afrexai-proposal-engine

核心用法

Proposal Engine 是一个覆盖商业提案全生命周期的结构化指导工具，核心流程包括六大阶段：

1. Pre-Proposal Qualification（机会筛选）：采用 BANT-Plus 框架（预算、决策权、需求、时间线、竞争、内部支持者六个维度）对商机进行 0-18 分评分，14 分以上才投入重资源，6 分以下直接放弃，避免无效投入。

2. Discovery Extraction（需求挖掘）：将客户访谈信息结构化记录，涵盖客户背景、现状痛点、触发事件、期望成果、决策流程、价值驱动因素六大模块，特别强调必须获取可量化的成功指标。

3. Pricing Strategy（定价策略）：提供成本加成定价（底线）和价值定价（目标）两种方法，强制采用三档定价结构（Good/Better/Best），利用锚定效应引导客户选择中间档，同时配套项目制、 retainer、SaaS 三种付款条款模板。

4. Proposal Structure（提案撰写）：遵循 "Mirror → Solve → Prove → Ask" 叙事弧线，包含封面、执行摘要、客户现状、解决方案、证明与可信度、项目计划、投资方案、下一步行动八大模块，每个模块提供具体写作模板和检查清单。

5. Quality Checklist（质量检查）：从相关性、清晰度、证明力、价值框架、具体性、异议处理、视觉质量、行动召唤、风险降低、竞争优势十个维度进行 0-10 分评分，70 分以下禁止发送。

6. Delivery & Follow-Up（交付与跟进）：强制要求现场演示或视频讲解提案，配套 30 天跟进节奏和常见异议（价格、需考虑、竞品对比、时间线、需审批）的标准回应话术。

显著优点

• 方法论体系完整：从商机筛选到签约跟进的全流程覆盖，不是零散技巧而是系统化打法
• 可操作性强：提供大量 YAML 配置模板、评分表格、检查清单，可直接套用
• 心理学应用到位：三档定价锚定、损失厌恶（成本不作为）、社会认同（案例证明）等说服技巧融入各环节
• 风险控制意识强：明确列出 6 条"应放弃信号"和 10 条常见错误，帮助用户避坑
• 场景覆盖全面：针对咨询、软件/技术、创意代理、RFP 响应四种提案类型提供差异化指导

潜在缺点与局限性

• 地域适配性存疑：定价策略、付款条款（如 50% 定金）基于欧美商业惯例，国内 B2B 场景可能需要调整
• 行业深度不足：通用框架对复杂技术方案（如企业级 SaaS 实施）或政府招投标场景覆盖有限
• 依赖执行者能力：框架再完善，最终提案质量仍取决于使用者的行业洞察和写作能力
• 无自动化功能：纯文档指导，不提供数据抓取、模板生成、电子签名等工具集成
• T3 来源可信度：社区/个人开发者背景，缺乏大型企业背书，方法论有效性需自行验证

适合的目标群体

• 销售团队负责人：需要统一团队提案标准和培训新人
• 独立顾问/自由职业者：缺乏完整销售流程，需要结构化指导
• 初创公司创始人：技术背景出身，不擅长商业提案撰写
• 中小型代理机构：需要提升方案专业度和赢单率
• 企业销售运营：希望建立可复制的提案质量管理体系

使用风险

• 性能风险：无，纯静态文档
• 依赖风险：无外部依赖，但用户可能产生对框架的过度依赖而忽视客户个性化需求
• 合规风险：提案中的 ROI 承诺、保证条款可能涉及法律风险，需根据所在地法规调整
• 数据风险：用户需在本地处理客户敏感信息，工具本身不收集数据但无加密保护指导
• 版本风险：Skill 内容可能随版本更新变化，建议重要提案本地存档

核心用法

Proposal Engine 是一套完整的商业提案生成与管理系统，覆盖从商机筛选到成交的全流程。用户可通过结构化交互完成：

• 资格评分：使用 BANT-Plus 框架（Budget/Authority/Need/Timeline/Competition/Champion 六维评分，满分18分）快速判断商机价值，14-18分投入重资源，6分以下礼貌拒绝
• 发现萃取：提取客户公司背景、现状痛点、触发事件、期望成果、决策流程、价值驱动等结构化信息
• 定价策略：基于成本底线+价值定价双轨制，强制输出三档方案（Good/Better/Best），利用锚定效应引导选择中间档
• 提案生成：遵循「镜像→解决→证明→请求」结构，包含执行摘要、情境分析、解决方案、信用背书、项目计划、投资方案、下一步七个标准模块
• 交付跟进：禁止冷邮件发送，强制实时演示或视频讲解，配套21天跟进节奏模板及异议处理话术

显著优点

1. 方法论体系完整：融合现代销售理论（BANT、SPIN、价值定价、锚定效应），非简单模板堆砌
2. 强制质量约束：三档定价、提案有效期、质量检查清单（10维度70分门槛）等机制确保输出专业度
3. 实战导向设计：明确区分「列队陪标」与「真正商机」的识别标准，避免无效投入
4. 多场景覆盖：内置咨询、软件/技术、创意代理、RFP响应四种行业模板
5. 零技术门槛：纯文档型交互，无需学习成本即可直接使用

潜在缺点与局限

• 来源可信度：T3级社区项目（GitHub开源），非企业级SaaS产品，长期维护稳定性存疑
• 无自动化集成：纯手动输入输出，不与CRM、电子签名、财务系统等工具打通
• 地域适配性：定价策略、合同条款偏向欧美商业惯例，需本地化调整
• AI幻觉风险：若模型训练数据包含过时销售理论，可能输出与当前市场环境不符的建议
• 无数据沉淀：每次使用独立会话，无法积累历史客户数据或追踪长期成交率

适合人群

• 自由职业者、小型咨询公司创始人、 agency 主理人（无专职销售团队）
• 技术背景转商业的创业者（需结构化销售方法补位）
• 销售新人（需要标准化提案流程训练）
• 需快速响应RFP的企业售前团队

常规风险

• 过度依赖框架：机械套用BANT评分可能漏判战略型客户或创新业务机会
• 定价策略误用：10-20%价值占比定价需建立在对客户业务深度理解上，否则显失公允
• 提案有效期冲突：30天有效期设置可能与长周期B2B采购流程矛盾，需灵活调整
• 知识产权边界：RFP响应模板涉及客户敏感信息，需注意保密义务

---

该工具本质为销售最佳实践的知识封装，核心价值在于降低提案撰写认知负荷、统一团队输出标准，而非替代客户洞察与关系经营。