GTM工程Agent策略

GTM Engineer 角色定位

• 不是纯工程师，而是懂销售流程的人（Vercel 的前三名 GTM Engineer 全部由 Sales Engineer 转型而来，均有 CS 背景）
• 核心能力：理解销售最佳实践 + 能写代码构建 agent

构建 Agent 的标准步骤

1. Shadow 最优绩效者：观察 top performer 的完整工作流——打开哪些 tab、查哪些数据库、用 ChatGPT 做什么、按什么逻辑决策
2. 将人类工作流编码为 agent：区分确定性步骤和需要 AI 判断的步骤，用 workflow SDK 编排
3. Human-in-the-loop：agent 做出判断和草稿，人类 review 后才执行（如发送）
4. 追踪标准 KPI 对比：用 lead-to-opportunity conversion rate、touch 次数、转化时间等指标，将 agent 表现与人类基线对比
5. 当 agent 表现持平或更优时，释放人力：Vercel 将 10 个 inbound SDR 缩减为 1 个 QA agent 的人，其余 9 个转岗 outbound
6. 持续用 reject/edit 反馈训练 agent：被人类拒绝或修改的输出作为学习信号

已验证的应用场景

• Inbound Lead Agent：判断线索是否合格 + 生成个性化回复，6 周上线，转化率持平但 touch 次数减少（响应更快）
• Lost-bot：扫描所有 Slack、邮件、Gong 通话记录，分析输单真实原因（如表面输在价格，实际是没接触到经济决策人）
• Deal-bot：实时监控进行中的交易，在 Slack 频道推送预警（如"你还没接触经济决策人""上次会议效果不佳，建议这样跟进"）
• Objection Handling 诊断：agent 扫描通话记录，识别销售团队在哪类 objection handling 上表现差，每周 sprint 修复（像修 bug 一样修 GTM 流程）

何时开始

• 需要先有可文档化的销售流程（playbook、discovery questions、objection handling guide）
• 约 10 人销售团队规模时可以考虑引入 GTM Engineer
• 如果还没有可复制的流程，agent 无从编码