销售话术手册

要解决什么问题

B2B 销售里常见困境是：报价仍按「套餐月费」谈，客户只比价格，月费卡在约 $10K/mo 难往上走；通话前缺少可引用的竞品与价值数据，通话后也没有统一标准复盘「这次定价对话做对了什么」。本技能围绕 价值定价（value-based pricing） 与 deal upselling，把战前准备、分层报价生成、通话打分和话术模式库串成一条可重复的工作流，目标是把单笔 deal 往 $40–100K/mo 量级推进。

技能如何工作

技能启动时会说明本地分析日志目录（~/.ai-marketing-skills/analytics/），远程遥测为可选；核心是一组 Python 脚本，无 API key 时可用内置 stub 与样例数据试跑。

战前

• value_pricing_briefing.py：按域名与竞品列表生成战前简报（竞品数据、价值测算、对话钩子）。示例：python3 value_pricing_briefing.py --domain acme.com --competitors "comp1.com,comp2.com"
• value_pricing_packager.py：生成 S/M/L 分层 及 performance 定价包。示例：python3 value_pricing_packager.py --target-monthly 80000 --services "seo,cro,content,paid"

战后

• call_analyzer.py：对照价值定价框架对通话 transcript 打分（0–100）。
• pricing_pattern_library.py：10 条已验证定价模式 + 训练模式。

框架要点：先用数据再 pitch、先锚定高价档、价格绑定 ROI、用竞品排名制造紧迫感（非硬推）、始终给出 3–4 档含 performance 选项。可选环境变量：AHREFS_API_KEY、SEMRUSH_API_KEY（简报）、ANTHROPIC_API_KEY / OPENAI_API_KEY（分析与模式库场景）。依赖 Python 3.9+ 与 requests。

适用边界

• 面向 定价与 upsell 对话设计，不是通用 CRM 或线索挖掘；竞品数据深度取决于是否配置 Ahrefs/SEMrush。
• 通话分析依赖 LLM API（Anthropic 或 OpenAI）；无 key 时部分能力仅适合本地演示。
• 模式库与打分 rubric 是固定框架，行业差异大时需人工校准话术与 ROI 假设。