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。

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。

1）数据审查与初步分析：异常值识别、亮点发现、问题产品识别

2）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<Input>): Promise<Output> { 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, };}

代码实现完成后需要切换到「元数据」

apikey如何获取？登陆后台找到密钥管理页面，没有的话可以点击右上角添加新的API Key

后台地址：
https://zhipuaishengchan.datasink.sensorsdata.cn/t/F2

新增完成直接可以直接复制即可。

确认没有问题之后就可以点击右上角「发布」。

发布成功后我们回到工作流点击左上角添加「插件」然后选择「我的工具」就可以使用自定义插件了。

输入上个节点组装好的提示词以及key即可调用。

在这里肯定会有人疑惑，为什么不用DeepSeek-R1 推理模型？它不是最好用的推理模型吗？我们可以对比下同样的提示词效果如何？

速度数据对比：

同样的提示词 DeepSeek-R1 用了58秒，GLM-Z1-AirX仅用了12秒。

效果数据对比：直接看结果

DeepSeek-R1：

GLM-Z1-AirX：

然后让DeepSeek-V3作为裁判来进行判断：我分别把DeepSeek – R1的输出内容为【A报告】，GLM-Z1-AirX输出的内容为【B报告】给到了DeepSeek-V3进行判断。

最后得出的结论B报告（GLM-Z1-AirX）胜出。

通过以上速度和效果的对比，所以我们最终选择了GLM-Z1-AirX模型，然后将结果输出在结束节点，整个分析销售数据的工作流就完了！

智谱开源的Z1系列推理模型，上线BigModel开放平台（bigmodel.cn）的有三个版本，分别满足不同场景需求：

• GLM-Z1-AirX（极速版）：定位国内最快推理模型，推理速度可达 200 tokens/秒，比常规快 8 倍；
• GLM-Z1-Air（高性价比版）：价格仅为 DeepSeek-R1 的 1/30，适合高频调用场景；
• GLM-Z1-Flash（免费版）：支持免费使用，旨在进一步降低模型使用门槛。

对应价格表：

总结

别只盯着那些内置的大模型，有时候需要自己动手自定义插件去寻找解决方案。这样做的好处是，我们的解决方案不会受限，而且还能更灵活。另外，还得提一句，不同的业务要多试试不同的大模型很关键。

每个模型都有它擅长的地方，只有我们深入了解了它们各自的能力，才能更好地驾驭这些大模型，让它们变成我们手中的利器。这样一来，面对难题时，我们就能游刃有余地找到最佳解决方案。

本文由人人都是产品经理作者【陈宇明】，微信公众号：【码个蛋】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash，基于 CC0 协议。