上篇文章谈谈我心中的券商客户经理AI Native工作流 ，这篇再详细聊下这套工作流里的核心环节。

如何到该联系的客户，到复盘改进，一项客户经营任务怎样真正闭环

现在券商AI方案，很多时候是一张摆满功能的产品图，看起来什么都有。

可放进客户经理每天的工作，断点依然明显：今天该先联系谁，为什么联系；沟通结束后，客户的真实想法怎么记录；客户暂时没行动，谁在几天后重新提醒。

复杂业务里的AI落地，第一步不是继续加功能，而是把一项客户经营任务重新画清楚：它怎样开始、怎样推进、何时需要人确认，又怎样留下下一步。

客户经理的五阶段经营闭环

如果把综合财富客户经营压缩成一项完整任务，我认为可以拆分为五个阶段。

前四个阶段构成客户经理的一线任务闭环。

第五个阶段进入团队和组织层的学习闭环。

1. 先找到该联系的客户

传统经营任务常见的来源，大致有两类。

一类是管理者下发名单，比如投顾到期客户、公募持仓客户、某类活动目标客户。

另一类来自客户经理自己的经验，他看到了客户资金变化，记得某个客户之前说过要等一等，于是到时间再联系。

这两种方式都合理，但覆盖范围和持续性有限。

AI进入以后，系统可以持续读取被授权的客户状态和业务事件。投顾服务临近到期、账户出现闲置资金、某只产品即将到期、客户近期交易活跃、企微提出了新问题、上一次沟通承诺的时间已经到了，这些变化都可能让一位客户进入待联系清单。

这一步此前最容易做成一个黑盒评分。

系统丢给客户经理一张「高意向客户名单」，每个人后面跟着一个分数，却不解释分数怎么来的。客户经理不信，也不知道该怎么行动。名单做得越大，越像另一种形式的任务轰炸。

所以，第一步真正需要产出的，不是一张只有分数的名单，而是一份待联系客户清单。每个客户都要说明为什么现在值得联系：触发了什么变化、信息来自哪里、建议何时联系，还有哪些信息需要确认。客户经理看到的不是一个黑盒结论，而是可以核对和取舍的联系理由。

还有一个常被忽略的问题。

系统发现机会，不代表系统可以立刻触达客户。客户是否授权、当前是否允许联系、是否表达过拒绝、是否存在投诉或其他限制，都应该在这里先做检查。

能发现，和能行动，中间隔着一道门。

2. 想清楚这次怎么联系

一位待联系客户通过联系权限、拒绝记录等初步检查后，AI需要帮助客户经理想清楚：这次联系要解决什么，应该先问什么。

这一步很容易被写成「产品推荐」。

可综合财富经营里，客户需求往往没有那么整齐。一个投顾即将到期的客户，可能更在意过去一段时间的服务体验。账户里有闲置资金，也可能是几个月后要买房。客户最近交易活跃，不等于他愿意增加风险。

AI更适合先帮助客户经理做好联系准备。

准备内容至少应该包括本次沟通目标、需要确认的问题、可以讨论的业务方向、暂时不适合进入的产品范围、建议渠道和时间、必要风险提示，以及几种可能的结束状态。

有些客户需要先确认资金用途和风险偏好，再决定是否以及如何讨论具体产品；也有些客户的需求已经比较明确，可以直接进入相应业务方向。

客户经理可以修改计划，也可以直接否决。AI给出的个性化建议必须待在公司规则划定的范围内，不能因为某个客户历史转化率高，就自动放宽风险和适当性要求。

这个阶段的价值，是把原来只存在于优秀客户经理脑子里的判断过程，变成一份可以检查、可以修改、也可以逐步沉淀的联系方案。

3. 联系客户，弄清真实想法

联系准备完成后，任务进入真实沟通。对于复杂产品解释、客户异议和重要决策沟通，电话到今天仍然很重要。

复杂产品解释、客户异议、需求挖掘和重要决策沟通，电话通常比文字高效。

企微适合处理简单问题、预约、材料承接和持续跟进。

短信与APP消息更多承担辅助提醒、正式业务入口和状态通知。

这几个渠道不应该各自拥有一套互不相干的AI。

一次电话里客户说想先看材料，通话结束后，企微草稿应该自动承接本次上下文。客户在企微里补充了资金期限，下一次电话简报也应该看到。客户进入APP办理以后，任务状态需要同步变化。

AI维护的是同一项客户任务。

在这个阶段，AI可以准备电话简报、沟通提纲和实时知识提示，也可以生成企微、短信或APP消息草稿。客户经理继续负责复杂沟通，并确认所有对外发送内容。

客户经理始终是对外触达的责任主体。AI可以生成内容，但不能直接向客户发送消息、材料或话术；所有对外内容都要由客户经理确认后，通过正式渠道外发。

客户经理确认时，不能只看到一段孤零零的文案。他还要看到发送对象、渠道、引用材料和版本、生成依据、必要风险提示，以及系统建议的发送时间。

确认才有信息基础，也才能留下责任记录。

如果客户明确表达兴趣，客户经理再引导其进入APP等正式业务入口，按现有适当性、风险揭示、双录和签约流程办理。AI可以跟踪办理状态和异常，但不能替客户作出选择，也不能接受或执行交易指令。

4. 记清结果，安排下一次跟进

一次联系结束后，任务不能停在通话摘要或一条企微记录里。客户经理需要确认这次沟通的结果，系统也要据此判断下一步。

客户可能完成了投顾续签，可能对公募有意向但还没办理，可能需要补充资格材料，可能暂时不考虑，也可能明确要求不要再联系。还有双录失败、系统异常、客户投诉、材料版本错误等情况。

AI需要把沟通和办理结果变成结构化状态。

但这里有一个风险，模型很容易把自己的理解写成客户事实。

客户说「最近可能要用钱」，AI不能擅自写成「半年内有明确购房计划」。客户问了某只基金，也不能直接被标记成「高购买意愿」。

事实、客户明确表达、AI推断和系统结果，需要分开保存。

涉及客户意愿、投诉、重要承诺和交易结果的字段，由客户经理确认后再写入CRM。确认完成以后，系统生成下一步任务，并持续检查它有没有按时完成。

到了这一步，跟进不再依赖客户经理在日历里记一句话，或者在脑子里记得「这人过几天再找」。

任务自己知道什么时候应该重新出现。

5. 复盘哪些做法值得保留

客户任务结束以后，AI可以回看整条过程。

哪些机会被客户经理大量驳回，哪些行动计划经常被修改，哪些产品问题反复出现，哪个办理节点最容易退出，什么样的风险提醒经常来得太晚，这些信息对团队很有价值。

但「成交了」不能直接等于「这个案例值得学习」。

一段表达可能转化率很高，却并不合规。一次产品匹配可能碰巧成交，却不具备可复制性。客户经理的个人风格也不能未经处理，直接变成所有人的标准话术。

所以，AI只能提出候选经验。

进入正式知识库、经营策略和培训材料之前，需要业务和合规共同审核。审核时要看事实是否准确、过程是否合规、适当性是否成立、经验是否可以迁移。

经过这一步，团队才有可能把优秀客户经理的经验，慢慢沉淀成组织能力。

这五步要持续跑起来，还需要两个基础能力：任务状态要知道现在走到哪里，规则校验要知道这一步能不能继续、是否需要客户经理确认。它们应该嵌在每个阶段里，不必再单独建一套AI功能。

落地时，先跑通一类高频任务

项目没必要一开始就把所有系统全部打通。更现实的做法，是先选一类高频任务，把五个阶段跑顺。

比如投顾服务到期客户的持续经营。先跑通待联系客户清单、联系准备、电话与企微协同、结果确认、CRM写入和后续任务；需要正式办理时，再接入产品中心、适当性、双录和APP。

早期可以先跑影子模式：AI在后台生成名单和联系建议，不直接影响真实业务。团队把它和客户经理的实际判断对比，找到误判、数据缺口和规则冲突，再逐步进入日常工作台。

这个过程会暴露不少旧问题：有些规则还停留在制度文本里，有些流程长期靠客户经理的经验和责任心兜住。它们被看见，恰恰是AI真正进入复杂业务的开始。

这五个阶段最终是一套检查方法。看任何一个券商AI项目，都可以继续追问：为什么现在联系这个客户，联系前准备了什么，客户怎样被触达，结果有没有被确认，下一步有没有生成，团队最终学到了什么。

只要其中还有一段需要客户经理靠复制粘贴、手工记忆和个人经验才能接上，这条经营链路就还没有真正闭环。

AI的价值，就藏在这些断点里。