否把 LinkedIn 页面当作真实业务证据
3. 是否把 AI 推测写成确定事实
4. 是否根据单次询价定义客户全部需求
5. 是否忽略历史成交
6. 是否忽略售后和付款风险
7. 是否强行填满所有字段
8. 是否把联系人个人行为当作公司整体策略
9. 是否把长期未联系直接判断为沉睡
10. 是否把无回复直接判断为无需求
11. 是否混淆客户事实与销售建议
12. 是否存在过时记录

11. 输出结构

A. 客户基础信息

客户名称、国家或地区、官网、公开业务方向、联系人和资料更新时间。

B. 真实业务证据

按时间或证据强度整理成交、订单、付款、发货、售后、询价、报价和有效沟通。

C. 已确认采购方向

只写有真实记录支持的品类、型号或项目方向。

D. 当前项目与机会

只整理已确认存在的项目，不直接判断机会等级。

E. 合作与沟通特征

基于记录整理常用沟通渠道、回复节奏、价格关注点、交期关注点、品质和售后关注点、付款习惯和采购模式。没有证据时留空。

F. 风险与异常记录

包括付款风险、交期风险、售后风险、需求反复、资料冲突和合规风险。

G. 公开资料补充

单独列出官网、LinkedIn 和其他公开资料，不得与真实业务证据混合。

H. 信息缺口

列出缺失信息、重要性、建议补充来源和是否影响后续判断。

I. 待验证信息

所有尚未确认的内容单独列出。

J. 可供下游 Skill 使用的输入

输出供 QUALIFY()、SEGMENT()、FOLLOWUP() 和 ACCOUNT() 使用的事实摘要，只提供事实，不替下游 Skill 做判断。

12. 禁止事项

1. 强行判断客户等级
2. 强行判断成交概率
3. 强行判断是否值得投入
4. 强行判断是否应该跟进
5. 把官网信息放在真实业务记录之前
6. 把 LinkedIn 页面当成成交证据
7. 把一次询价当成长期采购方向
8. 把 AI 推测写成事实
9. 覆盖人工确认内容
10. 删除冲突信息
11. 为了结构完整而编造字段
12. 大规模搜索无必要数据
13. 在没有真实资料时生成完整画像
14. 把客户画像和客户策略混在一起

13. 信息不足时的处理

当信息不足时，输出：

当前只能建立基础客户档案，无法形成完整客户画像。

并列出当前已有资料、缺失资料、最优先补充的三项信息、可以暂时留空的字段和是否适合进入 QUALIFY()。不得为了完成任务而继续扩大搜索范围。

14. 人工判断边界

1. 人工确认事实优先于 AI 判断
2. 人工可以标记某条记录已过期
3. 人工可以修正客户映射
4. AI 不得覆盖人工客户分类
5. AI 不得自动修改客户主表
6. AI 只输出建议和新文件
7. 原始数据必须保留
8. 疑似信息不得写入确定事实字段

15. 验收标准

1. 事实与推测明确分开
2. 真实业务记录优先
3. 官网和 LinkedIn 只做辅助
4. 不强行判断客户价值
5. 不强行填满所有字段
6. 能指出资料冲突
7. 能识别过时信息
8. 能输出明确的信息缺口
9. 能为下游 Skill 提供可靠输入
10. 不覆盖原始数据和人工判断

16. 当前状态

Version: 0.1.0
Status: Draft for testing

参数解析流程

本 Skill 必须先解析用户输入并映射到参数表。

参数状态表

正式分析前，必须输出参数状态表。

参数状态只能使用：

已命中
部分命中
缺失
冲突
待验证

统一格式：

参数	必需程度	当前状态	已获取内容	缺失或冲突影响
待按本 Skill 参数填写	待确认	缺失	无	待判断

参数状态表必须基于用户输入，不得凭空补充。

最低运行条件

1. 已提供本 Skill 的核心对象
2. 已明确本次分析目标
3. 已提供至少一项可靠证据
4. 关键参数缺失时先要求用户补充

不得用公开资料或推测替代真实业务证据。

缺失参数处理

不得自动补全缺失参数，必须明确提示用户补充，并说明缺失参数、重要性、影响、补充方式及当前是否可以先做初步分析。

冲突参数处理

不得自行解决冲突，必须保留不同来源、标记冲突、说明影响并提示验证。在冲突解决前降低分析置信度。

待验证参数处理

待验证信息不得写成确定事实。供应商口头反馈、市场信息、预计库存、预计交期、公开资料、客户可能意图和 AI 推测等必须明确标记。

正式分析触发条件

只有达到最低运行条件，且关键缺失、冲突、证据来源、分析目标和风险边界已得到处理后，才进入正式分析。

初步分析模式

参数不完整时，只能提供明确标注的初步分析：

以下为初步分析，仍需补充关键参数。

不得把初步分析包装成确定结论。

正式分析模式

参数完整并满足触发条件时，才可输出正式分析。正式输出前必须再次检查参数缺失、冲突、待验证信息、推测、人工判断、职责边界和用户真实目标。