ARTICLE · 1284126
AI赋能零售业务:从工具到场景的全链路应用
《AI赋能零售业务:从工具到场景的全链路应用》
【课程背景】
零售条线最贵的是时间。一页客户洞察磨一下午,一份配置建议书翻半天产品库,一场沙龙从主题到PPT熬一周,到期名单还没打完电话,新指标又压上来。2025年8月国务院印发《关于深入实施"人工智能+"行动的意见》,把智能体应用写进国家目标;银行的大模型早已从"能不能用"转向"谁用得深",可一线多数人的用法还停在随便问两句,问出来的东西不敢给客户看。
这门课按认知、工具、场景、合规四级递进:先讲透AI的能力边界,再用RTFQ框架和深度追问把输出从六十打磨到九十,接着把DeepSeek、豆包、千问、WorkBuddy、ima按任务类型配好,最后进零售主战场,把拜访洞察、沙龙策划、朋友圈、资产配置、客户分层、话术异议六个场景逐个拆成动作,每个都用学员自己的客户练一遍。
课程主旨:AI不替客户经理做判断,但能把判断之前的九成苦活干完。
【课程收益】
1.建立AI能力边界的清醒判断:用"能力沙盘"分清五类可托付的活与三类必须自己扛的事,关键判断、责任承担、人情冷暖不外包,也不逼AI干它干不了的活。
2.掌握RTFQ四要素提问框架:角色、任务、格式、约束练成肌肉记忆,一条提示词出来的是能直接改用的初稿,同一件事从返工三次变成一次成型。
3.学会深度追问与反向验证:用三轮回炉法把六十分的草稿推到九十,幻觉、错数字、逻辑漏洞在交出去之前就被挑出来,AI生成的东西敢给客户看、敢进汇报。
4.打通两类工具的任务适配:对话式按推理、通用、搜索分工,智能体按自动化办公、全场景办公归位,DeepSeek、豆包、千问、WorkBuddy、ima各就各位,不再拿错工具白费半天。
5.习得零售高频场景的AI打法:拜访洞察一页纸、沙龙策划、朋友圈私域、资产配置建议书、客户分层维护、话术异议库,每个场景落地实操,回岗第二天就能用。
6.会用"三不一必须"守住合规红线:不贴源数据、不传机密文件、不全信答案、必须脱敏与授权,知道哪三种用法最容易被查到,AI用得放心也经得起检查。
【课程特色】
1.认知、工具、场景、合规四级递进,一层咬一层:先讲透AI是什么、边界在哪,再配工具箱,然后进零售主战场,末章守红线,不会出现学完工具不知道往哪用。
2.零售场景全部用学员自己的客户跑一遍:讲师示范、学员动手,讲一个练一个,练完当场对。
3.不押单一工具,按任务类型配工具箱:推理找DeepSeek、陪练找豆包、查资料找千问、动手执行找WorkBuddy、沉淀知识找ima,一样活配一样家伙,学员不被某个软件绑死。
4.合规单独成章,把"三不一必须"落成动作:不贴源数据、不传机密、不全信答案、必须脱敏授权,每条配银行场景下的处置办法,红线在哪、踩了会怎样,讲清楚。
【课程对象】零售条线客户经理、团队长、营销主管、支行长
【课程时间】1 天(6 小时)
【课程大纲】
一、为什么银行今天必须拥抱AI
1.AI发展历程
l规则引擎 → 机器学习 → 深度学习 → 大语言模型 → 智能体
2.银行业AI应用现状
l为什么银行人要使用 AI
lAI 未来在银行业发展方向
3.国家对于AI的支持力度
二、AI的底层逻辑与提示词工程
1.AI的能力本质:概率预测
2.AI的能力沙盘:AI擅长什么、力不从心什么
Ø擅长:写作、总结、检索、数据分析、代码
Ø力不从心:关键判断、责任承担、人情冷暖
3.大模型的幻觉(为什么会编造)
4.入门诊断:为什么你用不好 AI
5.RTFQ精准提问框架:
lR-角色:给它装上职业眼镜
lT-任务:拆到不能再拆
lF-格式:定骨架,别写散文
lQ-约束:正向指令替代负向约束
lRTFQ提示词模板,拿来就用
Ø围绕高净值客户用RTFQ撰写客户洞察提示词
6.深度追问与反向验证:将AI输出从60分打磨至90分
7.避坑指南:提示词设计的六类高频错误
三、主流AI工具矩阵——AI工具箱
1.对话式 AI 工具及使用场景
l推理型AI:deepseek(深度推理主力,适合分析判断类任务)
l通用型AI:豆包(语音交互与角色扮演,适合模拟对话和快速创作)
l搜索型AI:千问(联网搜索与文件处理,适合查信息、读材料)
2.智能体 AI 工具及使用场景
l自动化办公:豆包工作
l全场景办公:workbuddy
3.银行人的知识库体系构建
lima 知识库:知识库的创建与分类
Ø实操:建立零售产品库,并实现文档存入与调用验证
四、WorkBuddy 基础入门
1.WorkBuddy 与大模型的核心差异
2.安装配置与界面导览
3.三种工作模式:
lCraft(直接执行)、Plan(先出提纲待确认)、Ask(只讨论不执行)
4.核心功能模块
lSkill:可复用任务单元
l专家系统:跨领域专家团并行协作
l连接器:企查查 / ima / 腾讯会议等几十种 MCP 对接
l记忆系统:三层记忆,个人规范一次交代、长期复用
l多模态生成:图片 / 视频 / 3D
5.文件处理与定时任务
l文件系统操作:读取、生成、整理
l手机小程序远程指挥:远程派活、盯进度、收文件
l自动化定时任务
Ø实操:定制一个自动化任务:每天早上 8:00 获取最新金融市场、银行业等最新动态和消息
五、AI办公矩阵——日常事务性工作提效
1.场景一:指标数据分析 及汇报材料书写
l用AI清洗业务数据,生成趋势图+异常点+分析结论
l产出:数据分析初稿 +配套图表 + 汇报 PPT
2.场景二:制度文件(产品文件)解读
l解读制度文件或操作手册,提炼要点+生成执行清单
l产出:新规解读+落地执行清单
3.场景三:公文/报告/请示/总结等起草文案
l按行内公文体例要求起草通知/报告/请示/总结
l按行文档模板要求起草通知/报告/请示/总结
l产出:行内格式要求文件
4.会议纪要:转写会议录音,形成会议纪要
l实时生成会议纪要或其他要求报告文件
l已有材料梳理成为会议纪要或报告
l产出:会议纪要
六、AI 赋能零售条线场景化营销提效
1.场景一|拜访前客户信息与商机洞察一页纸+角色陪练
AI 功能 | 具体做什么 | 产出物 |
信息整合 | 把客户职业、资产、持有产品、历史交易、近期行为汇总成结构化画像 | 客户画像卡 |
商机识别 | 按客户特征对照产品线,判断潜在需求点(他行到期、大额闲置、家庭生命周期变化) | 商机点清单 |
切入话术 | 生成拜访第一句话,按客群语气定制 | 开场白话术 |
提问清单 | 生成拜访该问的几个关键问题 | 提问清单 |
一页纸排版 | 把以上内容压成可打印、可手机查看的一页纸 | 一页纸成品 |
角色陪练 | AI 扮演客户,陪客户经理练对话,真实营销 | 陪练 |
2.场景二|设计一场沙龙活动(方案设计 + PPT 制作)
AI 功能 | 具体做什么 | 产出物 |
主题策划 | 按目标客群和营销目标生成沙龙主题、名称、定位 | 沙龙主题方案 |
流程设计 | 排签到、暖场、主讲、互动、成交的时间轴与环节 | 活动流程表 |
邀约话术 | 分客群生成邀约短信、微信文案 | 邀约话术 |
PPT 制作 | 大纲、逐页内容、配图建议一条龙生成 | 沙龙 PPT |
物料清单 | 生成签到表、座位表、礼品、物料清单 | 物料清单 |
主持脚本 | 主持人串词、主讲人逐字稿 | 主持逐字稿 |
话术+异议 | 根据受邀客群和产品特征预设挽单话术+异议处理 | 挽单话术+异议处理库 |
3.场景三|朋友圈私域运营(表格 + 文案 + 图 + 视频)
AI 功能 | 具体做什么 | 产出物 |
内容日历 | 按 631 法则生成一周或一月的内容排期 | 排期表格、行事历 |
文案生成 | 分客群、分场景生成朋友圈文案 | 文案库 |
配图生成 | 按文案生成配图 | 配图 |
视频生成 | 按主题产出视频或者数字人 | 视频 |
4.场景四|资产配置建议书
AI 功能 | 具体做什么 | 产出物 |
需求诊断 | 从客户信息判断风险偏好、资金期限、流动性需求 | 诊断结论 |
资产配置 | 根据我行产品库内容,生成资产配置初稿 | 资产配置初稿 |
大白话翻译 | 把配置方案翻译成客户听得懂的话 | 大白话版本 |
建议书排版 | 输出成一份可打印的建议书 | 建议书成品 |
5.场景五|客户分层维护体系
AI 功能 | 具体做什么 | 产出物 |
分层模型搭建 | 按 AUM、贡献度、潜力、活跃度把客户分成几层 | 分层模型 |
每层标准动作 | 每层客户维护什么频次、什么内容、走什么渠道 | 维护标准表 |
差异化权益 | 每层配什么权益、什么服务,值与不值一眼看清 | 权益配置表 |
维护话术 | 每层的联系话术、关怀话术、邀约话术 | 分层话术 |
流失预警 | 从交易变化里挑出有流失苗头的客户 | 预警名单 |
6.场景六 |话术库与异议处理库
AI 功能 | 具体做什么 | 产出物 |
开场白生成 | 分客群、分产品生成开场白 | 开场话术 |
异议应对 | 把客户可能的拒绝理由列全,逐个给应对 | 异议应对表 |
挽单话术 | 客户说要考虑、比价、再想想时怎么接 | 挽单话术 |
电话外呼脚本 | 开场三十秒、通话流程、挂断前的约定 | 外呼脚本 |
7.搭建一个工作台网站赋能日常工作:搭一个"零售支行长专属工作台"
Ø设计并生成一个零售支行长网站:包括客户分层、产品库、客户洞察、营销话术库等模块
七、安全边界与合规红线
1.三不一必须原则的实战解读
Ø不贴源数据
Ø不传机密文件
Ø不全信答案
Ø必须脱敏与授权


宇谷可供招投标讲师资料汇总
请联系老师专职助理--郜正正
13061787203(微信同号)















































































