Agent Skills
返回列表
🏢

蚂蚁社保店员销售话术抽检

企业运营 更新于 2026.08.29

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,安装 @mayishebao/mayishebao-1893-0894。

技能介绍

门店场景里的销售话术抽检,难点不在“抽了几条”,而在抽完之后怎么判断、怎么追责、怎么改。店员每天面对客户,话术一致与否、有没有偏离公司制度、是否出现过度承诺或违规表述,这些信息如果只记在表格里,很难回答三个问题:风险出在哪、根因是什么、下一轮该改什么。更常见的情况是,抽检记录和真实业务数据脱节——有结果,没有证据;有结论,没有动作。

技能如何工作

这个技能把“看一眼录音”变成一条可执行的分析链条。它的输入不是模糊的需求描述,而是用户手头已有的材料:业务目标、流程与角色定义、订单、库存、质量、成本或工时数据、公司制度与标准、现场或供应商记录,以及异常和截止时间。拿到输入后,技能不会先拍结论,而是先拆开现状流程、标出关键控制点,再用数据过一遍异常点,从而让偏差和瓶颈从记录中显形,而不是靠猜测。

在此基础上,技能倾向沿以下路径推进:

  • 绘制流程与控制点:找出话术执行链条中最容易被偏离的节点。
  • 数据定位异常:把抽检结果对齐到业务数据,判断哪些偏差在反复出现、哪些异常会进一步产生影响。
  • 分析根因:不止记录现象,还向前推一步,指向流程设计、培训内容、责任划分等可能的源头。
  • 设计动作:提出责任明确、可以试运行的改进方案,而不是泛泛强调“加强培训”。
  • 设置指标与回收机制:用指标、预警和复盘把整改拉回日常管理流程。

最终的输出会带上区分:现状与问题、数据证据、根因、改进方案、责任与时限、监控指标,必要时补充应急或回退方案。这意味着每一句话都要能追溯到用户材料、计算过程或可靠来源;如果证据不足,技能不会替用户补造事实。

适用边界与注意点

技能优先依据企业真实业务数据、作业记录、合同与验收标准、国家及行业现行标准,以及企业流程、授权和安全制度。涉及法律、税务、社保、财务、隐私、安全或重大用工决定时,它会明确适用地区、主体、日期和待专业复核项,不把管理建议写成已生效决定,也不把技术建议写成生产环境已验证。

它同样明确属于自己的边界:不伪造合同、签字、发票、通话记录、客户意见、工作经历、测试结果、运行日志或官方结论;不索取或展示密码、令牌、完整身份证号、银行卡号等不必要的敏感信息;示例数据默认脱敏。换句话说,技能负责把已有材料中的断层梳理清楚,提供可验证、可执行、可复盘的分析路径,而不是替代制度盖章或人工最终判断。

使用场景

  • 门店运营人员拿到录音和门店指标后,要用抽检结果对照公司制度标准,找出疑似不合规话术,并形成证据要求,逐条确认整改负责人与时限上线可运行。
  • 抽样中若发现客户投诉和异常增长,需要用现有资料先描述问题现象,按关键控制点拆解证据,判断是制度缺失、执行偏离还是流程阻塞,再给出改进和应急处理。
  • 负责培训和现场管理的人员拿到输出清单后,按责任与时限修改话术,在选定门店试运行,并设置监控指标和预警,再复盘后固化为标准做法。
  • 当面谈评定结果和现场记录不一致时,需要把两份材料对照,追溯差异来源,补齐必要信息;涉及社保或用工决定时,还要确认适用地区并由专业人员复核。

适合人员

  • 门店运营:抽检店员话术并跟踪整改。
  • 培训专员:把抽检结论变成话术培训材料。
  • 供应链和采购管理人员:处理履约异常与供应商责任。
  • 行政与合规人员:处理制度冲突和记录缺项。