sales-engineer

销售工程师技能

适用于售前工程的生产就绪技能包，连接技术专长与销售执行。可自动分析 RFP/RFI 响应、竞争定位和概念验证规划。

概览

角色： 销售工程师 / 解决方案架构师
领域： 售前工程、解决方案设计、技术演示、概念验证
业务类型： SaaS / 售前工程

此技能的功能

• RFP/RFI 响应分析 - 评估需求覆盖情况、找出差距并生成是否投标建议
• 竞争技术定位 - 构建功能对比矩阵，找出差异化优势和薄弱环节
• POC 规划 - 生成时间表、资源计划、成功标准和评估评分卡
• 演示准备 - 制定包含要点和异议处理的演示脚本
• 技术方案创建 - 提供解决方案架构和实施规划框架
• 赢单/失单分析 - 通过数据驱动的竞争评估制定交易策略

关键指标

指标	说明	目标
赢单率	赢得的交易数 / 机会总数	>30%
销售周期	从需求探索到成交的平均天数	<90 天
POC 转化率	最终成交的 POC 占比	>60%
客户参与度评分	利益相关方参与评估的程度	>75%
RFP 覆盖率评分	得到充分响应的需求占比	>80%

先澄清

在产出交付内容前，请确认以下信息。如果有任何信息未知或含糊，请提问——不要自行假设：

• 交付内容类型 — RFP/RFI 覆盖率分析、竞争矩阵或 POC 计划（用于选择工具和阶段）
• 客户需求及优先级 — 必须具备/应该具备/最好具备的需求列表（用于加权评估覆盖率并判断是否投标）
• 交易中的竞争对手 — 构建功能矩阵、差异化优势和竞争应对卡所需
• POC 范围及成功标准 — 规划 POC 时，需要明确用例和可衡量的继续/终止门槛（避免 POC 范围失控）

停止规则：只询问对输出影响最大的 2-3 项。如果用户说“直接起草”，则继续，并在交付内容开头列出假设。

5 阶段工作流

阶段 1：需求探索与调研

目标： 了解客户需求、技术环境和业务驱动因素。

活动：

1. 与利益相关方开展技术需求探索会议
2. 梳理客户当前架构和痛点
3. 找出集成需求和限制条件
4. 记录安全与合规要求
5. 评估此次机会的竞争格局

工具： 使用 rfp_response_analyzer.py 评估初步需求匹配度。

输出： 技术需求探索文档、需求映射、初步覆盖率评估。

阶段 2：解决方案设计

目标： 设计满足客户需求的解决方案架构。

活动：

1. 将产品功能映射到客户需求
2. 设计集成架构
3. 确定定制需求和开发工作量
4. 制定竞争差异化策略
5. 创建解决方案架构图

工具： 使用 competitive_matrix_builder.py 找出差异化优势和薄弱环节。

输出： 解决方案架构、竞争定位、技术差异化策略。

阶段 3：演示准备与交付

目标： 根据利益相关方的优先事项，进行有说服力的技术演示。

活动：

1. 搭建符合客户用例的演示环境
2. 编写演示脚本，针对不同利益相关方角色准备要点
3. 准备异议处理答复
4. 演练故障场景和恢复流程
5. 收集反馈并调整方案

模板： 使用 demo_script_template.md 进行结构化演示准备。

输出： 定制演示、针对不同利益相关方的要点、反馈记录。

阶段 4：概念验证与评估

目标： 开展结构化的概念验证，以验证解决方案。

活动：

1. 定义概念验证范围、成功标准和时间表
2. 分配资源并搭建环境
3. 分阶段测试（核心、进阶、边缘案例）
4. 根据成功标准跟踪进度
5. 生成评估评分卡

工具： 使用 poc_planner.py 生成完整的概念验证计划。

模板： 使用 poc_scorecard_template.md 跟踪评估情况。

输出： 概念验证计划、评估评分卡、继续／停止建议。

阶段 5：方案与签约

目标： 提交技术方案，以促成商业签约。

活动：

1. 汇总概念验证结果和成功指标
2. 制定包含实施计划的技术方案
3. 提供证据，回应尚未解决的异议
4. 支持定价和套餐讨论
5. 决策后进行赢单／失单分析

模板： 使用 technical_proposal_template.md 编写方案文档。

输出： 技术方案、实施时间表、风险缓解计划。

Python 自动化工具

1. RFP 响应分析器

脚本： scripts/rfp_response_analyzer.py

用途： 解析 RFP/RFI 要求、评估覆盖情况、识别差距，并生成投标／不投标建议。

覆盖类别：

• 完全满足（100%） — 当前产品完全满足要求
• 部分满足（50%） — 部分满足要求，需要变通方案或配置
• 计划支持（25%） — 已列入产品路线图，但尚未提供
• 不满足（0%） — 不支持，当前也无计划支持

优先级权重：

• 必须具备：权重 3 倍
• 应该具备：权重 2 倍
• 最好具备：权重 1 倍

投标／不投标逻辑：

• 投标： 覆盖得分 >70% 且必须具备项的差距 <=3
• 有条件投标： 覆盖得分为 50-70% 或必须具备项的差距为 2-3
• 不投标： 覆盖得分 <50% 或必须具备项的差距 >3

用法：

# Human-readable output
python scripts/rfp_response_analyzer.py assets/sample_rfp_data.json

# JSON output
python scripts/rfp_response_analyzer.py assets/sample_rfp_data.json --format json

# Help
python scripts/rfp_response_analyzer.py --help

输入格式： 完整架构请参阅 assets/sample_rfp_data.json。

2. 竞争矩阵构建器

脚本： scripts/competitive_matrix_builder.py

用途： 生成功能对比矩阵、计算竞争得分，并识别差异化优势和弱点。

功能评分：

• 完全支持（3） — 完全支持该功能
• 部分支持（2） — 部分或有限支持该功能
• 有限支持（1） — 最低限度或基础支持该功能
• 不支持（0） — 不提供该功能

用法：

# Human-readable output
python scripts/competitive_matrix_builder.py competitive_data.json

# JSON output
python scripts/competitive_matrix_builder.py competitive_data.json --format json

输出包括：

• 带评分的功能对比矩阵
• 各产品的加权竞争得分
• 差异化优势（我方产品领先的功能）
• 弱点（竞争对手领先的功能）
• 根据差异化优势制定的赢单主题

3. 概念验证规划器

脚本： scripts/poc_planner.py

用途： 生成结构化的概念验证计划，包含时间表、资源分配、成功标准和评估评分卡。

默认阶段安排：

• 第 1 周： 搭建 — 环境配置、数据迁移、配置
• 第 2-3 周： 核心测试 — 主要用例、集成测试
• 第 4 周： 进阶测试 — 边缘案例、性能、安全性
• 第 5 周： 评估 — 完成评分卡、利益相关者审查、继续／停止决策

用法：

# Human-readable output
python scripts/poc_planner.py poc_data.json

# JSON output
python scripts/poc_planner.py poc_data.json --format json

输出包括：

• 按阶段划分并包含时间表的概念验证计划
• 资源分配（SE、工程、客户）
• 包含可衡量指标的成功标准
• 评估评分卡（功能、性能、集成、易用性、支持）
• 包含缓解策略的风险登记表
• 继续／停止建议框架

参考知识库

参考资料	描述
references/rfp-response-guide.md	RFP/RFI 响应最佳实践、合规矩阵、投标／不投标框架
references/competitive-positioning-framework.md	竞争分析方法、竞品对战卡制作、异议处理
references/poc-best-practices.md	概念验证规划方法、成功标准、评估框架

资产模板

模板	用途
assets/technical_proposal_template.md	技术方案，包含执行摘要、解决方案架构和实施计划
assets/demo_script_template.md	演示脚本，包含议程、讲解要点和异议处理
assets/poc_scorecard_template.md	POC 评估评分表，采用加权评分
assets/sample_rfp_data.json	用于测试分析器的示例 RFP 数据
assets/expected_output.json	rfp_response_analyzer.py 的预期输出

沟通风格

• 专业且易于理解 - 为业务相关方解读复杂概念
• 自信且善于咨询 - 以值得信赖的顾问而非供应商的身份提供建议
• 以证据为依据 - 用数据、演示或案例研究支持每项主张
• 关注相关方 - 根据受众（CTO、最终用户或采购人员）调整内容深度和重点

集成点

• 营销技能 - 利用 ../../marketing/ 中的竞争情报和消息传递框架
• 产品团队 - 协调处理 ../../product-team/ 的 RFP 分析中标记为“计划中”的路线图项目
• 高管顾问 - 将需要高管参与的战略交易升级至 ../../c-level-advisor/
• 客户成功 - 将 POC 结果和成功标准移交给 ../customer-success-manager/ 中的 CSM

---

工具参考

1. rfp_response_analyzer.py

解析 RFP/RFI 需求，并使用“完全覆盖”“部分覆盖”“计划中”和“缺口”类别评估覆盖情况。生成加权覆盖评分、缺口分析、工作量估算以及是否投标建议。

python scripts/rfp_response_analyzer.py rfp_data.json
python scripts/rfp_response_analyzer.py rfp_data.json --format json

标志	类型	描述
rfp_data.json	位置参数	包含 RFP 需求和覆盖数据的 JSON 文件路径
--format	可选	输出格式：text（默认）或 json

是否投标逻辑：

• 投标： 覆盖评分 >70% 且必备项缺口 <=3
• 有条件投标： 覆盖评分为 50-70% 或必备项缺口为 2-3
• 不投标： 覆盖评分 <50% 或必备项缺口 >3

2. competitive_matrix_builder.py

生成功能比较矩阵，计算加权竞争力评分，识别差异化优势和弱点，并生成制胜主题。

python scripts/competitive_matrix_builder.py competitive_data.json
python scripts/competitive_matrix_builder.py competitive_data.json --format json

标志	类型	描述
competitive_data.json	位置参数	包含功能比较数据的 JSON 文件路径
--format	可选	输出格式：text（默认）或 json

评分： 完全覆盖（3）、部分覆盖（2）、有限覆盖（1）、无（0）

3. poc_planner.py

生成结构化的 POC 计划，包含分阶段时间表、资源分配、成功标准、评估评分表、风险登记册和继续/停止决策框架。

python scripts/poc_planner.py poc_data.json
python scripts/poc_planner.py poc_data.json --format json

标志	类型	描述
poc_data.json	位置参数	包含 POC 范围和需求的 JSON 文件路径
--format	可选	输出格式：text（默认）或 json

默认阶段划分： 第 1 周：设置；第 2-3 周：核心测试；第 4 周：高级测试；第 5 周：评估

---

故障排查

问题	可能原因	解决方案
RFP 覆盖率低于 50%，触发不投标	必选需求存在产品差距，或覆盖率评估不准确	复核差距项——区分真实差距与可通过配置、集成或路线图承诺解决的项目；在决定不投标前重新评估
竞争矩阵在 3 个或更多类别中显示劣势	相较于特定竞争对手存在产品差距，或评分未能反映实际竞争态势	请曾与该供应商竞争过的一线销售工程师验证评分；重点突出你领先的差异化优势，而非落后之处
POC 转签约转化率低于 60%	POC 范围过广、成功标准未与买方优先事项对齐，或相关利益相关方未参与	将 POC 缩减至 3-5 个与买方明确提出的痛点相关的用例；开始前就成功标准取得书面共识；确保高管赞助人参与评估
赢单率低于 30%	技术上胜出但商务上失利、介入商机过晚，或需求挖掘不足导致演示与需求不符	更早介入销售周期；使用 MEDDIC 框架提升需求挖掘质量；围绕买方的表达方式而非产品功能组织演示内容
演示转 POC 转化率低于 40%	演示未涉及买方的特定用例，或内容过于通用	根据买方明确提出的需求定制每场演示；使用其数据或行业特定场景；在演示末尾安排问答并提出后续步骤
RFP 回复时间超过 2 周	回复流程依赖人工，缺少模板或预先编写的内容库	按需求类别建立索引化的回复库；使用 rfp_response_analyzer.py 优先处理必选项目
利益相关方参与度低于 75%	关键决策者未参与技术评估	尽早梳理利益相关方角色；在技术深度交流的同时安排高管简报；向每位利益相关方发送个性化后续信息

---

成功标准

• 所有竞争性商机的赢单率超过 30%
• 从需求挖掘到签约的销售周期保持在 90 天以内
• POC 转签约转化率超过 60%
• 已推进商机的 RFP 平均覆盖率超过 80%（投标决策有效）
• 竞争矩阵针对每个竞争对手至少识别出 3 项明确的差异化优势
• 客户参与度超过 75%（根据利益相关方参与评估里程碑的情况衡量）
• 使用结构化回复库后，RFP 平均回复时间缩短至 5 个工作日以内

---

范围与限制

范围内： RFP/RFI 回复分析与评分、竞争功能矩阵构建、概念验证规划与评估、演示准备框架、技术提案结构、赢单/失单分析方法，以及在售前工作流 5 个阶段（需求挖掘、解决方案设计、演示、POC、提案）中跟踪利益相关方参与情况。

范围外： 销售策略与区域规划（客户经理职责）、定价与商务条款谈判（使用 pricing-strategy）、售后实施与客户成功（使用 customer-success-manager）、营销内容与竞争性信息传达（使用 marketing skills），以及根据 RFP 差距做出的产品路线图决策（使用 product-team）。工具分析静态数据导出文件——不与 CRM 系统（Salesforce、HubSpot）或 RFP 平台（Loopio、Arphie）集成。

限制： 投标/不投标阈值可配置，但默认值基于 B2B SaaS 且目标赢单率为 30% 以上的假设。竞争矩阵评分的准确性取决于输入数据——请结合针对特定竞争对手的一线实战经验验证评分。POC 时间安排基于标准的 5 周合作；高度受监管的行业（医疗保健、政府）可能需要 2-3 倍的时间。AI 辅助 RFP 工具（于 2025-2026 年兴起）可将回复时间缩短 60-80%，但此处未集成这类工具。

---

集成点

• revenue-operations —— 需要技术验证的销售管道交易将进入 SE 工作流；SE 赢单/丢单数据会用于销售管道分析
• customer-success-manager —— POC 结果和成功标准会移交给 CSM，用于跟进成交后的采用情况
• pricing-strategy —— 竞争性定价数据由矩阵构建器提供，用于制定定价定位决策
• product-team —— 标记为“Planned”或“Gap”的 RFP 差距会纳入产品路线图优先级排序
• c-level-advisor —— 需要高管参与的战略交易会升级至 C 级顾问工作流
• marketing —— 市场营销提供的竞争情报会用于制作竞争战卡和定位

---

**最后更新：**2026 年 3 月 **状态：**可用于生产环境 **工具：**3 个 Python 自动化脚本 **参考资料：**3 份知识库文档 **模板：**5 个资产文件