shield_lock
金大哥
← 返回 Skill 列表
extension
分类: 其它无需 API Key

客户画像生成

customer-persona-generator

person作者: user_70c2f807hubcommunity
download下载资源包

Customer Persona Generator — 客户画像生成

Use when the user needs to understand customer decision-making patterns, build buyer personas from interaction data, analyze customer preferences, or map stakeholder decision chains.

NOT for: mass marketing campaigns, CRM system setup, customer service scripts, or demographic census data analysis.

描述

根据聊天记录、订单数据和互动历史，生成结构化的客户画像，包括决策链条、购买偏好、沟通风格和痛点分析，帮助销售和运营团队精准把握客户需求。

重要限制（请提前告知用户）

  • 画像基于已有数据推断，新客户或数据不足时准确度有限
  • 不涉及非法数据采集，所有分析基于合法获取的交互数据
  • 客户行为会变化，画像需定期更新而非一劳永逸
  • B端客户决策链复杂，可能存在隐藏决策者未被识别

快速开始

根据这段聊天记录帮我分析这个客户的决策风格和关注点 [粘贴记录]

这个客户购买了3次，帮我从订单记录中提炼他的偏好规律

我们要拜访一个大客户，帮我整理已知信息生成客户画像

帮我分析这个企业客户的决策链，谁是关键决策人

能力

  • 偏好提炼：从购买历史和沟通记录中识别客户偏好模式
  • 决策链分析：识别B端客户的决策者、影响者、使用者角色
  • 沟通风格判断：分析客户的沟通偏好和决策节奏
  • 痛点挖掘：从表面需求中推断深层痛点
  • 分层标签：按客户价值和行为特征做标签化分类
  • 行动建议：基于画像给出跟进策略和话术建议

执行步骤（Step by Step）

Step 1：数据收集

  1. 收集可用数据（聊天记录/订单/拜访记录）
  2. 确认客户类型（B端/C端、新客/老客）
  3. 了解当前业务目标（成单/续费/upsell）
  4. 识别数据空白点

Step 2：画像分析

  1. 提取关键行为特征和偏好模式
  2. 判断决策风格（理性/感性、快/慢、独立/合议）
  3. 识别核心痛点和未满足需求
  4. 绘制决策链条（B端客户）

Step 3：画像输出与建议

  1. 生成结构化客户画像卡片
  2. 标注关键洞察和风险点
  3. 提供跟进策略和沟通建议
  4. 建议下一步行动项

输出格式

## 客户画像卡片

### 基本信息
- 客户名称：XX科技有限公司
- 行业：教育科技
- 规模：200-500人
- 合作阶段：已购买基础版，评估升级中
- 客户等级：⭐⭐⭐⭐ A级

### 决策链
| 角色 | 姓名 | 职位 | 关注点 | 影响力 |
|------|------|------|--------|--------|
| 决策者 | 王总 | CEO | ROI、战略匹配 | ★★★★★ |
| 影响者 | 李经理 | IT总监 | 技术可行性、安全 | ★★★★ |
| 使用者 | 张老师 | 教研组长 | 易用性、培训支持 | ★★★ |
| 把关人 | 赵会计 | 财务 | 预算、付款方式 | ★★ |

### 行为画像
- 决策风格：理性对比型（需要数据和案例支撑）
- 决策周期：2-3个月（需多轮内部讨论）
- 沟通偏好：微信快速沟通 + 正式邮件留痕
- 价格敏感度：中（关注性价比而非最低价）
- 品牌忠诚度：中高（有替换成本顾虑）

### 核心痛点
1. 现有系统数据迁移困难 → 关心迁移方案
2. 团队技术能力有限 → 需要培训和驻场支持
3. 曾被其他供应商坑过 → 重视供应商口碑和服务承诺

### 跟进建议
- ✅ 准备3个同行业成功案例（含ROI数据）
- ✅ 提供免费数据迁移方案打消顾虑
- ✅ 安排技术负责人与李经理做技术深度对接
- ⚠️ 注意：不要跳过李经理直接找王总（会被视为不尊重）

输出原则

  1. 画像基于数据证据，不凭空臆测客户特征
  2. 明确标注推断的确信度（高/中/低）
  3. B端画像必须覆盖决策链条而非只看单一联系人
  4. 每个洞察需附带对应的行动建议
  5. 画像需包含"什么不要做"的禁忌项

错误处理

| 异常场景 | 提示语 | |----------|--------| | 可用数据极少 | "现有信息有限，我先基于这些生成初步画像，建议通过XX方式补充数据后迭代" | | 客户行为前后矛盾 | "客户行为存在不一致，可能原因：①决策人变了 ②需求变了 ③在对比竞品。建议直接沟通确认" | | 用户提供的记录含偏见 | "注意：当前信息主要来自销售视角，建议补充客户直接反馈，避免认知偏差" | | B端客户决策人不明确 | "决策链不清晰是常见情况，建议下次沟通时用'这个决定还需要和谁商量？'来探测" | | 客户画像变化快 | "客户情况变化较大，建议将画像更新频率从季度调整为月度" |

常见问题（FAQ）

Q：需要哪些数据才能生成画像？ A：最少需要：沟通记录（3次以上）或订单历史。更完整的画像还需要：拜访记录、行业背景、组织架构信息。

Q：C端和B端客户画像有什么区别？ A：C端侧重个人偏好和消费行为，B端侧重组织决策链、预算流程和多角色需求。B端复杂度更高。

Q：画像多久需要更新一次？ A：关键客户每季度Review一次，有重大变化（换人/换需求/出问题）时即时更新。

Q：怎么验证画像的准确性？ A：最直接的验证是：基于画像制定的策略是否有效。如果跟进建议成功推动了合作，说明画像准确。

Q：可以用画像做客户分群吗？ A：可以。多个客户画像积累后可以提炼出客户类型模板，用于新客户的快速分类和策略匹配。

Q：客户说的和做的不一致怎么处理？ A：行为数据比言语更可靠。画像应以实际行为（购买/使用/反复询问的问题）为主，言语为辅。

最佳实践

  1. 每次客户沟通后花3分钟更新画像关键信息
  2. 大客户画像分享给团队，避免信息只在一个人手里
  3. 用画像指导沟通策略，而非机械地执行销售话术
  4. 关注客户没说但暗示的需求（"但是..."后面的内容）
  5. 将成功案例的客户画像沉淀为标准模板，加速新客户分析

不适用场景

| 场景 | 原因 | 替代方案 | |------|------|----------| | 大规模用户数据分析 | 需要BI工具 | 使用数据分析平台 | | 社交媒体舆情监控 | 非1对1客户分析 | 使用舆情监控工具 | | 客户信用评估 | 金融风控范畴 | 使用征信系统 | | 市场调研问卷设计 | 非画像生成 | 使用调研工具 |

常见误用：

  • 把画像当成固定标签而非动态文件
  • 过度推断缺乏数据支撑的结论
  • 忽略客户的组织变动对画像的影响

安全与隐私

  • 严格遵守个人信息保护法，不采集不必要的个人数据
  • 客户画像属于商业机密，限定知悉范围
  • 不使用非法途径获取的客户信息
  • 客户关系结束后，按规定处理留存数据