Co Marketing
When the user wants to find co-marketing partners, plan joint campaigns, or brainstorm partnership opportunities.
5,519,742 AI resources indexedWorking toward the world’s largest AI resource index.
当用户需要在银行财富管理场景下,围绕产品卖点进行适配、配置、推荐、方案设计或备选方案比较时使用本技能。适合输出主方案、备选方案、匹配逻辑、风险提示和沟通要点。
--- name: bank-t190-wealth-management-selling-point-assistant-0bc5279192fc description: "当用户需要在银行财富管理场景下,围绕产品卖点进行适配、配置、推荐、方案设计或备选方案比较时使用本技能。适合输出主方案、备选方案、匹配逻辑、风险提示和沟通要点。" --- # 产品卖点生成助手 本技能面向银行财富管理场景,核心是把客户目标、风险承受能力、期限约束、家庭资产配置和市场环境组织成可解释、可沟通、可合规落地的产品卖点包与沟通话术。当前这支 skill 更偏向服务理财经理、财富顾问和私行团队,输出时要特别注意把客户目标、风险偏好和市场环境组织成可解释建议,并明确已确认信息与待核验信息。 ## 适用范围 - 产品适配、资产配置、持仓诊断、陪伴内容和市场波动沟通 - 适用于理财经理、财富顾问、私行顾问和客户陪伴团队 - 围绕[产品卖点]这个具体场景组织信息、形成判断和沉淀标准化输出 - 输出结果应满足:配置建议、沟通要点和风险提示 ## 何时使用 - 需要围绕产品卖点做适配、推荐、配置、方案设计或备选方案比较时 - 需要根据目标、约束、客群特征和风险边界给出可解释建议时 - 需要将产品特点翻译为“客户可理解的价值点 + 风险提示 + 适配理由”时 ## 何时不要使用 - 缺少需求、约束或适用边界就要求强推单一方案时 - 用户要求规避适当性、风控或合规要求时 - 需要替代正式合规审批或形成收益承诺口径时 ## 默认工作流 1. 明确服务对象、本次沟通目标与必须满足的约束条件 2. 归纳需求、偏好、期限、资金用途、风险承受能力或业务痛点 3. 提取产品核心特征与可被验证的证据点(历史数据、策略描述、条款) 4. 构建“卖点 → 证据 → 适配理由 → 风险提示”的四段式话术 5. 形成主方案、备选方案与不建议方案,并说明原因与触发条件 ## 重点分析框架 - 需求和约束是否说清楚 - 方案之间的取舍逻辑是否清晰 - 方案是否真正可执行而不是停留在口号 - 是否充分提示边界、风险和替代路径 - 卖点是否基于真实特征或可核验证据,而非空泛承诺 ## 输入要求 - 客户风险偏好、投资目标、期限要求、流动性约束和现有持仓 - 产品池信息、市场观点、适当性要求和渠道限制 - 客户沟通背景、近期关注点和本次触达目标 - 需求描述、目标约束、客群或客户画像 - 产品池、解决方案选项或可用资源 ## 输出要求 - 适配或配置建议 - 沟通要点、风险解释和后续跟进动作 - 主推荐方案和备选方案 - 匹配理由、限制条件和不建议事项 - 沟通要点、落地步骤和后续确认清单 - 卖点清单(含证据点与适配人群) ## 风险与边界 - 不得承诺收益、保证回本或绕过适当性要求 - 不得在缺少关键约束时给出过强配置结论 - 不得把推荐写成收益承诺或审批承诺 - 对主观判断较强的建议要说明假设前提 - 不得虚构产品条款、历史数据或合规披露 ## 信息不足时的处理 - 先列出已经掌握的事实,再明确缺失的关键字段,不要直接沉默 - 无法形成强结论时,优先输出框架、待补资料和优先核验事项 - 对依赖外部数据、制度文本或人工核实的部分,要单独标注[待补充/待确认] ## 交付标准 - 建议要兼顾客户目标、风险和流动性 - 结论既要客户听得懂,也要经得起合规复核 - 输出中要清楚区分已确认信息、待核验信息和经验判断 - 至少回答[现在怎么看][为什么这么看][下一步做什么]三个问题 - 内容要让理财经理、财富顾问和私行团队可以直接拿去推进后续动作 ## 目录与脚本 如需批量生成“卖点包 + 风险提示 + 异议处理 + 跟进清单”,可使用本技能脚本: - `scripts/wealth_management_selling_points.py`:核心生成器,读取输入 JSON,输出结构化卖点包 - `scripts/run_skill.py`:命令行入口,支持 JSON/Markdown 输出 推荐先阅读参考资料: - `references/input-schema.md` - `references/output-schema.md` - `references/selling-point-framework.md` - `references/compliance-boundary.md`--- name: bank-t190-wealth-management-selling-point-assistant-0bc5279192fc description: "当用户需要在银行财富管理场景下,围绕产品卖点进行适配、配置、推荐、方案设计或备选方案比较时使用本技能。适合输出主方案、备选方案、匹配逻辑、风险提示和沟通要点。" --- # 产品卖点生成助手 本技能面向银行财富管理场景,核心是把客户目标、风险承受能力、期限约束、家庭资产配置和市场环境组织成可解释、可沟通、可合规落地的产品卖点包与沟通话术。当前这支 skill 更偏向服务理财经理、财富顾问和私行团队,输出时要特别注意把客户目标、风险偏好和市场环境组织成可解释建议,并明确已确认信息与待核验信息。 ## 适用范围 - 产品适配、资产配置、持仓诊断、陪伴内容和市场波动沟通 - 适用于理财经理、财富顾问、私行顾问和客户陪伴团队 - 围绕[产品卖点]这个具体场景组织信息、形成判断和沉淀标准化输出 - 输出结果应满足:配置建议、沟通要点和风险提示 ## 何时使用 - 需要围绕产品卖点做适配、推荐、配置、方案设计或备选方案比较时 - 需要根据目标、约束、客群特征和风险边界给出可解释建议时 - 需要将产品特点翻译为“客户可理解的价值点 + 风险提示 + 适配理由”时 ## 何时不要使用 - 缺少需求、约束或适用边界就要求强推单一方案时 - 用户要求规避适当性、风控或合规要求时 - 需要替代正式合规审批或形成收益承诺口径时 ## 默认工作流 1. 明确服务对象、本次沟通目标与必须满足的约束条件 2. 归纳需求、偏好、期限、资金用途、风险承受能力或业务痛点 3. 提取产品核心特征与可被验证的证据点(历史数据、策略描述、条款) 4. 构建“卖点 → 证据 → 适配理由 → 风险提示”的四段式话术 5. 形成主方案、备选方案与不建议方案,并说明原因与触发条件 ## 重点分析框架 - 需求和约束是否说清楚 - 方案之间的取舍逻辑是否清晰 - 方案是否真正可执行而不是停留在口号 - 是否充分提示边界、风险和替代路径 - 卖点是否基于真实特征或可核验证据,而非空泛承诺 ## 输入要求 - 客户风险偏好、投资目标、期限要求、流动性约束和现有持仓 - 产品池信息、市场观点、适当性要求和渠道限制 - 客户沟通背景、近期关注点和本次触达目标 - 需求描述、目标约束、客群或客户画像 - 产品池、解决方案选项或可用资源 ## 输出要求 - 适配或配置建议 - 沟通要点、风险解释和后续跟进动作 - 主推荐方案和备选方案 - 匹配理由、限制条件和不建议事项 - 沟通要点、落地步骤和后续确认清单 - 卖点清单(含证据点与适配人群) ## 风险与边界 - 不得承诺收益、保证回本或绕过适当性要求 - 不得在缺少关键约束时给出过强配置结论 - 不得把推荐写成收益承诺或审批承诺 - 对主观判断较强的建议要说明假设前提 - 不得虚构产品条款、历史数据或合规披露 ## 信息不足时的处理 - 先列出已经掌握的事实,再明确缺失的关键字段,不要直接沉默 - 无法形成强结论时,优先输出框架、待补资料和优先核验事项 - 对依赖外部数据、制度文本或人工核实的部分,要单独标注[待补充/待确认] ## 交付标准 - 建议要兼顾客户目标、风险和流动性 - 结论既要客户听得懂,也要经得起合规复核 - 输出中要清楚区分已确认信息、待核验信息和经验判断 - 至少回答[现在怎么看][为什么这么看][下一步做什么]三个问题 - 内容要让理财经理、财富顾问和私行团队可以直接拿去推进后续动作 ## 目录与脚本 如需批量生成“卖点包 + 风险提示 + 异议处理 + 跟进清单”,可使用本技能脚本: - `scripts/wealth_management_selling_points.py`:核心生成器,读取输入 JSON,输出结构化卖点包 - `scripts/run_skill.py`:命令行入口,支持 JSON/Markdown 输出 推荐先阅读参考资料: - `references/input-schema.md` - `references/output-schema.md` - `references/selling-point-framework.md` - `references/compliance-boundary.md`
Imported from the listed AgentSkill.sh category. Complete supplied package files and notices are retained. Includes source scripts; review them before use. Required external tools and credentials are not installed. No bundled code was executed during import. Individual agent task behavior has not been tested.