AI销售数据分析神器 + 超强推理模型（销售人，别错过！）

摘要：这款AI销售数据分析工具通过自动化分析和推理模型，快速生成详细报告，帮助销售团队精准定位问题、发现亮点，优化策略。无论是产品分析、地区对比还是成本结构，它都能提供全面洞察和可执行建议。

这款AI销售数据分析工具通过自动化分析和推理模型，快速生成详细报告，帮助销售团队精准定位问题、发现亮点，优化策略。无论是产品分析、地区对比还是成本结构，它都能提供全面洞察和可执行建议。

前言

干销售，最头疼啥？数据一堆，看不懂！客户一堆，抓不准！业绩压力大，不知道怎么提升？用这个AI销售数据分析神器，再配上超强的推理模型，销售数据分析变得贼简单！不用再手动整理表格，管理者能轻松掌握团队动态，指定销售策略。销售人，别错过！用AI武装自己，业绩翻倍不是梦！

效果

销售数据表格内容：

当用户上传了一个数据表之后，首先会调用 GLM-Z1-AirX 推理模型进行推理，先会得到它的思考过程，我们可以看到下面的思考过程非常全面和细致。

数据审查与初步分析 :异常值识别、亮点发现、问题产品识别深入分析与报告结构：总体分析、计算关键指标、趋势分析产品分析、盈利产品分析、亏损产品分析、其他产品分析地区分析、地区销售对比、地区产品分析

最后输出的销售分析报告非常详细：数据概览、核心数据分析（产品变现、地区分析、成本结构）、关键发现、改进建议、执行计划、风险提示，可以说考虑的非常周全且可以直接落地。

教程

整体框架上，主要是使用了插件和工作流的组合模式，完成整个流程。

当用户上传表格的时候，调用插件「文件读取」把文件读取后的内容传递隔离了工作流「SellDataAnalysis」。

整个流程相对简单一共4个节点

开始节点x1（接受输入参数）文本处理x1（提示词整理）自定义插件x1（GLM-Z1-AirX插件）结束节点（输出推理内容）

当表格数据进入之后先调用「GLM-Z1-AirX」推理模型插件进行数据分析总结，在整个过程通过「消息节点」进行实时输出

文本处理：（整理提示词）

你是一个销售总监，帮我根据以下数据写一个销售数据报告，先分析销售数据给出概括以及总结和建议。
数据：{{String1}}

然后将提示词给到 GLM-Z1-AirX 插件，如何编写GLM-Z1-AirX 插件？首先回到扣子空间主页，选择「资源库」然后点击右上角「+资源」选择「插件」。

输入插件名称、描述、选择「在 Coze IDE 中创建」。

然后创建工具，输入名称 GLM_Z1_AirX ，介绍：推理模型

创建完成后，我们看下如何调用GLM大模型，前往智谱BigModel开放平台的GLM接口文档用HTTP请求的方式

文档地址：https://bigmodel.cn/dev/api/http-call/http-auth

只需要参数三个参数即可，第一个是apikey，第二个是模型编码，第三个是提示词

然后我们再回到插件编辑器中，实现HTTP请求代码，需要传入两个动态参数apikey和提示词，model使用的是GLM-Z1-AirX。

import { Args } from ‘@/runtime’;
import { Input, Output } from “@/typings/GLM_4_PLUS/GLM_4_PLUS”;
/**
* Each file needs to export a function named `handler`. This function is the entrance to the Tool.
* @param {Object} args.input – input parameters, you can get test input value by input.xxx.
* @param {Object} args.logger – logger instance used to print logs, injected by runtime
* @returns {*} The return data of the function, which should match the declared output parameters.
*
* Remember to fill in input/output in Metadata, it helps LLM to recognize and use tool.
*/
export async function handler({ input, logger }: Args): Promise { const API_URL = ‘https://open.bigmodel.cn/api/paas/v4/chat/completions’;
const API_KEY = input.key;
const COMMAND = input.command;
const headers = { ‘Authorization’: `Bearer ${API_KEY}`,
‘Content-Type’: ‘application/json’, };
const data = { ‘model’: ‘GLM-Z1-AirX’,
‘messages’: [ { ‘role’: ‘user’, ‘content’: COMMAND, }, ], };
const response = await fetch(API_URL, { headers, method: ‘POST’, body: JSON.stringify(data), });
const result = await response.json; return { data: result.choices[0].message.content, };}