165 lines
6.6 KiB
Python
165 lines
6.6 KiB
Python
from AgentProxy import AgentProxy
|
||
|
||
|
||
api_key = 'c6bbe7f48063a2c1'
|
||
api_secret = '5f8e7d3a97465cc099bf19bd1b70c266'
|
||
assistant_id = "66bb09a84673b57506fe7bbd"
|
||
agent = AgentProxy(assistant_id, api_key, api_secret)
|
||
|
||
text_won = """
|
||
客户行业 ACVSUM 占比 ACVCNT 占比
|
||
银行 175888600 50.62% 105 24.53%
|
||
证券基金 24932854 7.18% 47 10.98%
|
||
公共事业 12798197 3.68% 29 6.78%
|
||
保险 39237141 11.29% 29 6.78%
|
||
能源电力 3905334 1.12% 9 2.10%
|
||
物流/交通 10177672 2.93% 23 5.37%
|
||
制造/汽车 15018443 4.32% 27 6.31%
|
||
运营商 19638038 5.65% 26 6.07%
|
||
零售 14976953 4.31% 36 8.41%
|
||
互联网+ 16770817 4.83% 68 15.89%
|
||
其他 3853000 1.11% 8 1.87%
|
||
互金 8386816 2.41% 16 3.74%
|
||
ISV 46400 0.01% 2 0.47%
|
||
国央企 0 0.00% 0 0.00%
|
||
媒体/文娱 1019133 0.29% 2 0.47%
|
||
石油 0 0.00% 0 0.00%
|
||
国企 0 0.00% 0 0.00%
|
||
资产管理 0 0.00% 0 0.00%
|
||
政府 0 0.00% 0 0.00%
|
||
服务 0 0.00% 0 0.00%
|
||
医疗 0 0.00% 0 0.00%
|
||
云服务 0 0.00% 0 0.00%
|
||
央企招商局 0 0.00% 0 0.00%
|
||
农业 0 0.00% 0 0.00%
|
||
金融租赁 0 0.00% 0 0.00%
|
||
教育 0 0.00% 0 0.00%
|
||
融资担保 0 0.00% 0 0.00%
|
||
高科技 0 0.00% 0 0.00%
|
||
公共卫生 0 0.00% 0 0.00%
|
||
农林牧渔 0 0.00% 0 0.00%
|
||
教育/科研 792000 0.23% 1 0.23%
|
||
物流/交通/出行 0 0.00% 0 0.00%
|
||
电信/网络/云服务商 0 0.00% 0 0.00%
|
||
媒体/视频/文娱 0 0.00% 0 0.00%
|
||
社交/门户/在线服务 0 0.00% 0 0.00%
|
||
消费金融公司 0 0.00% 0 0.00%
|
||
游戏 0 0.00% 0 0.00%
|
||
零售/电商/消费品 0 0.00% 0 0.00%
|
||
Total 347441398 1 428 1
|
||
"""
|
||
|
||
text_pipeline = """
|
||
Pipeline
|
||
客户行业 预估ACVSUM 占比 预估ACVCNT 占比
|
||
银行 435192472 42.09% 403 25.39%
|
||
证券基金 96413873 9.33% 209 13.17%
|
||
公共事业 76163399 7.37% 154 9.70%
|
||
保险 73039728 7.06% 77 4.85%
|
||
能源电力 65098557 6.30% 91 5.73%
|
||
物流/交通 54499388 5.27% 95 5.99%
|
||
制造/汽车 45458488 4.40% 104 6.55%
|
||
运营商 41493666 4.01% 81 5.10%
|
||
零售 35260799 3.41% 93 5.86%
|
||
互联网+ 33295017 3.22% 112 7.06%
|
||
其他 25413146 2.46% 64 4.03%
|
||
互金 24768317 2.40% 46 2.90%
|
||
ISV 8490800 0.82% 10 0.63%
|
||
国央企 4866700 0.47% 7 0.44%
|
||
媒体/文娱 3066800 0.30% 11 0.69%
|
||
石油 2540000 0.25% 4 0.25%
|
||
国企 2402000 0.23% 4 0.25%
|
||
资产管理 1000000 0.10% 1 0.06%
|
||
政府 990000 0.10% 2 0.13%
|
||
服务 980000 0.09% 2 0.13%
|
||
医疗 700000 0.07% 2 0.13%
|
||
云服务 610000 0.06% 5 0.32%
|
||
央企招商局 500000 0.05% 1 0.06%
|
||
农业 450000 0.04% 2 0.13%
|
||
金融租赁 300000 0.03% 1 0.06%
|
||
教育 300000 0.03% 1 0.06%
|
||
融资担保 200000 0.02% 1 0.06%
|
||
高科技 153891 0.01% 1 0.06%
|
||
公共卫生 150000 0.01% 1 0.06%
|
||
农林牧渔 100000 0.01% 1 0.06%
|
||
教育/科研 0 0.00% 0 0.00%
|
||
物流/交通/出行 0 0.00% 0 0.00%
|
||
电信/网络/云服务商 0 0.00% 0 0.00%
|
||
媒体/视频/文娱 0 0.00% 0 0.00%
|
||
社交/门户/在线服务 0 0.00% 0 0.00%
|
||
消费金融公司 0 0.00% 1 0.06%
|
||
游戏 0 0.00% 0 0.00%
|
||
零售/电商/消费品 0 0.00% 0 0.00%
|
||
Total 1033897041 1 1587 1
|
||
"""
|
||
|
||
# You can also store this string in a variable if needed
|
||
# df_text = df_str
|
||
prompt_won = f"""
|
||
任务：
|
||
请根据以下输入的数据，按照以下要点以及背景知识，进行数据分析和解读，并给出分析结果。
|
||
背景知识：
|
||
行业贡献：可以理解为ACV和预估ACV的金额大小，金额越大，则通常该行业的市场潜力和对公司的销售贡献越大。
|
||
行业effort：可以理解为订单的数量，订单数量越多，则通常该行业的销售努力程度越大。此处一个潜在假定是，每个订单的所要付出的effort是接近的，无论其金额大小。
|
||
|
||
要点：
|
||
1. 根据单子的金额数据，分析行业贡献。
|
||
2. 根据单子的数量数据，分析行业effort。
|
||
3. 分析行业贡献和行业effort的关系，是否存在正相关关系，是否存在付出了较大effort的行业，贡献却很小，以及付出了较小effort的行业，贡献却很大。
|
||
4. 分析行业平均单子金额，分析平均单子金额较大的行业
|
||
5. 依据你作为一个销售领域专家的身份，给出上述要点没有覆盖到的洞见
|
||
输入：
|
||
已成单数据：
|
||
{text_won}
|
||
|
||
输出：
|
||
按照上述要点，给出分析结果。
|
||
"""
|
||
|
||
|
||
print(agent.send_message(prompt_won))
|
||
|
||
prompt_pipeline = f"""
|
||
任务：
|
||
请根据以下输入的数据，按照以下要点以及背景知识，进行数据分析和解读，并给出分析结果。
|
||
背景知识：
|
||
行业贡献：可以理解为ACV和预估ACV的金额大小，金额越大，则通常该行业的市场潜力和对公司的销售贡献越大。
|
||
行业effort：可以理解为订单的数量，订单数量越多，则通常该行业的销售努力程度越大。此处一个潜在假定是，每个订单的所要付出的effort是接近的，无论其金额大小。
|
||
要点：
|
||
1. 根据单子的金额数据，分析行业贡献。
|
||
2. 根据单子的数量数据，分析行业effort。
|
||
3. 分析行业贡献和行业effort的关系，是否存在正相关关系，是否存在付出了较大effort的行业，贡献却很小，以及付出了较小effort的行业，贡献却很大。
|
||
4. 分析行业平均单子金额，分析平均单子金额较大的行业
|
||
5. 依据你作为一个销售领域专家的身份，给出上述要点没有覆盖到的洞见
|
||
输入：
|
||
未成单商机数据
|
||
{text_pipeline}
|
||
输出：
|
||
按照上述要点，给出分析结果。
|
||
"""
|
||
|
||
print(agent.send_message(prompt_pipeline))
|
||
|
||
prompt_won_pipeline_comparison = f"""
|
||
任务：
|
||
请根据以下输入的数据，按照以下要点以及背景知识，进行数据分析和解读，并给出分析结果。
|
||
背景知识：
|
||
行业贡献：可以理解为ACV和预估ACV的金额大小，金额越大，则通常该行业的市场潜力和对公司的销售贡献越大。
|
||
行业effort：可以理解为订单的数量，订单数量越多，则通常该行业的销售努力程度越大。此处一个潜在假定是，每个订单的所要付出的effort是接近的，无论其金额大小。
|
||
要点：
|
||
1. 分析已成单数据和未成单商机数据对比的不同之处
|
||
2. 分析已成单数据和未成单商机数据的趋势变化（ACV产出的预计变化）
|
||
3. 分析已成单数据和未成单商机数据的effort变化（跟进单子数量的趋势变化）
|
||
4. 分析已成单数据和未成单商机数据的平均单子大小的变化（行业比行业，看行业跟进单子大小趋势变化）
|
||
输入：
|
||
已成单数据：
|
||
{text_won}
|
||
未成单商机数据：
|
||
{text_pipeline}
|
||
输出：
|
||
按照上述要点，给出分析结果。
|
||
"""
|
||
|
||
print(agent.send_message(prompt_won_pipeline_comparison))
|
||
|