本报（chinatimes.net.cn）记者付乐 北京报道

“每天接到最多的电话就是推销信用卡，说了很多次不需要，还是天天打。”“每天一睁眼就能收到机构的推销电话，都是让去借钱。”“每次接到银行的营销电话都是秒挂，最多有几秒钟的耐心。”身边不少人对记者说道。

另有用户表示，自己致电金融机构的电话时，要么是一个答非所问的机器人，要么是一个请你上班时间再联系的员工，要么就是转到某个座机，还不一定能打通。用户真正想去解决问题的时候，很难解决，不想解决问题的时候，永远会有电话打过来。

随着数字化转型进程不断加快，外呼机器人在金融营销场景中愈发重要。当前，大模型技术正在重塑电销行业，利用深度学习优化话术，提供个性化服务，助力银行等金融机构降本增效。大模型外呼系统通过学习优秀话术，销售能力逐渐逼近销售高手，同时激励销售员提升专业技能，为大模型提供学习榜样，以保持持续进步。

12月13日，清华大学计算机科学与技术系教授郑炜民对《华夏时报》记者表示，从金融机构的角度来看，大模型应用在外呼、贷款审批过程中能够迅速提供决策支持，对数据进行深度分析，实现智能管理。

金融机构电销数字化转型在即

有金融机构从业者透露，最近在冲击开门红，是电销旺季。很多年轻员工电销很少出现有效客户，客户都说自己不需要服务。但是做营销还是要发掘客户的潜在需求，比如手头宽裕的客户可以买理财，缺钱的客户可以贷款，喜欢购物的可以办信用卡。部分年轻员工没有掌握好话术，不仅客户厌烦，自己业绩也不能达标。

也有金融机构员工在社交平台分享道，销售电话要打够1分钟，必须有邀约到现场的客户，否则就继续打，打到有来人为止。

有员工晒出自己作为金融机构电话营销员的一天：今天共计打了53个电话，加了15个微信，成功营销一笔5万元的贷款，只是感觉电话营销好慢，有没有什么能让大家快速找到我。

也有用户认为，电话销售并不是完全的骚扰电话，无广告、不营销，没有恶意，确实能够提供产品和服务，帮助小微企业和个人，只是电话效率低。

某头部消费金融公司从业者对本报记者表示，原有预设话术已达100多套，虽然积累了丰富的预设话术和交互节点，但外呼机器人依然存在意图分类不够精确、话术策略不够全面的问题，影响业绩提升。

“电销人员的培训成本很高，导致企业不愿意招更多员工，销售队伍也无法扩张。”另有金融科技公司工作人员对记者透露，营销人员面临电话接听率低的问题，一天中有效通话数量极少，浪费了大量时间。而重复性工作导致营销人员缺乏成就感，引发大量人员流失，无形中增加了企业成本。

金融业由于场景、数据丰富，成为了大模型应用落地行业的“天然土壤”。通过学习顶尖销售员的业务技巧，大模型从海量对话样本中获取高质量数据，快速训练模型，使其具备更强的精准营销能力，提升营销效率。

大模型：金融电销团队的智能助手

某大模型应用厂商负责人对本报记者表示，金融领域非常复杂，每个机构的背景和需求差异很大。比如，北方的客户与南方的客户不一样，中国有几千家银行，情况各异。但主流市场主要由几十家上市银行占据，尤其是六大行和股份制银行，占据了约70%到80%的市场份额。如果能专注于这些大型银行的需求，可能会更快找到突破口。

“大模型盈利的关键在于标准化和快速部署，让客户能够‘开箱即用’，迅速解决问题。”该负责人表示。

例如在信用卡场景中，大模型可提高外呼效率，提升信用卡开卡率。比如屋子里坐了10个坐席人员打电话，这里面自然有的人表现好，有的人表现差。如何把优秀经验复制出来，需要利用大模型分析优秀坐席人员的成功经验，并将其复制到整个电销团队中。同时利用大模型学习电销优秀员工的沟通技巧和服务策略，让其作为虚拟教练帮助其他员工提升技能，并开发智能助手系统，在通话过程中提供实时支持和建议，确保服务一致、高效。

此外，大模型也可用于质量检查，评估每次通话的效果，识别改进点。对于标准化任务，大模型也可直接参与，减轻人力负担。通过同步推进自动化工具的应用与员工培训，不仅提高了单个坐席的工作效率，也提升了整体团队的服务水平。

另有某消费金融企业探索大模型在营销外呼场景的应用，具体来看，首先从海量的通话记录里挑出最成功的对话例子，再把这些例子清洗和优化，确保数据合规且高质量，用它们来训练大模型，让模型更好地学会推销信用卡。

为了确保安全和准确性，在模型刚开始工作时，并不会直接跟客户对话，而是先在后台模拟对话，系统再检查有没有错误信息，是否违规或产生幻觉。只有通过了这些测试，模型才能正式上岗。一旦上线后，它会继续学习新出现的问题，避免犯同样的错误，确保每次对话都合规且准确。该消费金融企业大模型外呼机器人从每日200万通提升至1200万通，承担77%的外呼营销任务，对比以前，外呼业务量提升了68%。

在未来，每个用户都可能得到一个全天24小时在线，非常贴心的金融客服，能够随时拿起电话解决问题，即使聊天也能给足“情绪价值”，提升用户体验。