[控场AI]
产品体验· 5 分钟阅读· 2,538 字

Claude Cowork实战:一夜完成4000客户账户评分的销售自动化方案

Claude Cowork实战:一夜完成4000客户账户评分的销售自动化方案

AI工具Claude Cowork帮助销售负责人自动化数据整合,实现从日常会议准备到季度客户评分的全流程提效。

Anthropic销售负责人Travis Bryant分享了使用Claude Cowork重塑销售管理工作流的实践。通过自动化每日会议准备(节省90分钟)、每周预测报告(从3小时缩至几分钟)、每季度4000账户评分(一夜完成),Claude Cowork接管了跨系统数据组装工作,让销售人员聚焦于客户沟通和战略决策,实现了AI技术能力向非技术业务人员的民主化。

核心场景:AI如何重塑销售管理工作流

Anthropic美国中端市场GTM负责人Travis Bryant近日分享了他使用Claude Cowork的实战经验。GTM(Go-To-Market)负责人是企业中负责产品或服务市场进入策略的核心角色,统筹销售、市场和客户成功等职能。中端市场(Mid-Market)通常指年收入在1000万至10亿美元之间的企业客户群体,是B2B SaaS公司最具增长潜力的细分市场之一——这类客户体量足够大,能产生可观的合同价值,但又不像大型企业那样需要极长的销售周期和复杂的采购流程。

作为管理4000个客户账户的销售负责人,Travis面临的核心挑战是:每天需要在Salesforce、BigQuery、Google Calendar等多个系统间组装数据、更新预测数字,这些重复性操作曾占据一周中的大部分时间。这三个系统之间的数据孤岛问题是销售运营效率的主要瓶颈——销售人员每天需要在多个界面间手动复制粘贴数据,这种"数据搬运"工作既耗时又容易出错,是AI自动化最直接的切入点。

Claude Cowork改变了这一局面——它接管了数据组装和格式化工作,让Travis能将更多精力投入到客户沟通和战略决策中。

三个时间维度的销售自动化实践

Travis的日常工作跨越三个节奏:每日客户电话准备、每周预测汇总、每季度全量客户评分。在引入Claude Cowork之前,同时做好这三件事几乎不可能。

每日:自动化会议准备,节省90分钟

每天早上,一个定时任务自动扫描Google Calendar,为缺少会议室的外部会议预订房间。第二个技能在每次会议前运行客户准备工作——从BigQuery拉取消费数据,从Salesforce拉取管道状态,生成一份简报,等Travis打开电脑时直接查看。

Travis特别强调了一个关键洞察:调度器比技能本身更重要。当准备工作不再依赖人的记忆,而是自动触发运行时,遗忘就不再是问题。

每周:预测报告从3小时缩短到几分钟

销售预测(Sales Forecasting)是销售管理中最关键也最耗时的工作之一。每周的预测会议要求销售负责人向高层汇报当前季度的预期成交金额、管道健康度和风险交易,这份报告需要整合来自多个数据源的实时信息。传统上,RevOps(Revenue Operations,营收运营)团队专门负责打通销售、市场和客户成功团队的数据与流程,通常需要专职人员才能完成跨系统的数据整合工作。

每周五,一个定时技能自动完成以下流程:

  • 从Salesforce的Forecast标签拉取机会记录和提交承诺
  • 从BigQuery获取token消费数据
  • 结合内部文档笔记
  • 组装成一份单页Web报告

报告格式完全符合Anthropic销售领导层的阅读习惯:顶线指标、重点交易、变动情况、各一线经理汇总的预测快照。报告在周一预测会议前自动部署到内部共享链接。

Travis的周一工作变成了在报告上添加评论——用他自己的话说:"Claude构建'是什么',我负责'为什么'。"

每季度:一夜完成4000账户评分

这是Travis通过Claude Cowork运行的最大规模项目。每个财年,账簿中的每个账户都需要一个评分来帮助客户经理(AE)确定优先级。在以往的公司和角色中,这类工作需要RevOps、FP&A(Financial Planning & Analysis,财务规划与分析)和市场团队跨部门协作数百小时。

Travis用Claude Cowork一个晚上就完成了全部评分。

双维度客户评分方法论

账户评分(Account Scoring)本质上是一种优先级排序机制,帮助销售团队在有限的时间内聚焦最有价值的客户。传统的倾向性模型(Propensity Model)通常由数据科学团队基于历史成交数据训练机器学习模型,需要大量标注数据和专业技术资源。Travis的方法代表了一种新范式:用大语言模型的推理能力替代传统统计模型,通过定义评分维度和权重,结合网络公开信息和内部历史数据,对每个账户进行定性与定量结合的评估。这种方法的优势在于无需训练数据、可解释性强(每个维度都有书面理由),且能快速迭代调整评分标准。

Travis与Claude共同定义了两套五维评分标准,分别针对科技行业客户和传统行业客户:

科技账户评分维度:

  • Agent机会潜力
  • 内部转型潜力
  • AI承诺程度
  • 相对现有消费的增长空间
  • 行业契合度

行业账户评分维度:

  • 知识工作者密度(例如律所很高,制造业较低)
  • 公开AI承诺(通过招聘页面上的AI相关职位数量衡量)
  • 其他行业特定维度

设定好标准后,Claude Cowork对4000个账户逐一进行深度网络研究,结合Salesforce和BigQuery中的历史数据,为每个维度生成数值评分和书面理由。整个过程在一夜之间自动完成。

从数据到工具:交互式销售仪表板

评分完成后,Travis让Claude Cowork基于结果构建了一个交互式仪表板,直接面向一线销售团队使用:

  • 每位AE可以点击自己负责区域的饼图切片,查看按评分排列的账户列表
  • 每个账户展示各维度的评分及具体理由
  • 悬停在某个账户上可以看到潜在用例和可比案例研究,直接用于销售拓展

这将评分从一个静态的数据练习,转变为一线销售人员每天都能用的实战工具。

Claude Cowork为何能在销售团队落地

Claude Code是Anthropic面向开发者推出的命令行工具,用户通过终端(Terminal)与AI交互,可以直接操作文件系统、执行代码、调用API,适合有编程背景的技术用户。Travis坦言他尝试过Claude Code,但始终不适应终端操作。Claude Cowork则代表了不同的产品定位——将相同的底层AI能力封装在图形界面和自然语言交互层之上,目标用户是销售、市场、运营等业务职能的非技术人员。这种"技术能力的民主化

分享:

相关推荐