从台账到AI:客户运营的四个时代

营业部里还有一批老客户经理。桌上没什么系统，只有一本厚厚的手写台账。

谁家上个月刚卖了房子，手头宽裕；谁的定期存款下个月到期；谁对新股申购最感兴趣——全在脑子里，一个不差。

私人银行更极端。一个顶级客户经理，可能只维护几十个高净值客户。逢年过节登门拜访，客户的家庭结构、资产偏好、风险心理，几乎了如指掌。

不可复制，不可规模化。

好的客户经理是稀缺资源，培养周期长。一旦离职，客户和AUM一起带走，机构最后留下的，往往只是一本谁也看不懂的台账。

那个时代，机构的客户资产，本质上存在员工脑子里，而不是机构手里。

护栏极软。那个时代的合规，更多依赖从业者职业道德。适当性管理几乎不存在。飞单、私售、虚假承诺，是最典型的风险形态。

招商银行金葵花体系，是这个时代最典型的案例。

2002年前后，招行率先推出以AUM为核心的客户分层体系：50万以上是金葵花，500万以上是私人银行。不同层级对应不同服务标准、产品权限和客户经理配置。

客户第一次从模糊的关系网络，变成可以被统计、被管理的群体。

后来到了A股券商，我开始搭内容营销、社区运营和销售管理体系：内容获客，社区留存，销售转化。三件事拼在一起，才勉强形成一个完整运营闭环。

但那个闭环，本质上还是人工维系的。数据是静止快照，机会窗口开了没人知道，关了也没人知道。

数据是静止的，产品是固定的。

系统记录的是过去，看不见现在。客户资产状态发生变化——大额赎回、产品到期、市场剧烈波动——系统没有感知，客户经理往往也不知道。

护栏开始硬化。KYC开始制度化，适当性管理第一次有了明确规则。但执行层面依然高度依赖人。表单是填了，但有没有真正理解客户风险承受能力，本质上还是靠从业者自律。

那个时代的合规，更像"纸面合规"，还没有真正进入系统。

我在港美股券商做运营中心总监的时候，面对的是完全不同的市场：离岸客户、跨境资产、港美股产品、更复杂的客群结构，以及更严格的合规要求。

我从零搭了一整套平台运营体系：获客渠道监控、资金转化、产品运营、会员积分、内容营销、社区运营、销售管理……

单独看，每一块都不算难。真正难的是，让它们彼此协同，形成一个完整系统，而不是一堆孤立工具。

其中最核心的一块，是千人千面的个性化推送体系。

在那之前，客户触达基本还是广播式的：一条消息发给所有人，或者按资产规模粗略分层。效率低，客户反感，转化率也很差。

后来我们重新设计标签体系：AUM、活跃度、持仓结构、行为偏好……客户开始被赋予多维标签。推送内容和触达时机，也第一次能够真正匹配客户当下状态。

再往后，就是现在的MOT客户运营体系：

每一个关键节点，都被定义成触发器。系统开始自动感知、自动提醒、自动触达。过去必须靠客户经理人工盯着才能发现的机会窗口，开始被系统接管。

规则是死的，客户是活的。

所有自动化触达，本质上都是预设框架。客户一旦超出场景，系统就会失效。

系统推送的是"你应该买什么"，但不一定是"你真正想要什么"。

标签颗粒度决定了匹配上限。而标签永远只是对人的简化，不是人本身。

自动化触达，也带来了新的合规问题。

当一条规则自动触发产品推送，导致客户买入了并不适合的产品，责任到底归谁？系统？产品？运营？客户经理？

监管已经开始关注：

• 自动化投资建议是否需要持牌？
• 算法推荐是否需要留痕和可追溯？
• 适当性管理在系统推送场景下如何落地？

这些问题，到今天依然没有完全成熟的答案。

2025年，高盛开始在全公司范围内部署 GS AI Assistant。

最早只是内部试点，后来逐渐覆盖投行、财富管理、研究、交易、工程等核心部门。

它已经不只是简单的聊天机器人。它可以：

更重要的是：它开始具备"Agent化"能力。

也就是说，AI不再只是回答问题，而开始能够连续完成任务。

这和MOT体系，其实已经是两个阶段。

MOT本质上还是响应式的：资产状态变化 → 规则触发 → 系统动作。

而AI系统已经开始进入预判逻辑：它不只是响应客户行为，而是在持续建模客户意图、市场环境和资产变化。

客户行为、资产结构、产品特性、触达时机，第一次真正同时被建模。

匹配开始从：

千人千面，不再只是营销概念，而开始变成系统能力。

客户经理，也第一次真正拥有了"智能副驾"。

但新的问题，也开始浮出水面。

AI时代的合规，开始面临根本性重构。可解释性、算法歧视、数据隐私，三个问题同时摆在桌上。

这个时代的合规，不再只是填表、审批和留痕。而是把风险意识直接嵌入模型训练与系统设计本身。

合规开始从事后检查，变成事前治理；从人工审核，变成算法治理。