雍先生博客小栈

引言：当硬科技遇上软实力

在中国硬科技领域，销售工程师们正面临一个前所未有的悖论。一方面，他们的产品变得越来越“硬”：机器人臂展的精度达到微米级，储能系统的能量密度每季度都在刷新纪录，新材料的性能曲线超越了所有传统标准等等。另一方面，他们在面对客户时遇到的真正挑战，却越来越“软”。

Mentor Group 6月下旬提出EQ（Emotional Quotient）、IQ（Intelligence Quotient）、XQ（Execution Quotient）理论框架之后，在西方B2B销售界持续引发热议。从3个Q的理论框架我们看到了一个清晰的演变轨迹：AI正在接管IQ（分析洞察）和XQ（执行节奏），将EQ（情感连接）推向了销售能力的核心位置。 而当这个框架落地到中国硬科技企业的销售场景中时，我们发现它与中国销售圈那句经典的行话——“搞定人”——不谋而合。这不是巧合。这是AI时代销售本质的回归。

第一部分：Mentor Group的三个Q理论——核心要点回顾

Mentor Group的核心理念是：销售绩效的真正驱动力并非传统培训中偏重的单一能力，而是EQ、IQ、XQ三者的协同作用。其中，XQ（执行商数）是他们特别强调的差异化要素。

1. EQ：情感商数——连接的能力

EQ是关于“连接”的能力。它体现在：

• 识别情绪：读懂客户的面部表情、语气、肢体语言
• 适应行为：根据客户的沟通风格灵活调整自己的表达方式
• 建立信任：通过真诚与共情，将一次性的交易转化为长期的伙伴关系

Mentor Group认为，EQ很重要，但仅凭连接无法带来结果。没有执行的连接，只是潜在的、未转化为成果的能力。

2. IQ：智力商数——思考的能力

IQ是关于“思考”的能力。它体现在：

• 数据素养：解读和分析销售数据、客户行为数据
• 分析敏捷性：快速理解复杂情况并做出明智判断
• 需求洞察：将碎片化信息整合为对客户真实需求的深刻理解

IQ在传统销售中受到重视，许多企业在招聘时会优先考察候选人的IQ。但Mentor Group指出，IQ同样只是基础：没有执行的智力，只是未被开发的潜能。

3. XQ：执行商数——做事的能力（Mentor Group的核心差异）

XQ是Mentor Group最强调的差异化能力，被定义为“执行商数”。它体现在：

• 行动的自律：将“知道该做什么”转化为“实际去做”的纪律
• 维持节奏：保持销售活动的稳定频率和持续性
• 追求卓越：确保每一次执行都达到高质量标准

XQ核心解决的是“执行的差距”（Execution Gap）——知道与做到之间的鸿沟。Mentor Group通过LEARN、PRACTICE、EMBED方法论将XQ从抽象理念转化为可训练的行为习惯。

4. AI时代三者的权重变化：一个关键警示

在最新的洞察文章中，Mentor Group在指出一个关键变化，同时也是一个值得所有企业警惕的现象：

当前多数组织的AI配置是“倒置”的。 许多企业让AI处理客户沟通（EQ域）——例如自动生成电子邮件、聊天机器人回复早期咨询；却让销售独自承担研究分析（IQ域）和流程执行（XQ域）——例如手动撰写行业分析报告、对比竞品方案、跟踪合同流程。

这种配置的逻辑是荒谬的：让AI去做最需要人性温度的事情，却让人去做最容易被算法替代的事情。

正确的配置应该反过来：

• AI优先接管IQ和XQ：用AI自动完成技术洞察、数据分析、流程执行、节奏管理
• 让销售全力聚焦EQ：将解放出来的精力投入到“基于深度洞察的信任对话”中

这正是本篇文章的核心立场：EQ是最后的护城河，但前提是IQ和XQ已被AI充分接管。

第二部分：三个Q在中国硬科技领域的重新解读

将Mentor Group的理论框架落地到中国硬科技企业的销售场景中，我们需要重新理解每个“Q”的具体含义和应用方式。

IQ：从“技术专家”到“AI策划人”

经典定义：IQ是分析、解读、理解客户真实需求的能力。

在硬科技领域的传统表现：销售工程师需要成为半个技术专家——读懂客户的BMS（电池管理系统）架构图、理解机器人运动控制算法、熟悉复合材料的应力应变曲线。

AI时代的转变：现在，生成式AI可以在10秒钟内解析一份50页的技术标书，提炼关键参数，甚至生成初步的解决方案框架。IQ的“信息获取门槛”正在急剧降低。

对中国硬科技销售工程师的新要求：

• 从“记住所有参数”转向“判断哪些参数真正关键”
• 从“自己分析竞品”转向“让AI分析，人来决策”
• 从“证明自己懂技术”转向“用技术洞察建立信任”

核心洞察：在硬科技B2B销售中，技术洞察（IQ）正是建立信任（EQ）的前提。没有过硬的技术理解和行业洞察，EQ就成了无源之水的“套近乎”。因此，优先用AI武装销售的技术洞察能力——自动生成客户行业分析、技术方案对比、ROI模型——让销售把精力集中在“基于深度洞察的信任对话”上，这才是AI做不了的EQ护城河。

XQ：从“执行机器”到“节奏掌控者”

经典定义：XQ是将意图转化为行动、将行动转化为结果的能力。

在硬科技领域的传统表现：按时拜访客户、定期提交技术方案、严格执行销售流程、保持高频率的客户触达。

AI时代的转变：智能代理系统已经可以自动管理客户跟进序列、触达提醒、会议纪要整理、方案版本管理。曾经需要强大意志力驱动的“执行纪律”，现在可以交给AI。

对中国硬科技销售工程师的新要求：

• 从“手动执行”转向“设计执行节奏”
• 从“苦劳即功劳”转向“在关键节点创造突破”
• 从“流程执行者”转向“流程优化者”

核心洞察：当AI替你管好日程和动作后，你的精力应该100%投入到在关键时机做关键的事——这恰恰是“搞定人”中最需要智慧和判断力的部分。

EQ：被AI“逼出来”的核心竞争力

经典定义：EQ是建立连接、读懂情境、建立信任的能力。

在硬科技领域的传统困境：硬科技销售工程师往往有工科背景，相对更擅长跟“物”打交道，不擅长跟“人”打交道。“技术好但不擅长交际”甚至一度被认为是正常现象。

AI时代的转变：当AI可以完成分析（IQ）和执行（XQ）的大部分工作时，EQ成为人类销售工程师的最后堡垒——也是最难被替代的壁垒。但必须强调的是：这个护城河的前提是，IQ和XQ已被AI充分接管。 如果销售还在自己查数据、写方案、追流程，他就没有精力去真正“搞定人”。

对中国硬科技销售工程师的新要求：

• 从“技术沟通”升级为“情感连接”
• 从“搞定项目”升级为“搞定人”

从“产品价值宣讲”升级为“客户立场共情”

第三部分：什么是“搞定人”——AI时代的重新定义

在中国硬科技销售中，“搞定人”这个词往往被误解。有人把它等同于“请客送礼”的庸俗关系学，有人把它理解为“酒桌文化”的延续。 在AI时代的背景下，结合Mentor Group的三个Q理论，我们需要正本清源：“搞定人” = 建立深度信任 + 理解个人立场 + 创造共赢格局

这不是低层次的“关系运营”，而是最高层次的情感商数（EQ）实践。而在AI充分接管IQ和XQ之后，销售工程师才有真正的余力去完成这件事。

硬科技领域“搞定人”的四个层次

层次一：搞定客户组织内的“局”

识别谁是决策者、谁是影响者、谁是使用者、谁是反对者

理解每个人的利益诉求和个人职业目标

EQ应用：同理心，站在每个人的立场理解他们为什么支持或反对

层次二：搞定“信任”而非“熟人”

AI可以收集客户的所有公开信息，但无法建立客户对你的个人信任

信任来源于：在关键时刻坦诚、在利益面前站在客户立场、在压力下保持专业

EQ应用：真诚，这是AI无法模拟的品质

层次三：搞定“场景”而非“功能”

硬科技销售常常陷入“参数竞赛”——我的机器人负载比你高5公斤，我的储能系统循环寿命比你多2000次

真正的高手会问：这个场景下，您最担心什么问题？

EQ应用：共情，理解客户的焦虑和痛点，而非炫耀自己的优势

层次四：搞定“长期关系”而非“单次成交”

硬科技项目周期长、复购率高、技术迭代快

一次成交的开始，恰恰是长期关系的起点

EQ应用：耐心，不以短期得失为导向，建立持续的价值交付节奏

第四部分：如何衡量三个Q在“AI接管后”的具体表现

在AI充分接管IQ和XQ的前提下，衡量的焦点需要相应转移。

IQ衡量：从“知识储备”转向“洞察决策”

XQ衡量：从“执行量”转向“节奏设计”

EQ衡量：不可替代的护城河

结语：回到原点，走向未来

Mentor Group的三个Q理论告诉我们：销售的本质从来不是“卖产品”，而是“建立关系、解决信任、创造价值”。

但我们必须记取那个关键的警示：如果AI的配置是倒置的——让AI做沟通，让人做分析和执行——那么EQ这座护城河就永远建不起来。 只有当我们用AI去武装IQ和XQ，将人类从那些本应自动化的劳动中解放出来，销售工程师才有真正的精力去做那件只有人才能做到的事——“搞定人”。

对于中国硬科技企业的销售工程师来说，这是一个好消息。

因为“搞定人”的能力，从来不是西方管理理论的舶来品，而是根植于中国商业土壤的DNA。我们不需要去学习一套全新的能力体系，我们需要做的是：将这份传统智慧与现代AI工具相结合，将EQ提升到前所未有的战略高度——但前提是，先让AI去干它该干的活。

当智能机器人的精度达到国际领先水平，当储能系统的成本降到行业最低点，当新材料的性能突破所有现有框架——决定最终胜负的，往往不是那百分之几的技术优势，而是一个销售工程师能否在AI帮他扫清一切执行障碍之后，在正确的时间、用正确的方式，搞定那个正确的人。

在AI时代，EQ是最后的护城河。但这条护城河，只有在你让AI先接管了IQ和XQ之后，才能真正建成。

附：三个Q在硬科技关键销售场景中的深度应用案例