crm-sales-momentum

CRM 销售势头驱动因素

分析 HubSpot CRM 中推动或拖慢销售管道势头的因素。衡量成交速度、阶段转化率、阶段停留时间，以及各细分群体的赢单／输单模式。揭示能够预测赢单或输单的交易特征，并识别停滞的交易。

需要： Cogny Agent 订阅（每月 $9）— 注册

提示： 先运行 /crm-icp-analysis 建立 ICP 基准，然后使用此技能查看符合 ICP 的交易与不符合 ICP 的交易在销售管道中的推进情况有何差异。

用法

/crm-sales-momentum — 全面分析销售势头 /crm-sales-momentum velocity — 仅分析成交速度和阶段用时 /crm-sales-momentum stalls — 仅检测停滞的交易 /crm-sales-momentum segments — 仅分析各细分群体的赢单／输单模式

前提条件检查

调用 mcp__cogny__hubspot__get_user_details 以验证 CRM 访问权限。确认具有 contacts、companies 和 deals 的读取权限。如果缺少访问权限：

This skill requires HubSpot CRM access via Cogny's MCP server.
Sign up at https://cogny.com/agent and connect your HubSpot account.

步骤

1. 了解销售管道结构

获取交易阶段属性，以了解销售管道：

hubspot__get_properties(objectType: "deals", propertyNames: ["dealstage", "pipeline"])

识别：

• 所有销售管道阶段及其顺序（来自 dealstage 属性的枚举值）
• 销售管道名称（如果有多个销售管道）
• 与细分相关的自定义交易属性

使用 search_properties 查找阶段计时属性：

hubspot__search_properties(objectType: "deals", keywords: ["hs_date_entered", "hs_time_in"])

同时获取所有者列表，以便按销售代表进行分析：

hubspot__search_owners()

2. 获取所有阶段的交易数据

获取过去 90 天创建的交易以及近期已关闭的交易：

hubspot__search_crm_objects(
  objectType: "deals",
  filterGroups: [{"filters": [{"propertyName": "createdate", "operator": "GTE", "value": "<90 days ago timestamp>"}]}],
  properties: ["dealname", "dealstage", "amount", "createdate", "closedate", "pipeline", "hubspot_owner_id", "hs_analytics_source", "dealtype", <stage timing properties from step 1>],
  sorts: [{"propertyName": "createdate", "direction": "DESCENDING"}],
  limit: 200
)

检查 total 计数，并在需要时分页，以获取完整数据集。

3. 交易速度分析

计算整个销售管道的速度指标：

• 整体速度：从交易创建到关闭的平均天数（分别计算赢单和输单）
• 逐阶段速度：每个阶段的平均停留时间
• 阶段转化率：从每个阶段推进到下一阶段的交易百分比
• 流失阶段：流失率最高的阶段
• 速度趋势：比较最近 30 天与此前 30 天

构建销售管道流程可视化：

Pipeline Flow (last 90 days):
[Stage 1] ──85%──> [Stage 2] ──62%──> [Stage 3] ──48%──> [Stage 4] ──71%──> [Closed Won]
  100 deals           85 deals          53 deals          25 deals         18 deals
  avg 4 days          avg 7 days        avg 12 days       avg 5 days
                       ↓ 15%             ↓ 38%             ↓ 52%           ↓ 29%
                    [Lost: 15]        [Lost: 32]        [Lost: 28]       [Lost: 7]

标记：

• 超过 40% 的交易停滞或流失的阶段
• 平均停留时间超过阶段整体平均值 2 倍的阶段
• 与上一时期相比，转化率下降超过 10% 的阶段

4. 检测停滞的交易

根据阶段停留时间分析识别停滞的交易。

对每个销售管道阶段，计算：

• 最终成功推进的交易在该阶段的停留时间中位数
• 阶段停留时间的标准差
• 停滞阈值：中位数 + 1.5 倍标准差

标记当前停留时间超过停滞阈值的交易：

hubspot__search_crm_objects(
  objectType: "deals",
  filterGroups: [{"filters": [
    {"propertyName": "dealstage", "operator": "EQ", "value": "<stage>"},
    {"propertyName": "hs_date_entered_<stage>", "operator": "LT", "value": "<stall threshold date>"}
  ]}],
  properties: ["dealname", "amount", "hubspot_owner_id", "hs_date_entered_<stage>"],
  limit: 50
)

对于每笔停滞的交易，获取关联公司和联系人，以补充其可能停滞的原因背景。

5. 按细分群体分析赢单／输单模式

从多个维度对已关闭的交易进行细分，并比较赢单率：

按交易规模：

• 将交易按规模划分为多个层级，并比较各层级的赢单率
• 找出赢单率最高的交易规模范围

按潜在客户来源：

• 按 hs_analytics_source 统计赢单率（自然流量、付费、推荐、直接访问等）
• 按来源统计平均交易规模
• 按来源统计平均销售周期

按所有者（销售代表）：

• 统计每位销售代表的赢单率
• 统计每位销售代表的平均成交速度
• 统计每位销售代表的平均交易规模
• 找出表现最佳者及其不同之处

按公司细分群体（获取关联公司）：

• 按行业统计赢单率
• 按公司规模统计赢单率
• 按地理位置统计赢单率

按阶段停留时间：

• 统计每个阶段停留时间少于 X 天的交易的赢单率
• 统计停留时间超过 X 天的交易的赢单率
• 找出与赢单相关的阶段停留时间范围，即“黄金窗口”

6. 势头评分

评估销售管道整体势头：

Pipeline Momentum Score: X/100

Velocity:        X/25
  [FAST/NORMAL/SLOW] Average cycle [N] days
  [UP/DOWN/FLAT] Velocity trend: [X]% change vs prior period

Flow Rate:       X/25
  [STRONG/MODERATE/WEAK] Stage conversion rates
  [IMPROVING/DECLINING/STABLE] Conversion trend
  Drop-off stage: [stage name] ([X]% loss rate)

Pipeline Health:  X/25
  [HEALTHY/AT_RISK/CRITICAL] [N] deals stuck ([X]% of active pipeline)
  [GROWING/SHRINKING/STABLE] Pipeline value: $[X] ([X]% change)
  Coverage ratio: [X]x ([pipeline value] / [target])

Predictability:  X/25
  [HIGH/MEDIUM/LOW] Win rate consistency: [X]% +/- [Y]%
  [CLEAR/MIXED/UNCLEAR] Segment patterns identified
  [STRONG/WEAK] Leading indicators reliability

7. 输出势头报告

CRM Sales Momentum Analysis
Period: Last 90 days
Deals analyzed: [N] ([N] won, [N] lost, [N] active)
Pipeline value: $[X]

═══════════════════════════════════════════════════
MOMENTUM SCORE: X/100
═══════════════════════════════════════════════════

Pipeline Flow:
[Stage-by-stage flow diagram from Step 3]

Key Velocity Metrics:
  Average Sales Cycle (Won):   [N] days
  Average Sales Cycle (Lost):  [N] days
  Fastest Close:               [N] days ([deal name])
  Slowest Win:                 [N] days ([deal name])

Stage Health:
┌──────────────────┬──────────┬───────────┬──────────┬─────────────┐
│ Stage            │ Deals In │ Avg Days  │ Conv Rate│ Stuck Deals │
├──────────────────┼──────────┼───────────┼──────────┼─────────────┤
│ [Stage 1]        │ [N]      │ [N]       │ [X]%     │ [N]         │
│ [Stage 2]        │ [N]      │ [N]       │ [X]%     │ [N]         │
│ [Stage 3]        │ [N]      │ [N]       │ [X]%     │ [N]         │
│ [Stage 4]        │ [N]      │ [N]       │ [X]%     │ [N]         │
└──────────────────┴──────────┴───────────┴──────────┴─────────────┘

Win Predictors (what separates wins from losses):
1. [Predictor]: deals with [X] win at [Y]% vs [Z]% without
2. [Predictor]: deals with [X] win at [Y]% vs [Z]% without
3. [Predictor]: deals with [X] win at [Y]% vs [Z]% without

Stuck Deals Requiring Attention:
┌──────────────────┬──────────┬──────────┬──────────┬─────────────────┐
│ Deal             │ Amount   │ Stage    │ Days In  │ Owner           │
├──────────────────┼──────────┼──────────┼──────────┼─────────────────┤
│ [Deal 1]         │ $[X]     │ [Stage]  │ [N]      │ [Rep]           │
│ [Deal 2]         │ $[X]     │ [Stage]  │ [N]      │ [Rep]           │
└──────────────────┴──────────┴──────────┴──────────┴─────────────────┘

Rep Performance:
┌──────────────────┬──────────┬───────────┬──────────┬─────────────┐
│ Rep              │ Win Rate │ Avg Cycle │ Avg Deal │ Pipeline $  │
├──────────────────┼──────────┼───────────┼──────────┼─────────────┤
│ [Rep 1]          │ [X]%     │ [N] days  │ $[X]     │ $[X]        │
│ [Rep 2]          │ [X]%     │ [N] days  │ $[X]     │ $[X]        │
└──────────────────┴──────────┴───────────┴──────────┴─────────────┘

Top 3 Actions:
1. [Highest-impact momentum fix]
2. [Second highest]
3. [Third highest]

8. 记录发现

对于每项可执行的销售动能洞察，都要调用 mcp__cogny__create_finding：

{
  "title": "38% of deals stall at Proposal stage — avg 18 days vs 7-day benchmark",
  "body": "32 of 85 deals entering the Proposal stage in the last 90 days have stalled or been lost. Median time-in-stage for deals that advance is 7 days, but stalled deals average 18 days. Common pattern: deals without a second contact (single-threaded) stall at 2.1x the rate. 12 deals currently stuck in Proposal worth $340K total. Recommend: implement multi-threading requirement before Proposal stage, add 10-day stall alert.",
  "action_type": "pipeline_optimization",
  "expected_outcome": "Reduce Proposal stage stall rate from 38% to <20%",
  "estimated_impact_usd": 8000,
  "priority": "high"
}

销售动能的行动类型：

• pipeline_optimization — 阶段流程调整、停滞干预
• deal_acceleration — 推进单笔交易的具体行动
• rep_coaching — 针对销售代表的绩效改进
• forecasting_improvement — 管道覆盖率、预测能力修正
• lead_source_optimization — 加大对能更快促成交易的线索来源的投入
• disqualification_rule — 预测失败的模式，及早筛选