5D Library › 对话式成交自动机、异议消解信息增益与高客单销售动力学 · English
第七章 《鬼谷子》反应与内揵、《战国策》苏秦说秦
为什么在这里读这些原典
高客单销售的培训常引《鬼谷子》的「以静制动」与「因其言以听其情」,也常拿苏秦的游说作为成交的范例。本章核对原文,看哪些说法有出处、可以对应到哪一种计算。核对后要改正的是:「以静制动」是后人的概括,原文是「人言者,动也;己默者,静也」;紧接着的是「因其言,听其辞」,不是「听其情」。
反应:让对方说
对方说话是动,自己沉默是静;顺着对方的话,听他的措辞;话有不合之处,就反过来追问,回应必然出现。用第一章的语言说,这是让买家自己给出高信息量的回答。封闭问题只允许「是」或「否」,开放问题(「是什么让您现在想找人帮忙?」)让买家在多种答案中选择。
推导
# Chapter 7. p13: "Follow his words, listen to his phrasing." An open
# question ("What made you look for help now?") lets the buyer choose
# among many answers; a closed question allows only yes or no. Using the
# hidden states of p01, the open question's four kinds of answer are:
# a deadline or a loss, a growth plan, curiosity, a friend's tip. Bits
# compared with the best closed question, and the ceiling on what
# knowing the buyer can be worth (full information against pitching at
# once, p02).
import importlib.util
from math import log2
def load(name):
spec = importlib.util.spec_from_file_location(name, name + ".py")
m = importlib.util.module_from_spec(spec)
spec.loader.exec_module(m)
return m
p01 = load("p01_belief")
p02 = load("p02_pomdp")
def answers(b, u):
"""P(deadline/loss, growth plan, curiosity, friend's tip | state)."""
if u:
w = (0.60, (0.05, 0.25, 0.45)[b], 0.05, 0.10)
else:
w = (0.03, (0.05, 0.35, 0.60)[b], 0.45, 0.15)
z = sum(w)
return [x / z for x in w]
def open_info(prior):
h = p01.entropy(prior)
out = 0.0
for k in range(4):
post = {s: prior[s] * answers(*s)[k] for s in prior}
z = sum(post.values())
out += z * (h - p01.entropy({s: v / z for s, v in post.items()}))
return out
if __name__ == "__main__":
prior = dict(p01.PRIOR)
closed = max(p01.info(prior, q) for q in p01.Q.values())
print(" best closed question: {:.3f} bits".format(closed))
print(" one open question: {:.3f} bits".format(open_info(prior)))
now = p02.value(prior)[1]
full = sum(prior[s] * max(v[0] for v in p02.plans(s).values())
for s in p01.STATES)
print(" pitch at once RM {:,.0f}; knowing the buyer RM {:,.0f}"
" ({:+.0%})".format(now, full, full / now - 1))
# best closed question: 0.343 bits
# one open question: 0.509 bits
# pitch at once RM 2,522; knowing the buyer RM 3,466 (+37%)在示意模型中,最好的封闭问题提供 0.343 比特,一个开放问题提供 0.509 比特:截止日期或损失、成长计划、好奇、朋友推荐,这四类回答分别指向不同的紧迫度与预算。「言有不合者,反而求之」对应第三章的澄清问题:回答与其他线索不一致时,再问一题。
内揵:追之不用,去之反求
「就之不用,去之反求」:越是贴上去越不被用,离开反而被追。这常被引作「欲擒故纵」的话术依据。第四章的计算支持其中的一半:一再催促确实适得其反。另一半则要小心:用假装离开、假装名额已满来诱使买家追,是虚假陈述,与一再催促同样会在退款与差评中付出代价。可以取的是真实的那部分:给买家留出考虑的空间。
苏秦:书十上而说不行
苏秦上书十次而游说不成,资财耗尽而归;之后发愤研读,用一年时间练成「揣摩」,才去游说诸侯。苏秦的生平与年代在史学上有争议,本章只取故事的结构:在不了解对方之前反复陈说,是第一章的「过早报价」;「揣摩」是先弄清对方的处境。在示意模型中,完全了解买家的价值上限是 RM 3,466,比直接报价的 RM 2,522 高 37%:这就是「揣摩」最多值多少。
假说 · 尚未验证
作者的诠释(尚未验证): 在私域对话中,以一个开放问题开场的对话,比以封闭问题开场的对话,在三轮之内对买家预算档位的判断更准确(以事后成交档位为准)。什么会证明它错: 在随机分配开场问题的实验中,两种开场的判断准确率没有差别。
小结
《鬼谷子·反应》的原文是「因其言,听其辞」,对应让买家自己给出高信息量的回答(开放问题 0.509 比特)。《内揵》的「就之不用」支持不催促,但不能为假装离开背书。苏秦「书十上而说不行」对应过早报价,「揣摩」的价值上限在示意模型中是 37%。
参考文献
Fan, Y. (2026). Conversational Closing Automata, Objection-Handling Information Gain and High-Ticket Sales Kinetics: Diagnostic Question Trees, Trust-Threshold Stopping Rules and AI Closer Escalation Protocols [对话式成交自动机、异议消解信息增益与高客单销售动力学] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.24090221 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).