夜雨聆风
B端软件的售前演示，一直被行业诟病有太多的玄学。
有人说甲方的采购人员已经内定了供应商，你再怎么讲都是陪跑。有人说某竞品和甲方高层关系很铁，方案再好也抵不过一顿饭。还有人说产品、方案不重要，重要的是搞定客户的决策层。
这些话我们都听得太多了。有时候甚至觉得，售前演示这件事，在很多人眼里已经变成了一场"关系学"的比拼，而不是专业能力的展示。
但去年的一次经历，让豆芽君重新想了想这个问题。
那是一个贸易公司的数字化项目，甲方同时找了3家供应商做售前演示。有家乙方公司不是规模最大、也不是关系最硬的，但最后签合同的却是这家公司。
复盘下来，他们没有请甲方吃过一顿饭，也没有搞定任何决策层。他们做对的事情只有一件：用AI把需求调研、需求分析、方案演示这三个环节，从"凭经验"变成了"可复盘"。
今天这篇文章，豆芽君不讲玄学，就实实在在从需求、分析、方案演示这些客观的工作，来讲讲如何提高售前演示的成功率。
一、需求调研：从"记了一堆不知道有没有用"到"一份文档说清楚"
做售前的都知道，需求调研是这个环节里最头疼的。
甲方往往说话云里雾里，一会儿聊业务目标，一会儿聊技术约束，一会儿又扯到隔壁部门的利益纠纷。你记了一堆笔记，回来翻了一遍，发现脑子里全是浆糊——他到底要什么？他关心什么？他不关心什么？
很早以前，有一次我花了半天时间整理了一场与甲方客户的会议纪要，发给甲方确认。对方回复了一句话：“这个……我们好像理解得不太一样。”
那一刻我知道，我记错方向了。
问题的本质：调研的时候你在"听"，但你没有"听懂"。你没有在现场把需求结构化，所以回来之后只能凭印象重建信息。而这个重建的过程，充满了误解和遗漏。
现在豆芽君的AI工作方式：元宝派里30分钟搞定
在元宝派里跟AI协作，整个过程是这样的：
第一步，我（在元宝派里）：把会议录音生成的文字稿，@元宝。
提示词：
识别出4类内容：业务目标（最重要的3条）、技术约束、部门利益、项目范围 生成需求结构化表格，每条标注"高/中/低优先级" 附上"未确认项"清单（事项、提出人）
第二步，@元宝：
生成一封需求确认邮件草稿，语气专业但不生硬 附上"我们理解的需求是这样的，请您确认"的结构化摘要
第三步，我：
把确认邮件发给甲方 甲方很快回复
效果对比：
| 总耗时 | 半天 | 30分钟 |
关键不是AI帮忙写了多少字，而是AI帮我们把信息结构化了。结构化之后，我们才发现自己漏掉了什么，也才有机会及时补上。
二、需求分析：从"我猜他想要什么"到"用数据推演他的真实需求"
需求调研只是第一步。更难的是分析：甲方嘴上说的，是他们真正想要的吗？
有一次豆芽君做一个WMS仓储系统的售前调研，甲方反复强调：“我们库存不准，希望通过系统解决。”
我就按这个方向做了一整套库存管理方案。结果演示的时候，甲方说：“这个方向是对的，但你们好像没搞清楚我们的核心问题——我们不是库存不准，是采购计划不科学，导致库存积压。”
方向全错了。又得重来。
问题的本质：甲方给你的是一个"症状"，不是"病因"。你拿到的需求描述，是他们自己理解的解法，而不是他们真正的问题。如果你按他说的做，做出来的往往不是他想要的。
需求的三个层次：
他说的：他口中的问题（症状） 他想的：他理解的解法方向（自诊断） 他要的：他真正需要达成的业务目标（病因）
好的售前，要在"他说的"和"他要的"之间找到差距，然后从"他想的"里挑出哪些是对的、哪些是方向跑偏的。
现在豆芽君的AI工作方式：在元宝派里做需求穿透
第一步，元宝派里@workbuddy（基于调研文档）：
列出所有需求点，标注"表层需求"（甲方原话）和"潜在需求"（从业务目标反推） 生成"需求穿透图"：底层业务目标 → 中层解法思路 → 表层功能描述
第二步，我：
根据穿透图，对照甲方的原始描述，找出2个"方向跑偏"的需求点 决定：哪些接受、哪些调整、哪些需要重新谈
第三步，元宝派里@workbuddy
生成调整后的需求分析报告，含"原方案 vs 修正方案"对比 生成一封沟通邮件：“基于我们对业务的进一步理解，建议对XX需求做以下调整”
关键产出：一份甲方自己不会写的"需求诊断报告"，包含业务目标拆解、优先级排序、风险提示。这份报告本身就能体现你的专业度，让甲方觉得"这个人是真的懂我们"。
三、方案演示：从"同一套PPT讲给所有人听"到"每个人听到不一样的故事"
方案演示是这个环节里最考验功力的。
坐在你对面的，可能是技术负责人、业务负责人、老板三种完全不同的人。你讲同一套PPT，技术负责人听完觉得"方案太浅"；老板听完觉得"听不懂技术细节"；业务负责人听完觉得"这跟我有什么关系"。
结果：没有人觉得你讲得好，只是没人当面说。
这就是售前演示最常见的死法：你以为你在"讲清楚"，其实你在"没人听懂"。
问题的本质不是你的PPT做得不好，而是你忽略了听众的差异。不同角色关心的事情完全不一样：
技术负责人关心：系统稳不稳、能不能对接现有系统、后期运维复不复杂 业务负责人关心：能解决我什么问题、用了之后我的KPI能提升多少 老板关心：比竞品强在哪、价格合不合适、风险大不大
你讲的是同一件事，但每个人听到的东西应该不一样。
豆芽君现在的AI工作方法：让AI分角色做不同的演示PPT
第一步，元宝派里@workbuddy（基于需求调研文档）：
分析演示现场的听众构成（根据调研信息推断角色） 输出"听众画像"：每个角色的关注点、敏感词、常见反对问题
技术负责人：- 关注：系统架构、技术栈、接口开放性、运维成本- 敏感词：私有化部署、SLA保障、二次开发- 常见问题：这个方案能对接我们的ERP吗？业务负责人：- 关注：操作便捷性、报表能力、权限管理- 敏感词：一键生成报表、移动端支持- 常见问题：员工学起来要多久？老板：- 关注：投入产出比、竞品对比、实施周期- 敏感词：ROI、竞品名字、项目失败率- 常见问题：比XX供应商方案好在哪儿？第二步，元宝派里@workbuddy
基于听众画像，生成每页PPT的"三版本讲解脚本" A版：技术语言（技术负责人版） B版：业务语言（业务负责人版） C版：决策语言（老板版）
第三步，元宝派里@workbuddy
生成"现场应变脚本"：针对4种常见刁难问题的回答思路 “你们价格比XX高啊” → ROI对比思路 “我们现在的系统用的好好的为什么要换” → 沉默成本 vs 机会成本 “你们方案太技术了，听不懂” → 降维解释思路 “你们做过我们行业的案例吗” → 案例选择思路
效果对比：
| 总耗时 | 1天 | 2小时 |
写在最后
写了这么多，其实核心观点就一个：售前演示的成功率，不取决于玄学，而取决于你在需求、分析、演示这三个环节里做了多少扎实的工作。
AI帮不了你搞定决策层，也帮不了你请客吃饭。但AI能帮你：
把需求从"记了一堆"变成"一份文档说清楚" 把分析从"我猜他想要什么"变成"用数据推演他的真实需求" 把演示从"同一套PPT讲给所有人听"变成"每个人听到不一样的故事"
这三件事做好了，售前演示的成功率翻倍，是可以做到的。
这不是玄学，这是可复盘的工作。
文末互动：你做过最成功的售前演示是哪一次？当时做对了什么？评论区聊聊。
本文是「AI协作实战集」系列第17篇，后续会持续更新具体场景的实操方法。
关注公众号「豆芽悟」，点击右上角将我们公众号设为星标，第一时间收到更新。
