portfolio-deal-linker

自动将已成交的 HubSpot 交易关联到促成交易的技能、自动化和外联行动。构建一个持续更新的 GTME 业绩组合，证明 Tim 的运营杠杆作用——节省的时间、影响的收入、每笔交易成本和自动化投资回报率。这是转任 VP Business Development 的关键职业证据。

<quick_start> 每日自动运行（CST 上午 7 点）： 检查上次运行后成交的交易 → 归因到技能/行动 → 更新业绩组合

按需运行： “portfolio update” → 立即运行完整归因扫描 “what did I influence this month” → 生成月度影响报告 “gtme evidence” → 按面试/评审场景整理业绩组合

触发短语：

• “portfolio update” / “deal closed”
• “link deal to portfolio” / “gtme evidence”
• “what did I influence” / “career evidence”
• “transition tracker” / “show my impact” </quick_start>

<success_criteria>

• 每笔已赢单的交易都在 24 小时内归因到源头技能/工作流
• 追踪受影响的收入，并提供清晰的归因链
• 每周汇总节省的时间指标（消除手动工作的技能）
• 整理业绩组合证据，以支持转任 VP BD 的叙述
• 自动生成月度高管摘要
• Tim 参与过的交易绝不漏记归因 </success_criteria>

架构

SCHEDULED (7am CST)           ATTRIBUTION                 PORTFOLIO UPDATE
──────────────────────────────────────────────────────────────────────────────
HubSpot: recently closed  →  Match deal to skill that  →  Update portfolio.jsonl
deals (won + lost)        →  originated/influenced it  →  Update weekly digest
                          →  Calculate metrics         →  Update GTME narrative
                          →  Compare to manual baseline →  Career evidence file

阶段 1：检测新近成交的交易

使用 hubspot_search_deals 和以下筛选条件：

• dealstage IN ('closedwon', 'closedlost')
• closedate >= 上次运行时间戳（存储在 ~/.claude/portfolio/last-run.json）
• 排除渠道交易（is_channel = true）以及由 AE ID '82625923'、'423155215'、'190030668'（Lex Evans、Ron Epstein、Phillip Sandler）负责的交易

对于每笔交易，提取以下字段：

字段	用途
dealname	识别交易
amount	收入归因
closedate	计算周期时间
createdate	管道速度
dealstage	赢单或输单
hubspot_owner_id	仅限 Tim 的交易
关联联系人	参与沟通的对象
关联公司	公司匹配
交易备注/活动	归因信号

阶段 2：技能归因引擎

对于每笔已成交的交易，确定有哪些技能/自动化促成了交易：

归因信号

信号	归因技能	检测方式
联系人通过 Apollo 序列导入	prospect-research-to-cadence	Apollo emailer_campaigns_search — 检查联系人是否在某个序列中
已生成 MEDDIC 电话准备资料	meddic-call-prep-auto	检查该公司是否出现在电话准备日志中
动量分析器标记了交易	deal-momentum-analyzer	检查交易是否出现在 RED/YELLOW 行动中
通过 Apollo 丰富了联系人信息	prospect-research-to-cadence	比较 Apollo 联系人创建日期和交易创建日期
已起草外联邮件	prospect-research-to-cadence	检查 Gmail 中该联系人的邮件草稿历史
存在活动历史记录	meddic-call-prep-auto	使用 ask_agent — 查询该公司的活动时间线
手动开发客户（无自动化匹配）	Tim（手动）	回退方案 — 仍计入业绩组合

归因模型

PRIMARY attribution (100% credit):
  → Skill that ORIGINATED the deal (first touch)

ASSIST attribution (shared credit):
  → Skills that INFLUENCED the deal (middle touches)
  → E.g., prospect-research found the contact, meddic-call-prep prepped the demo,
    deal-momentum flagged it when stalling

RECOVERY attribution:
  → If deal-momentum-analyzer flagged deal as RED/YELLOW
    AND deal subsequently closed-won
  → This is "recovered revenue" — strongest GTME evidence

阶段 3：计算业绩组合指标

单笔交易指标

指标	公式	重要性
周期时间	closedate - createdate	管道速度
收入	amount	直接影响
成交成本	根据技能使用成本估算	效率
自动化触点	技能归因数量	杠杆作用
手动与自动化	交易生命周期中自动化的百分比	转型证据

### 汇总指标（滚动 30 天） | 指标 | 公式 | 目标 | |--------|---------|--------| | 影响的总收入 | 已归因的已签约成交总额 | 按月跟踪 | | 挽回的交易 | 标记为 RED/YELLOW → 已签约的交易 | 销售管道的 5-10% | | 节省的时间（小时/月） | 各技能节省时间估算 × 使用次数之和 | 30+ 小时/月 | | 每笔交易成本 | 自动化总成本 / 已成交交易数 | < $5/笔交易 | | 自动化覆盖率 | 至少使用 1 项技能的交易数 / 交易总数 | > 80% | | 赢单率提升 | 自动化交易赢单率与人工基线的对比 | 跟踪差值 |

GTME 定位指标

指标	叙述	VP BD 相关性
每月影响的收入	“我通过自动化工作流影响了 $X 的销售管道”	收入责任
每月节省的小时数	“构建了每月节省 30+ 小时人工工作的系统”	运营杠杆
每条潜在客户成本	“将每条合格潜在客户的成本从 $X 降至 $Y”	单位经济效益
挽回率	“通过自动化检测，挽回了每月 $18K 的停滞销售管道”	销售管道管理
自动化覆盖率	“现在 80% 以上的交易都会使用至少一个自动化工作流”	系统思维

阶段 4：更新业绩档案文件

4a. 追加到 portfolio.jsonl

{
  "date": "2026-03-15",
  "deal_id": "hs_12345",
  "deal_name": "Baylor University",
  "amount": 45000,
  "outcome": "closedwon",
  "cycle_days": 32,
  "primary_skill": "prospect-research-to-cadence",
  "assist_skills": ["meddic-call-prep-auto", "deal-momentum-analyzer"],
  "recovered": true,
  "recovery_skill": "deal-momentum-analyzer",
  "automation_touches": 5,
  "manual_touches": 3,
  "automation_pct": 0.625
}

4b. 更新每周摘要

将交易及归因详情追加到现有的 portfolio-artifact 每周摘要中。

4c. 生成每月 GTME 成果报告

╔══════════════════════════════════════════════════════════════╗
║  GTME PORTFOLIO — [Month Year]                               ║
║  Tim Kipper | BDR → VP Business Development                  ║
╠══════════════════════════════════════════════════════════════╣

HEADLINE METRICS:
┌─────────────────────────────────────────────────────────────┐
│ Revenue Influenced:  $[XXX,XXX]  (XX deals)                 │
│ Pipeline Recovered:  $[XX,XXX]   (X deals saved from stall) │
│ Time Saved:          [XX] hours  ([X] min/day × [XX] days)  │
│ Automation Coverage: [XX]%       (deals with skill touch)    │
│ Cost per Deal:       $[X.XX]     (automation cost / deals)   │
└─────────────────────────────────────────────────────────────┘

SKILL ATTRIBUTION BREAKDOWN:
| Skill | Deals Influenced | Revenue | Time Saved |
|-------|-----------------|---------|------------|
| prospect-research-to-cadence | XX | $XX,XXX | XX hrs |
| meddic-call-prep-auto | XX | $XX,XXX | XX hrs |
| deal-momentum-analyzer | XX (recovered) | $XX,XXX | XX hrs |

TOP DEALS (with attribution chain):
1. [Deal] — $XX,XXX | Won
   Chain: Apollo enrich → sequence load → call prep → demo → close
   Skills: PRC → MCA → DMA

VP BD TRANSITION NARRATIVE:
"In [Month], I influenced $[X] in revenue through automated GTM systems
I designed and built. These systems saved [X] hours of manual work,
recovered $[X] in stalled pipeline, and achieved [X]% automation
coverage across the deal lifecycle. This demonstrates [operational
leverage / systems thinking / revenue ownership] at VP BD scale."

╚══════════════════════════════════════════════════════════════╝

阶段 4：薪酬计划达成情况跟踪器

根据 Tim 的 2026 年 BDR 薪酬计划目标计算每日进度。

本月目标

始终从下方的月度目标查询表中解析当前月份的目标（切勿硬编码月份）。自 2026 年 6 月起，Tim 按全额配额执行：每月 24 笔交易、$714K 销售管道；下半年收入目标逐月提高。超额目标 = 达到目标的 126% 以上（1.5 倍加速系数）。每日运行率 = 月度目标 / 当月工作日数。

计算逻辑

1. 在 HubSpot 中查询本月创建且 Tim 为所有者（87486452）或协作者的交易
2. 对 amount 求和，计算生成的销售管道
3. 对 dealstage = 'closedwon' 的交易的 amount 求和，计算收入
4. 计算：
   • 销售管道达成率 % = 销售管道总额 / 月度目标 × 100
   • 收入达成率 % = 已签约成交总额 / 月度目标 × 100
   • 交易数量达成率 % = 创建的交易数 / 月度目标 × 100
   • 加速系数区间：<100% = 基础档，100-110% = 1.0x，111-125% = 1.25x，126%+ = 1.5x
   • 剩余天数 = 本月剩余工作日
   • 所需每日运行率 = (目标 - 已完成) / 剩余天数

输出格式（追加到每日报告）

📊 COMP PLAN TRACKER — {Month YYYY} ({Phase from lookup table})
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Pipeline:  $XXX,XXX / ${month pipeline target}  (XX% — Zone: BASE/1.0x/1.25x/1.5x)
Revenue:   $XX,XXX / ${month revenue target}   (XX% — Zone: BASE/1.0x/1.25x/1.5x)
Deals:     X / {month deal target}             (XX%)
Days left: X business days
Gap to stretch: $XXX,XXX pipeline | $XX,XXX revenue | X deals
Daily run rate needed: $X,XXX pipeline | $X,XXX revenue

月度目标查询表（供未来月份使用）

月份	交易数	销售管道	收入	阶段
March	12	$357K	$125K	Ramp 50%
April	16	$464K	$163K	Ramp 65%
May	20	$607K	$212K	Ramp 85%
June	24	$714K	$250K	Full (H1)
July	24	$714K	$475K	Full (H2)
August	24	$714K	$475K	Full (H2)
September	24	$714K	$500K	Full (H2)
October	24	$714K	$525K	Full (H2)
November	24	$714K	$550K	Full (H2)
December	24	$714K	$600K	Full (H2)

根据当前月份动态选择目标。

<scheduled_automation>

每日 CST 上午 7 点运行

计划： 每天 CST 上午 7:00（UTC 13:00）运行，工作日 任务名称： "portfolio-deal-linker-daily" 流程：

1. 检查 HubSpot 中自上次运行以来已成交的交易
2. 将每笔交易归因于源技能
3. 计算单笔交易和汇总指标
4. 追加到 portfolio.jsonl
5. 如有新签约成交，更新每周摘要
6. 如为月末，生成月度报告

与 EOD 集成： 当 Tim 说“EOD”时，附上今日成交交易的业绩归因摘要。 </scheduled_automation>

## 必需的 MCP 工具 - **Epiphan CRM MCP：** hubspot_search_deals、hubspot_get_deal、hubspot_search_contacts、hubspot_get_company、ask_agent（用于归因的活动历史记录） - **Apollo MCP：** apollo_emailer_campaigns_search（检查序列加入历史记录） - **Gmail MCP：** search_threads（检查用于归因的草稿/已发送历史记录）

引用的同级技能

• portfolio-artifact-skill — 基础指标采集、每周摘要格式、执行摘要模板
• deal-momentum-analyzer-skill — 恢复归因（标记为 RED/YELLOW 且最终赢单的交易）
• prospect-research-to-cadence-skill — 线索来源归因（加入 Apollo 序列）
• meddic-call-prep-auto-skill — 影响归因（为交易生成通话准备材料）
• hubspot-revops-skill — HubSpot 查询模式、交易阶段定义

输出结果旁文件

作为最后一步，写入 ~/.claude/skill-analytics/last-outcome-portfolio-deal-linker.json：

{"ts":"[UTC ISO8601]","skill":"portfolio-deal-linker","version":"1.0.0","variant":"default",
 "status":"[success|partial|error]","runtime_ms":[estimated ms from start],
 "metrics":{"deals_linked":[n],"skills_attributed":[n],"revenue_tracked_usd":[n]},
 "error":null,"session_id":"[YYYY-MM-DD]"}

如果部分阶段失败但仍生成了结果，请使用状态 "partial"。只有未生成任何输出时才使用 "error"。