从模糊职业描述到可解释规则引擎：一个自评原型的设计与验收

职业转型类问题经常以一句“我适不适合做销售”开始，但这不是一个可以直接用性格测试回答的问题。有人做过销售系统，却无法说明它带来了什么经营改变；有人参与过方案项目，却没有独立承担成交；也有人有一线销售经验，却计划进入客户群、采购流程完全不同的新领域。

我尝试把三个匿名情境抽象成一个浏览器端自评原型。它不预测录用概率，也不对人下结论；它的任务是把模糊叙述拆成可核对的事实，输出一条可解释的探索路径和需要补齐的证据。

1. 先拆开“想做”和“做过”

原型最初的风险，是把用户偏好、意愿和实际经历混在了一起。例如，“愿意推进客户”只能说明倾向，不能证明有过独立成交；“完成了内部系统”也不能自动等同于改善了销售结果。

因此，题目不直接问“你适不适合销售”，而是拆成五类事实。

第一类是成交责任：是否独立承担过成交或续约。

第二类是交易场景：熟悉的是复杂组织采购、零售或渠道、标准化交易，还是尚未参与具体交易。

第三类是可迁移资产：当前能带走的是客户群、行业理解、产品或方案能力，还是暂时说不清。

第四类是结果证据：能说明本人成交案例、业务指标前后对比，还是只有交付物。

第五类是迁移距离：目标客户与原客户是相同、相邻、全新，还是尚未确定。

对客偏好、转型动机、遇到复杂商机时更愿意做什么等题目仍然保留，但只作为解释和行动建议的补充信号，不能覆盖前面的事实证据。

这个拆分解决了一个常见误判：不善于高频社交，不等于不能做专业型对客工作；但愿意专业对话，也不能替代成交、客户经营或业务结果的经验。

2. 不用一个总分，改用两条输出轴

早期版本尝试给出百分制“匹配度”。回归测试时发现，两个明显不同的答题路径会得到相同分数；没有销售经历的用户也可能因偏好题得分较高。这种数字看似精确，实际掩盖了证据差异。

后续将结果改为两条独立输出：

第一条是，当前直接进入复杂组织销售的依据是否充分。它只看独立成交、复杂交易场景、本人可说明的案例、资产与客户迁移距离。

第二条是，更适合优先验证的路径。路径包括复杂组织销售探索、围绕已有客户切换产品、解决方案前置、销售增长或数字化，以及先积累可迁移资产。

这样，一位有零售成交经验、但目标客户完全不同的用户，可以同时得到“有销售经历，但采购链路迁移仍需验证”和“优先评估围绕熟悉客户群切换产品”两条信息。它比一个总分更接近真实决策。

3. 将规则写成可维护的事实标记

实现时，每道题存储稳定的选项标识，页面展示文字不参与判断。先由答案计算事实标记，再由标记决定准备度和路径。

例如，当用户同时具备独立成交经历、复杂组织采购场景、本人可说明的成交案例、明确资产，并且目标客户相同或相邻时，才进入复杂组织销售探索路径。

如果用户有独立成交和明确资产，但不满足前述所有条件，则优先考虑围绕已有客户切换产品。

如果没有独立成交证据，则根据行业或产品理解、方案能力、业务指标证据等补充信号，判断其更接近解决方案前置、销售增长或数字化，还是需要先积累可迁移资产。

内部确实会使用一些计数来排列路径优先级，但不把它展示为“你得了多少分”。这样可以避免用户把启发式规则误读为经过统计验证的能力测量。

4. 先做冲突校验，再写结论

只有路径规则仍然不够。自评数据可能自相矛盾，例如用户一边选择“独立负责成交”，一边选择“尚未参与具体交易”；或选择“没有独立成交”，却选择“能清楚说明本人独立负责的成交案例”。

这类组合不能被简单降级，更不能生成肯定性结论。原型增加了冲突校验：页面仍可以计算一个供理解的候选路径，但在结果顶部明确显示“回答中有信息不一致，请返回核对”，并停止输出正向的准备度判断。

规则设计中另一个边界是：某些用户没有明确客户/行业/产品资产，也没有指标前后对比，因此不满足进入“销售增长/数字化”路径的严格条件；但结果仍应提示其下一步可以尝试量化一次工具或流程的业务影响。这里要区分“当前路径判断”和“可尝试的验证动作”，不能为了保留一句建议而放松路径准入条件。

5. 用典型路径做回归验收

页面可用不等于规则正确。这个原型至少覆盖以下五条回归路径：

第一条：独立成交、复杂组织采购、本人成交案例、相邻客户。预期输出复杂组织销售探索，判断依据中不能遗漏客户迁移条件。

第二条：独立零售成交、目标客户全新。预期认可销售经历，同时明确原采购链路不可直接迁移。

第三条：方案或售前角色、协同商机。预期不能写成已有独立成交能力，需要建议补客户问题与本人作用。

第四条：数字化角色、只有功能产出。预期不能用系统功能替代业务效果，需要指出缺少指标证据。

第五条：独立成交、未参与交易。预期顶部显示自述冲突，不输出肯定准备度。

验收时除了核对路径名称，还要逐条核对准备度原因、判断依据、待验证缺口和后续行动是否一致。还要测试返回上题修改答案后是否重新计算结果，避免旧结论残留。

6. 将题库、规则与文案分层

这个原型采用纯前端实现，回答只在当前浏览器会话中用于计算。为了避免“页面能跑、规则却难改”，实现时将内容按职责拆开。

第一层维护题目、稳定选项标识与题目版本。

第二层维护输入校验、冲突检测、事实标记与路径计算。

第三层维护路径说明、判断依据、缺口和行动建议。

第四层维护单题交互、回退修改和结果渲染。

这种拆分有两个直接好处：题目文案调整不会意外改变规则；新增或修改路径条件时，可以只针对规则层做回归测试。对于这类包含建议输出的前端原型，规则比视觉组件更需要版本化和测试。

结语

把经验判断做成规则，并不等于让规则替人做职业决定。它的价值在于：把“我想转型”转译为可讨论的事实——客户资产能否迁移、是否承担过结果、能否说明自己的业务贡献、下一步缺什么证据。

对于任何带有建议性质的自评工具，我认为至少应做到三件事：不把偏好当证据；不把内部启发式分数包装成能力测量；当输入存在冲突时，优先提示核对，而不是输出看似笃定的结论。