AI銷售數(shù)據(jù)分析神器 + 超強推理模型（銷售人，別錯過?。?/h2>

陳宇明

2025-04-17

0 評論 1296 瀏覽 2 收藏 14 分鐘

這款A(yù)I銷售數(shù)據(jù)分析工具通過自動化分析和推理模型，快速生成詳細報告，幫助銷售團隊精準定位問題、發(fā)現(xiàn)亮點，優(yōu)化策略。無論是產(chǎn)品分析、地區(qū)對比還是成本結(jié)構(gòu)，它都能提供全面洞察和可執(zhí)行建議。

干銷售，最頭疼啥？數(shù)據(jù)一堆，看不懂！客戶一堆，抓不準！業(yè)績壓力大，不知道怎么提升？用這個AI銷售數(shù)據(jù)分析神器，再配上超強的推理模型，銷售數(shù)據(jù)分析變得賊簡單！不用再手動整理表格，管理者能輕松掌握團隊動態(tài)，指定銷售策略。銷售人，別錯過！ 用AI武裝自己，業(yè)績翻倍不是夢！

效果

銷售數(shù)據(jù)表格內(nèi)容：

當用戶上傳了一個數(shù)據(jù)表之后，首先會調(diào)用 GLM-Z1-AirX 推理模型進行推理，先會得到它的思考過程，我們可以看到下面的思考過程非常全面和細致。

1）數(shù)據(jù)審查與初步分析：異常值識別、亮點發(fā)現(xiàn)、問題產(chǎn)品識別

2）深入分析與報告結(jié)構(gòu)：

• 總體分析、計算關(guān)鍵指標、趨勢分析
• 產(chǎn)品分析、盈利產(chǎn)品分析、虧損產(chǎn)品分析、其他產(chǎn)品分析
• 地區(qū)分析、地區(qū)銷售對比、地區(qū)產(chǎn)品分析

最后輸出的銷售分析報告非常詳細：數(shù)據(jù)概覽、核心數(shù)據(jù)分析（產(chǎn)品變現(xiàn)、地區(qū)分析、成本結(jié)構(gòu)）、關(guān)鍵發(fā)現(xiàn)、改進建議、執(zhí)行計劃、風險提示，可以說考慮的非常周全且可以直接落地。

教程

整體框架上，主要是使用了插件和工作流的組合模式，完成整個流程。

當用戶上傳表格的時候，調(diào)用插件「文件讀取」把文件讀取后的內(nèi)容傳遞隔離了工作流「SellDataAnalysis」。

整個流程相對簡單一共4個節(jié)點

• 開始節(jié)點x1（接受輸入?yún)?shù)）
• 文本處理x1（提示詞整理）
• 自定義插件x1（GLM-Z1-AirX插件）
• 結(jié)束節(jié)點（輸出推理內(nèi)容）

當表格數(shù)據(jù)進入之后先調(diào)用「GLM-Z1-AirX」推理模型插件進行數(shù)據(jù)分析總結(jié)，在整個過程通過「消息節(jié)點」進行實時輸出

文本處理：（整理提示詞）

你是一個銷售總監(jiān)，幫我根據(jù)以下數(shù)據(jù)寫一個銷售數(shù)據(jù)報告，先分析銷售數(shù)據(jù)給出概括以及總結(jié)和建議。

數(shù)據(jù)：{{String1}}

然后將提示詞給到 GLM-Z1-AirX 插件，如何編寫GLM-Z1-AirX 插件？首先回到扣子空間主頁，選擇「資源庫」然后點擊右上角「+資源」選擇「插件」。

輸入插件名稱、描述、選擇「在 Coze IDE 中創(chuàng)建」。

然后創(chuàng)建工具，輸入名稱 GLM_Z1_AirX ，介紹：推理模型

創(chuàng)建完成后，我們看下如何調(diào)用GLM大模型，前往智譜BigModel開放平臺的GLM接口文檔用HTTP請求的方式

文檔地址：https://bigmodel.cn/dev/api/http-call/http-auth

只需要參數(shù)三個參數(shù)即可，第一個是apikey，第二個是模型編碼，第三個是提示詞

然后我們再回到插件編輯器中，實現(xiàn)HTTP請求代碼，需要傳入兩個動態(tài)參數(shù)apikey和提示詞，model使用的是GLM-Z1-AirX。

import { Args } from ‘@/runtime’;

import { Input, Output } from “@/typings/GLM_4_PLUS/GLM_4_PLUS”;

/**

* Each file needs to export a function named `handler`. This function is the entrance to the Tool.

* @param {Object} args.input – input parameters, you can get test input value by input.xxx.

* @param {Object} args.logger – logger instance used to print logs, injected by runtime

* @returns {*} The return data of the function, which should match the declared output parameters.

*
* Remember to fill in input/output in Metadata, it helps LLM to recognize and use tool.

*/

export async function handler({ input, logger }: Args<Input>): Promise<Output> { const API_URL = ‘https://open.bigmodel.cn/api/paas/v4/chat/completions’;

const API_KEY = input.key;

const COMMAND = input.command;

const headers = { ‘Authorization’: `Bearer ${API_KEY}`,

‘Content-Type’: ‘application/json’, };

const data = { ‘model’: ‘GLM-Z1-AirX’,

‘messages’: [ { ‘role’: ‘user’, ‘content’: COMMAND, }, ], };

const response = await fetch(API_URL, { headers, method: ‘POST’, body: JSON.stringify(data), });

const result = await response.json(); return { data: result.choices[0].message.content, };}

代碼實現(xiàn)完成后需要切換到「元數(shù)據(jù)」

• 左邊區(qū)域設(shè)置輸入和輸出的參數(shù)
• 右邊區(qū)域輸入?yún)?shù)進行運行調(diào)試

apikey如何獲取？登陸后臺找到密鑰管理頁面，沒有的話可以點擊右上角添加新的API Key

后臺地址：https://zhipuaishengchan.datasink.sensorsdata.cn/t/F2

新增完成直接可以直接復(fù)制即可。

確認沒有問題之后就可以點擊右上角「發(fā)布」。

發(fā)布成功后我們回到工作流點擊左上角添加「插件」然后選擇「我的工具」就可以使用自定義插件了。

輸入上個節(jié)點組裝好的提示詞以及key即可調(diào)用。

在這里肯定會有人疑惑，為什么不用DeepSeek-R1 推理模型？它不是最好用的推理模型嗎？我們可以對比下同樣的提示詞效果如何？

速度數(shù)據(jù)對比：

同樣的提示詞 DeepSeek-R1 用了58秒，GLM-Z1-AirX僅用了12秒。

效果數(shù)據(jù)對比：直接看結(jié)果

DeepSeek-R1：

GLM-Z1-AirX：

然后讓DeepSeek-V3作為裁判來進行判斷：我分別把DeepSeek – R1的輸出內(nèi)容為【A報告】，GLM-Z1-AirX輸出的內(nèi)容為【B報告】給到了DeepSeek-V3進行判斷。

最后得出的結(jié)論B報告（GLM-Z1-AirX）勝出。

通過以上速度和效果的對比，所以我們最終選擇了GLM-Z1-AirX模型，然后將結(jié)果輸出在結(jié)束節(jié)點，整個分析銷售數(shù)據(jù)的工作流就完了！

智譜開源的Z1系列推理模型，上線BigModel開放平臺（bigmodel.cn）的有三個版本，分別滿足不同場景需求：

• GLM-Z1-AirX（極速版）：定位國內(nèi)最快推理模型，推理速度可達 200 tokens/秒，比常規(guī)快 8 倍；
• GLM-Z1-Air（高性價比版）：價格僅為 DeepSeek-R1 的 1/30，適合高頻調(diào)用場景；
• GLM-Z1-Flash（免費版）：支持免費使用，旨在進一步降低模型使用門檻。

對應(yīng)價格表：

總結(jié)

別只盯著那些內(nèi)置的大模型，有時候需要自己動手自定義插件去尋找解決方案。這樣做的好處是，我們的解決方案不會受限，而且還能更靈活。另外，還得提一句，不同的業(yè)務(wù)要多試試不同的大模型很關(guān)鍵。

每個模型都有它擅長的地方，只有我們深入了解了它們各自的能力，才能更好地駕馭這些大模型，讓它們變成我們手中的利器。這樣一來，面對難題時，我們就能游刃有余地找到最佳解決方案。

本文由人人都是產(chǎn)品經(jīng)理作者【陳宇明】，微信公眾號：【碼個蛋】，原創(chuàng)/授權(quán) 發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于 CC0 協(xié)議。

收藏已收藏{{ postmeta.bookmark }} 點贊已贊{{ postmeta.postlike }}

更多精彩內(nèi)容，請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App

AI工具推理模型數(shù)據(jù)分析銷售數(shù)據(jù)