售前需求分析,用这个 skill 就够了
本文介绍一个名为 presales-requirement-analysis 的 AI skill,其核心逻辑源自《有效需求分析》中的问题级需求识别框架,并融合 SPIN 提问法。该 skill 将售前需求分析固化为五个阶段的 SOP,覆盖从线索到方案汇报全过程,支持输入碎片化信息后自动判断阶段、补全缺失项并输出结构化交付物。
售前面对的是混沌,不是待拆解的产品
做售前之前,我读过不少产品需求分析的书。当时觉得都很有道理,可到了客户现场,总觉得和售前这份工作衔接不上——这类书大多是写给产品经理的,讲的是"一个已经决定要做的产品,该怎么拆清楚"。可售前面对的,是客户一句"我想要个 XXX"背后的一片混沌。
直到我读到《有效需求分析》,才茅塞顿开:客户提出的往往只是"方案级需求",真正要解决的是背后的"问题级需求"。
skill 的理论内核:四条需求分析原则
这个 skill 用了《有效需求分析》里的几条核心观点:
- 客户说的不是需求,是解决方案。 客户递来的那句"我想要个 XXX",往往只是他能想象到的做法;售前要做的,是先把它翻译回真问题,再看值不值得解、该怎么解。
- 需求 = 预期 − 现状。 没有差距,就没有需求;没有差距,别硬造。
- 需求需要穿透三层:业务 / 功能 / 技术。 多问一句"为什么需要这个功能",别停在功能层,也别忽略技术层。
- 干系人 = 筹码持有人。 从正面(关注点)和负面(阻力点)两头看——谁会反对这个项目?谁可能一票否决?
除此之外,skill里还引用了 SPIN 提问法。需求分析最难的,不是记录客户说了什么,而是问出客户没说的。SPIN 提问法要解决的就是把客户的"想要"挖成"需要"。
SPIN 提问法在 skill 中的落地
- S · 背景 —— 先摸清基本盘,现状是怎么运作的。这些功课尽量提前做,现场只补跟方案边界有关的那几点。
- P · 难点 —— 顺着客户的诉求追问"为什么需要、能解决什么困难",把表面的功能诉求,撕开成一个真痛点。
- I · 暗示 —— 把痛点的代价放大:这个问题带来了多大损失、多少风险。这也是后面报价的根基。
- N · 需求-效益 —— 让客户自己说出"解决了对我意味着什么",锚定价值,顺带约好下一步。
四步走完,你手里就不再是"客户要的几个功能",而是"客户真正在为哪件事发愁"。
售前需求分析 SOP:五个阶段的输入与输出
无论你处于【售前需求分析】工作的哪个阶段,线索、首次交流前、已经交流过、演示完了、方案汇报完了,它都能覆盖你的需求。
【售前需求分析】skill 把流程拆成了四个阶段,每个阶段"你需要输入哪些信息、能输出哪些内容",都已经定好:
| 阶段 | 你要给的输入 | 它产出的文件 |
|---|---|---|
| 阶段 0 · 需求认知与准备 | 客户名称、行业、能查到的公开信息 | 《客户前置调研表》《客户业务全景画像》 |
| 阶段 1 · 需求获取与挖掘 | 访谈记录、客户原话、现场看到的系统与流程 | 《需求访谈提纲与纪要》《客户核心痛点清单》《痛点业务影响量化表》 |
| 阶段 2 · 需求分析与梳理 | 痛点清单、量化表、干系人信息 | 《干系人分析表》《问题卡片》《需求筛选与优先级评估表》 |
| 阶段 3 · 需求验证 | 梳理好的需求清单 | 《需求确认清单(需求基线)》 |
| 阶段 4 · 需求沉淀与输出 | 确认过的需求基线 | 《售前需求分析报告》 |
你给它多少信息,它就往前推多少。信息不够的时候,它会告诉你"现在该补什么、下一步怎么走"。你给的越具体,它还原出的需求,就越接近客户的真实心思。
使用方式:填空式提示词模板
你不用先想清楚自己走到了哪一步,更不用背任何方法论。只要把手上已有的信息,装进下面这段提示词,发给装了 skill 的AI工作台,它就会自动判断你处在哪个阶段,产出这个阶段能落地的东西。
提示词模板如下:
用presales-requirement-analysis skill完成售前需求分析工作
客户:【客户/商机名称】;
进展:【线索/首次交流前/已交流/已演示/方案汇报】。
① 客户自述需求(方案级):【客户原话或转述的"要做什么",无则写"暂无"】
② 业务现状(预期−现状的"现状"):【行业/规模/现有系统/数据现状,无则写"暂无"】
③ 已还原的痛点/问题(问题级):【客户困难与业务影响,无则写"暂无"】
④ 干系人:【参与人/角色/立场(正/负),无则写"暂无"】
⑤ 资料纪要:【访谈纪要/文档/系统截图,无则写"暂无"】
⑥ 待联网补充:【行业趋势/竞对/标杆,写"请检索"】 (不知道的写"暂无",需要联网查的写"请检索")方法论应藏在工具背后,而非考人
方法论是用来装在工具背后的,不是拿来考人的。
【售前需求分析】skill 做的事,就是把那些你未必记得住的框架、步骤、提问技巧,变成你填几个空、点一下发送就能拿到的东西。

这个 skill 已经经过多次测试。
JOTO 企业落地观察
- 企业部署智能体时,若将需求分析环节仍交由人工反复对齐,易导致知识断点和上下文衰减;该 skill 提供的五阶段结构化输入机制,可作为 RAG 知识工程中「需求语义锚点」的标准化采集入口。
- 售前阶段产生的《需求确认清单(需求基线)》是后续智能体开发的关键契约依据;但当前多数团队缺乏将其自动转化为可执行任务描述的能力,此类 skill 的输出格式若能对接 FDE 驻场共创中的任务拆解模板,将显著缩短需求到开发的转化链路。
- SPIN 提问法的四步逻辑被封装为可触发的推理路径,说明企业在构建智能体时,需重视「提问策略」本身的知识建模——这比单纯堆砌问答对更能支撑复杂业务场景下的需求深挖。
- 该 skill 对输入信息完整性设有显式反馈(如"现在该补什么"),反映出一种轻量级 AI 安全治理思路:不依赖黑盒推理可信度,而通过过程可控性来约束输出边界。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
想把这些做法用到你的业务里?
留下你的场景和痛点,我们帮你判断从哪一步开始。
联系我们


