设计一个 基于 Python 的客户成交周期分析与优化程序，满足你的要求。
1. 实际应用场景描述
场景：
你是一家 SaaS 公司的销售负责人，团队每天与客户进行接洽、演示、谈判、签约等环节。你需要了解：
- 每个客户的成交周期（从首次接触到签约的时间）
- 不同阶段（接洽、需求确认、报价、谈判、签约）的耗时占比
- 哪些阶段耗时过长，影响整体效率
痛点：
- 手工记录成交周期耗时且易出错
- 难以快速统计平均成交时长
- 无法直观看到各阶段耗时占比
- 缺乏数据驱动的流程优化依据
解决方案：
开发一个 客户成交周期分析工具，支持录入客户各阶段时间节点，自动计算总周期、平均周期、阶段耗时占比，并生成可视化报告，帮助优化销售流程。
2. 核心逻辑讲解
1. 数据录入
- 客户名称
- 各阶段日期：接洽、需求确认、报价、谈判、签约
2. 周期计算
- 总周期 = 签约日期 - 接洽日期
- 各阶段耗时 = 下一阶段日期 - 当前阶段日期
3. 统计分析
- 平均成交周期
- 各阶段平均耗时
- 阶段耗时占比（百分比）
4. 数据存储
- SQLite 本地数据库
5. 可视化报告
- 使用
"matplotlib" 绘制饼图展示阶段占比
6. CLI 交互
- 命令行录入与查询
3. 代码模块化实现
目录结构
sales_cycle_analyzer/
├── main.py
├── database.py
├── analyzer.py
├── visualizer.py
└── README.md
"database.py" - 数据库操作
import sqlite3
from datetime import datetime
DB_NAME = "sales_cycle.db"
def init_db():
conn = sqlite3.connect(DB_NAME)
c = conn.cursor()
c.execute('''CREATE TABLE IF NOT EXISTS clients
(id INTEGER PRIMARY KEY AUTOINCREMENT,
name TEXT,
contact_date TEXT,
requirement_date TEXT,
quote_date TEXT,
negotiation_date TEXT,
sign_date TEXT)''')
conn.commit()
conn.close()
def add_client(data):
conn = sqlite3.connect(DB_NAME)
c = conn.cursor()
c.execute('''INSERT INTO clients
(name, contact_date, requirement_date, quote_date, negotiation_date, sign_date)
VALUES (?, ?, ?, ?, ?, ?)''', data)
conn.commit()
conn.close()
def get_all_clients():
conn = sqlite3.connect(DB_NAME)
c = conn.cursor()
c.execute("SELECT * FROM clients")
rows = c.fetchall()
conn.close()
return rows
"analyzer.py" - 数据分析
from datetime import datetime
def parse_date(date_str):
return datetime.strptime(date_str, "%Y-%m-%d")
def analyze_clients(clients):
total_cycles = []
stage_durations = {"接洽": [], "需求确认": [], "报价": [], "谈判": [], "签约": []}
for client in clients:
name, contact, req, quote, nego, sign = client[1:]
dates = [parse_date(d) for d in [contact, req, quote, nego, sign]]
# 总周期
total_days = (dates[4] - dates[0]).days
total_cycles.append(total_days)
# 各阶段耗时
stages = [
("接洽", dates[0], dates[1]),
("需求确认", dates[1], dates[2]),
("报价", dates[2], dates[3]),
("谈判", dates[3], dates[4])
]
for stage_name, start, end in stages:
days = (end - start).days
stage_durations[stage_name].append(days)
avg_total = sum(total_cycles) / len(total_cycles) if total_cycles else 0
avg_stages = {k: sum(v) / len(v) if v else 0 for k, v in stage_durations.items()}
return avg_total, avg_stages, stage_durations
"visualizer.py" - 可视化
import matplotlib.pyplot as plt
def plot_stage_ratio(avg_stages):
labels = avg_stages.keys()
sizes = list(avg_stages.values())
plt.figure(figsize=(8, 6))
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)
plt.title("各阶段平均耗时占比")
plt.show()
"main.py" - 主程序
from database import init_db, add_client, get_all_clients
from analyzer import analyze_clients
from visualizer import plot_stage_ratio
def input_date(prompt):
while True:
date_str = input(prompt + " (YYYY-MM-DD): ")
try:
datetime.strptime(date_str, "%Y-%m-%d")
return date_str
except ValueError:
print("日期格式错误，请重新输入")
def main():
init_db()
while True:
print("\n1. 添加客户记录\n2. 分析所有客户\n3. 退出")
choice = input("选择操作: ")
if choice == "1":
name = input("客户名称: ")
contact = input_date("接洽日期")
req = input_date("需求确认日期")
quote = input_date("报价日期")
nego = input_date("谈判日期")
sign = input_date("签约日期")
add_client((name, contact, req, quote, nego, sign))
print("客户记录已添加")
elif choice == "2":
clients = get_all_clients()
if not clients:
print("暂无数据")
continue
avg_total, avg_stages, _ = analyze_clients(clients)
print(f"\n平均成交周期: {avg_total:.1f} 天")
print("各阶段平均耗时:")
for stage, days in avg_stages.items():
print(f" {stage}: {days:.1f} 天")
plot_stage_ratio(avg_stages)
elif choice == "3":
break
else:
print("无效选择")
if __name__ == "__main__":
main()
4. README.md
# 客户成交周期分析器 Sales Cycle Analyzer
一个基于 Python 的销售流程分析工具，支持录入客户各阶段时间节点，自动计算成交周期与阶段耗时占比，并生成可视化报告。
## 功能
- 录入客户成交各阶段日期
- 自动计算总周期与阶段耗时
- 统计平均周期与阶段占比
- 饼图可视化
## 安装依赖
bash
pip install matplotlib
## 使用
bash
python main.py
## 数据表结构
- name: 客户名称
- contact_date: 接洽日期
- requirement_date: 需求确认日期
- quote_date: 报价日期
- negotiation_date: 谈判日期
- sign_date: 签约日期
5. 使用说明
1. 安装依赖：
"matplotlib"
2. 运行
"main.py"
3. 选择
"1" 添加客户各阶段日期
4. 选择
"2" 查看平均周期、阶段耗时及饼图
5. 根据分析结果优化销售流程
6. 核心知识点卡片
知识点 说明
SQLite 轻量级数据库，适合本地存储结构化数据
datetime Python 标准库，处理日期与时间计算
matplotlib 数据可视化库，绘制饼图等图表
模块化设计 分离数据库、分析、可视化逻辑，便于维护
数据驱动决策 用统计数据发现流程瓶颈
7. 总结
本项目通过 数据录入 → 周期计算 → 统计分析 → 可视化 的流程，实现了销售成交周期的自动化分析，帮助团队：
- 明确平均成交时长
- 发现耗时长的阶段
- 制定针对性优化措施
后续可扩展：
- 增加 Web 界面（Flask/Django）
- 支持导入 Excel 数据
- 添加阶段备注与原因分析
- 多用户权限管理
如果你需要，还可以为增加一个 Web 版本，让销售团队可以在浏览器中直接录入和分析数据，并且可以导出 PDF 报告。
利用AI高效解决实际问题，如果你觉得这个工具好用，欢迎关注我！
