원클릭으로
customer-marketing
Financial AI Skill - 客户经理营销话术实时生成器。输入客户画像和营销目标,AI自动生成电话/微信/拜访话术,支持异议处理预演、方言适配、多风格切换。覆盖零售/对公/理财/私行/信用卡全营销岗位。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
메뉴
Financial AI Skill - 客户经理营销话术实时生成器。输入客户画像和营销目标,AI自动生成电话/微信/拜访话术,支持异议处理预演、方言适配、多风格切换。覆盖零售/对公/理财/私行/信用卡全营销岗位。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
Enterprise WeChat template_card builder and sender. Provides reusable card templates for due diligence reports, stock alerts, risk warnings, and more. Supports text_notice, news_notice, and button_interaction card types with fallback to markdown.
本技能为进出口企业提供全面的贸易融资方案推荐与对比分析,基于企业类型、贸易类型、融资金额、账期等关键参数,智能推荐最适合的融资产品。
网点分析技能是一个基于AI的银行网点竞争力评估与经营规划引擎。该技能综合分析网点的地理位置、竞争格局、客群特征等维度,输出SWOT分析、三年经营预测、重点发展业务方向及投入产出建议。
ALM(Asset-Liability Management,资产负债管理)引擎专注于银行资产负债表的全方位分析与优化。输入银行资产负债数据(资产规模、负债结构、期限分布),输出完整的缺口分析、风险指标(LCR/NSFR/久期缺口)及优化建议。
Financial AI Skill - 产品手册智能对话引擎。基于 BM25 + TF-IDF 双路检索 + RRF 融合的轻量级 RAG,零外部依赖、毫秒级响应、自动出处标注。支持理财/信用卡/贷款等多种产品手册同时入库,语音/文字提问秒回精准答案。Hit@1 实测 100%,平均检索耗时 < 3ms。
Financial AI Skill - 财富管理智能体。提供资产配置、财务健康诊断、退休规划、保险规划、税务优化、教育金规划、房产规划、智能投顾等8大能力。基于规则引擎的轻量级财富管理系统,零API费用。
| name | customer-marketing |
| description | Financial AI Skill - 客户经理营销话术实时生成器。输入客户画像和营销目标,AI自动生成电话/微信/拜访话术,支持异议处理预演、方言适配、多风格切换。覆盖零售/对公/理财/私行/信用卡全营销岗位。 |
| version | 1.1.0 |
| author | Financial AI Community |
| license | MIT |
| metadata | {"BetaAgent":{"tags":["marketing","sales","话术","客户经理","营销","对公","零售","理财","私行","信用卡"],"related_skills":["wealth-management","risk-compliance","wecom-template-card"]}} |
| prerequisites | {"commands":["python3"]} |
输入客户画像,秒级生成专业营销话术。 覆盖电话/微信/拜访全渠道,支持异议处理预演。
⚡ 零API费用 | 🎯 多风格适配 | 📦 开箱即用
| 能力 | 触发关键词 | 核心功能 |
|---|---|---|
| 话术生成 | 话术、营销、拜访 | 根据客户画像生成电话/微信/面对面话术 |
| 异议处理 | 异议、拒绝、反驳 | 预置常见客户异议及应答话术 |
| 风格切换 | 风格、语气、正式 | 支持正式/亲和/专业/简洁多种风格 |
| 方言适配 | 方言、本地化 | 支持粤语/闽南语/四川话等方言话术(文本版) |
| 场景模板 | 场景、模板 | 开户/贷款/理财/信用卡等预置场景模板 |
| 扩展模板库 (v1.1) | - | templates/ 目录提供 10 个开场白 + 10 个产品话术 + 10 个异议 + 5 同业案例可直接调用 |
# 克隆仓库
git clone https://github.com/yuzhaopeng-up/financial-ai-skills.git
# 复制Skill到BetaAgent目录
cp -r financial-ai-skills/skills/customer-marketing ~/.BetaAgent/skills/
cd ~/.BetaAgent/skills/customer-marketing/scripts
# 基础话术生成
python3 marketing_cli.py generate \
--name "张总" \
--industry "制造业" \
--scale "年营收5000万" \
--goal "推荐供应链金融产品" \
--channel "face-to-face"
# 带异议处理的话术
python3 marketing_cli.py generate \
--profile "profiles/enterprise_a.json" \
--goal "开立对公账户" \
--style "professional" \
--with-objections
# 方言版话术
python3 marketing_cli.py generate \
--name "李姐" \
--industry "零售" \
--goal "推荐信用卡" \
--dialect "cantonese"
import sys
sys.path.insert(0, "~/.BetaAgent/skills/customer-marketing")
from marketing_engine import MarketingEngine, MarketingFormatter
# 初始化
engine = MarketingEngine()
formatter = MarketingFormatter()
# 生成话术
result = engine.generate_script(
customer_name="张总",
industry="制造业",
company_scale="年营收5000万",
recent_news="刚获得大额订单",
marketing_goal="推荐供应链金融产品",
channel="face-to-face",
style="professional"
)
print(formatter.format_script(result))
# 生成异议处理
objections = engine.generate_objections(
goal="推荐供应链金融产品",
industry="制造业"
)
print(formatter.format_objections(objections))
| 编号 | 场景 | 输入示例 | 输出示例 |
|---|---|---|---|
| R1 | 信用卡开卡 | 年轻白领,月收入1.5万,经常出差 | 出差权益介绍话术 |
| R2 | 理财推荐 | 退休教师,风险偏好保守,有50万存款 | 稳健型理财推荐话术 |
| R3 | 存款升级 | 活期存款20万,未购买任何理财 | 大额存单升级话术 |
| 编号 | 场景 | 输入示例 | 输出示例 |
|---|---|---|---|
| C1 | 开户营销 | 新注册科技公司,注册资本100万 | 对公账户+结算套餐话术 |
| C2 | 贷款推荐 | 制造业企业,年营收5000万,有扩产计划 | 经营贷/设备贷话术 |
| C3 | 供应链金融 | 核心企业供应商,账期3个月 | 应收账款融资话术 |
| 编号 | 场景 | 输入示例 | 输出示例 |
|---|---|---|---|
| W1 | 资产配置 | 高净值客户,可投资资产300万 | 股债配置方案话术 |
| W2 | 基金定投 | 年轻父母,为孩子储备教育金 | 教育金定投话术 |
| W3 | 保险规划 | 家庭支柱,有房贷,无商业保险 | 定期寿险+重疾险话术 |
| 编号 | 场景 | 输入示例 | 输出示例 |
|---|---|---|---|
| P1 | 家族信托 | 企业主,资产过亿,有子女教育规划 | 家族信托架构话术 |
| P2 | 税务筹划 | 高管,年收入200万,税负较重 | 个税优化方案话术 |
| P3 | 全球配置 | 有海外资产,需分散风险 | QDII+海外保险话术 |
| 编号 | 场景 | 输入示例 | 输出示例 |
|---|---|---|---|
| K1 | 新客开卡 | 大学生,首次申请信用卡 | 学生卡权益介绍话术 |
| K2 | 分期营销 | 大额消费后,账单压力较大 | 账单分期话术 |
| K3 | 权益激活 | 白金卡客户,未使用机场贵宾厅 | 权益提醒+激活话术 |
| 风格 | 适用场景 | 特点 |
|---|---|---|
| 正式 | 对公大客户、首次拜访 | 措辞严谨、专业术语、结构清晰 |
| 亲和 | 零售老客户、熟人推荐 | 语气亲切、拉近距离、自然流畅 |
| 专业 | 理财/私行客户 | 数据支撑、逻辑严密、方案完整 |
| 简洁 | 微信/短信触达 | 要点突出、简短有力、便于阅读 |
[企微打开] → [选择岗位:零售/对公/理财/私行/信用卡]
→ [选择场景:开户/贷款/理财/信用卡...]
→ [填写客户信息] → [选择风格/渠道]
→ [AI生成话术] → [复制/发送到企微/保存]
🎯 营销话术实时生成
客户信息:
┌─────────────────────────────────────┐
│ 姓名:张总 │
│ 行业:制造业 │
│ 规模:年营收5000万 │
│ 动态:刚获得大额订单 │
│ 目标:推荐供应链金融产品 │
│ 渠道:面对面拜访 │
│ 风格:专业正式 │
└─────────────────────────────────────┘
💬 AI生成话术:
【开场白】
"张总您好!听说贵公司最近拿下了一笔大额订单,
恭喜啊!这种时候资金周转是不是有点紧张?
我们正好有一款供应链金融产品..."
【产品介绍】
"这款产品专门针对像您这样的制造业企业..."
【异议处理】
如果客户说"利率太高" → "张总,您看这样..."
如果客户说"已有合作银行" → "理解理解,不过..."
[📋 复制话术] [📤 发送到企微] [🔄 重新生成]
customer-marketing/
├── SKILL.md # 本文件
├── marketing_engine.py # 核心引擎
├── marketing_formatter.py # 格式化输出
├── templates/
│ ├── opening_templates.json # 开场白模板
│ ├── product_templates.json # 产品介绍模板
│ ├── objection_templates.json # 异议处理模板
│ └── closing_templates.json # 促成签约模板
└── scripts/
└── marketing_cli.py # CLI工具
| 版本 | 日期 | 更新内容 |
|---|---|---|
| v1.0.0 | 2026-06-07 | 初始版本,覆盖5大岗位15个场景 |
欢迎提交PR扩展更多场景模板!
templates/ 目录添加新场景模板SKILL.md 场景列表金融AI技能库 | MIT License | 由FinAI集群六节点协同开发
templates/ 目录新增四份开箱即用的话术资产:
templates/opening_templates.json — 10 个场景开场白| ID | 场景 | 渠道 |
|---|---|---|
| OPEN-001 | 新客户首次电话 | phone |
| OPEN-002 | 存量客户回访 | phone |
| OPEN-003 | 微信首次触达 | |
| OPEN-004 | 节假日问候 | |
| OPEN-005 | 高净值面访 | face-to-face |
| OPEN-006 | 潜在客户陌拜 | phone |
| OPEN-007 | 客户流失预警 | phone |
| OPEN-008 | 小微企业主电话 | phone |
| OPEN-009 | 理财到期续作 | |
| OPEN-010 | 新产品上线推介 | sms |
templates/product_templates.json — 10 个产品介绍话术覆盖:大额存单、基金定投、信用卡白金卡、小微企业贷、家族信托、重疾险、教育金保险、私行理财、QDII海外基金、黄金积存。每条包含核心价值、目标客户、适配场景、异议预案、Closing hook。
templates/objection_templates.json — 10 个异议应答| ID | 异议类型 |
|---|---|
| OBJ-001 | 收益太低/对比同业 |
| OBJ-002 | 我再考虑考虑 |
| OBJ-003 | 资金紧张 |
| OBJ-004 | 怕亏钱/担心风险 |
| OBJ-005 | 我自己投资就好 |
| OBJ-006 | 费用太贵 |
| OBJ-007 | 对你们行不了解 |
| OBJ-008 | 等卖了房子再说 |
| OBJ-009 | 需要家人同意 |
| OBJ-010 | 不要再联系我了 |
templates/peer_cases.json — 5 个同业最佳实践案例附 cross_cases_insights:4 项共性成功因素 + 4 项常见陷阱。
import json, os
path = os.path.expanduser("~/.BetaAgent/skills/customer-marketing/templates")
opens = json.load(open(f"{path}/opening_templates.json"))
products = json.load(open(f"{path}/product_templates.json"))
objections = json.load(open(f"{path}/objection_templates.json"))
cases = json.load(open(f"{path}/peer_cases.json"))
# 找到匹配的开场白
for s in opens["scenarios"]:
if "高净值" in str(s.get("best_for")):
print(s["templates"][0])
break