私域与投顾的AI版图：且慢场景全景图（纸书 p.001）
在且慢这样的基金投顾平台里，私域运营的核心不是“把用户拉进群然后多发几条消息”，而是在一个强监管、强信任依赖、强长期关系的业务里，用可验证、可追溯、可复盘的方式，把“信任”持续转化为“留存、复购与陪伴”，同时把“越界的表达”关在流程与系统之外。本章要做的事情，就是先把战场边界画清楚：哪些属于投教与服务，哪些属于营销增长；哪些信息可以讲到什么颗粒度，哪些必须交给持牌投顾与合规机制；然后再把 AI 放进这张版图里——不是泛泛谈“用大模型写文案”，而是把 AIGC、触达编排、预测/推荐、客服分流、合规审计这五类能力，落到且慢私域的具体链路、接口与岗位动作上。
一、先定坐标系：私域在投顾业务里到底“负责什么”
如果把且慢的用户生命周期拆成三段：进入（认知与建立初信任）→转化（开户/签约/首投）→长期（持有、加投、复投、复评与服务），私域运营最容易出现的误区是把这三段全部按“增长漏斗”处理：用同一套话术体系、同一种 KPI（点击/转化）、同一类内容模板去压缩路径。对投顾业务而言，这会带来两个直接后果：
1. 信任折损：投顾用户对“被推销”的敏感度显著高于一般消费品。越像营销，越会触发逆反与退订，长期 LTV 下降。 2. 合规风险外溢：投顾链路里存在大量“看似无害但可能被解释为建议”的表述，尤其当内容与用户真实持仓/偏好/风险等级发生耦合时。
因此，本章先给出一个可执行的“私域任务边界定义”，用于指导团队建流程、上系统、配 AI。
1.1 私域运营的四类“正当任务”（建议纳入 SOP）
下面四类任务，构成且慢私域运营的主战场；每一类都可以被 AI 增强，但增强方式不同（后文展开）。
A. 投教（投资者教育）
- 目标：提升用户理解、降低决策噪声、建立“专业可信”的第一印象。
- 内容边界：讲概念、讲机制、讲方法、讲风险，不对具体产品/组合给出方向性结论。
- 典型场景：新手入门、市场波动、基金/投顾服务机制解释（如调仓的原则与披露方式）。
B. 适当性沟通（Suitability Communication）
- 目标：帮助用户理解“风险等级—策略特征—持有体验”的匹配关系，促成合适的服务选择与预期管理。
- 内容边界：解释规则与匹配逻辑、提示风险与限制条件；不得用“收益暗示”替代适当性判断。
- 典型场景：风险测评提醒/复评、策略风险揭示、波动承受力教育。
C. 服务陪伴（Service Companion）
- 目标：在用户持有期提供“稳定、连续、可依赖”的信息支持，降低恐慌性操作与无效交易。
- 内容边界：提供过程信息与事实信息（如持仓结构、已发生的调仓、费率规则、交易状态），以及非建议性解释（“为什么会波动”“这类资产的长期特征”）。
- 典型场景：市场急跌、调仓后解读、节假日资金到账/确认份额说明、定投中断提醒。
D. 交易/持仓相关的非建议性信息支持（Non-advisory Support）
- 目标：让用户“看得懂、查得到、办得成”，减少因信息不对称导致的投诉与流失。
- 内容边界：流程、时间、状态、入口、费用、规则；不触及“买卖判断”和“具体点位/时点”。
- 典型场景：赎回到账时间、确认份额与净值口径、分红方式、组合变更披露入口、协议与风险揭示查询。
> 关键提醒：这四类任务的共同点是“帮助用户做更好的理解与选择”，而不是“替用户做选择”。私域可以更贴近用户，但不能替代投顾服务的持牌主体与合规边界。
1.2 私域运营的三类“高风险越界动作”（建议系统性封堵）
把以下三类动作列为红线，有助于你在设计 AI 与话术审核时明确“禁止生成/禁止触发”的规则。
1. 个性化的方向性建议：任何形式的“你现在应该/适合/建议买入A、卖出B、加仓/减仓、抄底/逃顶”。 2. 收益承诺或暗示：包括历史业绩不当呈现、用确定性语言描述未来收益、对回撤/波动的轻描淡写。 3. 以私域替代正式披露：调仓原因、策略变更、风险揭示等内容，如果应当在官方披露渠道呈现，私域只能做“提示与引导”，不能做唯一载体。
在 AI 时代，越界往往不是“人故意说错”，而是“模型为了迎合问题自动补全”。所以红线必须被产品机制与系统拦截，而不是靠运营同学记忆。
---
二、把链路拆开：营销增长链路 vs 投顾服务链路
要让团队协作顺畅、AI 能力可控，最有效的方法是把私域内发生的一切，拆成两条链路，并给它们不同的目标函数、数据权限与合规门控。
2.1 两条链路的定义
- **营销增长链路（Growth）**：以“产生新线索/促成首投”为主要目标，强调触达效率与转化，但必须在合规约束下运行。
- **投顾服务链路（Advisory Service）**：以“签约后长期体验、信任累积、留存复投”为主要目标，强调一致性、可解释与可追溯。
二者最大的区别不是“有没有交易”，而是：是否与用户的投顾关系、风险等级、持仓事实发生强耦合。一旦强耦合，就必须按服务链路的标准做合规与留痕。
2.2 用一张对照表把差异钉死（建议纳入团队手册）
| 维度 | 营销增长链路 | 投顾服务链路 | |---|---|---| | 核心目标 | 获客、激活、首投转化 | 陪伴、留存、复投、满意度 | | 触发机制 | 活动、内容订阅、节点运营 | 风险事件、持有阶段、服务节点 | | 可用数据 | 以匿名/弱标识为主，谨慎使用敏感画像 | 可使用风险等级、服务状态、持仓聚合信息（需最小化） | | 内容形态 | 通用投教、产品机制科普、活动规则 | 持有解释、调仓披露提示、个性化服务提醒（非建议） | | 合规门控 | 广告合规、宣传用语、适当性提示 | 适当性、投顾边界、信息披露、留痕审计 | | 关键 KPI | 订阅率、激活率、首投率、CAC | 留存率、复投率、投诉率、服务响应 SLA |
2.3 两条链路在私域里的“典型流程图”
```mermaid flowchart TD subgraph G[营销增长链路 Growth] G1[内容触达/活动入口] --> G2[线索收集/订阅] G2 --> G3[新手投教路径] G3 --> G4[适当性提示与风险测评引导] G4 --> G5[开户/签约/首投入口] end
subgraph S[投顾服务链路 Advisory Service] S1[签约/持有中] --> S2[服务节点：披露/规则/状态] S2 --> S3[风险事件：波动/调仓/偏离预期] S3 --> S4[陪伴沟通：解释+引导查看官方披露] S4 --> S5[问题分流：自助/客服/投顾] S5 --> S6[复评与长期复投：定投/加投的非建议性提醒] end
G5 --> S1 ```
> 教学提示：你可以把这张图当作“权限分界图”。只要流程进入 S（服务链路），所有触达与内容生成都应该默认开启更严格的合规审计、留痕与可解释要求。
---
三、AI 在且慢私域的“五类能力地图”：别从模型出发，要从任务出发
在私域场景里谈 AI，最怕的不是“做不到”，而是“做了一个看似聪明但不可控的黑箱”。正确的顺序是：先把任务拆到动作级，再把 AI 作为能力模块嵌进去，并为每个模块定义输入、输出、约束与监控指标。
本书将且慢私域的 AI 能力归为五类：
1. AIGC 内容生产：生成投教/解释/FAQ/脚本，但必须可控、可审、可追溯。 2. 智能触达编排：决定“何时、对谁、用什么渠道、以什么频率”触达。 3. 预测/推荐（风险与意图）：预测流失、投诉、赎回风险、阅读偏好等；推荐内容路径或服务动作（不是推荐买卖）。 4. 客服分流与知识检索：用意图识别+检索增强生成（RAG）实现自助解答、工单路由。 5. 合规审计与留痕：对内容、触达、对话做事前拦截、事中监控、事后抽检与举证材料沉淀。
下面逐一把它们落在且慢私域的具体场景中。
3.1 AIGC 内容：从“写文案”升级为“生成可复用的解释组件”
在投顾私域里，AIGC 最有价值的不是产出“10 篇热点文章”，而是把高频解释问题标准化为“解释组件”（Explanation Components）：
- **概念组件**：如“回撤”“年化”“风险等级”“债券久期”等。
- **机制组件**：如“确认份额时间”“赎回到账”“组合调仓披露路径”“费率与税务提示”等。
- **情绪组件**：在波动场景中，用更稳定的表达降低恐慌（但不做承诺）。
- **引导组件**：把用户引导到官方披露页、协议页、风险揭示页，而不是在私域里“说完就算”。
AIGC 的产出形式建议分三层： 1. 原子句库（可审计）：固定表达、敏感词替换规则、禁止语料。 2. 模板（可参数化）：按用户状态填充变量，如“你当前看到的净值波动来自…（通用解释）”。 3. 生成稿（需门控）：由模板+检索内容+少量生成组成，生成后必须过合规模型与规则。
> 操作要点：在且慢场景里，优先做“可复用解释组件库”，再做“自由生成”。这会显著降低合规与一致性成本。
3.2 智能触达编排：把“发什么”与“发不发/何时发”分开治理
很多团队一上 AI 就做“个性化推荐内容”，但私域的真正杠杆常常来自触达编排：频率控制、时机选择、渠道选择、冷启动路径分配。
建议把触达编排拆成四个可控变量：
- **时机（Timing）**：新用户 24 小时、7 天、30 天；波动事件 T+0/T+1；调仓披露后 2 小时等。
- **频率（Frequency）**：按用户反应动态限流，避免过度打扰导致退订。
- **渠道（Channel）**：企微私聊、社群、服务号、App 站内信、短信（强约束）等。
- **目的（Objective）**：投教完成、风险测评完成、规则理解、问题自助解决等。
触达编排的 AI 化通常不是“端到端大模型”，而是“策略引擎 + 预测分层 + 规则约束”。例如：
- 对高投诉风险人群：优先服务型解释与人工入口；
- 对低活跃新手：优先短内容+工具引导；
- 对已退订人群：降频、只保留强必要通知。
3.3 预测/推荐：推荐“下一步服务动作”，而不是推荐“买什么”
在投顾私域里，预测/推荐的合规安全方向是“服务动作推荐（Next Best Service Action, NBSA）”：
- 预测变量（例）：
- 7 日内退订概率、30 日内流失概率
- 市场波动下的赎回风险倾向（基于行为特征与历史反应）
- 对投教内容的完成度与理解路径
- 推荐动作（例）：
- 推送“机制解释 + 披露入口”
- 提醒完成风险测评/复评
- 引导进入“组合周报/调仓说明”的官方页面
- 分流到人工客服/投顾（当问题涉及个性化判断时）
一个实用的建模框架是把“用户状态”离散化，再做策略选择。举例：用一个简单但可落地的状态函数表示用户处境：
$$ State(u,t) = \{Stage, RiskLevel, HoldFlag, VolatilityExposure, Engagement, ComplaintSignal\} $$
然后由策略引擎输出动作：
$$ Action = \arg\max_a \; \mathbb{E}[Value(a|State)] \quad s.t.\; Compliance(a)=True $$
其中 `Compliance(a)=True` 不是一句口号，而是由规则与模型共同判定：动作触达什么渠道、引用哪些数据、输出哪些句式。
3.4 客服分流：用 RAG 把“答案一致性”做出来
私域里大量问题并不需要“生成”，需要的是“查到正确答案并用一致语言表达”。因此建议采用 RAG（检索增强生成）：
- 检索源建议包括：
- 且慢帮助中心/FAQ
- 投顾协议、风险揭示书（可引用但要注意呈现方式）
- 业务规则文档（如到账时点、节假日口径）
- 官方披露内容索引（只做引导，不做替代披露）
- 输出策略：
- 优先引用检索到的权威片段；
- 对不确定问题输出“我不确定 + 给出官方入口/人工入口”。
客服分流的 KPI 不是“机器人解决率越高越好”，而是：
- 自助解决的正确率（抽检）
- 转人工的命中率（该转的都转）
- 投诉率与二次咨询率（同一问题重复问）
3.5 合规审计：从“事后抽查”转向“全链路留痕 + 事前拦截”
在强监管业务里，AI 能不能用，取决于合规是否能“证明你是可控的”。建议建立三道闸：
1. 事前闸（Pre-check）：内容生成前做意图识别与风险分级；高风险直接走人工模板。 2. 事中闸（In-flight）：对生成文本做敏感表达检测、收益暗示检测、个性化建议检测。 3. 事后闸（Post-audit）：按风险分层抽检；将“用户输入—检索证据—生成结果—发送动作—审核结果”全链路留痕。
---
四、且慢私域业务能力分层图（用于团队对齐与系统建设）
下面给出一张“能力分层图”。它的用途是：任何一个 AI 项目立项时，都能回答三个问题：
- 它落在哪一层？
- 依赖哪些上游数据与接口？
- 产生哪些下游影响与合规责任？
```mermaid graph TD L1[业务目标层：信任增长/留存复投/合规稳态] --> L2[用户旅程层：进入-转化-持有-复评] L2 --> L3[流程编排层：触达策略/内容路径/事件响应/工单分流] L3 --> L4[AI能力层：AIGC/编排/预测推荐/客服RAG/合规审计] L4 --> L5[数据资产层：用户授权数据/风险测评/行为事件/持仓聚合/内容知识库/审计日志] L5 --> L6[基础设施层：企微&社群/CRM/CDP/内容CMS/消息中台/风控合规模型/权限与脱敏] ```
4.1 每一层该由谁负责（一个可落地的 RACI 建议）
- 业务目标层：投顾业务负责人 + 私域负责人（A），合规（C）
- 用户旅程层：私域运营（R），产品（C），投顾团队（C）
- 流程编排层：运营策略（R），增长/数据（R），产品（A）
- AI 能力层：算法/数据（R），产品（A），合规（C）
- 数据资产层：数据平台（A），安全/法务（C），业务（R）
- 基础设施层：研发/平台（A），安全（C）
> 教学提示：把合规放在 C（Consulted）并不代表它不重要，而是要让合规参与“规则制定与门控设计”，而不是事后背锅。
---
五、关键接口清单：把 AI 落地变成“可对接的工程问题”
私域 AI 最常见的失败模式是“演示很漂亮，上线很艰难”，根因往往是接口不清晰：数据拿不到、拿到了不能用、能用了又无法留痕。下面给出一份面向且慢场景的关键接口清单（你可以把它当作需求评审的必备附件）。
5.1 接口清单（建议纸书排版为表格，电子版可链接到接口文档）
| 接口域 | 关键接口 | 输入 | 输出 | 关键约束（合规/安全/时效） | |---|---|---|---|---| | 用户与授权 | 用户标识映射（App/企微/服务号） | union_id/open_id/企微external_userid | 统一用户ID | 最小化映射、权限分级、可撤回 | | 适当性 | 风险测评结果查询 | 用户ID | 风险等级、测评时间 | 只读、不可外泄、超期需复评提示 | | 投顾关系 | 签约/服务状态查询 | 用户ID | 是否签约、策略类型、服务到期 | 用于流程分支，不用于营销定向夸大 | | 持仓聚合 | 持仓摘要（非明细） | 用户ID/组合ID | 资产类别占比、波动暴露标签 | 仅输出聚合与标签，避免单品明细外发 | | 市场事件 | 波动事件触发 | 指数/波动阈值/公告 | 事件ID、影响范围 | 事件来源可追溯，阈值可配置 | | 内容资产 | CMS 内容检索 | 关键词/标签/人群 | 内容片段、版本号 | 版本管理、下线机制、审计 | | 知识库 | FAQ/规则文档检索（RAG） | 问题文本 | 证据片段+引用链接 | 强制引用、过期检测、灰度 | | 触达中台 | 消息发送与回执 | 人群包/模板/渠道 | 发送状态、点击/退订 | 限流、频控、退订即停 | | 客服工单 | 工单创建/路由 | 意图/对话摘要 | 工单ID、队列 | 关键信息脱敏、SLA | | 合规审计 | 内容审核与留痕 | 文本+上下文+证据 | 风险等级、拦截原因、审计ID | 可解释、可复盘、可导出 | | 实验平台 | A/B 分流与指标回收 | 实验ID/人群 | 归因指标、显著性 | 不以违规指标为目标函数 |
5.2 三个“接口设计原则”（能显著降低后续返工）
1. 先定义“可用字段白名单”：尤其是持仓与风险等级相关字段，按链路（增长/服务）分别定义。 2. 所有生成内容必须带“证据与版本号”：否则出了问题无法举证“依据是什么”。 3. 退订/撤回授权要成为强约束事件：触达编排要把它当作硬门槛，而不是一个标签。
---
六、三类典型场景拆解（从动作到 AI 的落点）
本节用三组场景把前面的“版图”落到可执行的运营动作。每组场景都包含：目标、流程、AI 落点、合规要点、指标建议。
6.1 场景一：新用户进入私域后的 7 天游程（从投教到适当性引导）
目标
- 建立“专业可信”的第一印象
- 完成风险测评（或理解其必要性）
- 引导完成开户/签约/首投（但不做收益暗示）
建议流程（可作为触达编排模板）
1. D0：欢迎 + 规则说明（频率、退订方式、咨询入口） 2. D1：投教短内容（1 个核心概念 + 1 个自测问题） 3. D3：机制解释（投顾如何运作、披露在哪里看） 4. D5：适当性提示 + 风险测评引导 5. D7：常见问题合集 + 人工入口
AI 落点
- AIGC：把“投教短内容”做成可参数化模板（不同水平用户不同解释密度）
- 编排：根据 D1 的互动行为（读完/未读/提问）动态调整 D3 内容长度
- 预测：识别“高反感触达”用户（多次未读/退订倾向）自动降频
- 合规：所有“首投引导”必须经过宣传用语检测与适当性提示检查
指标建议
- 投教完成率（阅读到达率 + 自测答题率）
- 风险测评完成率
- 退订率（作为频控与内容质量的反向指标）
- 首投转化率（但不要把它作为唯一目标）
6.2 场景二：市场急跌当日的“持有期陪伴”（高敏感、最需要边界）
目标
- 降低恐慌性赎回与投诉
- 帮用户快速找到“官方披露与组合说明”
- 提供非建