如何用 Fable 5 + Fireflies MCP 分析 B2B 销售电话

如何用 fable 5 + Fireflies MCP 分析 B2B 销售通话 2026 年 7 月 19 日 · 4 分钟阅读 · 查看原文 ↗ B2B Claude MCP 你在跑 B2B 销售通话，你知道成交率本应该更高。你听了一段录音，判断那位成交手「在异议那里把客户丢了」，于是去训练异议处理。成交率纹丝不动。 它不动，是因为一通电话不是一个模式。通过 MCP 把你的 Fireflies 账户连到 Claude fable 5 上，它能在 15 分钟之内从 10-15 通电话里提取出模式数据 —— 而这份工作，人类顾问要干整整一周。 设置：把 Fireflies 连接到 Fable 5 设置，然后进 Connectors，找到 Fireflies，完成 OAuth。现在 Fable 5 直接从源头读取你的通话记录。 这对 B2B 尤其重要，因为 B2B 通话更长（45-60 分钟，而 B2C 是 30-40 分钟）。Fable 5 的 100 万 token 上下文窗口，能在不丢失上下文的情况下，一次会话装下 50 多份完整记录。 提示词 1：结构地图 「把我过去 90 天所有销售通话记录都拉出来。把赢单和输单分开。产出：双方各阶段的平均时长、前 20 分钟里客户的平均发言时长、输单中客户参与度开始下降的时间点、是否有任何输单提到过合作伙伴或董事会成员以及这一点有没有被处理、以及每笔输单按类型划分的主要异议。」 这是 B2B 特有的，因为多方利益相关者动态是 B2B 交易停滞最常见的原因，而 B2C 分析完全捕捉不到这一点。 提示词 2：需求挖掘深度评分 「按 7 个标准给每通电话的需求挖掘打分：渐进式深入、要求展开细节、成本量化、时长、未来成本、个人利害关系、镜像复述。分别输出赢单与输单的分数，并标出任何在输单中出现在不足 30% 情况下的标准。」 输单的需求挖掘得分通常只有 7 分里的 2-3 分，而赢单是 5-6 分，这是典型发现。成本量化几乎总是影响最大的缺口。 提示词 3：多方利益相关者映射检查 「检查成交手是否在前 25 分钟里问过其他决策者的情况。分类：问过且确认是唯一决策者；问过且为各利益相关者制定了计划；问过但没有制定计划；从没问过。对最后一类，检查在结尾是否出现了权威性异议。」 D 类（从没问过）在 70-80% 的情况下与权威性异议相关。解决办法是在第 14 分钟就问，而不是在结尾才问。 提示词 4：异议源头映射 「对每一笔输单，识别主要异议，并倒推回去找出之前说过的、本可以预防它的那句话。按确定性缺口分类：ROI 清晰度、紧迫感、权威性、证据相关性，或机制理解。」 提示词 5：B2B 成交周期分析 「对每一笔成交，识别成交前发生了多少次对话、在停滞与成交之间发生了什么变化、以及是哪份跟进内容重新激活了他们。输出平均成交所需对话次数，以及是否存在结构化的跟进协议。」 提示词 6：干预方案生成器 「基于所有模式数据，生成一份不超过 5 项的按优先级排序的干预清单。指出具体的改变、它闭合的是哪个确定性缺口、以及如何在接下来 10 通电话里衡量它。」 用于月度诊断的 Claude Skill Skill：B2B 销售通话诊断引擎 用途：用 90 天的通话数据完成整个诊断循环。结构对比、需求挖掘评分、多方利益相关者映射、异议源头分析、成交周期分析，以及按优先级排序的干预方案。每月运行一次。 护栏：模式置信度要求最少 8 通电话。每个循环最多 5 项干预。每项干预都必须引用模式数据。 这对 B2B 运营产生了什么 一个跑 B2B DFY（done-for-you）业务的客户。一位成交手，每月 20 通电话，14% 成交率。我们连上 Fireflies，拉出了 58 份记录。 需求挖掘在输单里平均 8 分钟，赢单里 21 分钟。D 类出现在 40 笔输单中的 34 笔里，而这 34 笔中有 19 笔出现了权威性异议。 两个修复：第 14 分钟的利益相关者提问，以及成本量化提问。成交率在第一个月就从 14% 涨到了 27%。权威性异议从非成交案例的 47% 降到了 12%。 如果你想让我们审计你的教练业务或代理机构，并向你展示我们如何落地这套精确的诊断系统、在 90 天内把你的成交率提到 30% 以上（做不到的话我们免费干到你做到为止），私信我「SCRIPT」，我们就把这事办成。 （客户通过我们这套全托管的定制销售基础设施，前 45 天平均实现 11 万美元收入和 8 万美元现金回款） satyam 标签：# X # B2B # Claude # MCP # 指南 # Fable 相关文章 Grok 刚刚变得危险了：18 个仓库证明这一点。大多数人还以为 Grok 只是个挂在 X 上的聊天机器人。 AI Claude MCP