财富营销智能助手：一个在银行里�...

来源：市场资讯

我们和共创伙伴一起,花了两个月,把一个财富营销智能体从"能演示"打磨到了"天天用"的状态。这篇用一位客户经理(Relationship Manager，以下简称RM)真实的一个上午,我们想说清一件事:

AI 在财富营销场景里要被 RM 真正用起来,光有专业能力不够,还得有情商。

09:00

李姐到办公室,放下咖啡,打开电脑。

今天的任务清单上有五个客户:有系统派下来的回访任务,有她自己补的到期续投提醒,还有上周聊过没成单准备再触达一次的。

她对着助手说了一句:"这五个客户,今天怎么打,帮我准备一下。"

一杯咖啡还没凉,助手不只给出了排序,还为每一位客户都备好了一份个性化的"专属锦囊"——

⚠️王先生的锦囊 · "亏损情绪安抚+配置调整建议"

■开场共情话术——两个版本,温和版/直接版。助手根据他过往的情绪模式,推荐用温和版起手

■亏损归因+持仓诊断——先用专业分析讲清楚"为什么亏",让客户心里有着落

■情绪转折桥梁+两个调整方向——把"配置集中度"作为讨论焦点引出来,给客户一个台阶(方案A:减消费加固收+对冲；方案B：加防御性配置降低整体波动)

■预判问题应答——不只是产品类的,更包括情绪类的("现在割肉行不行""你是不是又想让我买东西")

■犹豫处理预案——如果客户最终说"再想想"，怎么留口子不强推

■合规要点 + 权益活动候选

李姐快速过了一遍。这份准备基本和她自己的判断一致,但助手让她注意到一个细节——王先生的优先级要更高,理由是他可能正在气头上,随时会主动来电。她正准备拨王先生——手机震了。是王先生。

09:05

这种"我刚做完功课、客户刚好打来"的瞬间,过去两个月李姐碰到过好几次。每次都让她有一种小小的踏实——不是被动救火,是有备而来。

她按了接听。手机切免提,屏幕摆在她面前，分屏:左半边是助手的对话框，锦囊已经摊开;右半边是王先生的客户档案——画像标签、持仓明细、近三个月沟通记录，一目了然。

王先生:"李姐,我这个亏得有点多……"

李姐:"王总,我刚还在看您的账户。"——这句话是真的,助手已经把账户摊在她屏幕右边。"确实辛苦您了,我们今天好好聊聊。"

然后她进入第二段,用归因把"为什么跌"讲清楚。这里值得提一下——昨日消费板块回调的原因和叙事,助手不是从产品说明书里找的,是实时连着同花顺行情、Wind数据和当日市场研报拉出来的。RM 拿到的是带"此刻"温度的解释,不是昨天的旧闻。

"这次主要是消费板块整体回调,您这只基金在板块里相对抗跌——但我们要不要一起看看,您的整体配置是不是有点过于集中了?"

电话那头停了一拍。"集中度?你的意思是?"

李姐松了一口气。这一拍,就是客户从焦虑切换到讨论的转折点——前面三十秒她最怕的就是客户陷在情绪里出不来。这句话不是急着安抚,也不是急着推产品,而是把焦点引到一个真正值得讨论的问题上。

接下来王先生问:"那要不要调一下?"李姐顺势把后面几段一气拼出来——持仓5只产品,3只重仓消费,集中度过高；减哪只、加什么、为什么,助手都备好了。两只对冲性的低风险固收+作为补充,每只都讲清楚:近一年最大回撤4.2%，夏普比率1.3，基金经理风格偏防守,跟他想"稳一稳"的诉求匹配。

李姐从头到尾,没有打过一行字。

09:15

王先生听完,问了一句；"那这两只加进来之后,我整体能稳稳赚到吧?"

李姐刚要张嘴——屏幕左边对话框跳出一条提示:

⚠️合规护栏 · 客户在询问保本性预期

避免使用"稳赚 / 保本 / 锁定收益"等表达;推荐产品均为非保本浮动收益型,必须提示"过往业绩不代表未来表现"。

建议话术:"王总,这两只主要起到对冲作用,从历史数据看回撤控制更稳一些——但要跟您说清楚,这都不是保本产品,短期市场波动还是会有,过往业绩也不代表未来表现。"

李姐顺着这个口径回应过去。王先生说:"嗯,我明白。"

这是AI让她最安心的一个角色——不是替她说话,是在她可能说错话之前,把护栏立在那里。新人RM最大的合规风险,不是不知道规矩,是客户追问得急时本能想给一句"应该没问题"。这种口语化的安慰话术正是合规雷区。AI在这条线上守着,RM才敢说。

09:18

王先生又问:"那第一只和第二只哪个更适合我?"

这种问题过去最让李姐头疼。意味着她要回头自己拉数据、做表格、写分析,半天就耗进去了。现在她点选了"产品对比"的预设按钮,勾上那两只。

AI做的不是简单罗列。业绩、风险、基金经理、费率,结构化的对比是基础;关键在最后那一句:

AI · 对比结论

"基于王先生当前的持仓集中度,第一只更合适。它的行业暴露和王先生现有的消费仓位相关性更低,分散效果更好。"

对比是手段,推荐才是目的。推荐的依据,始终回到客户画像。

09:20

王先生说"行，让我再想想"。李姐准备说"好的您慢慢看"——但就在这一刻,屏幕左边的对话框,没有任何指令地，自己跳出了一条提示:

AI · 主动推送 · 权益活动

王先生当前 AUM 加上这笔新增,刚好达到金卡升级门槛。本周有申购费三折活动,推荐的这只在名单里。建议在客户挂电话前主动提示。

李姐多说了一句:"对了王总,您账户现在加上这笔正好够升金卡,要不要我帮您操作一下?另外这只这周申购费三折,刚好赶上。"

王先生愣了一下，笑了："那挺好啊。那就这样定了。"

权益活动这种信息,过去散落在三个不同系统里——AUM层级表、活动名单、产品白名单——RM要自己翻、算、匹配,经常漏。但这个产品做的不是简单"把信息汇总进来",而是——自己判断在什么时机把这条信息推到RM面前。太早,是噪音;太晚,客户已经挂了。最后选定的时机:客户表达意向、即将做决定的那一刻。

信息的价值,一半在内容,一半在时机。

09:22

不是每个客户都会被这一击打动。王先生这次反应不错——但李姐这两个月也应对过另一种客户：权益讲完,客户还是说"我再考虑考虑"。那种时候,助手不会怂恿RM继续推。它会主动给出一段收尾话术:

AI · 犹豫处理 · 留口子

客户表达需要时间。避免反复说服,建议留具体钩子:"那您慢慢看,这周末我把这两只的近期跟踪给您整理一份发过去,有问题随时找我。"

❑ 已设置任务提醒:周六早上提示李姐发送跟踪报告

不强推、不冷场、不让"再想想"变成"算了不想了"——把一次没成单的对话,变成下次再接触的预约。这是干了多年的RM才会有的本能。过去新人RM想学要好几年。

10:02

新客户。同事转介绍,通过微信加过来。客户发来一长串消息加一张基金截图,问："这只科技基金最近为什么跌了？现在能买吗？"

李姐把客户的咨询截图直接拖到助手对话框里。助手做的不止是识别基金代码,它读出了客户文字里的情绪——

AI · 客户态度识别:犹豫型偏想买

"最近为什么跌了"是质疑,"现在能买吗"是试探,整体语气有不安全感。新客户,关系未建立,不急着促单。本次重点:

1. 先承认客户感受到的波动,不掩饰风险

2. 用专业分析消除"是不是基金有问题"的疑虑

3. 本次不推荐立即买入——保留"先观察一段时间再决定"的选项

4. 留一个具体的下次接触理由(可以是"我帮您把这只的跟踪报告做一份")

然后才是基金本身的深度分析——业绩归因、基金经理评估、行业联动。这只基金为什么跌、板块当前的位置和叙事,助手是实时从最新研报和市场新闻里综合出来的——不是产品说明书上的静态信息,是带“此刻"温度的判断。

李姐心里有了底。这次不卖产品,这次卖的是专业感和长期关系。她端着咖啡,开始打字回复客户。

⓵这一切的"自然",是怎么来的

李姐这一个多小时里,依次走完了助手的几乎所有场景:触达前准备 → 亏损安抚 → 组合诊断 → 智能产品推荐 → 实时合规护栏 → 竞品对比 → 权益活动推送 → 犹豫预留口子 → 深度产品分析。

但她从头到尾没有"切换助手",也没有点过任何菜单分类。就是说话(或者打字、点选、上传图片)，AI自己判断该走哪条路。很多类似场景下，常见的做法是按品类拆——基金一个助手、保险一个助手、理财一个助手。看似覆盖全，实则是一堆工具摆在那里。RM最不缺的就是“选项”，最缺的是“决断”。而我们这个助手用了双层架构:上层是统一的场景路由智能体，下层是针对每个场景深度优化的专业工作流。RM不需要想“该问哪个助手”——表达就行了，AI自己调度。

⓶这先懂客户,再选产品

用AI做财富营销,有两条路可以选。一条叫产品驱动:银行定好这周主推哪几只,让AI为不同客户写不一样的话术。表面千人千面,实际上AI只是一个更会说话的推销员。另一条叫客户驱动:先弄清楚客户真想要什么、能承受多大风险,再从全量产品池里去匹配。一样是千人千面,方向是反的。

我们选了后者。这条路做起来更难——它要求AI真正"读懂"客户,而不只是包装产品。但客户信任才是长期AUM的根基。

⓷AI的情商,才是这一代产品的分水岭

李姐这个上午里,有几个瞬间我们想专门拎出来——

• 共情话术有两个版本,助手根据王先生过往情绪模式推荐用温和版

• 把"集中度"作为讨论焦点,把客户从焦虑切到理性

• 客户问"能稳稳赚吧"时实时立合规护栏

• 客户说"再想想"时,不强推,留下一个不打扰但有钩子的下次接触

• 新客户截图里读出"犹豫但想买",建议不急促单,先建立专业感

这些不是产品里"另外加的功能"。这些是这个智能体的核心能力。

上一代AI能做的事情,基本都集中在专业能力——查数据、跑模型、做匹配、出报告。这些规则引擎做得也不错。但财富营销真正的难点从来不在这里。难在客户开口前两秒钟你怎么接;难在客户犹豫的时候你怎么不显得在逼他;难在客户最终说"再想想"时你怎么留下一个不打扰又有钩子的下次接触;难在用什么样的措辞让客户既感到被理解、又不感到被推销。

这些是十年RM和新人RM真正的差距,大头不在产品知识,在这种"润滑剂"一样的情商。而这种判断,过去任何一代AI都做不到——你没法用规则把"如何接住一个亏了8个点的客户"写出来。

LLM第一次让这件事可能了。专业能力是入场券,情商才是分水岭。

⓸合规是长出来的,贯穿在每一句话前

合规这件事在这个产品里其实是两层——

第一层在准备阶段。早上李姐看到的那份"专属锦囊",里面每一段话术,从开场共情到产品推荐到风险提示,都已经过了合规知识库的审查。哪些词不能用、哪些表述容易产生误导、什么场景必须附加风险提示——这些规则不是靠人记的,是助手在生成话术的时候自动遵循的。

第二层在通话过程中。RM临场说话时,如果客户的追问把RM带到合规敏感的角度——比如"能不能保本""肯定能涨吧"——助手会实时跳出合规建议,告诉RM应该怎么说、不应该怎么说,甚至直接给一段合规的回应话术。

合规不是做完内容再加一道审核,而是从一开始就长在生成逻辑里、贯穿到每一次开口前面。

⓹ 一个让我们觉得没白做的瞬间——以及它为什么会发生

有一次内部测试,需求是:消费主题基金,最大回撤小于20%,夏普比率大于 1。系统检索完全量产品库,完全符合条件的只有一只。普通的规则引擎会老老实实告诉你"符合条件产品1支",然后停在这里。

这个助手不是这么做的。它发现条件过严,主动放宽了夏普比率的阈值,又找了两只回撤控制得好的替代品,告诉测试者每一只的差异在哪里、为什么值得考虑——以及,原本那个严苛的标准虽然只有一只匹配,但这只可能不是当前阶段的最优解。

这是干了多年的理财经理才会有的反应。

它为什么会这样?一半来自最初的设计,另一半来自这两个月里每一个RM 的每一次使用。客户最终接受了哪条建议、拒绝了哪条、什么样的产品组合最后真的促成了交易、哪种话术让客户的情绪稳下来——这些反馈每天都在被复盘、被蒸馏,反向沉淀回助手的判断逻辑里。

这正是智能体和传统软件最大的不同——传统软件出厂什么样就什么样,智能体是越用越好的。

而且更有意思的是:每一位RM养出来的智能体,都不一样。李姐服务的客户偏稳健、对"收益预期"类话术高度敏感,她养出来的助手在共情上更细致、在推荐上更克制、对合规风险词的警觉性更高。隔壁张姐服务的是年轻的科技创业客户,她的助手在话术风格上更直接、更愿意聊行业趋势、更敢推主动权益类产品。

同一个产品,千人千面地长出来——都"更适合自己"。

工具替你做事,你也在塑造工具——这是过去任何一代软件都做不到的循环,也是这个智能体真正的生命力所在。

⓺还在养,还在长

到今天,这个智能体还在迭代。每出一版,我们和银行的同事一起用、一起挑毛病。挑出来的问题,变成下一版的起点。

做这件事的过程中,越来越确信：让AI在财富管理场景里真正用起来,关键不在模型多强,而在于能不能把一线业务专家脑子里那些经验——对客户的感知、对产品的理解、对合规的直觉,以及对人的情商——一条一条翻译成AI能执行的能力。

没有捷径。只有坐下来,一个场景一个场景地磨。

• 不追求模型多大,追求经验翻译得多准。

• 不追求功能多全,追求每个功能都真正被用起来。

• 不追求一上线就完美,追求和一线的客户经理们一起把它养起来。

真正能落地的智能体,都是养出来的。

李姐已经把这个工具放进每天的工作流。她说:"最早我觉得 AI 是来抢饭碗的,现在觉得它是来给我搭手的。它替我做了那些机械的活,让我能花更多时间在真正需要人去做的事情上——在交流和对话中更专注、更投入，更对得起客户的信任。"

真正能落地的智能体,都是养出来的

上手试一试,比听我们说有用 · 想体验"财富营销智能助手",欢迎联系我们。