1

AI在资产配置中的
实践与前瞻

SalesEngine 技术原理与使用指南

2

销售能力提升困局

业务端痛点
需求难洞察 营销没思路 高客没章法 逻辑不会用 客户需求模糊 找不到突破口 产品难衔接 经营乏力
人性端障碍
守旧难改 路径依赖 开口恐惧 怕学习成本 非标需求难解决 个体差异大

方法端 · 破局之道

  • 经验逻辑转化为可复制成交能力
  • 深挖高客隐性需求,锁定普客痛点
  • 一键挖掘线索,生成营销话术
  • 量身定制差异化营销方案
  • 智能盘客 + 销售辅导双线提效
  • 突破常态困境,驱动持续增长
3

AI时代,培训进化的七个方向

人机协同

人的智慧 + 算力赋能

知识进化

与时俱进的知识框架与交付形式

直指成交

将非标场景提炼为可复用的成交SOP

能力固化

让标准化的方法论在不同人身上稳定复制

持续订阅

从一次性培训转向长期陪伴式服务

效果量化

用效率与转化率衡量培训真实价值

自适应学习:根据机构特征与学员水平动态匹配内容

4

AI之于营销赋能的进化

AI发展现状

1

达到可替代人的初期阶段

已替代:标准化 / 可编程化 / 可预测
未替代:经验 / 情商
2

更新速度惊人

2025 大学生水平 2026 研究生水平
LLM语义理解:1M上下文长度
类同理财师的问题能被华尔街级别的能力处理
3

使用者的能力边界仍需拓展

如同"小龙虾"——取决于使用者的能力与技术门槛
4

开发者优先

成熟的AI工具更多是面向开发者而不是终端用户
5

AI之于营销赋能的进化

技术支撑点

Hyper-Personalization

超级个性化

千人千面的内容与策略

EQ-AI

情感共鸣

识别情绪、优化沟通温度

End-to-End Execution

闭环执行力

从洞察到行动的一体化

Intent Detection

意图识别

精准捕捉客户真实需求

Best Practice Mining

最佳实践挖掘

从历史成交中提取可复用的成功路径

6

SE的
保险AI解决方案

交互模式
方案生成器 客户CRM对话框 模组化提问集
主要功能
KYC CRM 营销方案 语言风格方案 案例知识库
内容模块
标准版 专业版
客户洞察
客户画像九宫格 交叉分析洞察 客户画像总结 核心洞察 客户需求雷达图
营销策略
营销目标与突破口 高转化对话脚本 营销切入口 营销突破口 相似案例共鸣
产品方案
产品组合方案 配置优先级 产品介绍话术 最后促成话术
进阶工具
异议预判与应对 下一个营销灵感
7

99% 的人还没开始,就是最大的机会

AI使用率漏斗图
0.04%

200-500万人
用它写代码、搭框架
做专业事情

0.3%

1500-2500万
每月花20美元订阅
各种AI会员

16%

13亿人
只用免费聊天工具
问问天气或改改邮件

84%

整整68亿人
从来没接触过AI

未到"全民内卷",只有极少数人在"神仙打架"

看清"被取代"的恐惧,别低估机会,高估竞争!

事实是数字鸿沟已经在拉大,用与不用的人,在生产力、机会、视野的差距将会越来越明显...

遇浪前迎才是最好的策略!

8

重新定义投顾与客户与AI的交互模式

传统模式
客户

发起咨询

咨询
投顾

分析·建议

建议
客户

获取建议

投顾主导 · 人工驱动
现在模式
客户

发起咨询

咨询
AI

智能分析

建议
客户

获取建议

AI驱动 · 效率倍增
9

未来已来

人机协同架构

前端交互层
收集客户信息
与客户沟通
营销话术引导
异议处理
客户交互界面
投顾

最佳方案实现者

AI
客户
后端智能层
交叉分析客户信息
模拟沟通策略
生成营销话术
建立配置方案
AI智能分析引擎
人机协同 · 智能进化 · 帮助投顾实现与客户+AI交互的最佳方案
10

AI 是强大的生产力工具

业务逻辑 才是思考的灵魂

工具
+
逻辑
=
效能
技术服务于业务,业务创造价值
11

将AI / 信息技术融入营销实战的意义

1.0

传统理财师

  • 凭经验判断
  • 靠记忆管理客户
  • 手工整理资料
  • 被动等待客户

效率低 · 覆盖面窄

2.0

数字化理财师

  • CRM管理客户
  • 系统记录跟进
  • 工具辅助分析
  • 标准化流程

有工具 · 但仍在人驱动

3.0

AI赋能理财师

  • AI智能分析客户
  • 自动生成方案
  • 精准需求预测
  • 主动营销触达

AI驱动 · 人机协作

12

化被动为主动——重建你的营销路径

传统营销逻辑
制造营销触点 (朋友圈+日常沟通)
客户咨询,尝试转化
沟通客户需求的产品
做产品对比
强化认知,促成交易
AI赋能
AI赋能营销路径
客户信息建档
客户需求洞察
主动开启 small talk
动机触达:专业认知+情感共鸣
链接完整的营销方案
针对性的异议处理与价值提供
被动等待?
主动出击!
被动答疑?
主动提问!
被动建议?
主动提供方案!
被动试探?
主动提供价值!
13

总结

01

如何更好地使用AI工具

AI的建议 + 人的思考 = 形成自己的方法论

02

AI工具最核心的优势

搭建一条被验证过高成功率的营销路径

03

将AI的定量+定性打分能力 活用于客户分析

04

工具的底层是科学化的营销逻辑

用AI算力来提效赋能理财师

05

人+AI,经验+算力,最终目标是成交

14

掌握AI的顾问

将重新定义行业标准

01

系统逻辑

16

整体逻辑线

系统是什么 → 系统怎么做 → 系统怎么用 → 人机如何协作

先理解系统的定位和边界,再深入实现原理,然后演示实际使用方法,最后讨论人机协作的最佳实践。

17

一个真实的
业务场景

客户45岁,企业主,2000万可投资资产。要求30分钟内给出资产配置方案。

传统方式的困境:翻产品手册、查费率表、手动算收益、临时拼PPT……最快也得几个小时,客户早就走了。

18

核心问题:客户需求的复杂性 vs 人脑处理能力

9个大维度,50+个变量需要同时考虑。人脑同时处理5个以上变量时,决策质量急剧下降。

19

SalesEngine 是什么?

高效收集客户信息

结构化表单卡片引导完善客户画像

自动生成营销方案

AI多阶段并行分析,完整营销方案

持续对话辅助

话术建议、异议处理、跟进策略

定位:理财师的"数字副驾驶" —— 帮你处理繁琐工作,让你把精力放在理解客户、建立信任、促成交易上。

20

今天要讲什么?

02

系统架构

多Agent并行设计

22

为什么需要
多Agent架构?

传统串行处理:分析客户 → 匹配产品 → 生成方案 → 生成话术

问题:太慢了。理财师等5分钟,客户早就走了。

多Agent并行:14个AI同时工作,效率提升数倍。

23

系统的整体业务流程

阶段一:KYC信息收集

表单卡片逐步引导 → 信息完善度达标

阶段二:方案自动生成

选择营销方向 → AI多阶段并行分析

阶段三:对话辅助

话术建议、异议处理、跟进策略

24

方案生成的五个阶段

阶段 做什么 产出
一、客户画像提取 读取客户全部信息,整理成结构化画像 客户完整画像
二、需求挖掘与动机分析 判定客户类型、挖掘深层动机、排序需求 TOP3需求
三、九宫格分析 9个维度深度分析 + 税务规划 九宫格、税务方案
四、产品组合推荐 根据预算、突破口推荐具体产品 核心+补充产品
五、营销路径与话术 生成突破口、分步骤对话剧本 三段式剧本
25

多Agent并行架构详解

以第二阶段为例

性能优化:总耗时从622秒降至约200秒,提升68%

26

为什么这样设计?

专业化分工

每个Agent专注一个任务,提示词更精准,输出质量更高

可控性

某Agent输出不达标可单独调整,不影响其他部分

可扩展性

新增分析维度只需新增Agent,无需重构系统

03

核心流程

从信息输入到方案生成

28

KYC信息收集:表单卡片模式

  • 进度可视化:理财师知道还有多少组问题
  • 逻辑分组:相关问题放在一起,填写更顺畅
  • 灵活跳过:非必填字段可以跳过,不影响流程

25+个优先级组,按业务重要性逐组收集:基本信息 → 职业信息 → 家庭结构 → 资产规模 → 关注点...

KYC表单卡片示例
29

智能依赖过滤

根据字段依赖关系自动跳过不适用的字段:

依赖规则 说明
配偶字段 → 婚姻状况 只有已婚/再婚才收集配偶信息
子女详情 → 子女数量 有几个子女就收集几个的信息
企业字段 → 职业为企业主 只有企业主才收集企业信息

目的:减少无效问题,提升填写效率

30

信息提取与纠正

理财师可在对话中自然描述客户情况,AI自动提取:

自动提取

"客户48岁,做外贸生意,有个儿子高三"
自动填入对应字段

否定表达处理

"没有孩子"、"未婚"、"无房"
正确识别为否定

纠正更新

"信息错了,客户其实没有孩子"
自动更新

31

客户类型判定:钱怎么来就怕怎么失去

客户类型 钱怎么来 就怕什么
企业主 靠自己赚(经营企业) 赚钱方法失效
金领 公司给的(工资、奖金) 离开公司/失业
家庭主妇 配偶/家庭给的 给钱的人不给了
富裕二代 父母/家族给的 家族资金支持中断
退休/老人 已攒下的积蓄 钱变少/赔光
32

需求优先级排序:7+1大需求

编号 需求名称 适配客户 产品方向
1 缺乏安全感/有风险项 高净值、企业主、有家庭责任者 寿险、重疾险、意外险、年金险
2 财富增值 所有客户 固收+、债基、增额终身寿
3 担心市场波动 关心市场的客户 固收+、黄金ETF、货币基金
4 政策/事件焦虑 受政策影响的客户 保险、固收类、资产隔离
4.5 税务优化 ★ 所有税务居民、有传承需求者 税优健康险、个人养老金、增额终身寿
5 捕捉市场机会 企业主、高管、年轻群体 权益基金、指数ETF
6 省心省力/资产配置 忙碌的企业主/高管 FOF、智能投顾、固收+
7 获取信息/增强信心 所有客户 投顾服务、市场分析

从7+1个需求中选出最匹配的TOP3,为每个需求提供详细分析和话术推荐

33

4.5 税务优化需求的特别说明

个税抵扣

税优健康险(年抵扣2400元)
+ 个人养老金(年抵扣12000元)
每年最高省税约5000元

传承免税

指定受益人的寿险理赔金
不计入遗产
规避潜在20%遗产税

企业税优

企业主用公司利润投保
节省25%企业所得税
+ 规避20%分红税

TOP3需求包含内容

需求名称 + 优先级评分 + 成功机会等级 + 推荐理由 + 产品方向 + 感知话术(可直接使用)+ 详细结论

营销方向影响排序

保险方向:优先"缺乏安全感"需求
基金方向:优先"财富增值"需求
资产配置:平衡保障+增值需求

34

九宫格客户画像

基础属性

年龄、性别、健康

家庭结构

婚姻、子女、赡养

经济角色

经济支柱、决策权

职业身份

职业、收入稳定性

资产规模

总资产、可用资金

决策能力

投资经验、风格

风险偏好

风险承受、亏损容忍

核心关注

关心的人、事、焦虑

产品态度

保险、基金、信托

九宫格客户画像示例
35

交叉维度分析(6组交叉)

在九宫格维度分析完成后,系统会进行6组交叉维度分析,发现维度之间的关联洞察:

交叉组合 分析目的 示例洞察
职业 × 风险偏好 职业特征是否与风险偏好匹配 企业主往往风险偏好高,但也有强烈的安全感需求
家庭结构 × 产品态度 家庭责任如何影响产品选择 有未成年子女的客户,对教育金产品更敏感
核心关注 × 决策能力 关注点与决策风格的匹配度 关注子女教育的客户,决策往往更谨慎
基础属性 × 资产规模 年龄阶段与资产积累的关系 40岁以上资产仍较低,可能有特殊原因
职业身份 × 核心关注 职业特征与关注点的关联 金领关注职业发展,企业主关注生意风险
资产规模 × 经济角色 资产水平与家庭经济角色的匹配 资产高但不是经济支柱,可能有家庭复杂性

每组交叉分析会标注数据置信度(高/中/低),数据越完整置信度越高。

36

为什么需要交叉分析?

因为客户是一个整体,不是几个孤立维度的简单叠加。

举个例子:

  • 客户是企业主(职业身份)
  • 客户风险偏好高(风险偏好)

如果只看这两个维度,你可能会推荐高风险的储蓄型保险。

企业主 × 风险偏好高 → 生意风险已够多,保险上反而更看重保障功能

这就是交叉分析的价值:发现表面之下的深层逻辑。

交叉分析示意图
37

六大营销突破口

突破口 适用场景 话术切入点
生活进阶 结婚、生子、买房、晋升、退休 从生活变化引出财务规划需求
借势市场 利率下行、股市波动、房市变化 利用市场变化引发客户关注
紧跟政策 税收政策、养老政策、利率下调 结合政策红利或政策焦虑
盘活存量 到期理财、亏损基金、续期保险 从现有产品切入提供优化方案
情绪共鸣 焦虑、不安全感、家庭责任感 提供安心感和确定性
税务优化 节税需求、传承规划、企业税优 利用税务优化需求切入
六大营销突破口
38

三段式对话剧本

第一段:营销切入口

寒暄 → 确认话题 → 为什么重要 → 这件事的意义
(8-12轮对话)

第二段:营销突破口

感性锚定(故事触动情感)→ 理性收口(数据说服)
(8-12轮对话)

第三段:相似案例共鸣

引出案例 → 描述困难 → 展示方案 → 对比变化
(10-14轮对话)

三段式对话剧本
39

保险方案生成逻辑

先讲「为什么」,再讲「是什么」

一、设计理念

核心原则 + 优先级 + 方案逻辑

二、方案概览

缴费周期 + 保障范围 + 目标

三、三层架构

储蓄60% + 保障30% + 传承10%

四、配置优先级

增额终身寿、重疾险优先

保险方案生成逻辑
40

保险方案生成逻辑(续)

五、核心利益点

利益名称 + 具体描述 + 对客户的价值
关联焦虑:「您担心利率下行,帮您锁定今天的利率」

六、产品筛选维度

增额终身寿:IRR、现金价值、实现率
重疾险:病种数量、赔付比例、多次赔付
定期寿险:保额保费比、健康告知宽松度

七、沟通要点提示

客户核心焦虑是什么 → 从哪个角度切入最有效 → 推荐逻辑是什么

传统方式 系统方式
扔产品给客户 先讲为什么再讲是什么
客户不知先买哪个 明确优先级,降低决策压力
话术千篇一律 结合焦虑个性化定制
41

产品落地:让客户买单

Step 4 解决「推荐什么产品」,Step 5 解决「如何让客户买单」

FABE 全称 生成内容
F Features 产品概况 产品是什么
A Advantages 核心功能 产品好在哪里
B Benefits 客户利益 对客户有什么好处
E Evidence 客观依据 凭什么相信
FABE话术框架
42

产品落地(续)

异议分类(4类)

建立信心类、机构对比类、产品对比类、大订单促成类

四步应对法

同理心 → 建立信任 → 提供证据 → 强化专业

🧠 理性话术

从专业角度、收益对比、机会成本分析

❤️ 感性话术

从家庭责任、情感诉求、未来愿景切入

下一个营销灵感:成交后系统自动提示其他潜在需求,一次触达,多次营销机会。

异议应对与促成话术

04

使用指南

理财师如何高效使用系统

44

使用流程概览

45

信息填写技巧

技巧一:优先填写关键信息

基本信息 → 职业信息 → 资产规模 → 关注点
至少完成这4组,再进入方案生成

技巧二:善用对话补充

"客户48岁,做外贸生意,有个儿子高三" → 系统自动提取

技巧三:及时纠正错误

"信息错了,客户其实没有孩子" → 系统自动识别并更新

46

方案查看要点

47

持续对话辅助

话术请求

"怎么开场?" "怎么讲解产品?"

异议处理

"客户说要考虑怎么办?"

跟进策略

"客户不回消息怎么办?"

见面准备

"见面前准备什么资料?"

专业知识

"税优健康险抵扣规则?"

方案逻辑

"为什么推荐这个产品?"

48

高客与普客的差异化使用

系统根据总资产规模自动判定:300万为界

对比维度 普客(< 300万) 高客(≥ 300万)
KYC深度 标准KYC(25+组) 标准 + 深度KYC(FORM框架)
税务规划 个税抵扣 企业税优、传承免税
核心产品 税优健康险、增额终身寿 企业财产保险、指定受益人终身寿

05

人机协作

AI的能力边界与人的核心价值

50

AI能做什么?

信息处理

客户信息提取、画像建模、九宫格分析

分析推理

客户类型判定、需求排序、突破口识别

内容生成

产品推荐、FABE话术、异议预案、对话剧本

持续辅助

话术建议、异议处理、跟进计划、知识解答

51

AI不能做什么?

这些能力,AI做不到,但AI可以让你的这四个能力更有价值。

52

人机协作的最佳实践

AI是你的"写手"
你是"主编"

AI生成初稿,你审阅调整
AI提供素材,你整合呈现

省下的时间投资在
客户关系上

面对面经营、喝茶聊天、建立信任
这才是你的护城河

培养"AI + 人"
复合能力

未来顶尖理财师,是把AI能力和人的洞察力结合起来的那个人

"

情感洞察力 · 信任建立力
临场应变力 · 长期陪伴力

理财师的核心价值

54

系统的下一步发展方向

55

给理财师的建议

1. 尽快上手
在使用中学习

AI工具的熟练使用需要时间
越早开始,越早受益

2. 建立自己的
方法论

什么客户用什么话术
这些经验沉淀才是竞争力

3. 保持人的温度

AI越强,人的温度越珍贵
客户选择谁,取决于谁更懂他

AI可以让你更专业
但只有你自己能让客户更信任

未来最好的理财师,是最懂客户的那个人 —— 只不过,他身边站着一个AI。

谢谢大家

欢迎提问与交流