我们为200多人的销售团队自动化了客户演示文稿的制作——这里是我们搭建的具体技术栈

过去两个月，我们帮助一家B2B企业自动化了客户演示文稿的工作流程。销售代表们每份演示文稿要花3-4小时，从CRM、Notion和通话记录中提取信息，再在Powerpoint中排版。200多名销售代表每周制作5-8份演示文稿，这个计算量非常惊人。大多数关于AI销售演示文稿的文章都止步于‘使用ChatGPT或Gamma’，这远非企业团队实际所需。我们的目标从来不是‘让AI制作演示文稿’，而是让AI为这个客户构建正确的演示文稿，同时销售代表无需手动操作。技术栈：数据源 - CRM（他们目前使用Salesforce，这是他们现有的技术栈，没有大的改动）* 账户数据、交易阶段、行业、利益相关者、从发现中获取的痛点 * 销售代表已经维护这些信息，无需额外工作 * 添加了一个‘演示文稿触发’字段 - 销售代表在需要演示文稿时标记它 Claude * 通过API从CRM拉取账户数据 * 将其映射到我们构建的固定内容结构（问题框架、解决方案匹配、ROI计算、案例研究选择、定价框架）* 这是大多数人忽略的部分——没有固定结构，Claude输出的内容在不同销售代表之间不一致 * 还根据行业进行语气匹配（金融服务、SaaS、医疗保健有不同的配置文件） Alai * 通过API连接 * 预加载了我们的完整设计系统（品牌颜色、字体、布局、批准的图标、语气，甚至需要从中提取的特定品牌批准的模板）* 使用记忆功能从批准的演示文稿中提取内容——‘关于我们’、‘领导层’、‘客户标志’、‘案例研究’来自经过审查的素材池，而不是每次都被糟糕地重新生成 销售代表现在实际做的是：在CRM中标记演示文稿触发，大约8-10分钟获得完全品牌化的演示文稿，根据需要调整1-2张幻灯片，然后发送。我们从3-4小时减少到大约15分钟的人工时间。实话实说：* CRM的数据卫生必须完美，备注需要填写，行业等数据点需要精确更新以保证内容准确性——我们花了一周时间让客户经理充分理解这一点的重要性 * 最初在设计层尝试了Gamma和Beautiful AI。品牌一致性非常基础——输出未得到品牌团队批准，而且没有记忆功能导致重复的幻灯片不断以不同方式重新生成。（不过我们计划在客户支持团队的入职文档中使用Gamma。）* 在Claude中设置内容结构在我看来是不可妥协的。没有它，任何两个销售代表都得不到相似的质量。我们现在正在尽可能多地预填充CRM字段，并自动将会议记录同步到CRM备注，以便客户经理只需审查更新，而无需花太多时间维护CRM数据卫生。非常希望听到任何关于如何进一步优化的建议，也很乐意回答任何关于技术栈选择、我们测试过什么等问题。