销售漏斗分析

销售漏斗分析检查商机阶段、活动日期、负责人和下一步行动，以识别需要关注的记录。使用一致的导出数据和明确的审核规则，从数据计算事实性结论，再添加可追溯到相关商机的解读。

本示例从所提供记录生成与证据关联的销售漏斗审核结果。它标记活动停滞和责任人缺失；不预测收入，也不同步 CRM。

作者：Ai Flowi · 发布于 2026-10-10

示例配置，并非有记录的测试
已在目录中说明；Ai Flowi 尚未进行生产环境测试

1. 选择审核问题与快照

确定报告应帮助团队完成什么工作：为无人负责的商机指定负责人、核实较早的下一步行动，或检查某条记录为何仍停留在某个阶段。将每个问题写成针对可用字段的检查。看似销售漏斗出现问题，也可能是导出不完整，因此要区分日期缺失和日期确实超出审核时间窗口的情况。

为分析明确固定快照日期和时区。不要使用模型假定的当前日期计算无活动时长。记录导出范围，例如未结商机或全部商机，并在报告中保留该范围。只有记录总体和字段定义一致时，快照间的比较才有意义。

2. 准备导出数据约定

你需要已授权的 CSV 导出文件、工作区，以及商定的销售漏斗审核规则。有用的列包括商机标识、阶段、进入阶段的日期、最后联系日期、负责人和下一步行动。只有源系统提供行动到期日时，才纳入该字段。将商机标识保留为文本，避免丢失前导零和大小写。

记录日期格式，以及每个活动时间戳的含义。编辑备注并不自动等于联系客户。进入阶段的日期为空时，无法确定停留时间；最后联系日期没有时区时，需要先澄清再比较。在规范化的审核字段旁保留原始字段。

仅在事实性审核表格需要解释时加入文字解读；纯数据报告可以在任何模型调用之前结束。按照模型凭据说明配置提供商账户和 API 密钥，解读费用由该提供商收取。Load CSV 参考说明定义的是数据接收输入，并不验证销售漏斗审核规则。

3. 加载记录并隔离数据质量缺口

根据所选导出输入遵循 CSV 加载说明，然后检查生成的商机记录。

在一次模拟销售漏斗审核中，商机 A 的最后联系日期较早，但下一步行动记录了已商定的后续复查安排。商机 B 则没有最后联系日期，也没有负责人。A 可以出现在联系日期较早的视图中，但不能据此声称关系已失败；已安排的审核为销售人员提供了背景。B 应归入数据缺口和负责人视图，其是否长期无活动仍未确定。将两者并入一个紧急商机总数，会抹去观察到的时间间隔与证据缺失之间的区别。

在 JSON Operations 中，加载的商机记录通过 data 输入。选择 "JQ Expression" 操作，并定义 query，拒绝不符合要求的数据结构、保留商机标识，以及区分数据缺口和业务分析结果。对照本次导出的格式检查日期解析；不支持的日期表示方式应保留在例外列表中，直到确定其解释。

检查活动停滞时，使用团队选定的阈值，并在报告中包含阈值定义。没有最后联系日期的记录应归入日期未知组。如果某阶段不纳入审核，应说明原因。避免使用一个没有限定说明的“停滞”标签，将长时间未活动、行动逾期和数据缺失混在一起。

4. 建立可复现的审核表格

使用 Data → DataFrame，将已接受的商机记录准备为 Table，在 data_list 中提供列表。通过 df 将该 Table 交给 Table Operations。对于无人负责商机的视图，operation 使用 "Filter"，column_name 指定已验证的负责人标记。通过 filter_operator 选择比较方式，再在 filter_value 中提供目标标记的具体表示形式。

对于下一步行动视图，使用独立的 Table Operations 步骤，选择 "Sort"、相应的 column_name 和 ascending。将日期未知的行保留在独立的例外视图中。目录包含筛选和排序，但没有列出分组或聚合操作，因此不要声称此组件能计算阶段总计。

任何计数都应在已检查的 JSON Operations 查询中计算，并与已接受的输入记录总体核对。除非已明确定义并检查客户去重，否则应统计记录数，而不是去重后的客户数。筛选结果应保留每条源商机的标识，让审核人员能够返回原始记录。

5. 按需添加受证据约束的解读

表格转文本格式化参考说明提供 Parser 约定，可用于包含商机标识、标记原因和来源日期的报告提纲。

配置 Structured Output 的 output_schema，包含分析结果、受影响商机的标识、引用字段、缺失信息和拟议问题。其 system_prompt 应禁止新增金额、日期、概率或结果。将已配置的 Language Model 输出连接到 model。模型可以解释分析结果，但按固定规则生成的审核表格仍是权威记录来源。

销售漏斗报告自动化常见的失败，是流畅的解释将相关性变成因果关系。如果导出数据表明某日期之后没有联系记录，就报告该观察结果。没有额外证据时，不要声称潜在客户失去兴趣，或销售人员未采取行动。

相关内容：应收账款自动化：根据提供的记录核查账龄。

6. 对照来源审核报告

报告应标明快照、已接受记录总体、规则版本、数据质量例外，以及附有来源引用的被标记商机。传阅前，在 Chat Output 中将结构化解读与按固定规则生成的审核表格对照。任何未出现在该表格中的商机标识，都需要更正或明确说明来源缺口；保留尚未解答的业务问题。

测试空导出文件、重复标识、未知阶段、晚于快照的日期、负责人缺失，以及下一步行动文本缺失。验收要求涵盖所有已接受行，并确保数据缺口不会变成编造的分析结果。如果加入项目状态报告自动化，应另行定义项目专属的依赖关系和日期；商机阶段不能代替项目完成情况。

比较连续导出数据时，应区分未变化的商机和从导出记录总体中消失的记录。某商机不在未结商机快照中，可能是商机已关闭、移出导出筛选范围，或因源查询变化而被遗漏；仅凭记录未出现无法判断是哪一种。将它描述为赢单或丢单前，先检查源记录。保留两个快照的记录总体定义和商机标识，让审核能够将观察到的成员变化与阶段变化分开报告。这样，范围更窄的导出就不会被误认为销售漏斗状况有所改善。

销售管道分析有哪些限制与不适用场景？

收入预测、实时 CRM 仪表盘和自动重新分派，均超出本导出数据审核的范围。过期快照无法确定商机当前状态。如果源报告已提供所需筛选和计数，就使用该报告，仅将本方案用于补充缺少的审核解读。

已文档化的用例介绍现有起步模式，Sheets 教程则介绍其自身的数据接收和写入行为。两者都不能证明本导出分析已获验证。将负责人缺失的分析结果与线索资格判断分开，后者回答的是另一类销售问题。

销售漏斗快照字段与审核视图设置

销售漏斗分析用量

套餐：Go 年付方案每月 USD8 起（月付 USD10），Plus 年付方案每月 USD16 起（月付 USD20），Pro 100 年付方案每月 USD80 起（月付 USD100），Pro 200 年付方案每月 USD160 起（月付 USD200），Pro 500 年付方案每月 USD400 起（月付 USD500），每月包含 5,000 至 250,000 个 Flowi Tokens，并支持充值；每次节点运行消耗 1 个 token；不包含第三方 API 和模型使用费用。

销售漏斗分析相关阅读

• 已文档化的用例
• 从 Webhook 写入 Google Sheets
• AI 线索资格评估
• 新客户入门流程自动化