> 这是一份真实项目的落地记录。我用 #WorkBuddy# 把一份 98 列的销售跟进 Excel，变成了一份能直接指导投放决策的客户人群画像报告——全程自然语言驱动，没有手写一行"正经"的数据处理代码。
>
> ⚠️ **数据声明**：为保护客户商业信息，文中所有数值均为**示意数据**，用于演示分析方法。**方法与代码来自真实项目实践，可直接复用。**

---

## 0. 先说结论

这套流程最终产出的东西：

| 交付物 | 内容 |
|---|---|
| 客户画像报告 | 14 个维度、带 Chart.js 交互图表的 HTML 报告 |
| 核心洞察 | 投资能力三档拆分：5 万以内 18% / 5-10 万 57% / 10 万以上 25% |
| 可执行结论 | 6 万以内是客户心理锚点，5-7 万 + 30-60㎡ 是最优定价组合 |
| 归档 | 自动沉淀到云端文档，团队可直接协作查看 |

**耗时**：一次完整分析对话，从拿到 Excel 到报告落盘。
**代码量**：0 行（Agent 自己写、自己跑、自己改）。

---

## 1. 业务痛点：为什么结构化字段救不了你

做加盟招商的人几乎都有一个 Excel，长这样：

- 1000+ 行客户记录
- 100+ 列字段：省、市、资源状态、客户意向等级、创业动机、意向店铺面积……
- 还有几列巨大的自由文本：「跟进记录」「谈单详情及跟进」

看起来信息很全，实际上**一列都靠不住**。

我拿到的这份表，1200 行 × 98 列。最关键的「项目整体投资预算」字段——**1200 条里只有 9 条有值，非空率 0.75%**。

为什么？因为销售根本不会老老实实填结构化字段。他们习惯把一切写进跟进记录的自由文本里：

> "客户说预算 10 万以内，想先看看店面"
> "聊下来手里大概五六万，家里能支持点"
> "他之前开店亏过，这次只敢投七八万"

**真正的数据资产躺在自由文本里，而结构化字段只是墓碑。**

这就是本次任务的核心命题：**从跟进记录文本中，把客户的"投资能力"捞出来，并按三档拆分。**

---

## 2. 完整流程总览

```
拿到 Excel
   ↓
① 数据探查 —— 弄清有哪些列、哪些有值
   ↓
② 定位信息源 —— 找到文本字段（跟进记录 / 谈单详情）
   ↓
③ 文本挖掘 —— 正则 + 语境打分，抽取投资金额
   ↓
④ 14 维统计 —— 地域/渠道/漏斗/动机/关注点/竞品/Persona
   ↓
⑤ HTML 可视化报告 —— Chart.js + 洞察卡片
   ↓
⑥ 云端归档 + 定时自动化
```

下面逐步拆解，每个环节都附真实踩坑。

---

## 3. Step 1｜数据探查：先看清你手里是什么

### 怎么跟 Agent 说

不需要写得像 SQL。直接说：

> "分析桌面 `客户分析/某品牌 8 月.xlsx`，重点筛选跟进记录里的投资能力，按 5 万以内、5-10 万、10 万以上做拆分，统计各档比例。"

Agent 会自动：建任务清单 → 读 xlsx 结构与 sheet → 判定关键字段 → 抽样看文本格式。

### 踩坑①：98 列的字段索引，绝对不能手数

第一轮探查，我让 Agent 按"第 30 列是资源状态、第 69 列是创业动机"去取数，结果输出一堆莫名其妙的值分布。

**原因**：表头有 98 列，其中有大量空列和合并列，人工数列必然错位。

**正确做法**：按列名动态查找。

```python
import openpyxl

wb = openpyxl.load_workbook('某品牌 8 月.xlsx', data_only=True)
ws = wb['Worksheet']
headers = [c.value for c in ws[1]]

def findcol(kw):
    """按列名关键词定位列索引，避免硬编码错位"""
    for i, h in enumerate(headers):
        if h and kw in str(h):
            return i
    return None

follow_col = findcol('跟进记录')      # 自由文本主力字段
talk_col   = findcol('谈单详情')      # 另一处文本富矿
budget_col = findcol('投资预算')      # 结构化字段（几乎是空的）
```

**这条经验适用于所有宽表**：列名查找 > 索引硬编码。表头一改，索引方案就死了，列名方案还活着。

---

## 4. Step 2｜定位真正的信息源

探查结果印证了前面的判断：

| 字段 | 非空率 | 结论 |
|---|---|---|
| 项目整体投资预算（结构化） | 0.75% | 废弃 |
| 跟进记录（自由文本） | 高 | **主战场** |
| 谈单详情及跟进（自由文本） | 中 | **补充** |

所以策略调整为：**把两个文本字段拼起来，当一整个语料库去挖。**

```python
follow_text = str(row[follow_col]) if row[follow_col] else ''
talk_text   = str(row[talk_col])   if row[talk_col]   else ''
budget_text = str(row[budget_col]) if row[budget_col] else ''

corpus = follow_text + ' || ' + talk_text + ' || ' + budget_text
```

---

## 5. Step 3｜正则 + 语境打分：从自由文本抠出金额

这是整个流程最核心、也最脏的一步。

### 先摸清"人话"有多少种写法

抽样看了几十条记录，投资金额的表达方式五花八门：

| 表达类型 | 样例 |
|---|---|
| 数字区间 | "预算 8-10 万"、"5~6 万左右" |
| 数字后缀 | "10 万以内"、"6 万多"、"7 万出头" |
| 中文数字 | "五六万"、"七八万"、"十几万" |
| 模糊量词 | "几十万" |
| 加盟费纯数字 | "加盟费 39800" |

**一个正则搞不定，需要多模式并行匹配。**

### 踩坑②：营业额 ≠ 投资预算

第一版提取器跑出 214 条，抽样一看全是噪音：

> 行 20：`"他店里一个月营业额能做到 8 万"` → 被误判为投资预算 8 万
> 行 70：`"纯利润大概三四万"` → 被误判为投资预算 4 万

**修复思路：给每个候选金额算一个"语境分"。**

- 命中投资类词汇（预算 / 投资 / 落地 / 总投入 / 首付 / 开起来 / 搞下来）→ **+3**
- 命中营收类词汇（营业额 / 利润 / 赚钱 / 月入 / 流水 / 租金 / 工资）→ **−10**
- 金额 < 1 万或 > 100 万这种不合常理的 → **−8**

得分最高且 ≥ 0 的候选，才作为该客户的最终投资金额。

### 踩坑③：加盟费不是总投资

早期版本把"加盟费 39800"折成 3.98 万，直接混进了投资能力三档，把"5 万以内"这一档虚高了一大截。

**这两个是完全不同的概念**：

- 加盟费 = 交给品牌方的门槛费
- 总投资 = 加盟费 + 装修 + 设备 + 首批货款 + 房租

**修复**：识别到"加盟费/合作费"语境的记录**单独成表统计**，不计入三档。

### 踩坑④：中文口语金额

`五六万`、`七八万`、`十几万` 这类写法，正则里如果只有 `\d+万`，会**一条都匹配不到**——而这些恰恰是最真实的口语表达。

需要补一个中文数字映射：

```python
cn_num = {'零':0,'一':1,'二':2,'两':2,'三':3,'四':4,'五':5,
          '六':6,'七':7,'八':8,'九':9,'十':10}

def cn2num(s):
    """中文数字转数值，支持 一~十、十几、几十"""
    if s in cn_num:
        return cn_num[s]
    if '十' in s:
        parts = s.split('十')
        if len(parts) == 2:
            a = cn_num.get(parts[0], 1) if parts[0] else 1
            b = cn_num.get(parts[1], 0) if parts[1] else 0
            return a * 10 + b
    return None
```

### 最终版提取器

```python
import re

EXCLUDE_CTX = re.compile(
    r'营业额|利润|赚|月入|月销|纯利|毛利|流水|营业|租金|租给|月租|工资|薪|收入')
BUDGET_CTX = re.compile(
    r'预算|投资|落地|总投入|规划|首付|费用|搞下来|开起来|整体.{0,4}投入'
    r'|要花.{0,3}钱|需要.{0,3}钱|资金|投入|铺货|包干|控制.{0,3}万|开业')
FRANCHISE_CTX = re.compile(r'加盟费|合作费')

def extract_amounts(text):
    """从自由文本提取所有候选金额（万元），返回 (金额, 原文片段, 位置)"""
    if not text:
        return []
    text = str(text)
    found = []

    # 模糊量词优先
    for m in re.finditer(r'几十万', text):
        found.append((20, m.group(0), m.start()))

    # 数字区间：8-10万 / 5~6万 / 7到9万
    for m in re.finditer(r'(\d+(?:\.\d+)?)\s*[-~到至]\s*(\d+(?:\.\d+)?)\s*万', text):
        a, b = float(m.group(1)), float(m.group(2))
        found.append(((a + b) / 2, m.group(0), m.start()))

    # 单个数字 + 万：10万以内 / 6万多 / 7万左右
    for m in re.finditer(r'(\d+(?:\.\d+)?)\s*万(?:以内|以上|多|左右|出头|来万|大几|块钱)?', text):
        found.append((float(m.group(1)), m.group(0), m.start()))

    # 中文数字 + 万：五六万 / 七八万 / 十几万
    for m in re.finditer(r'(?<!几)([一二三四五六七八九十]{1,3})\s*万', text):
        v = cn2num(m.group(1))
        if v is not None:
            found.append((v, m.group(0), m.start()))

    # 加盟费纯数字：加盟费39800
    for m in re.finditer(r'加盟费\s*(\d{4,6})', text):
        found.append((int(m.group(1)) / 10000, m.group(0), m.start()))

    return found


def pick_best(corpus):
    """语境打分，选出最可能是总投资的那一个"""
    cands = extract_amounts(corpus)
    best = None
    for v, frag, pos in cands:
        ctx = corpus[max(0, pos - 18): pos + len(frag) + 12]
        score = 0
        if BUDGET_CTX.search(ctx):    score += 3
        if EXCLUDE_CTX.search(ctx):   score -= 10
        if v >= 100 or v < 1:         score -= 8
        is_franchise = bool(FRANCHISE_CTX.search(ctx)) or '加盟费' in frag
        if is_franchise:              score -= 2   # 降权，让总投资优先
        if best is None or score > best[2]:
            best = (v, frag, score, is_franchise)
    if best and best[2] >= 0 and 0.3 <= best[0] <= 80:
        return best
    return None
```

**效果对比**：

| 版本 | 提取条数 | 准确性 |
|---|---|---|
| 第一版（纯正则） | 214 条 | 大量营收数字污染 |
| 最终版（正则 + 语境打分 + 加盟费隔离） | **186 条** | 抽样复核准确 |

砍掉的 28 条噪音，全部来自营收语境误判。

> **方法论**：从自由文本挖数据，先写"多模式召回"，再写"语境打分排序"。召回宁可宽，排序必须准。

---

## 6. Step 4｜投资能力三档（本次核心需求）

从 186 条有效总投资数据中：

| 投资能力档 | 分布 | 客户特征 | 对应策略 |
|---|---|---|---|
| **5 万以内** | 18% | 轻资产入门 / 资金受限 | 推 mini 店型、分期方案 |
| **5-10 万** | **57%** | **绝对主力**，心理锚点在 6 万以内 | 标准店型，主攻对象 |
| **10 万以上** | 25% | 高净值 / 有开店经验 | 大店型、区域代理，建 VIP 池 |

再往下拆细区间，出现了一个**非常关键的现象**：

- 5-7 万区间最密集（约 41%）
- **6 万是一条心理红线**，超过 6 万后客户接受度明显下降

这条洞察直接改变了业务动作：**报价体系不要再出现"10 万起"这种门槛，把主力套餐锚定在 5-7 万 + 30-60㎡。**

这就是"数据 → 人群画像 → 业务决策"的闭环。

---

## 7. Step 5｜14 维统计与可视化报告

投资能力只是其中一维。同一份数据还能跑出完整画像：

**地域**：华东四省占 96.4%，其中江苏接近一半——典型的区域密集型市场结构。

**渠道**：短视频信息流贡献约 62% 有效线索，是绝对获客生命线。

**转化漏斗**：触达率 43.7%，微信加成率 31.2%（明显高于行业常见水平）。**但 0 次跟进客户占比 54.6%**——这是最大的流失黑洞，不是话术问题，是执行问题。

**核心关注点 TOP3**：投资费用（318 次）> 选址（221 次）> 竞品对比（196 次）。

**意向面积**：21-40㎡ 占 41%，与"5-7 万预算"高度吻合。

**竞品提及**：以区域性连锁品牌为主，全国性品牌提及较少，说明客户在做横向比价，而非品类犹豫。

**Persona 归纳**（4 类）：
1. 轻资产创业者（约 42%）——主力人群
2. 宝妈副业型（约 16%）——时间灵活度是核心诉求
3. 存量店主转型（约 24%）——最懂行，决策最快，但最挑剔
4. 高预算区域代理（约 12%）——客单价高，可批量转化

### 踩坑⑤：别让 Agent 一次性生成完整报告

正确的做法是**分段生成、逐段确认**：

```python
# 第一步：先把所有统计数据算完，落盘中转文件
json.dump(stats, open('/tmp/stats.json', 'w'), ensure_ascii=False)

# 第二步：报告生成脚本只负责读 JSON + 渲染 HTML
# 数据与渲染分离，改样式不用重跑统计
```

这么做有三个好处：
1. 数据错了可以单独修，不用重跑全流程
2. 图表样式要调整时，秒级重出报告
3. 中间产物（stats.json）本身就是可复用资产

报告结构上，每个维度配一个**洞察卡片（insight-box）**：左边放图表，右边放一句人话结论。别只给数字——**老板要的是结论，不是数字。**

---

## 8. Step 6｜云端归档 + 定时自动化

报告本地生成后，一键同步到云端文档，按主题文件夹归档，团队可以直接协作查看。

更进一步，把周期性任务交给自动化：

> "每周一早上 8 点，收集行业资讯，分门别类整理成云文档，统一保存到指定知识库空间。"

Agent 会自动建定时任务，每周按点产出、按点归档。**从"我记得要去做"变成"它自己会做"。**

---

## 9. 几个让 Agent 更好用的心得

**① 说业务目标，别说技术步骤**

❌ "用 pandas 读取 Excel，对第 70 列做正则匹配"
✅ "重点筛选跟进记录里的投资能力，按 5 万以内、5-10 万、10 万以上拆分，统计比例"

前者把 Agent 锁死在你预设的方案里，后者让它有机会发现更好的路径（比如它自己发现结构化字段不可用，转向文本挖掘）。

**② 让 Agent 先探查，再动手**

给数据前不要假设结构。让 Agent 先输出字段清单、非空率、取值样例——**探查阶段多花 5 分钟，能省掉后面半小时返工。**

**③ 用"追问"代替"重来"**

第一版报告不满意，不要推翻重来。直接说：
- "投资能力那一节的分档口径换成 ≤5 万 / 5-10 万 / >10 万"
- "拿这次的报告和上个月的做对比差异分析，单独出一份"

Agent 有完整上下文，迭代成本远低于重跑。

**④ 关键结论要求交叉验证**

涉及金额、比例这类会被拿去决策的数字，明确要求"抽样复核并给出行号"。我这次就是靠抽样回看才发现营业额被误提的。

---

## 10. 总结

回到最初的问题：**为什么结构化字段救不了你？**

因为字段是给人填的，而人会偷懒。所有真正的业务信息，都藏在销售随手敲下的自由文本里。

这套流程的价值不在于"用 AI 生成了一份报告"，而在于：

> **它把一份没人愿意整理的脏数据，变成了能直接改报价体系的决策依据。**

三个可复制的要点：

1. **文本挖掘 = 宽召回 + 精排序**，别指望一个正则解决人话
2. **数据与渲染分离**，中间产物落盘，迭代成本降到最低
3. **结论必须落到业务动作上**——"6 万是心理红线"比"5-7 万占 41%"有用一百倍

同一个思路，可以平移到任何"人填字段 + 自由文本备注"的场景：售后工单、客户投诉、面试记录、竞品调研……

**数据不在字段里，在人的话里。**

---

*本文使用 #WorkBuddy# 完成全部分析流程。文中数值均为示意数据，方法与代码来自真实项目实践。愿你的表格里少一些空字段，多一些真数据。*

这是一份真实项目的落地记录。我用 #WorkBuddy# 把一份 98 列的销售跟进 Excel，变成了一份能直接指导投放决策的客户人群画像报告——全程自然语言驱动，没有手写一行"正经"的数据处理代码。

用 #WorkBuddy# 从销售跟进记录里挖出客户人群画像：完整实战教程

人工智能

大数据

用AI将98列Excel销售跟进表转化为14维客户画像报告，通过自然语言驱动完成投资能力三档分析（5万内18%、5-10万57%、10万以上25%），揭示6万为心理锚点、5-7万+30-60㎡为最优定价组合。全程零手写代码，可复用于自由文本数据挖掘场景。

2026上云采购 | AI焕新·智启新局

bigdata-class

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

用 #WorkBuddy# 从销售跟进记录里挖出客户人群画像：完整实战教程-腾讯云开发者社区-腾讯云

用 #WorkBuddy# 从销售跟进记录里挖出客户人群画像：完整实战教程

用 #WorkBuddy# 从销售跟进记录里挖出客户人群画像：完整实战教程

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐