谷歌 BigQuery 内的 AI 辅助查询与数据洞察——这是 BigQuery 中的 Gemini 最主要的用途，也是本文讨论的前提。

这篇写给销售：围绕客户背景调研、跟进邮件与话术和会议纪要与商机记录这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

销售的三个高频用法

1. 客户背景调研

可直接复制到 BigQuery 里修改：

根据这家客户公开的官网和新闻信息，整理一份拜访前简报：主营业务、近期动态、可能的需求和我方切入点。所有信息附来源，推测的内容标注「推测」。

把关：推测与事实分开标注。

2. 跟进邮件与话术

提示词示例：

写一封会后跟进邮件：感谢对方时间，总结会上确认的 3 点，列出下一步和时间，附上对方关心问题的答复。不做合同以外的承诺。

把关：没有超出授权的承诺。

3. 会议纪要与商机记录

提示词示例：

根据这段客户沟通记录，更新商机信息：客户痛点、决策人、预算情况、竞争对手、下一步动作。记录中没提到的字段留空。

把关：缺失字段留空没有臆造。

也可以试试：数据清洗方案

这是「数据与分析」类工具的通用任务，销售同样用得上。

分析这份数据的质量问题：缺失值比例、异常值、格式不一致的字段，给出处理建议，并说明每种处理方式对结论的影响。

边界与合规

客户数据按公司规定处理，报价和承诺以合同为准。

  • 产出由销售本人负责，AI 只是草稿和辅助。
  • 对外内容发布前至少看一遍。
  • 如单位有规定的工具清单，优先在清单内选择；BigQuery 中的 Gemini 的同类还有 Snowflake Cortex、Databricks。

一周试用建议

选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 BigQuery 纳入日常流程。

延伸练习

写 SQL 查询

输入：数据库表结构说明。

根据以下表结构写 SQL：统计每个月新增用户数和其中完成首单的比例。请说明关联条件和可能存在的口径问题。

验收标准：说明了口径问题。

自然语言问数

适用情况：手头有一张销售明细表时。

请基于这张表回答：上个季度销售额最高的 3 个地区是哪些？与前一季度相比变化多少？请同时给出你使用的计算方法或 SQL，便于我复核。

检查点：给出了可复核的计算过程。

图表建议

输入：一组需要汇报的数据。

根据这些数据推荐合适的图表类型，说明理由，并指出容易误导读者的画法（如截断坐标轴）。

检查点：指出了误导风险。

常见问题：生成的 SQL 运行报错

提供准确的表结构和字段说明，先在测试库运行。

常见问题：AI 算出的数字和报表不一致

检查口径和过滤条件，要求它输出 SQL 或公式逐步复核。

常见问题：问数结果看似合理但错误

准备几道已知答案的问题做抽检。

概念补充：语义层

把业务指标定义统一管理，让 AI 查询时口径一致。

注意事项

涉及个人信息、商业机密或受监管数据时，先确认 BigQuery 中的 Gemini 的数据处理条款，再决定能否使用。

文中提示词和示例仅作示意，实际效果取决于你的材料和 BigQuery 当前版本，重要内容请人工核对后再使用。

延伸阅读