一家专做次抛、日抛类单次用量产品的头部化妆品代工厂。全年全域线索 3,000 多条，售前只有 11 人。客户要专业、快速的回应，可每个方案都要沿着“售前 → 产品 → 研发”逐级传递。我们从前端接住线索、后端沉淀知识，把方案能力前移到售前。
次抛产品规格多、包材特殊、功效宣称要求严。代工厂的客户从个人创业者到成熟品牌都有：有人带着配方找工厂，有人只有一个想法。每条线索都需要专业判断，而售前只有 11 个人。
多数询问其实是标准问题：做哪种规格、用什么包材、能宣称什么功效、备案要准备什么。这些答案工厂早已有，只是沉淀在研发、法规和采购同事的经验里。我们的判断是：与其继续加人，不如把这些知识结构化，前移到售前和客户见面的那一刻。
| 环节 | 改造前 | 改造后 |
|---|---|---|
| 接待 | 售前逐条回复，介绍工厂与资质 | AI 名片先接待，资料自助查看 |
| 需求梳理 | 反复沟通才能问清 | AI 1–2 分钟生成结构化需求签 |
| 专业问答 | 找法规、研发同事确认 | 知识库 调用 10+ 专业数据库 |
| 出方案 | 等产品、研发逐级回复 | 售前 在平台上组合已验证模块 |
| 非标需求 | 与标准需求混在一起排队 | 研发 只处理真正的创新需求 |
改造分三层：客户看到的是一张会提问的 AI 名片；售前背后是 10 余个专业数据库；最底层是一套可组合的方案平台。
每月更新配色、包材、卖点趋势卡，客户先被内容吸引，再进入需求沟通。
按 OEM / ODM / OBM 分流，追问品类、功效、规格与时间，生成结构化需求签。
法规速递、宣称自查、字号判断、上市倒排、成分速查，在开品前把风险说清楚。
产线、研发中心、质量体系与次抛白皮书集中呈现，减少售前重复介绍。
把散落在法规、研发、采购同事经验里的知识整理成 10 余个行业数据库。前端 AI 与售前调用的是同一套经过审核的知识。
借鉴工业装备行业成熟的模块化方案规划方法（如博世力士乐的规划体系），把工厂多年积累的方案拆成三层。售前面对客户时，不再从零写方案，而是在平台上组合已验证的模块。
企业有哪些可选用的“零件”。
哪些功能由哪些模块完成，模块如何连接、适用什么条件。
哪些模块、参数和规则跨产品共享，怎样快速形成一系列客户方案。
AI 先完成接待与需求梳理，售前把时间留给意向明确的客户。
标准需求在售前环节用平台方案完成，研发聚焦非标与新品创新。
散落在个人经验里的方案，沉淀为可复用、可迭代的模块和数据库。
售前要的不是更多资料，而是在客户面前，当场就能拿出一个靠谱的方案。MINAS / FDE 项目复盘
把更多标准问题交给系统，把研发的精力留给创新。
先选一个值得改的流程，再谈全面转型。
