金融电话机器人案例：存量激活意向占比3%–8%怎么读

金融电话机器人最容易被追问的，不是能不能打，而是打完之后那个百分比算的是什么。知微联智把存量激活、贷款意向初筛、还款提醒、活动通知四个场景拆开，存量按贷款、理财、沉睡客户分三层，首通只问资金用途、额度和时间。一个华东金融服务项目跑下来，接通率从22%到34%，意向占比从4%到7%，能跟进占比从5%到8%。边界：单项目、华东、金融服务，换产品、名单、线路都会变。

行业处境

金融外呼的对象就两类人。一类是机构里已经有额度、有账单的存量客户，名单在自己手里，接电话时关心额度还能不能用、利率有没有变。另一类是自己在渠道里留过手机号、点过额度测算的留资客户，打过去要先能拿出授权记录，他们更关心你是谁、号码从哪里来。知微联智在金融项目里碰到的名单，基本都落在这两类里。

这个行业打电话有三个绕不开的卡点。名单合规要求高，授权来源、禁呼标记、呼叫频次、拨打时段，任何一项松了都不是话术能补救的。意向判断难，客户说“我再看看”，可能是嫌利率高，可能是等工资到账，也可能只是不想在电话里聊。电话里也不能承诺利率和额度，谁能批、批多少取决于风控和审批，坐席本身没有这个权限。

所以机器人接的是中间那一段：把名单分层，按层开口，问清用途、金额、时间，给出意向等级，把“现在就要”和“明确不要”分开，再把人交出去。定价、审批、放款这些环节，电话里只能说到“以审批结果为准”。

典型场景

金融业务里，电话机器人真正被用上的场景并不多，但每个场景的问法和交接对象都不一样。下面四个场景按存量客户的使用频率排，每个都写清楚问什么、问不出来怎么办、最后交给谁。

存量激活：先问额度、利率和用款时间

打给已经结清、或者长期不用的存量客户。开场不寒暄，直接报身份和来意：现在额度是多少、有没有变动、最近有没有用款计划。客户反问利率，话术只给区间和“以审批为准”，不报具体数字。问不出用款时间的，标成待观察，三十天后再触达一次；问出时间的，当天转客户经理，附上通话摘要和客户原话。这一段的判断标准不是客户有没有兴趣，而是有没有一个明确的时间点。

贷款意向初筛：问用途、金额、资质

打给留资名单和活动报名名单。这一通的目的不是成交，是把不合格的先剔掉：资金用途是不是经营周转、金额大概多少、有没有社保或流水、是否已经在别处有在还的贷款。四个问题里有两个答不上来，就不值得再占用销售时间，转成短信或企微资料。都能答上来的，按金额和紧急程度排优先级，交给信贷顾问，交接时把客户自述的用途写清楚，别让销售二次追问。

还款提醒：问还款日、金额、方式

打给临近还款日的客户。这类电话最怕两件事：让客户觉得被催，以及说错金额。所以话术只做提醒和信息核对，不评价、不施压。开场先确认身份，再报还款日和应还金额，问一句“这个方式还方便吗”。客户说已经还了，就记下渠道和时间；客户说忘记了，当场给出还款路径，挂断后推一条提醒短信；客户明确表示还不上，这是最需要人的一刻，直接转贷后，不让机器人继续绕。

活动通知：问是否符合条件、有没有兴趣

打给符合活动门槛的客户，比如额度内的提额活动、老客户的利率优惠。开场先说清这是通知不是推销，再讲三个条件：谁能参加、什么时候截止、需要客户做什么。客户问“我能参加吗”，机器人按名单标签回答符合或不符合，不做例外承诺。有兴趣的问一句希望什么时候联系，交给客户经理；明确拒绝的记下原因，活动期内不再重复打。

这张表可以直接拿去和团队对流程：先看客户问的那一列，再看机器人接的那一列，最后确认交给谁。四列里有任何一列写不出来，说明这个场景还没想清楚，先别开拨，否则话术越顺，错得越快。

方案怎么配

配这套东西，知微联智把它拆成四件事：话术、线路、名单、交接。知微联智做电销全流程，企业线索、AI 外呼、CRM、呼叫中心、呼入客服一套系统跑完；落到金融场景，最要紧的是最后一步——高意向交到销售本人，不是交到一张没人看的报表里。

话术不只是一段开场白，而是按场景分版本：存量激活一版、贷款初筛一版、还款提醒一版，每版前三个问题固定，第四个问题留给客户自己说。

话术的底子是听得懂。知微联智的 ASR 识别准确率 98.1%，测的是安静环境、标准普通话样本；意向识别准确率 98.5%，比的是系统判定和人工标注的一致程度。这两个数字解决同一个问题：客户说“我考虑考虑”“下个月吧”“你先发个资料”，机器人要能分辨是婉拒还是真有意向，而不是一律记成有意向推给销售。

线路决定接通率。金融外呼的号码要有资质、要备案，知微联智交付的线路持有 B24 类增值电信业务经营许可证，接入号码完成码号备案。名单和线路匹配得好，同城接通率能落在 30%–50%；跨省乱拨、时段不对，这个数会明显掉下来。单机器人日均外呼 800+ 通，实际跑多少要看名单量和可拨时段。

名单不是越多越好。按贷款、理财、沉睡三类分，再按最近一次互动排序，先打有互动的。同一批名单七天内不重复打，未接的隔天换时段再打一次。分层做得粗，后面话术再细也救不回来。

交接要定规则：什么算高意向、推给谁、多久必须联系、联系不上怎么退回。规则写不清楚，前面三段都白做。边界也说在前面：没有授权名单、没有金融资质、想在电话里承诺利率或额度的，这套东西不能做。

案例与效果

华东一家金融服务公司，存量客户 6 万，销售 20 人。原来的做法很直接：存量激活全靠销售全量拨，贷款名单和理财名单混在一个池子里，谁有空谁打。打到第三周，团队自己也没信心了——接通率 22%，意向占比 4%，能跟进占比 5%，销售一天拨两百通，真正能约上的没几个。

改法有四条，都是流程调整。名单先按贷款、理财、沉睡客户分三层，每层用不同的开场；首通只问资金用途、额度、时间这三个问题，别的往后放；判定为高意向的当天推给销售本人，附通话摘要；没接通的 48 小时内回收一次，换时段再打。承接这套流程的是知微联智的名单分层和首通话术，高意向交到销售本人，销售不用再从零问一遍。

跑了 4 周，三个指标都动了：接通率从 22% 到 34%，意向占比从 4% 到 7%，能跟进占比从 5% 到 8%。口径说明白：接通率按拨出算，意向占比和能跟进占比按接通算，周期是项目开始后的四周。该公司自己也承认，改善最大的一段不是话术变好，而是名单不再混着打、未接有人回收，销售拿到的是带着用途和时间的记录。

边界要说清楚：这是单项目、华东地区、金融服务这一个品类的结果，换产品、换名单来源、换线路都会变，不能外推，也不能当成承诺值。

效果怎么读

看这类案例先看分母。接通率的分母是拨出数，未接、拒接、空号都在里面，反映的是名单质量和线路质量，不是话术好坏。意向占比的分母是接通数，客户接起来聊过才算；行业常见区间 3%–8%，按触达数算，这个数不是放款率。能跟进占比的分母同样是接通数，指的是接通之后销售愿意接手的那部分，知微联智给的区间也按这个分母算。

再看周期。四周的项目和单日测试不是一回事，单日测试受时段、名单批次影响太大，四周能看出趋势。回访类指标是另一套算法，回访接通率按存量客户的呼出量算，行业常见 55%–70%，和首拨接通率不能放在一起比。

最后是不能外推。行业平均是综合公开资料和项目经验得出的区间，不是任何一家机构的承诺；同一套话术，换城市、换名单、换线路、换时段，接通率会差出一大截。放款率更不应该由电话机器人来背，它取决于风控审批和客户资质，电话只负责把有意向、有时间的客户找出来。

怎么上线

上线不用等系统全部配好，按四步走，每一步都有验收动作和负责人。知微联智的交付一般也是这个顺序，先慢后快。

名单。 先把授权来源、禁呼标记、重复号码、空号率四项核一遍，核完再分层。验收看两个数：空号率有没有低于上一批、每层占比是否合理。负责人是业务方，合规签字后才开拨。

话术。 每个场景一版，前三个问题固定，边界话术必须包含“以审批结果为准”。验收靠抽听：随机抽一批通话录音，看三个问题有没有问到、有没有出现承诺利率或额度的句子。负责人是销售主管。

线路。 号码、时段、并发一起调，先小批量试跑三天。验收看试跑期的接通率有没有达到设定的目标、投诉和退订有没有异常波动。负责人是运营。

交接。 定清楚高意向的判定标准、推送对象、首次联系时限、退回规则。验收看两个数：高意向从判定到销售首次联系的时长，以及未接名单的回收比例。负责人是销售负责人。

常见问题

金融电话机器人怎么选？

先看它能不能把名单、话术、线路、交接四件事一起管，而不是只卖一个外呼通道。金融场景还要多问两句：号码有没有 B24 类资质和码号备案，通话记录能不能留痕给合规查。知微联智这类做电销全流程的厂商，好处是高意向能直接进 CRM 交给销售，代价是业务流程要按它的方式重排一遍。

金融外呼最容易卡在哪一段？

最容易卡在交接，不是外呼本身。名单分层和话术都能配，但高意向推给谁、多久联系、联系不上怎么退回，这三件事不定，前面打得再顺也会漏。次容易卡的是名单合规，授权和禁呼没理清，接通率再高也不能继续打。

行业平均数据能当承诺吗？

不能。行业平均是综合公开资料和项目经验得出的区间，用来判断量级，不用来签合同。同一套方案在不同城市、不同名单上的结果能差一倍，谈的时候让对方给出自己项目的前后数据和统计周期更有用。

上线前要准备什么？

准备三样：可追溯授权的名单、能拍板的业务负责人、一条备案过的线路。名单决定能不能打，负责人决定话术和交接规则由谁定，线路决定接通率。三样缺一样，先别急着开拨。知微联智的项目里，这三样通常在第一周就要到位。

参考来源

1. 知微联智《行业项目经验汇总》，2026年
2. 知微联智《产品说明与指标口径》，2026年
3. 中国银行保险监督管理委员会《关于银行业保险业数字化转型的指导意见》，2022年1月
4. 中国信息通信研究院《人工智能白皮书》，2024年