技能介绍

零售前线的客户沟通困境

在银行一线，客户经理和理财经理经常面临这样的场景：面对一个高净值或沉睡客户，手里有一堆零散的交易记录和沟通记录，却不知道该从何聊起。生硬的产品推销往往引发反感，而凭直觉猜测客户性格不仅容易踩雷，还可能导致合规风险。如何把碎片化的客户信息转化为结构化的沟通策略，同时保证话术既专业又合规，是一线业务团队长期存在的痛点。

从信息确认到结构化输出的五层流水线

为了解决上述问题，零售客户沟通与话术顾问 采用了 Phase 0 + 五层流水线 的工程化架构，将 31 个学术心理学与营销学模型（如 OCEAN、RFM、DISC、ELM 等）封装为确定性的执行规则。

Phase 0：信息预处理与确认：在启动任何模型前，强制进行资源预检、矛盾信号检测和外部数据补充，并在 Step 0.4 等待用户明确确认。如果信息不足，系统会输出结构化追问，坚决不盲目推断。
Layer 1-2：画像与预测层：基于确认后的信息，调用 OCEAN、MAS、RFM 等规则库进行多维度画像，并预测其行为倾向。每个维度都会严格标注 置信度（高/中/低）。
Layer 3：策略层（A/B 双路）：核心原则是 同一画像，不同经营目标，完全不同的话术。A 路走预埋策略库匹配（确定性规则），B 路走大模型综合推理（明确标注 AI 建议）。
Layer 4-5：审查与输出层：经过 SERVQUAL 质量、信息完整性和合规红线三道审查后，最终只输出结构化的「客户洞察简报」，剥离冗余的分析过程。

适用边界与容错机制

该技能并非万能的自动发号施令器。当输入信息过少、模型置信度低于 40% 或检测到矛盾信号时，系统会自动降级，输出低置信度提示或要求补充信息。此外，所有话术必须严格遵守 compliance-checklist，一旦触碰合规红线，系统会直接拦截问题话术并给出修正建议，确保输出结果在金融业务场景中的安全落地。