notion ai销售复盘三类拆解需用结构化指令：开头定义“### 问题”“### 机会”“### 下一步”三级标题模板；指定b2b销售教练角色并用排除法约束分类逻辑；原始记录带字段标签但要求ai依内容实质归类。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想让Notion AI自动把销售复盘内容拆解成“问题”“机会”“下一步”三类，而不是混在一起输出或漏掉某一部分，关键在于用结构化指令框定AI的思考路径和输出格式。
明确划分三栏输出结构
在提示词开头直接定义输出模板，强制AI按固定区块组织结果：
“请严格按以下三个部分输出，每部分用二级标题标记，且仅包含该类内容，不解释、不重复、不跨区：
### 问题
（列出具体、可验证的销售执行偏差，如‘Q3华东区客户跟进超时率37%’）
### 机会
（基于数据或行为推导出的未被利用的潜力点，如‘现有客户中62%未采购增值服务’）
### 下一步
（具体到人、事、时间的动作项，如‘销售主管张磊在10月15日前完成华东区SOP重训’）”
这一步必须写死标题符号和冒号后的括号说明，否则AI会自行发挥缩略或合并。
用角色+任务双锁定提升分类精度
方法一：指定角色再给任务
“你是一位有8年B2B销售管理经验的复盘教练。现在，请对以下销售记录做归因分析，并只做一件事：把每个事实映射到唯一一类——是已发生的负面偏差（问题）、潜在可撬动的正向缺口（机会）、或待启动的具体动作（下一步）。不允许模糊表述，例如‘需加强培训’不算下一步，必须写清谁、何时、做什么。”
方法二：用排除法反向约束
“如果一句话里含‘应该’‘需要’‘建议’但没写明执行人和截止日，它不属于‘下一步’；如果描述的是已完成动作的结果（如‘签约率下降12%’），它属于‘问题’而非‘机会’；所有‘机会’必须有数据支撑或客户原话佐证，不可凭空推测。”
【没有数据来源或客户原话支撑的‘机会’会被AI默认归为‘问题’】
喂给AI的原始销售记录要带字段标签
第一步：整理原始信息时，在每条记录前加简短标签，例如：
[成交客户]王总｜医疗器械｜9月22日签约｜合同额48万
[流失线索]李经理｜SaaS｜跟进3次未回复｜最后触达8月17日
[新增线索]陈总监｜教育行业｜官网表单提交｜附需求文档
第二步：把这些带标签的记录直接粘贴进提示词，紧接在指令之后。
第三步：在指令末尾加一句：“请忽略标签文字本身，仅依据内容实质归类。”
标签不是让AI读标签分类，而是帮它快速锚定上下文——比如“流失线索”背后大概率对应“问题”，“新增线索”常引出“机会”，但AI必须根据实际内容判断，不能偷懒套标签。
