1. filter top 200 data; 2. add sales actions summary

analysis_pipeline.py

@@ -23,21 +23,23 @@ print(prompt)
 
 sales_stage_definition = '''
 
-1. **Prospecting（潜在客户开发）**：这一阶段涉及识别和开发潜在客户。销售人员通过各种渠道（如电话、电子邮件、社交媒体等）寻找潜在买家。
+1. **Prospecting（潜在客户开发）**：这一阶段涉及识别和开发潜在客户。销售人员通过各种渠道（如电话、电子邮件、社交媒体等）寻找潜在买家。-阶段转化标准：①客户有需求 ②有明确的项目联系人;
 
-2. **Evaluation（评估）**：在评估阶段，销售团队会评估潜在客户的需求，确定他们是否与公司的产品或服务相匹配。同时，潜在客户也在评估不同的供应商。
+2. **Evaluation（评估）**：在评估阶段，销售团队会评估潜在客户的需求，确定他们是否与公司的产品或服务相匹配。同时，潜在客户也在评估不同的供应商。-阶段转化标准：①客户有预算 ②有明确的项目时间 ③有预期的产品和数量
 
-3. **Qualification（资格认定）**：这一阶段的目标是确定潜在客户是否具有成为合格销售机会的潜力。这通常涉及对客户的预算、需求、决策过程和时间线等进行评估。
+3. **Qualification（资格认定）**：这一阶段的目标是确定潜在客户是否具有成为合格销售机会的潜力。这通常涉及对客户的预算、需求、决策过程和时间线等进行评估。-阶段转化标准：①项目预算批准、项目已立项 ②有确定产品和数量；或③完成场景应用/技术适用性验证，客户确定平凯入围（完成poc）
 
-4. **Bidding / Negotiating（投标/谈判）**：在这个阶段，销售人员会向客户提交正式的报价或提案，并进行必要的谈判，以达成最终的销售协议。
+4. **Bidding / Negotiating（投标/谈判）**：在这个阶段，销售人员会向客户提交正式的报价或提案，并进行必要的谈判，以达成最终的销售协议。-阶段转化标准：①完成可交付评审；②报价单通过审批；③投标结果确认赢标或完成商务谈判，确定价格和SOW，客户启动合同流程
 
-5. **Contract Review（合同审查）**：一旦谈判完成，双方将审查合同条款，确保所有细节都得到妥善处理，并准备好签署。
+5. **Contract Review（合同审查）**：一旦谈判完成，双方将审查合同条款，确保所有细节都得到妥善处理，并准备好签署。-阶段转化标准：完成飞书合同协商审批，确认合同条款（包括付款条件、服务开通时间等）
 
-6. **Closed Won（成功关闭）**：这是销售流程的最终目标，表示交易已经成功完成，客户已经购买了产品或服务。
+6. **Closed Won（成功关闭）**：这是销售流程的最终目标，表示交易已经成功完成，客户已经购买了产品或服务。-阶段转化标准：完成合同签署，合同归档
 
-7. **Cancel（取消）**：在某些情况下，交易可能会在过程的任何阶段取消。这可能是因为客户改变了主意，或者发现产品或服务不再符合他们的需求。
+7. **Cancel（取消）**：在某些情况下，交易可能会在过程的任何阶段取消。这可能是因为客户改变了主意，或者发现产品或服务不再符合他们的需求。-阶段标准：①客户明确回复项目取消 ②客户明确表示没有预算 ③内部立项未通过
 
-8. **Closed Lost（失败关闭）**：如果销售机会没有成功，它将被标记为“失败关闭”。这可能是因为竞争、价格问题或客户需求的改变等原因。'''
+8. **Closed Lost（失败关闭）**：如果销售机会没有成功，它将被标记为“失败关闭”。这可能是因为竞争、价格问题或客户需求的改变等原因。-阶段转化标准：①投标确认结果未赢标 ②客户明确表示选择友商 ③poc结果客户确认平凯未入围/未通过 ④商务谈判失败 ⑤其他如商务关系没有竞争机会
+上述每个阶段的阶段转化标准是准出标准，只有在满足该准出标准，才可以进入到下一个阶段
+'''
 
 # Read the Excel file
 df = pd.read_excel('output_top20.xlsx')
@@ -45,17 +47,36 @@ df = pd.read_excel('output_top20.xlsx')
 # Iterate over each row in the DataFrame
 for index, row in df.iterrows():
     # Extract the information from the column "当前详细状态及Close节奏"
+    if index > 3:
+        break
     try:
         detailed_status = row['当前详细状态及Close节奏']
         print(f"Processing row {index}")
         detailed_current_stage = row['Sales stage']
-        prompt = f"某公司当前销售定义为 {sales_stage_definition}, 当前销售阶段为 {detailed_current_stage}, 销售人员填写的销售动作日志为: {detailed_status} , 请分析当前销售阶段以及销售动作日志，判断其销售动作是否支持将销售阶段转化到当前阶段{detailed_current_stage}，给出判断结果及销售阶段分析报告"
+        prompt = (f"某公司当前销售定义为 {sales_stage_definition}, "
+        f"当前销售阶段为 {detailed_current_stage}, "
+        f"销售人员填写的销售动作日志为: {detailed_status} , "
+        f"请分析当前销售阶段以及销售动作日志，判断其销售动作是否完成了前一阶段的准出标准，以及是否支持将销售阶段转化到当前阶段{detailed_current_stage}，按照如下要点给出分析："
+        f"1. **销售阶段分析**"
+        f"2. **销售动作日志分析**"
+        f"3. **销售动作与销售阶段的关系**"
+        f"4. **判断结果**"
+        f"5. **销售阶段分析报告**")
         analysis_result = agent.send_message(prompt)
         print(analysis_result)
         df.at[index, '分析结果'] = analysis_result  # Directly update the DataFrame
+
+        prompt_sales_action_analysis = (f"某公司当前销售定义为 {sales_stage_definition}, "
+        f"当前销售阶段为 {detailed_current_stage}, "
+        f"销售人员填写的销售动作日志为: {detailed_status} , "
+        f"请分析当前销售阶段以及销售动作日志，分析、总结、提炼出销售动作，给出一个概括的销售动作列表，比如拜访客户，需求讨论这种形式的动作描述")
+        sales_action_analysis_result = agent.send_message(prompt_sales_action_analysis)
+        print(sales_action_analysis_result)
+        df.at[index, '销售动作分析'] = sales_action_analysis_result  # Directly update the DataFrame
     except Exception as e:
         print(f"Error processing row {index}: {e}")
         df.at[index, '分析结果'] = f"Error: {e}"  # Log the error in the DataFrame
+        df.at[index, '销售动作分析'] = f"Error: {e}"  # Log the error in the DataFrame
 
 
 df.to_excel('analysis_result.xlsx', index=False)

filter_pipeline.py

@@ -7,11 +7,11 @@ df = pd.read_excel('pingcap_pipeline.xlsx')
 df['字数'] = df['当前详细状态及Close节奏'].apply(lambda x: len(str(x)))
 
 # 按字数排序并取TOP20
-top20_df = df.sort_values(by='字数', ascending=False).head(20)
+top20_df = df.sort_values(by='字数', ascending=False).head(200)
 
 # 删除添加的字数列
 top20_df = top20_df.drop(columns=['字数'])
 
 # 输出到新的Excel文件
-top20_df.to_excel('output_top20.xlsx', index=False)
+top20_df.to_excel('output_top200.xlsx', index=False)