PRD_LEAD_DISCOVERY.md 30 KB
PRD：客户发掘系统 - 从线索到客户建档及价值判断
版本：v1.0
创建日期：2026-02-12
产品经理：待定
技术负责人：待定
一、产品概述
1.1 产品背景
外贸业务员每天收到大量询盘邮件，需要快速判断哪些值得跟进、如何跟进。现有系统存在以下问题：
- nanchi 背调系统：流程过重（3-8分钟），信息过载，缺少分层机制
- demo-nanchi 画像系统：快速筛选太粗，深度分析是空壳，缺少行动指导
1.2 产品定位
"10秒告诉你值不值得跟进，3分钟帮你准备好跟进弹药"
一个以行动为导向的线索价值判断与跟进准备系统，通过三层漏斗（信息提取 → 快速研判 → 深度调研）帮助业务员高效处理询盘。
1.3 目标用户
- 主要用户：外贸业务员（每天处理 20-50 封询盘）
- 次要用户：销售主管（查看团队线索质量与跟进情况）
1.4 产品目标
| 目标 | 指标 |
|---|---|
| 提升效率 | 单封邮件处理时间从 5-10 分钟降至 1-3 分钟 |
| 提升准确度 | 线索价值判断准确率 ≥ 85%（与业务员直觉一致） |
| 提升转化率 | S/A 级线索跟进率 ≥ 90%，B 级线索跟进率 ≥ 50% |
二、功能需求
2.1 第一层：邮件摄入 & 信息提取
2.1.1 功能描述
将非结构化邮件自动解析为结构化数据，提取关键信息。
2.1.2 输入方式
- 方式一：上传 .eml 文件（支持拖拽）
- 方式二：手动录入（复制粘贴邮件内容）
- 方式三：API 接入（未来支持邮箱集成）
2.1.3 提取维度
| 维度 | 提取规则 | 数据格式 | 优先级 |
|---|---|---|---|
| 联系人 | 签名块解析（姓名 + 职位） | { name: string, title: string } |
P0 |
| 公司名 | 签名块 + 邮箱域名推断 | string |
P0 |
| 邮箱 | From 字段 | string |
P0 |
| 邮箱域名 | @ 后缀提取 | string |
P0 |
| 国家 | 签名块地址 + 域名后缀推断 | string |
P0 |
| 产品需求 | 正文 + 附件 NLP 提取 | Array<{ product: string, quantity: number, unit: string }> |
P0 |
| 数量级 | 数字提取 + 单位识别 | { total: number, unit: string } |
P0 |
| 认证要求 | 关键词匹配（FDA/CE/ISO/OSHA等） | Array<string> |
P0 |
| 贸易术语 | 关键词匹配（FOB/CIF/DDP等） | Array<string> |
P1 |
| 紧迫性信号 | 截止日期提取 + 催促语气识别 | { hasDeadline: boolean, deadline?: Date, urgencyLevel: 'high'\|'medium'\|'low' } |
P0 |
| 附件清单 | 文件名 + 类型 + 大小 | Array<{ name: string, type: string, size: number, isImportant: boolean }> |
P0 |
特殊标注规则：
- 附件文件名包含 "Company Profile" / "Requirements Spec" / "Tender" / "RFP" →
isImportant: true - 邮件中有具体数量（如 "5,000 units/year"）→ 自动计算预估年采购额
2.1.4 输出数据结构
interface EmailExtractionResult {
emailId: string; // 邮件唯一ID
extractedAt: string; // 提取时间
source: 'eml_file' | 'manual' | 'api';
// 基础信息
contact: {
name: string;
title?: string;
email: string;
phone?: string;
address?: string;
};
company: {
name: string;
domain?: string;
country?: string;
};
// 需求信息
productRequirements: Array<{
product: string; // 产品名称/描述
quantity: number; // 数量
unit: string; // 单位（units/year, pieces, etc.）
specifications?: string[]; // 规格要求
}>;
certifications: string[]; // 认证要求
tradeTerms: string[]; // 贸易术语
// 紧迫性
urgency: {
hasDeadline: boolean;
deadline?: string; // ISO 8601
urgencyLevel: 'high' | 'medium' | 'low';
urgencySignals: string[]; // 催促性语言片段
};
// 附件
attachments: Array<{
name: string;
type: string;
size: number;
isImportant: boolean; // 是否为公司资料/需求文档
}>;
// 原始内容（保留）
originalEmail: {
subject: string;
body: string; // 纯文本
htmlBody?: string; // HTML（如有）
from: string;
to: string[];
cc?: string[];
date: string;
};
// 元数据
metadata: {
hasSignature: boolean; // 是否有完整签名块
hasAttachments: boolean;
ccCount: number; // 抄送人数
mentionsTradeShow?: string; // 提到的展会
};
}
2.1.5 验收标准
- 支持 .eml 文件解析，准确率 ≥ 95%
- 联系人/公司名提取准确率 ≥ 90%
- 产品需求提取准确率 ≥ 85%（有具体数量时）
- 附件重要度标注准确率 ≥ 90%
- 单封邮件处理时间 < 5 秒
2.2 第二层：快速研判（核心功能）
2.2.1 功能描述
基于五维评分体系，10 秒内给出线索价值判断和行动建议。
2.2.2 五维评分体系
维度一：需求明确度（Demand Clarity）
| 信号 | 得分 | 检测规则 |
|---|---|---|
| 提到具体产品名 | +20 | NLP 识别产品关键词（IFAK, cabinet, refill 等） |
| 有明确数量 | +25 | 数字 + 单位（如 "5,000 units/year"） |
| 有规格要求 | +15 | 关键词（MOLLE, MARCH-P, custom, etc.） |
| 有认证要求 | +10 | 认证关键词（FDA, CE, ISO, OSHA 等） |
| 询问价格/MOQ/交期 | +15 | 关键词（pricing, MOQ, lead time, FOB, etc.） |
| 只说"send catalog" | +5 | 仅包含 "catalog" / "brochure" 等 |
| 无任何具体需求 | 0 | 以上均无 |
维度二：可信度（Credibility）
| 信号 | 得分 | 检测规则 |
|---|---|---|
| 企业域名邮箱 | +15 | 域名非 gmail/hotmail/yahoo 等免费邮箱 |
| 免费邮箱 | -10 | gmail/hotmail/yahoo/outlook 等 |
| 完整签名块 | +20 | 包含职位 + 电话 + 地址 |
| 有附件（公司资料） | +20 | 附件文件名包含 "Company Profile" / "Profile" |
| 有附件（需求文档） | +15 | 附件文件名包含 "Requirements" / "Spec" / "Tender" |
| 有抄送 | +10 | CC 字段非空 |
| 提到展会/面谈 | +15 | 关键词（trade show, expo, meeting, conversation） |
| 无附件+无签名+模糊 | 0 | 以上均无 |
维度三：商业规模（Business Scale）
| 信号 | 得分 | 检测规则 |
|---|---|---|
| 提到公司规模/营收 | +20 | 数字 + 单位（如 "$45M revenue", "200 employees"） |
| 提到下游客户数量 | +15 | 数字 + 客户类型（如 "120 hospitals"） |
| 年采购量 > $100K | +25 | 基于产品需求 × 我方单价计算 |
| 年采购量 $30K-$100K | +15 | 同上 |
| 年采购量 < $30K | +5 | 同上 |
| 无法判断规模 | 0 | 无相关信号 |
维度四：供需匹配（Product Fit）
| 信号 | 得分 | 检测规则 |
|---|---|---|
| 提到的产品我方有对应 SKU | +25/匹配项 | 产品关键词匹配我方产品库 |
| 认证要求我方可满足 | +15 | 认证列表匹配我方认证库 |
| 需要定制但我方有能力 | +10 | 关键词（OEM, custom, private label）且我方支持 |
| 产品完全不匹配 | -20 | 无任何匹配 |
维度五：紧迫度（Urgency）
| 信号 | 得分 | 检测规则 |
|---|---|---|
| 有明确截止日期 | +30 | 日期提取（如 "March 15, 2026"） |
| 催促性语言 | +15 | 关键词（ASAP, urgent, prompt, immediate） |
| 提到正在比价/选供应商 | +10 | 关键词（looking for, selecting, comparing） |
| 提到长期合作/代理 | +5 | 关键词（long-term, distributor, agent） |
| 无紧迫信号 | 0 | 以上均无 |
2.2.3 综合评级算法
// 权重配置
const WEIGHTS = {
demandClarity: 0.25,
credibility: 0.25,
businessScale: 0.20,
productFit: 0.15,
urgency: 0.15
};
// 总分计算
const totalScore =
demandClarity * WEIGHTS.demandClarity +
credibility * WEIGHTS.credibility +
businessScale * WEIGHTS.businessScale +
productFit * WEIGHTS.productFit +
urgency * WEIGHTS.urgency;
// 等级判定
function getGrade(totalScore: number, credibility: number, demandClarity: number): 'S' | 'A' | 'B' | 'C' {
if (totalScore >= 80 && credibility >= 60) return 'S';
if (totalScore >= 60 && demandClarity >= 40) return 'A';
if (totalScore >= 35) return 'B';
return 'C';
}
等级定义：
- S级（立即跟进）：总分 ≥ 80 且可信度 ≥ 60 → 24h 内跟进
- A级（3天内跟进）：总分 ≥ 60 且需求明确度 ≥ 40 → 3 天内跟进
- B级（7天内跟进）：总分 ≥ 35 → 7 天内跟进
- C级（归档观察）：总分 < 35 → 归档，定期群发营销邮件
2.2.4 客户画像识别（P1-P6）
识别逻辑（不再只看关键词，综合考虑邮件结构特征）：
| 画像 | 核心识别逻辑 | 置信度阈值 |
|---|---|---|
| P1 医药分销商 | 企业邮箱 + ("distributor"/"wholesale") + (FDA/ISO需求) + 有具体SKU级需求 | ≥ 70% |
| P2 工业安全供应商 | (OSHA/ANSI) + (壁挂箱/急救站需求) + 企业客户导向 | ≥ 70% |
| P3 政府/机构采购 | (标书编号/招标通知) + ("tender"/"procurement"/"lot") + 有截止日期 | ≥ 80% |
| P4 品牌OEM客户 | ("OEM"/"private label"/"custom branding") + 有品牌设计要求 + 关注打样 | ≥ 70% |
| P5 电商/零售商 | (Amazon/Shopify/FBA) + 关注单品利润率 + 小批量 | ≥ 70% |
| P6 低质量/无效 | 免费邮箱 + 无具体需求 + 无附件 + 模糊语言 | ≥ 60% |
画像判断依据（展示给业务员）：
- 匹配的关键词列表
- 邮件结构特征（附件/签名块/抄送）
- 置信度百分比
2.2.5 产品匹配
匹配逻辑：
- 提取客户需求中的产品关键词
- 与我方产品库进行语义匹配（支持同义词）
- 返回匹配产品列表，包含：
- 产品名称 + SKU
- 匹配度（0-100%）
- 匹配依据（客户提到的关键词）
预估采购额计算：
estimatedAnnualValue = sum(
productRequirements.map(req =>
req.quantity * matchedProduct.wholesalePrice
)
);
2.2.6 输出：快速研判卡片
UI 组件结构：
┌─────────────────────────────────────────────────────┐
│ [公司Logo/图标] 公司名 [国旗] 国家 │
│ ─────────────────────────────────────────────────── │
│ [画像标签] [等级标签] [行动标签] │
│ │
│ 📦 需求摘要 │
│ · 产品1 × 数量1 │
│ · 产品2 × 数量2 │
│ 💰 预估年采购额：$XXX,XXX │
│ │
│ ✅ 可信度：[高/中/低] │
│ · 企业邮箱 · 完整签名块 · X份附件（含公司简介） │
│ │
│ 🎯 我方匹配产品 │
│ · 产品A (SKU) → 匹配 需求X │
│ · 产品B (SKU) → 匹配 需求Y │
│ │
│ 📊 评分详情（可展开） │
│ · 需求明确度：XX分 │
│ · 可信度：XX分 │
│ · 商业规模：XX分 │
│ · 供需匹配：XX分 │
│ · 紧迫度：XX分 │
│ │
│ 📌 推荐行动 │
│ [时效]内发送：[文件1] + [文件2] + [文件3] │
│ │
│ [📧 查看原文] [🔍 深度调研] [✅ 确认并建档] │
└─────────────────────────────────────────────────────┘
数据结构：
interface QuickAssessmentResult {
leadId: string;
assessedAt: string;
// 画像与等级
persona: {
type: 'P1' | 'P2' | 'P3' | 'P4' | 'P5' | 'P6';
confidence: number; // 0-100
reasoning: string[]; // 判断依据
};
grade: 'S' | 'A' | 'B' | 'C';
followUpDeadline: string; // ISO 8601（基于等级计算）
// 五维评分
scores: {
demandClarity: number; // 0-100
credibility: number;
businessScale: number;
productFit: number;
urgency: number;
total: number;
};
// 需求快照
demandSnapshot: {
products: Array<{
name: string;
quantity: number;
unit: string;
}>;
estimatedAnnualValue: number; // USD
certifications: string[];
};
// 产品匹配
matchedProducts: Array<{
productName: string;
sku: string;
matchReason: string; // 为什么匹配
matchScore: number; // 0-100
}>;
// 推荐行动
recommendedActions: {
timeframe: string; // "24h内" / "3天内" / "7天内"
filesToSend: string[]; // 文件列表
keyPoints: string[]; // 重点强调的内容
};
}
2.2.7 验收标准
- 快速研判耗时 < 10 秒
- 五维评分准确率 ≥ 85%（与业务员直觉一致）
- 画像识别准确率 ≥ 80%
- 产品匹配准确率 ≥ 75%
- 预估采购额误差 ≤ 30%（基于我方产品单价）
2.3 第三层：深度调研（按需触发）
2.3.1 触发条件
- 自动触发：S/A 级线索（快速研判后自动执行）
- 手动触发：B 级线索（业务员点击"深度调研"按钮）
- 不触发：C 级线索（直接归档）
2.3.2 按画像差异化的调研策略
P1 医药分销商 → 重点调研：渠道覆盖 + 认证匹配
async function deepResearchP1(context: ResearchContext): Promise<ResearchResult> {
// 1. 搜索公司官网
const website = await scrapeCompanyWebsite(context.domain);
const companyProfile = {
productLines: extractProductLines(website),
coverage: extractCoverage(website), // 覆盖区域
partners: extractPartners(website), // 合作品牌
};
// 2. 检查 LinkedIn
const linkedInData = await fetchLinkedInProfile(context.company);
const companyScale = {
employees: linkedInData.employeeCount,
foundedYear: linkedInData.foundedYear,
};
// 3. 匹配认证
const certificationMatch = checkCertificationMatch(
context.requiredCerts,
ourCertifications
);
// 4. 生成报价建议
const pricingSuggestion = calculatePricing(
context.productRequirements,
ourProducts,
{ volumeDiscount: true }
);
return {
companyProfile,
companyScale,
certificationMatch,
pricingSuggestion,
recommendedFiles: [
'完整产品目录.pdf',
'FDA_510k证书.pdf',
'ISO_13485证书.pdf',
'CE_Marking证书.pdf'
],
suggestedScript: generateScript('P1', context),
};
}
P3 政府/机构采购 → 重点调研：资质准备 + 投标要点
async function deepResearchP3(context: ResearchContext): Promise<ResearchResult> {
// 1. 解析标书附件
const tenderDoc = await parseTenderDocument(context.attachments);
const tenderAnalysis = {
technicalSpecs: tenderDoc.technicalRequirements,
scoringCriteria: tenderDoc.scoringCriteria,
deadline: tenderDoc.deadline,
lots: tenderDoc.lots, // 标段
};
// 2. 检查资质要求
const qualificationCheck = checkQualifications(
tenderDoc.requiredQualifications,
ourQualifications
);
// 3. 计算报价
const quote = calculateQuote(
tenderDoc.lots,
ourProducts,
{ includeShipping: true, includeCert: true }
);
return {
tenderAnalysis,
qualificationCheck,
quote,
recommendedFiles: [
'资质文件包.zip',
'投标方案.pdf',
'合规性检查报告.pdf'
],
actionPlan: {
deadline: tenderDoc.deadline,
tasks: [
{ task: '准备资质文件', dueDate: '...' },
{ task: '准备投标方案', dueDate: '...' },
{ task: '提交投标', dueDate: tenderDoc.deadline },
],
},
suggestedScript: generateScript('P3', context),
};
}
P4 品牌OEM客户 → 重点调研：品牌调性 + 定制可行性
async function deepResearchP4(context: ResearchContext): Promise<ResearchResult> {
// 1. 搜索品牌官网
const brandWebsite = await scrapeBrandWebsite(context.domain);
const brandProfile = {
positioning: extractBrandPositioning(brandWebsite),
targetMarket: extractTargetMarket(brandWebsite),
designStyle: extractDesignStyle(brandWebsite), // 从图片/色彩分析
};
// 2. 评估定制需求
const customizationReq = context.customRequirements; // 从邮件提取
const feasibility = assessCustomizationFeasibility(
customizationReq,
ourCapabilities
);
// 3. 计算打样成本
const sampleCost = calculateSampleCost(
customizationReq,
ourProducts
);
// 4. 查找类似案例
const similarCases = findSimilarOEMCases(
brandProfile,
ourOEMHistory
);
return {
brandProfile,
feasibility,
sampleCost,
similarCases,
recommendedFiles: [
'OEM方案书.pdf',
'打样报价单.pdf',
'类似案例参考.pdf'
],
suggestedScript: generateScript('P4', context),
};
}
P6 低质量线索 → 不执行深度调研
// 直接归档，不执行任何调研
function handleP6(context: ResearchContext): void {
archiveLead(context.leadId);
scheduleBulkEmail(context.email, 'marketing_template');
}
2.3.3 输出：跟进准备包
UI 组件结构：
┌─────────────────────────────────────────────────────┐
│ 📋 跟进准备包 — [公司名] │
│ ─────────────────────────────────────────────────── │
│ │
│ 🏢 公司画像 │
│ · [公司简介] │
│ · 覆盖区域：[区域] │
│ · LinkedIn: [员工数] │
│ · 官网产品线：[产品线列表] │
│ │
│ 👤 联系人画像 │
│ · [姓名] — [职位] │
│ · 决策权限：[高/中/低] │
│ · LinkedIn: [背景摘要] │
│ │
│ 📦 需求 vs 我方产品匹配 │
│ ┌──────────────┬──────────────┬──────────┐ │
│ │ 客户需求 │ 推荐产品 │ 年采购额 │ │
│ ├──────────────┼──────────────┼──────────┤ │
│ │ [需求1] │ [产品1] │ $XXX,XXX │ │
│ │ [需求2] │ [产品2] │ $XXX,XXX │ │
│ └──────────────┴──────────────┴──────────┘ │
│ 💰 预估年采购总额：$XXX,XXX │
│ │
│ ✅ 认证匹配检查 │
│ · [认证1] → ✅ 我方已有 / ❌ 我方无 │
│ · [认证2] → ✅ 我方已有 / ❌ 我方无 │
│ │
│ 🎯 建议跟进策略 │
│ 1. [时效]内回复邮件，附上： │
│ · [文件1] │
│ · [文件2] │
│ · [文件3] │
│ 2. 邮件中[具体建议] │
│ 3. 重点强调：[要点1], [要点2] │
│ │
│ 📝 建议回复话术（可编辑） │
│ ────────────────────────────────────── │
│ [AI 生成的个性化回复草稿] │
│ ────────────────────────────────────── │
│ │
│ [✏️ 编辑话术] [📧 发送邮件] [✅ 建档并设置提醒] │
└─────────────────────────────────────────────────────┘
数据结构：
interface DeepResearchResult {
leadId: string;
researchedAt: string;
persona: 'P1' | 'P2' | 'P3' | 'P4' | 'P5' | 'P6';
// 公司画像
companyProfile: {
description: string;
coverage?: string[];
employees?: number;
foundedYear?: string;
productLines?: string[];
website?: string;
};
// 联系人画像
contactProfile: {
name: string;
title: string;
decisionPower: 'high' | 'medium' | 'low';
linkedInSummary?: string;
};
// 产品匹配详情
productMatching: Array<{
customerNeed: string;
recommendedProduct: {
name: string;
sku: string;
};
annualValue: number;
}>;
totalEstimatedValue: number;
// 认证匹配
certificationMatch: Array<{
required: string;
status: 'matched' | 'missing';
ourCert?: string; // 我方证书名称
}>;
// 跟进策略
followUpStrategy: {
timeframe: string;
filesToSend: string[];
keyPoints: string[];
additionalActions?: string[];
};
// 回复话术
suggestedScript: {
draft: string; // AI 生成的草稿
editable: boolean;
};
// 特殊字段（按画像类型）
personaSpecificData?: {
// P1: 报价建议
pricingSuggestion?: any;
// P3: 投标计划
tenderActionPlan?: any;
// P4: 打样成本
sampleCost?: any;
};
}
2.3.4 验收标准
- 深度调研耗时：P1/P2/P4 ≤ 2 分钟，P3 ≤ 3 分钟
- 公司画像准确率 ≥ 80%（与官网信息一致）
- 联系人决策权限判断准确率 ≥ 75%
- 认证匹配准确率 100%（基于我方认证库）
- 回复话术生成质量：业务员直接使用率 ≥ 60%
2.4 客户建档（自然沉淀）
2.4.1 数据模型
interface Lead {
// === 基础信息（第一层自动填充） ===
id: string;
createdAt: string;
updatedAt: string;
contact: {
name: string;
title?: string;
email: string;
phone?: string;
address?: string;
};
company: {
name: string;
domain?: string;
country?: string;
};
originalEmail: {
subject: string;
body: string;
attachments: Array<{ name: string, url: string }>;
emailId: string;
};
// === 快速研判结果（第二层自动填充） ===
persona?: {
type: 'P1' | 'P2' | 'P3' | 'P4' | 'P5' | 'P6';
confidence: number;
reasoning: string[];
};
grade?: 'S' | 'A' | 'B' | 'C';
scores?: {
demandClarity: number;
credibility: number;
businessScale: number;
productFit: number;
urgency: number;
total: number;
};
demandSnapshot?: {
products: Array<{ name: string, quantity: number, unit: string }>;
estimatedAnnualValue: number;
certifications: string[];
};
matchedProducts?: Array<{
productName: string;
sku: string;
matchScore: number;
}>;
// === 深度调研结果（第三层按需填充） ===
deepResearch?: DeepResearchResult;
// === 跟进状态 ===
status: 'new' | 'assessed' | 'researched' | 'contacted' | 'replied' | 'quoted' | 'archived';
followUpDeadline?: string;
assignedTo?: string; // 业务员ID
// === 跟进记录（持续积累） ===
communications: Array<{
date: string;
type: 'email' | 'call' | 'meeting';
summary: string;
attachments?: string[];
}>;
quotes: Array<{
date: string;
products: Array<{ sku: string, price: number, quantity: number }>;
status: 'sent' | 'accepted' | 'rejected' | 'pending';
}>;
samples: Array<{
date: string;
product: string;
status: 'sent' | 'received' | 'approved' | 'rejected';
}>;
notes: Array<{
date: string;
author: string;
content: string;
}>;
// === 销售验证 ===
salesFeedback?: {
verifiedPersona?: 'P1' | 'P2' | 'P3' | 'P4' | 'P5' | 'P6';
verifiedGrade?: 'S' | 'A' | 'B' | 'C';
notes?: string;
verifiedAt?: string;
};
}
2.4.2 状态流转
new (邮件摄入)
↓
assessed (快速研判完成)
↓
researched (深度调研完成，可选)
↓
contacted (业务员确认并建档)
↓
replied (客户回复)
↓
quoted (已报价)
↓
[成交] / [归档]
2.4.3 验收标准
- 线索自动创建（邮件摄入后）
- 数据逐层自动填充（无需手动录入）
- 状态流转清晰，支持回退
- 跟进记录可追溯
三、非功能需求
3.1 性能要求
| 指标 | 要求 |
|---|---|
| 邮件解析 | < 5 秒 |
| 快速研判 | < 10 秒 |
| 深度调研 | P1/P2/P4 ≤ 2 分钟，P3 ≤ 3 分钟 |
| 页面加载 | 首屏 < 2 秒 |
| API 响应 | P95 < 500ms |
3.2 可用性要求
- 系统可用性 ≥ 99.5%
- 支持并发用户数 ≥ 50
- 数据备份：每日自动备份
3.3 安全要求
- 邮件内容加密存储
- 用户权限控制（业务员只能看自己的线索）
- 审计日志（记录所有操作）
3.4 兼容性要求
- 浏览器：Chrome 90+, Firefox 88+, Safari 14+, Edge 90+
- 移动端：响应式设计，支持手机查看
四、用户流程
4.1 主流程：邮件处理
1. 业务员上传 .eml 文件
↓
2. 系统自动解析邮件（< 5秒）
↓
3. 系统自动执行快速研判（< 10秒）
↓
4. 显示快速研判卡片
↓
5a. S/A 级 → 自动触发深度调研
5b. B 级 → 业务员选择是否深度调研
5c. C 级 → 直接归档
↓
6. 显示跟进准备包
↓
7. 业务员确认并建档
↓
8. 进入跟进管道
4.2 子流程：画像验证
1. 业务员查看快速研判结果
↓
2. 发现画像判断有误
↓
3. 点击"验证画像"
↓
4. 选择正确画像 + 填写备注
↓
5. 系统记录反馈，用于模型优化
五、技术实现要点
5.1 核心技术栈
- 前端：Angular 17+ (与现有 demo-nanchi 保持一致)
- 后端：Node.js / Python (待定)
- AI 服务：LLM API (用于 NLP 提取、话术生成)
- 数据存储：PostgreSQL (结构化数据) + 文件存储 (附件)
5.2 关键算法
- 邮件解析：使用现有 EML 解析库 + NLP 提取
- 产品匹配：语义相似度计算（向量化 + 余弦相似度）
- 画像识别：规则引擎 + 机器学习（未来优化）
- 话术生成：LLM Prompt Engineering
5.3 第三方服务
- 社媒数据：LinkedIn API（如可用）/ 网页爬取
- 官网爬取：Firecrawl / 自建爬虫
- 企业数据：可选集成企业信息查询 API
六、优先级与里程碑
6.1 功能优先级
| 优先级 | 功能 | 预计工时 |
|---|---|---|
| P0 | 邮件摄入 & 信息提取 | 2 周 |
| P0 | 快速研判（五维评分） | 3 周 |
| P0 | 客户画像识别（P1-P6） | 2 周 |
| P0 | 产品匹配 | 2 周 |
| P0 | 快速研判卡片 UI | 1 周 |
| P1 | 深度调研（P1 流程） | 2 周 |
| P1 | 深度调研（P3 流程） | 2 周 |
| P1 | 深度调研（P4 流程） | 2 周 |
| P1 | 跟进准备包 UI | 1 周 |
| P1 | 客户建档（数据模型） | 1 周 |
| P2 | 回复话术生成 | 2 周 |
| P2 | 画像验证机制 | 1 周 |
| P2 | 看板视图（按等级/画像） | 1 周 |
6.2 里程碑
| 里程碑 | 时间 | 交付物 |
|---|---|---|
| M1: MVP | 第 8 周 | 邮件摄入 + 快速研判 + 基础建档 |
| M2: 深度调研 | 第 12 周 | P1/P3/P4 深度调研流程 |
| M3: 完整功能 | 第 16 周 | 全部功能上线 |
七、验收标准总结
7.1 功能验收
- 邮件解析准确率 ≥ 95%
- 快速研判耗时 < 10 秒
- 五维评分准确率 ≥ 85%
- 画像识别准确率 ≥ 80%
- 产品匹配准确率 ≥ 75%
- 深度调研耗时符合要求
- 回复话术直接使用率 ≥ 60%
7.2 业务验收
- 单封邮件处理时间从 5-10 分钟降至 1-3 分钟
- S/A 级线索跟进率 ≥ 90%
- 业务员满意度 ≥ 4.0/5.0
PRD 文档版本：v1.0
最后更新：2026-02-12