AI+产品创新峰会-2026上海站

出品人：1111

111111

1111

111111

1111

AI驱动下的客户体验管理，从传统分析到智能决策变迁

李哲

数阔云听CEM合伙人

内容简介：

全球进入超链接时代，消费者拥有更多的话语通道和话语权，新生代消费者更加重视体验，客户体验已成为品牌资产增长的关键因素。如何建立科学的客户体验评估测量体系和指标，并制定不同发展阶段下的VOC(客户之声)策略和改进行动？基于行业级参数精调的AI模型，如何深度赋能客户体验洞察？数阔云听CEM将在此次分享中以先进的方法论+丰富的实战案例进行深度分享。

演讲提纲：

1.开场：从“听见用户”到“让数据真的改变产品”
2.中国品牌做客户体验的三阶段：从认知到系统化
案例主线一：头部品牌的 VOC 转型之路
案例主线二：AI 时代的 VOC 三大关键应用场景
3.底层能力：从“打标签”到搭一套 AI 体验操作系统
4.方法论：小闭环、五个统一与体验度量的新范式
5.组织与落地：如何让产品、运营、客服说同一种“体验语言”
6.给中国体验团队的三点行动建议

听众收益：
1.深度了解客户体验对于不同品牌发展阶段的影响
2.深度学习大闭环小闭环
3.获得不同品牌在客户体验中的经验

香港大学产品体验与设计专业出身，累计为国内百家消费品牌提供客户体验咨询与落地，服务对象涵盖OPPO、vivo、倍思、小米、万和、老板电器、雷鸟、李宁、裴乐、福特、马自达等国内外知名头部品牌，在针对不同发展阶段的品牌客户体验落地策略上有深刻理解和丰富经验，独创客户体验落地的“小闭环”与“大闭环”方法论。

焕能·智胜：AI主动增长引擎赋能客户全生命周期价值深耕

李远鑫

中邮消费金融产品创新部负责人

内容简介：

针对金融行业数智化转型中面临的运营效率偏低、客户服务体验待优化、风险管控难度较大，且大模型应用落地缺乏成熟路径等核心痛点，可依托具备深厚技术积淀与长期行业服务经验的方案支撑，搭建涵盖客户画像、营销、电销、风控、黑灰产识别等十余类大模型场景助手，并通过 “1+1+N”（1 个大模型平台 + 1 套覆盖建设咨询、场景验证、模型训练、端到端调优的全链条服务 + N 个业务场景）为核心的落地模式提供全流程保障。最终将助力金融机构显著提升营销转化效能，大幅降低运营人力成本，有效缩短贷款审批周期，明显优化客户满意度，同时精准识别黑灰产套路与伪造人脸以筑牢业务风险防线，推动大模型技术快速转化为实际业务价值，为金融行业数智化升级进程注入强劲动力。

演讲提纲：
1. 金融行业数智化转型与大模型应用趋势
1.1 金融行业数智化转型的核心痛点：聚焦金融行业数智化转型中运营效率偏低、客户体验待优化、风险管控难度大及大模型落地缺乏成熟路径等核心痛点，明确大模型技术介入的必要性与切入点，为后续阐述技术赋能价值奠定基础
1.2 大模型技术对金融业务的赋能价值：阐述大模型技术在优化业务流程、提升服务精准度、强化风险预判、降低运营成本等方面的核心赋能价值，展现其破解转型痛点、释放金融业务潜能的关键作用
1.3 金融大模型应用的行业整体发展态势：梳理金融大模型在行业内的应用普及程度、主流落地领域及未来演进方向，明确大模型技术在金融数智化转型中的整体定位，为机构布局提供趋势参考
2.金融行业大模型典型场景落地实践
2.1 客户经营类场景（营销助手为核心）：聚焦以营销助手为核心的大模型工具在客户经营场景的深度落地，通过搭建全链路 AI 驱动体系，为金融机构实现客户服务与价值转化的双重升级，是本次分享的核心实践场景
2.1.1 客户全生命周期运营框架搭建：基于大模型构建覆盖获客、活客、留客、转化的客户全生命周期运营框架，打通多渠道客户数据壁垒，实现客户需求的精准洞察与全链路触达
2.1.2 客户经营专属运营画布应用：依托大模型能力定制金融客户经营画布，将客群分层、场景匹配、话术策略等模块系统化整合，为营销动作提供可视化、可落地的执行指引
2.1.3 营销增益模型的构建与落地：借助大模型训练适配金融业务的营销增益模型，实现客群匹配度、话术转化率、产品推荐精准度的量化提升，优化营销资源投放效率
2.1.4 友商量协同工具的实践价值：通过大模型赋能的友商量协同工具，打通内部营销团队、客服团队的信息链路，实现客户需求的快速响应与营销方案的实时迭代，强化客户服务协同能力
2.2 风险管控及运营提效类场景：以风险管控为核心、智能问数为辅助，展现大模型在金融业务安全与效率层面的补充价值，为业务稳健运转提供技术支撑
2.2.1 黑灰产识别的大模型实践：围绕黑灰产识别助手的落地，说明大模型在精准拆解黑灰产各类套路、实时预警风险隐患、筑牢信贷及客诉环节安全防线的核心作用，提升机构风险抵御能力
2.2.2 智能问数的运营提效价值：简要介绍智能问数工具的应用，展现其在简化业务数据分析流程、降低数据查询门槛、缩短运营决策周期等方面的轻量化提效成效
3. 金融大模型应用落地保障体系
3.1 “1+1+N” 落地模式（1 个平台 + 1 套服务 + N 个场景）：解析 “1 个大模型平台 + 1 套全链条服务 + N 个业务场景” 的 “1+1+N” 落地模式，说明其为金融机构提供标准化平台支撑、定制化服务适配与多场景覆盖的优势，降低大模型落地门槛
3.2 全链条服务支撑（咨询、验证、训练、调优、运营）：阐述涵盖咨询、场景验证、模型训练、端到端调优、长期运营的全链条服务支撑，说明其在大模型从规划到落地再到持续优化过程中的保障作用，确保应用效果稳定可控
3.3 合规与技术适配保障（国产化信创、多模型纳管）：说明国产化信创适配、多模型统一纳管等合规与技术适配保障措施，阐述其在满足金融行业监管要求、保障数据安全、兼容多类模型应用等方面的价值，为大模型安全合规落地保驾护航

听众收益：
1. 清晰掌握金融行业大模型的核心应用场景与实际业务价值，了解大模型在提升营销转化、降低运营成本等方面的具体数据成效。
2. 深入了解成熟的金融大模型落地方法论，掌握 “1+1+N” 模式的核心逻辑，破解自身机构大模型应用落地的难点。
3. 借鉴中邮金融场景的AI应用的实践经验，为自身机构的数智化转型找到可落地、可复用的技术与服务方案。

硕士毕业于华南理工大学计算机专业，中邮消费金融公司创始团队成员之一，曾任科技发展部总经理助理，资深架构师，曾负责公司两次IT系统规划的制定、整体架构设计和落地实施，成功主导大型金融系统从集中式到分布式、微服务的中台架构转型。现任产品创新部负责人，负责产品创新和研发、数字化转型、企业级业务架构设计等。目前已获得系统架构设计师、信息系统项目管理师等认证，华南理工大学电子与信息专业博士在职研究生。