RFP需求响应策略与评分
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,将该技能规范名 @user_fccf428b/rfp-responder 安装到当前 AI 助手中,安装前请向我确认执行。
技能介绍
你要解决什么问题
一份 30 页以上的 RFP/RFI/RFQ 砸过来,deadline 只有 7~14 天。团队的习惯往往是:先通读一遍,然后开始写 narrative。但真正的风险在于决策被前置到了写作阶段——到底是投还是不投,应该在动笔之前用证据和结构回答清楚。
常见的踩坑:MANDATORY 条款在第 12 天才发现满足不了;对每个需求都答得平平无奇,高分权重项也没拿到深度;后期进入没有客情基础的项目,硬着头皮写标书;最糟的是编造证据填坑——评审方一个电话就能戳穿。
这个技能把「投标决策」从文学创作变成工程问题:解析、打分、定策略、估胜率、给结论,每一步都可追溯。
它如何工作
核心能力对应五个关键问题:
- 需求解析:
rfp_parser.py用关键词启发式(must/shall → MANDATORY;should/加权分 → WEIGHTED;may/preferred → NICE-TO-HAVE)把每条需求结构化,并提取评分标准、截止时间和格式约束。合规类硬门槛(FedRAMP、HIPAA、ISO 27001 等)在第 1 天就暴露。 - 证据矩阵:把你的 proof-point 库填进
rfp_intake_template.md,response_drafter.py逐条映射出 STRONG / PARTIAL / GAP。没有来源的声明直接降级为 GAP,绝不凭空补全。 - 胜率主题:采用 Shipley 方法提炼 3~5 个 buyer-side win-theme,并检查每个主题是否横跨至少 2 条需求——只挂在单条需求上的主题是装饰性的,会被标记。
- 胜率估计:
winrate_predictor.py基于 fit、incumbent 强度、关系、决策标准对齐度、后期进入、竞争者数量、交易规模等因素建模,输出 0~100% 估计 + 置信区间 + BID / PARTNER-BID / NO-BID 结论。估计低于 20% 自动触发 no-bid 建议。
所有脚本仅依赖标准库(argparse、json、re、statistics 等),--help 和 --sample 均可运行。
适用边界
- 不写标书正文。自由叙事型 proposal 请用 contract-and-proposal-writer;本技能只做投标前的策略与证据审计。
- 不做中标后的合同审阅。红线修改、IP/风险评审属于 general-counsel-advisor 的范畴。
- 胜率数字是方向性的。置信区间永远比点估计宽,它是逼你诚实做 qualification 的纪律工具,不是预言机。
- 后期进入是结构性劣势。RFP 发布后才接触、无既有关系,基础胜率下降约 15%——技能会明说,不会替你掩盖。
- 最终决策权在管理层。技能输出 GAP 审计和建议,是否关坑、是否联合投标、是否放弃,由 leader 拍板。
一个提醒
投标纪律的敌人不是竞争对手,是事后合理化。如果你在看到这份 RFP 之前没有预承诺的 bid/no-bid 门槛(比如胜率 ≥25%、MANDATORY STRONG ≥70%),那么现在就先定一个,再运行解析脚本。
使用场景
- 收到30页RFP,需在14天内结构化解析需求,标记MANDATORY/WEIGHTED/NICE-TO-HAVE并提取评分标准
- 准备bid/no-bid评审,需按fit、incumbent、关系等因素估算胜率并给出BID/NO-BID结论
- 拥有案例库但缺乏系统,需将每条proof-point映射到对应需求,识别STRONG/PARTIAL/GAP
- 应对SIG/CAIQ安全问卷,需按条目结构化作答而非自由叙述,避免遗漏合规条款
适合人员
- 投标经理:需在截标前快速判定投标可行性并产出决策依据
- 销售总监:关注fit占比与胜率区间,以此决定是否投入售前资源
- 解决方案架构师:负责把技术认证和案例证据映射到具体需求条目
- 业务运营:需要在多份RFP间做取舍,避免团队投入低胜率项目