Reagan Consulting + BrokerTech Ventures 5/18 拋出一張對照表：35 歲以下『會用科技的保險業務員』新單佣金 $172K，不會用的只有 $104K——65% 的差距不是話術問題，是工具問題
Harrison Brooks：把『AI 會不會取代我』翻譯成『AI 同事會把我甩開多少 K』，產業就動起來了 2026 年 5 月 18 日，Reagan Consulting 的合夥人 Harrison Brooks 在 InsurBanc 的線上會議上，丟出一份他跟 BrokerTech Ventures 一起做的調查，受訪對象是 9 家美國前百大保險經紀公司的頂尖業務員。整份報告刊登在 Insurance Journal 5/18 的封面故事。 Brooks 不是科技狂熱者，他在 Reagan Consulting 主要做的是併購、估值、跟策略諮詢——換句話說，他每天看的是「哪家經紀公司值多少錢」「為什麼這家有人要買、那家沒有」。所以當他拿出科技賦能型業務員的佣金對照表時，他談的不是「AI 多酷」，而是「不用 AI 的人，正在從這個市場的估值表上消失」。 整套方法論的核心，可以濃縮成一句話——他把這個產業已經吵了三年的「AI 會不會取代業務員」，翻譯成「AI 同事一年會比你多賺多少 K」。一翻譯，問題就從「要不要學」變成「敢不敢算」。 核心數字：35 歲以下差 65%、35 歲以上差 27%——但這不是兩個故事，是同一個故事的兩個切面 把整份報告攤開，最刺眼的是這張對照表（2024 年實際成交數字）：35 歲以下，科技賦能型業務員：新單佣金中位數 $172,00035 歲以下，沒用科技工具的同齡同業：$104,000差距：65%35 歲以上，科技賦能型業務員：$358,00035 歲以上，沒用科技工具的同齡同業：$281,000差距：27%$172K 換算成台幣大約 NT$550 萬，這個數字第一眼會讓人想直接拿去跟自己對照——但要先記住這群人在賣什麼。他們是「美國前百大商業保險經紀公司」內部的頂尖業務員（top producers），主要做企業財產險、責任險、員工福利這類商業險，單一客戶年保費動輒六位數美金、佣金率 10–15%，一張中型商業客戶的新單佣金可能就 2–3 萬。所以這份數據的可比較對象不是台灣的個人壽險業務員、也不是美國保險業全市場，而是「美國商業險頭部市場的頂尖打者」。要從這張表上拿走的不是 $172K 這個絕對金額，而是**「同一個池子裡、會用科技的人比不會用的人多賺 65%」**這個結構性訊號。 另一個常見的第一反應，是「年輕人差距比較大，因為他們基數本來就低」。這也是個錯誤的讀法。 正確的讀法是：35 歲以下的群體，有 82% 已經是科技賦能型——換句話說，那 18% 沒在用工具的年輕業務員，是在跟一個「全員裝備齊全」的同儕池競爭。他不只是少賺 68K，他是「在一個大家都拿弓箭的戰場上，自己拿木棒」。 而 35 歲以上的群體，只有 45% 在用工具。所以那 55% 沒在用的人，看起來「相對沒事」——但 Brooks 想說的是，這個比例每一季都在動。今天差 27%、明天可能差 40%。35+ 的群體沒被科技甩開，不是因為他們不會被甩開，是因為「比他們強的同齡人還在用舊方法」。這個保護傘，正在崩塌中。 Brooks 在訪談裡那句最常被引用的話是："Agents not powered by technology and doing things the same way we've done them for the past five years is a losing proposition." （沒被科技賦能、又用過去五年同一套方法做事的業務員——這是一個必輸的命題。）注意他的措詞——不是「沒用 AI 的業務員」，而是「沒用 AI + 用舊方法」。兩個條件疊在一起，才是「必輸」。這個措詞非常重要，下一節會講為什麼。 第一個翻譯動作：把『AI 焦慮』翻成『AI 機會成本』，恐懼就消失一半 做法： 把「我會不會被取代」這個無法回答的問題，換成「我相對於同齡同業少賺多少」這個可以回答的問題。 過去三年，保險業務員的 AI 對話幾乎都卡在同一個迴圈：業務員 A：「我聽說 ChatGPT 可以幫客戶分析保單欸，是不是要學？」 業務員 B：「學那個幹嘛？人跟人的信任才是保險業的核心啦，AI 不可能取代我們。」這個對話的問題在於——它把「AI vs 業務員」設定成兩個對立陣營，然後讓你選邊站。但 Brooks 的數據說的不是這個。他說的是：真正的對手不是 AI，是「用 AI 的同齡業務員」。 換句話說，當你說「AI 不會取代我」的時候，你可能是對的——AI 不會直接搶走你的客戶。但坐在你隔壁、會用 AI 整理客戶資料、會用 AI 生成首次接觸 email、會用 AI 跑保單比較表的那個 27 歲新人，他會。 這個翻譯動作的價值，在於它把「要不要學 AI」從一個哲學問題（會不會取代人類），變成一個數學問題（我少賺了多少佣金）。哲學問題你可以辯論三年都沒結論，數學問題你看完報表就要決定下一週怎麼做。 第二個翻譯動作：把『產業在衰退』翻成『市場變硬，要拼搶』 做法： 不要把 7.1% 當成一個抽象的成長率，要把它讀成「你客戶池正在縮水」。 報告裡有另一條被忽略的線：保險經紀產業的有機成長率，從 2023 年 Q2 高點的 11.2%，一路掉到 2025 年 Q4 的 7.1%。這個趨勢還在繼續。 7.1% 聽起來還是「正成長」，所以很多業務員不會把它當一回事。但 Brooks 的解讀方式不一樣——他說的「成長率下降」，翻譯成業務員視角就是：過去你只要『把每年自然進來的詢價接好』，就能達標。 現在那個自然流量正在乾涸。 接下來每一張新單，都要從別人嘴裡搶。這個解讀很重要。市場硬掉的時候，「會多打三通電話的人」跟「會把三通電話用 AI 預先研究過客戶背景才打的人」，效率差就會無限放大。在 11% 成長的市場，差別不明顯；在 7% 成長的市場，差別就是「你掉單，他成交」。 這也是為什麼 35 歲以下那個 65% 的差距會出現。年輕人沒有「老客戶池」當緩衝，每張單都靠新接觸，所以工具的槓桿效應最大。 第三個翻譯動作：把『大公司在投 AI、小公司沒投』翻成『個體業務員的反超機會』 做法： 把產業內部的科技投資斷層，當作個人套利的窗口期。 Reagan Consulting 同份報告裡還有一個經常被忽略的數據：年營收 $1.25M 以下的小型經紀公司：只有 11.5% 在 2025 年投資了 AI 年營收 $100M 以上的大型經紀公司：84.2% 已經投入Brooks 對這個落差的態度，是公開呼籲整個產業需要把 AI 採用率從現在拉到「84% 到 100%」之間，這個獨立經紀通路才有未來。 但如果你是個體業務員，這份數據不要從「產業健康度」的角度讀。要從「個人套利」的角度讀——你的公司可能還沒批准採購任何 AI 工具。 你的主管可能還在說『再觀望一下』。 但這跟你沒關係。很多 AI 工具是「個人月費 $20-50」就能用的，不需要等公司決議。而 Brooks 提的「off-the-shelf」現成工具，幾乎都屬於這一類——個人版的 ChatGPT、Claude、Notion AI、CRM 內建的 AI Summary、會議錄音轉摘要工具——任何一項都能在一週內接到你的工作流上。 換句話說，當大公司還在開「AI 戰略會議」、小公司還在說「再看看」的時候，你個人就可以把佣金從 $104K 那一欄，搬到 $172K 那一欄。這個窗口期可能只有 12 到 24 個月，因為當所有人都用上之後，差距就會收斂。 為什麼 Brooks 特別強調『不是工具，是工具加方法』 回到那句關鍵的話——「沒用科技 + 用舊方法做事 = 必輸命題」。 Brooks 沒有說「只要買 AI 工具就會贏」。他說的是兩個條件的疊加。這個細節非常重要，因為市場上很多人把 AI 焦慮的解方理解成「我去訂閱 ChatGPT Plus 就好」——不是的。 工具只是把「你既有的工作流」放大。如果你的工作流是：拿到名單 → 直接打電話 → 講同一套話術 → 被拒絕 → 換下一個那 AI 工具會幫你「更快地」打更多失敗的電話。差距就出在這裡——65% 的佣金差，不是來自「他多用了一個軟體」，而是來自「他用軟體之後，整個流程變了」：拿到名單 → AI 預先整理這個人的 LinkedIn、公司公告、近期動態 → 第一通電話直接打到對方的真實需求 → 預約會議 → AI 生成客製化的會議準備材料 → 成交兩條工作流的差距，不在工具，在「工具讓你有時間做以前做不到的研究」。這也是為什麼 Brooks 用「必輸命題」這麼重的詞——舊方法配上新工具，只是把舊方法的失敗放大。要贏，你得同時動兩件事。📎 這篇拆解了 Brooks 跟 BrokerTech Ventures 5/18 公布的核心對照表，但 Insurance Journal 原文 還有兩段內容值得自己讀過一次——一是 Brooks 對「整個獨立經紀通路如果不集體拉到 84-100% 採用率會發生什麼」的長期推論，二是他對 InsurBanc 銀行融資模型如何配合科技投資的具體建議。如果你正在思考「公司沒批預算，我自己該不該先動」，那兩段會幫你判斷你的時間窗口剩多少。Reagan Consulting 每季也會公佈完整的 產業成長報告，想追這條趨勢線的人可以直接訂閱原始資料。
Liz Miller：管 $300M 只用 37 個家庭、6 個員工——她贏走 HNW 客戶的不是『投資績效』，是『你的小孩在哪裡，我們就去哪裡』
如果你問台灣的壽險業務員「怎麼開發 HNW（高淨值）客戶」，九成的答案是「多認識人、多參加飯局、提升專業」。但 Kitces 5/19 上線的 Financial Advisor Success Podcast 第 490 集，主角 Liz Miller 用一組數字打了所有人一巴掌——她管 $300M，但只服務 37 個家庭。 她沒有業績勇者的故事，她是「不掉球的工程師」。 Liz Miller：CFA + CFP，2008 年雷曼倒閉那天創業的 HNW 專家 Liz Miller, CFA®, CFP® 從 First Boston 的併購分析師起家，做過 Oppenheimer 的基金經理人，後來成為紐約一家投資管理公司的合夥人。2008 年 9 月 15 日——也就是 Lehman Brothers 申請破產保護的那一天——她正式從原公司辭職，創立了 Summit Place Financial Advisors。 「我先生跟我說：『Liz，妳今天就走進辦公室告訴某某某妳辭職。』」她在 podcast 裡笑著回憶。 十八年後，這家位在紐澤西 Summit 鎮的小事務所長這樣：AUM：$300M（約新台幣 96 億） 客戶：37 個家庭，約 60 個服務單位 員工：6 人（含 4 位顧問） 年營收：$2.5M run rate（$2-3M 區間） 平均費率：約 80 個基點 人均產值：$40-50 萬她鎖定的客群是 $5M-$25M 投資資產的多代家庭。注意這個區間——不是頂級的 single family office 客層，但已經遠遠超過一般壽險業務員的客戶天花板。而她做這個區間的方式，跟台灣多數業務員想像的不一樣。 「Your kids 在哪我們就去哪」：Liz Miller 把『二代轉化』寫成 SOP Summit Place 的牆上掛著一張視覺圖，叫做 The Cycle of Wealth。圖上有一支大箭頭，寫著一句承諾："We will meet your children wherever they are." （你的小孩在哪裡，我們就去哪裡。）這句話不是行銷文案，是她跟每一位 G1（第一代主要客戶）第一次見面就會講清楚的服務承諾。結果是什麼？約有三分之二的 G1 客戶會主動把自己的成年子女介紹給她。 她在 podcast 中講了一個讓她「下定決心要做這件事」的故事。她以前公司有一個服務了 30 年的客戶，有一天，兩位合夥人在會議室外閒聊："I overhear the one say to the other, 'So, have I ever met the son?' And I mean, I was gobsmacked." （我聽到其中一個跟另一個說：『欸，我有見過他兒子嗎？』我整個人傻掉。）服務了 30 年的客戶，公司合夥人不確定自己有沒有見過他的兒子。這就是傳統 wealth management 的死穴：客戶過世或失能的那一刻，關係斷掉，AUM 流出。 Liz 的解法不是等到 G1 老了才開始追 G2，而是把「跟下一代見面」內建到服務流程裡。她的具體做法：Gen-Z 子女免費起步：第一次接觸時不收費，主要透過 Zoom，從「你公司提供哪些 employee benefits」「你的 401k 怎麼配置」「第一間房怎麼買」這些議題切入。 30 歲開始收名目費用：不是為了賺錢，是為了「讓他習慣為這件事付費」。 家庭費率合併：子女享受父母的費率級距，不管自己的資產規模。 絕對的資訊隔離：她會明確告訴 G2，「我跟你父母是分開的客戶關係，我不會把你的事跟他們講，也不會把他們的事跟你講。」她說過去十年最戲劇性的轉變是：十年前的 millennials（當時 20 多歲）抗拒顧問服務，覺得自己上網查就好。今天的 Gen-Z 反而會主動問：「Am I doing this right? 我這樣做對嗎？」 對任何想要拿到「續年保費」「二代加保」「家族信託」的業務員來說，這套 SOP 比講一百次「我服務你全家」都來得具體。 一張視覺化 checklist：讓客戶「看見」你不會掉球的瞬間 第二招更狠。Summit Place 用一張動態的視覺化 checklist 來管理每個家庭的規劃事項。清單上至少涵蓋六個領域：現金流規劃（Cash flow planning） 遺產規劃（Estate planning） 風險管理（Risk management） 公司福利（Employment benefits） 子女教育金（College planning） 數位資產（Digital assets）這張表的使用方式是關鍵。她不會在會議一開始就丟給客戶——那會嚇到人。她把它放在會議中後段，等客戶已經談完當下最關心的議題後，才拿出來說：「我們來看一下還有哪些事，我們應該追蹤。」 每完成一項，就在旁邊打勾。Liz 說，勾掉的那一刻，是客戶「最有 progress 感的瞬間」："...don't slip through." （這些事不會在你忙碌的日常裡漏掉。）這句話聽起來平淡，但你站在 HNW 客戶的角度想想：他有一個律師、一個會計師、一個保險經紀人、一個房地產顧問、一個慈善基金董事會、一個正在 IPO 的公司董事、兩個正在念大學的小孩、一個失智的母親、三個信託帳戶……。 他不缺人「給建議」。他缺的是一個人「主動追到他」，告訴他「這 23 件事，我都有在盯，沒有一件漏掉」。 Liz 把這件事工程化了。那張 checklist 不是工具，是一個無聲的合約：你不用記得，我會記得。 這也解釋了為什麼她敢收 80 個基點的費率——一個資產 $20M 的客戶，等於每年付她 $160,000（約新台幣 510 萬）。她其中一位老客戶在 podcast 中被引用的這句話，是她整個商業模式的證明："Liz is expensive, and it's the best thing I ever did." （Liz 收得很貴，但這是我做過最對的決定。）Discovery meeting：「這時間是你的，你最在意什麼先說」——Liz Miller 顛覆業務員開場直覺 第三招是初次見面的 discovery meeting，這一招直接打臉台灣多數業務訓練裡「先把自己的資歷端出來」的標準動作。 Liz 的開場白是這樣的："This is your time to use as you want." （這段時間是你的，你想怎麼用都行。）她接著會說：「我們可以聊得很跳躍、東一點西一點都沒關係，我只想讓你先把心裡的事說出來。」 為什麼這樣做？她在 podcast 裡解釋得很清楚：潛在客戶來找你，腦子裡其實已經塞滿了問題、焦慮、不確定。你如果一開頭就講「我是誰、我做什麼、我管多少錢」，他會禮貌地聽，但他完全聽不進去。因為他心裡那塊石頭還沒放下。 讓他先講，把石頭放下，後面整場才聽得進去。 這跟 Jason Bay 前陣子在直播裡拆 cold call 的觀察 完全同一個邏輯——客戶失去那場會議的瞬間，往往不是他說「我考慮一下」，而是業務員「太快給答案」的那一刻。 Liz 還提到一個資本紀律的細節，講她怎麼婉拒不適合的轉介。當有人介紹一個資產低於門檻的客戶來，她團隊內部會「眯著眼睛問」："Do we think they can get there?" （我們覺得這個人未來追得上來嗎？）如果追不上，她就會拒掉，理由很直白："I don't need that $10,000 so much to muddy the very clean firm I'm trying to build." （我沒有缺到那 $10,000 美金，需要為了它弄髒我這家好不容易蓋乾淨的事務所。）37 個家庭、$300M——這不是天上掉下來的。這是她拒絕了上百個「還可以但不夠對」的客戶才做到的。 重新看 Liz Miller 的『不掉球工程師』模式：少客戶、做深做廣的續年引擎 把這三招拼回去——「你的小孩在哪我們就去哪」+ 視覺化 checklist + 「你先說」的 discovery meeting——你會發現一件事： Liz Miller 的事務所不是靠「找新客戶」運轉的，是靠「現有 37 個家庭往下延伸成 100+ 個服務單位」運轉的。 37 個家庭，每個家庭背後有配偶、有 2-3 個子女、有時候有孫子。當她跟所有人都建立了獨立客戶關係，這 37 個家庭就會自然長成 100+、150+ 個服務單位。AUM 不是靠搶來的，是靠等到 G1 把資產傳下去時，這筆錢「沒有任何理由」要離開她這裡。 這才是真正的續年保費引擎——不是靠話術、不是靠折扣、不是靠送禮，是靠一張不會掉球的 checklist 和一句「我們會跟著你的家人」的承諾。 37 個家庭，6 個員工，$2.5M 年營收。這個事務所的人均產值，比台灣多數壽險團隊高三倍以上。但她每天的工作不是「衝刺」，是「不漏球」。 這可能是整集 podcast 最值得反覆聽的訊號。📎 完整訪談在 Kitces Financial Advisor Success Podcast 第 490 集，2026-05-19 上線，將近兩小時。這篇沒有覆蓋到的部分還包括：她怎麼用「投資政策聲明」訓練客戶不要因為市場波動 panic、她團隊只有 6 個人但怎麼設計工作流分擔家庭數量、她拒絕一個 $50M 機構客戶的故事、以及她怎麼看待退休與接班——她現在正在訓練團隊接手，但「打算工作到不能工作為止」。如果你服務 HNW 客戶或想往那裡走，這集的 show notes 跟逐字稿都值得整段聽完。
HBR 最新研究：你那套『限時優惠』『剩 3 個名額』在 AI 比價 Agent 面前全部失靈——只有兩個訊號還影響得了它
你做業務的這幾年——可能是十年、二十年——一定累積了一整套「對人類有效」的推銷話術：「這個方案這個月底前簽才有」、「公司給我的名額只剩 3 個」、「原本年繳 5 萬，今天簽下來只要 3.8 萬」、「我幫你加碼送一張長照附約」。這些話術不是憑空生出來的，是一代一代業務員在客戶身上做 A/B test 累積下來的，是業務這個職業的「集體無形資產」。 問題是——當你的客戶開始把保單丟給 ChatGPT 比、把預算丟給 Claude 排序、把問題丟給 Gemini 推薦的時候，你那套價值幾十年的話術，會被瞬間清零。 這不是我猜的。這是 Bayes 商學院的 Jafar Sabbah 跟 King's 商學院的 Oguz A. Acar 5 月 12 日剛在《Harvard Business Review》發表的研究結論。他們跑了數千次模擬購物實驗，把四個主流大語言模型放在四個產品類別前面，把行銷人最珍視的工具一個一個拆給你看。 Sabbah 與 Acar：他們發現的不是「AI 不買單」，是「AI 不吃你那一套說服戰術」 這篇研究最反直覺的點，是它沒有用「AI 比較理性」這種懶人結論收尾。研究團隊的設定方式很細：他們對同一個產品列表隨機微調價格、星級、評論數、再疊加上促銷標籤（稀缺性、倒數計時、劃線價、優惠券、綑綁），讓 GPT-4.1、Claude Sonnet 4、Gemini 2.5 Flash 等模型重複下「我會買哪一個」的決策。"Many classic e-commerce persuasion tactics built for human psychology—scarcity, countdown timers, strike-through pricing, vouchers, and bundles—do not reliably influence AI agents and can even reduce selection depending on the model and product category." （那些針對人類心理設計的經典電商說服戰術——稀缺性、倒數計時、劃線折扣、優惠券、綑綁銷售——對 AI Agent 不只是無法穩定產生影響，依據模型跟商品類別不同，有時候還會「降低」被選中的機率。）請注意「reduce selection（降低被選中的機率）」這幾個字——這不是「沒效果」，是「反效果」。你愈用力推，AI 愈把你往下踢。這是這篇研究真正讓人寒毛直豎的地方。 實驗設計：四個模型、四個產品類別、數千次模擬——他們把行銷人的工具箱一個一個拆開 Sabbah 跟 Acar 沒有只測一個 GPT 然後寫一篇結論。他們把當時最主流的四個模型都拉進來，包含 GPT-4.1、Claude Sonnet 4、Gemini 2.5 Flash——這三個是有點推理能力的「中段班」模型，也納入了更便宜更小的版本，刻意製造一個推理能力的光譜。 產品類別則涵蓋四個常見品類（從低涉入的日用品到高涉入的家電都有），確保結論不是只在「買洗髮精」這種低決策成本的情境成立。 他們發現的最關鍵規律：「能用穩定方向影響 AI 選擇」的訊號只有兩個——星級評價會穩定地讓被選中的機率上升，價格會穩定地讓被選中的機率下降。其他訊號（稀缺性、倒計時、優惠券、綑綁、促銷標籤等）的效果是「模型特定（model-specific）」，今天 GPT 吃這套、明天 Claude 完全不甩，每次升級模型還會再洗一次。 更殘酷的發現是這句："More advanced reasoning models often appearing skeptical of overt persuasion." （更高階的推理模型，對於明顯的說服戰術往往會起疑心。）意思是：你的推銷話術愈直白，模型的推理能力愈強，它就愈把你當「值得警覺的賣家」處理。這跟人類完全相反——人類愈成熟的買家未必愈警覺，但 AI 是「推理愈強愈不吃」。 三個對 AI Agent 完全失效（甚至反效果）的傳統推銷招式 把研究的發現翻譯成業務語言，會長這樣： 「稀缺性 + 倒數計時」（Scarcity + Countdown） 人類的腦補： 「再不簽就沒了！」啟動損失趨避，產生立即行動的衝動。 AI 的閱讀： 「這是一個帶有人為時間壓力的標籤。」推理強一點的模型會把它當作雜訊忽略，甚至當作「賣家在施壓我這個顧問」的負面訊號。 「劃線折扣 + 優惠券」（Strike-through pricing + Vouchers） 人類的腦補： 「原本 5 萬現在 3.8 萬，省了 1.2 萬！」錨點效應 + 得到的快感。 AI 的閱讀： AI 不在乎「原本多少」，它在乎「最終要付多少」。劃線價對它而言是 0 訊息量的視覺裝飾，優惠券是要它額外做一步運算的「摩擦」——有時候反而扣分。 「綑綁銷售」（Bundles） 人類的腦補： 「主約送附約，CP 值無敵。」感受到「多得到」。 AI 的閱讀： 它會把綑綁包拆解成「per-unit 單位成本 + 是否符合需求」。如果用戶 prompt 沒提到附約那個保障，那個附約對 AI 而言不是 plus，是「不想要的雜訊」。 這三類話術——是壽險業務員從業生涯前五年就被訓練到肌肉記憶的東西。研究告訴你：當客戶把決策權交給 AI Agent 那一刻，這幾招的效用會直接歸零，甚至倒扣。 兩個還救得了你的訊號：第三方信譽與真實價格 研究發現只有兩個訊號是「跨模型、跨品類都穩定」的： 1. 星級評價（Star Ratings）—— 穩定的正向影響 不是業務員自己寫的 sales pitch，不是公司的官方文案，是「外部公開的、可被第三方驗證的、有累積量的」評分與評論。對 AI 來說，這是它能依賴的少數「不會撒謊」的訊號。 2. 價格（Price）—— 穩定的負向影響 價格高，被選中的機率就低。沒有什麼「品牌溢價」、「服務附加值」可以在 AI 的第一輪篩選裡幫你抵銷這個負向係數——除非你的星級夠高、評論量夠多。 把這兩點放在一起看，Sabbah 跟 Acar 的核心建議就出現了："Treat AI models as distinct segments, prioritize fundamentals like competitive pricing and authentic reviews, and invest in a testing infrastructure that continuously measures how different agents respond as models and prompts evolve." （把每一個 AI 模型當成獨立的客戶分眾來對待，優先把「具競爭力的價格」與「真實的評價」這兩個基本盤做好，並且投資一套能持續測量不同 Agent 反應的測試基礎建設——因為模型跟 prompt 一直在變。）越聰明的模型，越會「看穿」你的推銷話術——這對誰最痛？ Sabbah & Acar 的這個發現，跟 Anthropic 4 月那份 Project Deal 實驗呼應得驚人地工整。Project Deal 發現：「弱模型的買家」會吃虧 12% 卻覺得「我得到了公平的交易」——也就是說，便宜的 AI 比較容易被推銷話術影響、會買到比較貴的東西。 從這兩個研究合起來看，這條趨勢線是無法逆轉的：2026 上半年：客戶的 AI 還在「便宜模型階段」，業務員的傳統話術還有殘餘效果。 2026 下半年到 2027：客戶用的 AI 開始升級到推理模型（GPT-5、Claude Opus 4.x、Gemini 3 等），傳統推銷話術不只失效，還會被當作「賣家施壓的負面訊號」處理。 長期：能存活的業務員，是那些把「資源」從「話術製造」轉到「信譽製造」的人。AI 時代要砍掉的 5 個推銷話術 vs 要新建的 2 個信任基建 把這篇研究最後可操作的結論濃縮成一張表： 要砍掉的（對 AI Agent 失效甚至反效果）：「這個月底前簽」的限時話術 「公司給我的名額只剩 X 個」的稀缺性話術 「原本 X 萬現在 Y 萬」的劃線折扣話術 「今天簽馬上加碼送 OO」的優惠券/綑綁話術 「我幫你跟公司爭取一個特別方案」的個別客製化話術——AI 不會懂這個故事，它只看到「不透明的價格」要新建的（對 AI Agent 仍然穩定有效）：可被第三方驗證的公開信譽系統：Google 評論、客戶授權的推薦案例庫、第三方平台的評分（保經評鑑、社群口碑）。重點是「公開」與「可驗證」——AI Agent 抓得到、信得過。 資訊透明的價格與條件架構：把「我能提供什麼、用什麼價格、規則是什麼」攤開來說清楚。AI 對「乾淨資料」有偏好，對「需要追問才知道」的賣家會降權。這兩件事的共同特徵是：它們都是「基建」，不是「話術」。基建需要時間累積，但一旦累積起來，它在 AI 比較的世界裡會發揮複利。話術需要的是現場演出能力，但 AI 不看現場演出。 Sabbah 跟 Acar 的研究最後一句話是這篇給業務員最殘酷也最誠實的告白：你不能再把 AI 當成「一群會自動買單的傻 buyer」。它是一個會升級、會起疑、會跨模型行為迥異的「新客戶種類」。你愈早把它當作真正的客戶來研究、來建立信譽系統去服務它，你就愈不會在 2027 年那一波清算裡被刷下去。📎 想看 Sabbah 與 Acar 完整的實驗設計、四個產品類別的細部數據、以及他們建議的「AI Agent 測試基礎建設」長什麼樣子，請去讀原文 Research: Traditional Marketing Doesn't Work on AI Shopping Agents。這篇研究還有一個我沒覆蓋的重點：他們示範了「同一個促銷標籤」在不同模型上的反應差距可以大到反向，這對行銷人意味著「跨模型測試」會變成新的必修課，而不是 nice-to-have。
Focus Financial 前 CEO 5/20 投書：AI 不是要『取代』顧問，是要把『真顧問』和『產品推銷員』之間 30 年的資訊不對稱一次曝光
如果你只能讀一篇 2026 年到目前為止關於『AI 對金融業務員到底意味著什麼』的文章，我會推這篇——不是因為作者寫得漂亮，是因為他坐的位子讓他『不需要』寫得漂亮，他寫的每一句話都是用 5,200 億美金管理資產的決策權重在背書。 Michael Nathanson：管理 5,200 億美金資產的 RIA 巨頭主席，5/20 親自投書宣判 broker 模式死刑 Michael Nathanson 是 Focus Financial Partners 的董事會主席。Focus 是全美規模最大的 RIA（Registered Investment Advisor，受託人責任顧問）聯盟之一，旗下管理超過 5,200 億美金客戶資產。Nathanson 自 2024 年 4 月起擔任 CEO，2026 年 2 月才剛卸任轉為主席。 換句話說，這個人不是在外圍評論產業，他是這個產業在過去 20 年從『傳統券商銷售模式』轉成『獨立受託人模式』最關鍵的整合操盤手之一。他選擇在 2026 年 5 月 20 日，於 Advisor Perspectives 投書一篇文章，標題叫做《AI Might Finally Level the Playing Field for Advisors, Brokers》——『AI 也許終於要把顧問和經紀人的競技場拉平了』。 這個標題本身就是一個訊號。Nathanson 在過去多次公開演講中都用比較含蓄的語言批評 broker 模式（包括 2025 年 6 月在 Wealth Management EDGE 大會上講『不適應的大型業者會走向滅絕』）。但 5/20 這篇，他第一次把矛頭直接指向 AI——而且立場是『AI 是我們這邊的人』。 30 年的『資訊不對稱』護城河，被 ChatGPT 一次抽乾 Nathanson 在文章裡描繪了一個產業最不願意公開承認的真相：RIA（受託人責任顧問）和 broker（佣金型銷售員）的差異，在法律條文上是清楚的——RIA 受 SEC 直接監管，有法律義務把客戶利益放在自己之前；broker 只要遵守『適合性』標準，賣的商品『適合』客戶就行，不需要證明那是『最適合』。 問題是，這個差異對一般客戶幾乎是隱形的。 為什麼？因為這個差異被埋在『揭露文件』裡。一份 ADV Form Part 2、一份 Reg BI Form CRS、外加各種佣金結構、收益分潤、銷售獎勵的小字註解——一個普通客戶要把這些讀懂，得花上一個晚上，而且讀完還是看不出『所以這個業務員是不是真的站在我這邊？』 過去 30 年，整個 broker 產業的商業模式，某種程度上就是建立在『客戶看不懂這些文件』之上。看不懂 = 看不見差異 = 願意繼續付高於市場 2-3 倍的佣金、買綁定 7-10 年的商品、簽下『不適合自己但業務員推得很賣力』的契約。 Nathanson 寫得很直白："The playing field is leveling, and the advantage rightly belongs to clients and the advisors who already were putting clients' interests first." （競技場正在被拉平，而優勢理所當然會回到客戶這邊——以及那些原本就把客戶利益放在第一的顧問身上。）關鍵字是『rightly』——理所當然。他沒有說『可惜被拉平了』或『產業要適應新現實』，他用的是『理所當然』。意思是：這個資訊不對稱本來就不應該存在，AI 只是讓它無法繼續存在而已。 以前客戶得花一個晚上讀完那疊揭露文件才能看出兩個業務員的差異。現在他把那疊文件拍照丟給 ChatGPT，30 秒之內就會得到一個易懂的摘要：『這個業務員是顧問還是銷售員？他建議的商品是因為對你最好還是因為佣金高？他的收入來源裡有幾%來自你的決策？』 護城河抽乾的瞬間，就是這 30 秒。 『加速器 vs 清算器』：同一個 AI，為什麼對兩種業務員的命運完全相反 Nathanson 這篇文章最值得反覆讀的，不是他預測 AI 會取代誰——他其實明確說 AI 不會在可見的未來『取代』顧問——而是他描繪了一個更殘酷的場景：同一個 AI 工具，會同時做兩件相反的事。 對那些『靠信任、透明度、利益對齊』經營的 fiduciary 顧問來說，AI 是加速器。 為什麼？因為這些顧問本來就把『客戶懂』當成生意的前提。客戶越懂、問題問得越精準、判斷力越強，他們的服務反而越值錢。當客戶帶著 ChatGPT 整理過的問題清單來開會，這類顧問的反應是『太好了，我們可以直接進入第三層的問題』，不是『糟了，他要拆穿我了』。 對那些『靠說服技巧、商品擺位、資訊不對稱』經營的 broker 來說，AI 是清算器。 清算這個字選得很精準。不是『淘汰』，不是『取代』，是『清算』。意思是：他們的商業模式本來就在虧損狀態（用客戶吃虧的方式賺錢），只是過去的會計帳沒有把這筆虧損結出來，因為客戶看不懂；現在 AI 幫客戶把帳結清，所有的隱性成本、佣金溢價、不對齊的利益、被推銷的高費率商品，全部變成可被識別的『損失』。 Nathanson 用一個很關鍵的詞描述這個新階段：『a new age of forced clarity』——『強迫透明的新時代』。 『Forced』這個字是重點。不是『鼓勵透明』、不是『建議透明』，是『強迫透明』。因為決定要不要透明的不再是業務員自己、不再是公司合規部、不再是監管機構——是客戶手上那個隨時可以查的 AI 工具。 『新的強迫透明時代』：客戶眼中的兩種業務員，從『看起來都一樣』變成『一眼分得出來』 Nathanson 沒有列舉具體場景，但他點出了一個產業層級的觀察：過去『RIA』和『broker』在客戶眼裡『看起來都是穿西裝、講商品、給建議的人』，差異只存在於監管框架裡，不存在於客戶體驗裡。 接下來這個差異會被『體驗化』。 舉個 Nathanson 沒明說但邏輯上的延伸：當一個客戶問業務員『你建議的這張保單，為什麼不是市場上費率更低的那一張？』 過去這個問題很難問，因為客戶根本不知道有更低費率的選項存在。 現在，客戶在開會前 10 分鐘可以直接問 AI：『以我這個年齡、健康狀況、保額需求，市場上最低費率的保單是哪幾張？保費差異多少？』AI 不會給完美答案，但會給一個『足夠拷問業務員』的清單。 業務員的回答決定他屬於哪一邊：如果他回答：『你這份清單看起來不錯，第二張和第三張確實在費率上有優勢，但我們選這張是因為它的 OO 條款對你特定的職業風險更匹配，這個我可以拆給你看。』——這是 fiduciary 顧問的回答方式。AI 給他的客戶更精準的問題清單，反而讓他更容易展示專業判斷。 如果他回答：『AI 給的資訊不完整啦』、『同業之間不能比』、『這張比較好你聽我的就對了』——這是 broker 的回答方式。AI 拆穿了一切，他只剩下『情緒對抗 AI』這條路，而這條路是死路。Nathanson 整篇文章最有力的論點不是『AI 多強』，是『客戶終於有能力分辨』。他寫道，AI 帶來的不是新資訊，而是『能夠理解既有資訊的能力』。揭露文件其實 30 年來都公開可查，但客戶讀不懂；現在他們讀得懂了。 這就是為什麼他堅持用『rightly』這個字。他的潛台詞是：產業裡有一群人，過去 30 年靠『客戶讀不懂』在賺錢，現在他們的時代結束了，這是他們應得的，不是不幸的。 文章結尾他寫："For those of us who built our firms on the premise that clients deserve full transparency and aligned advice, this is not a threat — it is a vindication." （對於我們這群把『客戶值得完整透明和利益對齊的建議』當成創業前提的人來說，這不是威脅——這是平反。）『Vindication』這個字翻成中文是『平反』、『沉冤得雪』。Nathanson 用這個字，是因為過去 30 年 fiduciary 顧問一直被產業另一邊嘲笑——『太理想化』、『賺得比較少』、『規模做不大』。他現在站出來說：對，我們賺得比較慢，但我們賺的每一塊錢都禁得起 AI 來查；而你們賺得快的那一邊，AI 來查的時候會非常難看。 這篇 1,500 字的投書，是 Nathanson 用 20 年職涯整合 RIA 產業換來的話語權，在 AI 浪潮抵達岸邊的 2026 年 5 月，對著整個金融業務員產業說的一段話。他不是在預測未來，他是在宣布一個已經發生的事實。📎 想看 Nathanson 怎麼描述 RIA 監管框架與 broker 的法律差異細節、他對未來 5 年產業整合的預測、以及他為什麼選在 2026 年 5 月（而不是更早）發表這篇宣言，去讀 Advisor Perspectives 5/20 原文。文章只有 1,500 字，但每一段都值得一個業務員停下來想 10 分鐘。
Sales Gravy 副總 Jeb Blount Jr：拿『總裁俱樂部』的不是月底衝最猛那個——是『第十週還在打電話』的烏龜，你缺的從來不是衝勁
每個業務團隊都有一張沒人畫出來、卻人人在跑的圖：月底前三天把所有時間拿去打電話、追簽件、衝業績；月初鬆一個禮拜；月中懶散到下一個月底，再爆衝一次。把每天的開發量畫成折線，它長得像一排鋸齒。 大家都把這當成「業務的天性」——有人衝勁強、有人比較鬆。但 2026 年 5 月 11 日這集 Money Monday Podcast 給了一個很不一樣的解釋：你不是個性問題，你是配速問題。而配速，是一種可以練的能力。 Jeb Blount Jr：一個重新開始長跑的業務副總，看懂了業績為什麼會「斷氣」 說這句話的是 Jeb Blount Jr，Sales Gravy 的副總裁，也是《Fanatical Prospecting》作者 Jeb Blount 的兒子。這集標題叫〈The Pacing Paradox: Sprinting Doesn't Fill Your Pipeline〉，他沒有從業務技巧講起，而是從自己重新開始跑步講起。 他大學是 D3 短跑選手，「跑得快，但不算特別快」，大二之後整個垮掉、棄賽,接下來八年沒再跑步——胖了 30 磅、成了家、一頭栽進生意。然後某天他重新站上亞特蘭大的 Beltline 步道。他發現一件事：那些一開始從他身邊衝過去的人，不到一公里就上氣不接下氣、彎腰扶著膝蓋；而他用一個自己撐得住的速度，到了第二英里，反而是他一個一個把他們追回來。這不是勵志故事。Blount Jr 把它命名為「配速悖論」（Pacing Paradox），因為他在 CRM 裡每天都看到同一件事。 配速悖論：速度是煙火，連續性才是肌肉 他的核心論點只有一句話："Sales prospecting consistency is not about being the fastest out of the gate. It is about finding a measured pace that lets you actually finish the marathon." （開發客戶的連續性，重點從來不是誰衝出起跑線最快，而是找到一個讓你真的能跑完整場馬拉松的配速。）這句話之所以是「悖論」，是因為它跟業務員的直覺完全相反。我們都以為自己缺的是衝勁——只要再拼一點、再狠一點，業績就上來了。Blount Jr 說，不對，你缺的不是衝勁，是「一個你撐得住的速度」。衝勁誰都有，問題是它撐不過第二週："Most of those sprints result in burnout by week two of the quarter. You see it in the CRM. A flurry of activity, and then a ghost town." （大多數這種衝刺，在一季的第二週就燒成灰。你在 CRM 裡看得一清二楚：先是一陣密集的活動紀錄，然後就是一座鬼鎮。）「鬼鎮」這兩個字是整集的關鍵。當你衝刺，你不是「慢下來」——你是直接「停下來」。而你沒做的那幾週開發，不會立刻變成一個破洞讓你看見;它會藏起來，過一兩個月，變成一張空的管線。等你發現管線空了,你又正在月底狂衝，根本沒空回頭補。鋸齒圖就是這樣一圈一圈自己餵自己——你不是在跑步，你是在反覆地衝刺、力竭、衝刺、力竭。 Blount Jr 還重講了一遍龜兔賽跑，但他把角色換掉了：兔子是剛進公司、急著證明自己的新人；烏龜是一個連續好幾年拿下「總裁俱樂部」（President's Club，業務的最高榮譽）的老將。比賽開始，兔子衝出去、全場歡呼，烏龜根本不理會那些儀式，「一隻腳，然後另一隻腳，沉重、刻意」地往前走。結局你知道——兔子衝到終點線前才發現自己只拿第二，「烏龜?他幾個小時前就到了。」重點不是烏龜慢。重點是烏龜從來沒有停。"The reps who are still prospecting hard in week ten of the quarter are not the ones who sprinted out of the gate in week one. They are the ones who never stopped moving." （第十週還在認真開發客戶的那些業務，不是第一週衝得最猛的那群人。是那群從頭到尾沒停過的人。）三個動作，把鋸齒型業績改寫成撐得住的節奏 配速聽起來很抽象。Blount Jr 在這集裡其實點出了三個讓你掉回鋸齒圖的具體陷阱——把它們反過來，就是三個可以馬上做的動作。 設一個「再爛的一天也做得到」的每日最低數字（Daily Floor） 做法： 用「每日最低觸點數」取代「月底衝刺目標」，而且這個數字要低到——你心情很差、行程被塞爆、被三個客戶拒絕的那一天，你還是做得到。 這是配速的物理底層。月底狂衝是把整個月的開發量擠進五天，配速是把它攤平到每一天。算給你看：A 模式（鋸齒），月底最後 5 個工作日每天硬打 25 通開發電話、其餘 17 天每天平均 3 通，整月 176 通,但 71% 全擠在 5 天內。B 模式（配速），每天 9 通,22 個工作日,整月 198 通,平均分布。 注意——B 模式的總量還比較多。差別不在「打了幾通」，差別在 A 模式有 17 天的管線幾乎是停擺的。而 Blount 父親在《Fanatical Prospecting》裡講的「30 天法則」說得很白：你這 30 天做的開發，要到接下來 90 天才會回收。所以 A 模式那 17 天的空窗，不會在這個月被你看到，它會在兩三個月後變成一張你補不回來的空管線。每日最低數字的意義，就是讓你的管線「永遠沒有停擺的那一天」。 把建名單當成獨立工序，不要塞進撥號時間裡（Avoid the List-Building Trap） 做法： 把「找名單、做資格判斷」跟「打電話」當成兩件不同的工作，分開時段做。不要為了讓今天的撥號數字好看，就隨便抓一份沒篩過的名單硬打。 Blount Jr 點名這是業務最常見的「假動作」：為了衝撥號數,把建名單這個地基工作草草帶過,結果撥出去的全是不對的人。電話通數很漂亮,管線卻沒有任何東西進來——你以為自己很忙,其實只是在製造活動量。配速不是「每天做一樣多的事」,是「每天做一樣多的對的事」。一份篩得好的名單,打 9 通的成效,會贏過一份亂抓的名單打 25 通。 抄頂尖業務的「節奏」，不要抄他的「總量」（Pace, Not Volume） 做法： 觀察團隊裡那個 top performer，把他「每天穩定做的事」當成你的參照；不要把他「一個月的總產出」當成你下個月的目標。 新人最容易犯的錯,是看到頂尖業務一個月的數字,就想下個月一步到位複製它。Blount Jr 說,那個數字背後是「好幾年打磨出來的流程」——他每通電話更快切入重點、名單更準、判斷更狠,所以同樣的時間能產出更多。你看到的是結果,你抄的應該是他的「習慣密度」,不是他的「結果總量」。先找到一個你自己這週撐得住、下週也撐得住的節奏,讓它變成肌肉,再慢慢往上加。烏龜不是天生就贏兔子,牠是跑了好幾年,才把「沉重、刻意」變成不費力。 配速不是叫你慢，是叫你別在半路爆掉 這集最後一句話,Blount Jr 講得很清楚,怕你誤會成「擺爛有理」："The lesson is not to go slow. The lesson is to go at a pace you can sustain across the full quarter without blowing up halfway through." （這堂課的重點不是要你慢。是要你用一個能撐完整個週期、不會跑到一半就爆掉的速度前進。）不管你的結算週期是一季十三週、還是一個月二十二個工作日,鋸齒圖的物理學是一樣的。連續性會複利,衝刺不會。你在第二週沒停、第六週沒停、第十週還沒停,這件事的累積效果,是任何一次月底狂衝都追不回來的。Blount Jr 用一句話收尾——"Consistency beats speed every time"(連續性,每一次都贏過速度)。 速度是煙火,放完就沒了,而且放的時候很爽。連續性是肌肉,看起來不性感,但它是唯一能讓你跑到季底、年底、跑到明年的東西。下次你又想等月底再衝,先問自己一句:我現在缺的真的是衝勁嗎,還是我從來沒練過「不停下來」這塊肌肉?📎 這集 Money Monday 只有十幾分鐘,但 Blount Jr 把龜兔賽跑重寫成業務版故事的那段口白——兔子的歡呼、烏龜「一隻腳,然後另一隻腳」的節奏感——文字轉述不出那個味道,值得自己聽一次。完整單集〈The Pacing Paradox: Sprinting Doesn't Fill Your Pipeline〉收錄在 Sales Gravy Podcast,裡面還有他完整的跑步重啟故事,以及他怎麼把「在 Beltline 上被人超車、又一個個追回來」的體感,對應到 CRM 裡每一筆活動紀錄。如果你想把配速從概念變成系統,他父親那本《Fanatical Prospecting》談的「30 天法則」與「替補法則」,是這套節奏背後完整的方法論。
你的壽險公司自己變成 900M 用戶的 ChatGPT 商店——Ethos 5/5 上線的新聞稿裡，「業務員」這三個字出現了 0 次
Ethos：那家自己 IPO 完、再把 ChatGPT 變成自己銷售前台的壽險科技公司 Ethos Technologies（NASDAQ: LIFE）在 2026 年 1 月才剛上市，募了 2 億美元，每股 19 塊；不到四個月，它在 5 月 5 日丟出一個更大的訊號：全球第一個原生 ChatGPT 壽險 App 正式上線。 用戶在 ChatGPT 裡輸入 @Ethos，回答 5 個問題，60 秒以內拿到最高 300 萬美元的定期壽險月費估價。免體檢，只問線上健康問題；多數州還附贈價值 898 美元的遺囑與信託服務。整份保單從第一個問題到電子簽名，10 分鐘可以走完。 它瞄準的不是「壽險官網的流量池」，而是 ChatGPT 每週 9 億活躍用戶 本來就在問的那一句話——「我需要多少壽險？」Ethos 的回答是：別到我家網站，我來你正在用的工具裡找你。 我想先把這件事的份量講清楚：這不是 Insurify 那種比價型 marketplace、也不是 Trucordia 那種「經紀商把自家 AI 顧問搬進 ChatGPT」——這次是承保／科技端的公司，自己跳過自己的 10,000 位獨立業務員，直接做 D2C。 從 5 個問題到 60 秒估價：Ethos 把整條投保前段塞進 ChatGPT 的工作流 拆解一下這個 App 的客戶旅程，因為它說明的不是技術，是「業務員的客戶今天是怎麼買壽險的」這件事。 第一步，客戶在 ChatGPT 裡描述自己的情境——可能是「我老婆懷孕了，我該保多少？」這種半開放問題。Ethos 的 App 在對話裡自然介入，問 5 個結構化的問題：年齡、性別、抽不抽菸、想要的保額、想要的保期。 第二步，60 秒內回傳估價。這個價是真的價，不是教學示範。Ethos 自己是承保平台，背後接 Legal & General America、John Hancock 這幾家正式的壽險公司做底層承保。 第三步，如果客戶想往下走，App 直接引導到完整的核保問卷，免體檢，10 分鐘完成。 第四步，多數州還免費送遺囑與信託服務——這原本是高淨值客戶才會接觸到的「壽險週邊」，現在被打包進入門款。 整條流程裡，客戶從來沒有離開 ChatGPT 這個對話框。這是關鍵。過去十年壽險科技在打的仗是「把官網做得更好用」，Ethos 直接認輸這場仗——它說：客戶根本不會來我官網，他們已經在 ChatGPT 裡了。 新聞稿裡「業務員」出現了 0 次：但 Ethos 自己有 10,000 位獨立業務員 這篇文章真正想講的不是技術，是 Ethos 官方新聞稿裡的一個沉默。 從頭到尾讀一遍："Life insurance is one of the most important financial decisions a family can make, yet it's historically been one of the most opaque and intimidating." （人壽保險是一個家庭能做的最重要財務決定之一，但它一直以來都是最不透明、最讓人卻步的決定之一。） ——Prassath Leelakrishnan, Chief Growth Officer, Ethos整份新聞稿提到了消費者、提到了 ChatGPT、提到了 OpenAI、提到了 9 億用戶、提到了「meeting consumers where they are already turning for life's biggest questions — rather than asking them to seek out a new tool or agent.」（在客戶本來就會問人生大事的地方接住他們——而不是要他們去找一個新的工具或業務員。） 「業務員 / agent」這個詞，在「我們不要他們去找新業務員」這句裡出現了一次——但是用否定的語氣。 對比一下 Ethos 自己的「About」段落："Ethos is transforming the life insurance experience for consumers, agents, and carriers alike." （Ethos 為消費者、業務員、保險公司三邊重塑壽險體驗。）而根據 TechCrunch 2026 年 1 月 的報導，Ethos 平台上有超過 10,000 位獨立業務員正在用它的軟體賣保單。 也就是說：一家自稱三邊平台、且自己手上有 10,000 位業務員的公司，在宣布它史上最大的通路擴張時，選擇完全不講業務員的角色。 這個沉默不是疏忽。新聞稿裡的每一個字都是律師、IR、PR 三方校過的。「業務員」這三個字之所以不在裡面，是因為這個產品的故事，不需要業務員出現也說得通。 對任何在壽險端工作的人，這應該比任何「AI 會不會取代你」的恐嚇文都更刺眼。 業務員的真正戰場不再是「拿到估價」——是估價到簽約之間，AI 接不住的決策缺口 我講這件事不是要販賣焦慮。事實的另一面是：Ethos 上線後的客戶結構，不會 100% 走完那 10 分鐘流程。 實際上，根據過去這幾年 D2C 壽險的公開資料，「拿到估價」到「真的簽約」之間的轉換率一直卡在個位數。客戶在 60 秒內拿到一個月繳 35 美元的數字之後，會發生什麼？ 最常見的不是「太貴所以放棄」，是他不知道怎麼判斷這個數字對不對。我該保 100 萬還是 300 萬？我太太說要 500 萬，但 ChatGPT 推薦的是 200 萬，誰對？ 定期 20 年還是 30 年？我小孩現在 5 歲，這個區間怎麼算？ 那個 898 美元的遺囑要不要簽？簽了會不會被某個我不知道的東西綁住？ 我之前公司給的團險還在，這個自己買的會不會重複？ 我健康問卷裡那一題「過去 5 年有沒有看過心臟科」——我去過一次但只是檢查，要勾嗎？勾了會被拒保嗎？這就是「決策缺口」。AI 給你估價、給你預設答案、給你一個合理的數字，但它不會替你承擔「萬一答錯了被拒保、萬一保額算錯了出事不夠賠、萬一團險和個人險衝突」的後果。 這也呼應我們之前寫過的 Andrew Lo 觀點——AI 沒有受託責任，它建議錯了不會坐牢、不會賠錢、不會丟執照。客戶在「拿到估價」那一秒是興奮的，但在「按下簽名」那一秒是孤單的。 業務員的位置就在這條孤單裡。Ethos 把「估價」這段商品化、零成本化、隨手可得化——但這代表業務員的價值前移了，從「我幫你算」變成「我幫你判斷你算出來的這個對不對」。 Ethos 沉默背後的訊號：上游不再保護你，但客戶會更需要你 往後一年，壽險業務員會看到三件事同時發生： 第一，上游承保公司／科技公司自己變成通路。Ethos 是第一個跳的，但不會是最後一個。當你的「合作夥伴」自己接 OpenAI、自己接 Anthropic、自己在 Apple Intelligence 裡建一個 App，他們不會再用新聞稿保護你的存在感。 第二，客戶會帶著 AI 的「初步答案」走進來。這是新常態。客戶不再問「我需要保多少？」——他問「ChatGPT 跟我說我該保 200 萬，你覺得呢？」業務員的開場白要變了：你不是教育者，你是第二意見提供者。 第三，能存活的業務員，是把自己定位在「決策缺口」、不是定位在「資訊缺口」的人。資訊缺口（保費怎麼算、條款怎麼看）已經被 ChatGPT 抹平了；決策缺口（這個選擇對你的家庭來說對不對）AI 還接不住——而且短期內接不了，因為這需要對「這個家庭」的長期理解，不是對「人壽保險」的一般知識。 Ethos 的新聞稿沒提你，不是因為它否認你的存在，是因為它在告訴市場：你的客戶現在已經能在沒有你的情況下走完前 80%。剩下的 20% 是你的市場。 你的工作不是焦慮那 80%，是用十倍力氣去守好那 20%。📎 想看完整的 Ethos 新聞稿、執行長 Peter Colis 對「為什麼 ChatGPT 而不是 Apple」的策略選擇，以及 Ethos 三邊平台（消費者／業務員／保險公司）背後的商業模式分析，可以讀 GlobeNewswire 官方公告 和 TechCrunch 2026 年 1 月對 Ethos IPO 的深度報導，後者特別解釋了為什麼同期創立的 Lemonade 和 Bestow 撐不下去、而 Ethos 撐到上市的真正原因——關鍵字是「不當保險公司、當基礎建設」。
業務員用 AI 省下三小時，掉的可能是十年功——Kitces 第 190 集：你優化『效率』的同時，正在悄悄餓死判斷力肌肉
業務員圈最近的 AI 報導幾乎口徑一致：「AI 自動化外圍工作，你會有更多時間做高品質客戶會議。」 聽起來像是不用花錢的免費午餐——直到你聽到 Michael Kitces 在 Kitces & Carl Podcast 第 190 集（2026 年 5 月 14 日）講了一句很冷的話：「AI 能不能提高效率不是重點，重點是『你的公司在優化什麼』。」 這集是 Michael Kitces（Kitces.com 創辦人、財務規劃領域權威）和 Carl Richards（《The Behavior Gap》作者）的對話。他們把整個產業沒人敢碰的取捨，攤到桌面上：你今天用 AI 省下來的每一個小時，可能正在悄悄餓死你十年後最值錢的那條肌肉——判斷力。 Kitces 的反問：「你在 solve for 什麼？」 整集的核心，是 Carl Richards 丟出的一個簡單問題："What are you solving for?" （你到底在解什麼題？）Kitces 接過去，直接把場景拆成兩半。 場景一：你五到十年後要把公司打包賣掉、要退休、要把練習換成現金。"If my retirement is within five to ten years, I can amp up efficiency... You're not solving for talent 20 years from now; you're solving for income before you sell it." （如果我五到十年內要退休，我當然全力衝效率。我不是在解二十年後的人才問題，我是在解『出售前還能擠出多少現金流』這題。）這個場景，AI 全速狂奔是合理的。把所有外圍工作自動化、把單位產能拉到極限、把 EBITDA 撐到最高、然後賣個好價錢。沒問題。 場景二：你想經營一個能持續十年、二十年、甚至傳承的事業。 Kitces 說，這時候你優化「短期效率」，可能正在把長期的競爭力一張一張撕掉。 差別不在 AI 本身，差別在你拿 AI 來放大什麼。 「腦袋只能透過做事學習」——AI 偷走的不是時間，是練習量 Kitces 在這集講了另一句很狠的話："The brain only learns by doing the work... until we get Matrix-style downloads, the brain has to learn through repetition and exercise." （在《駭客任務》那種知識直接下載到大腦的科技出現之前，腦袋只能透過『真的去做』來學習。重複、練習，沒有捷徑。）這句話翻譯成業務員的語言是這樣的： 你三年前做過五十張保單對話、被五十個客戶拒絕、被主管退回二十次需求分析表——那些被你嫌棄、覺得浪費時間的「雜工」，正是你今天面對複雜家庭、看一眼就知道對方真正在乎什麼的「直覺」的來源。 那種直覺不是讀書讀出來的，是被退稿退出來的。 Carl 補了一句更直白的比喻："If I don't go do the landscaping, if I don't touch the dirt, I won't be able to do the cognitive, emotionally-demanding work tomorrow." （如果我今天不去做園藝、不去碰土，明天我就做不了那些需要動腦、需要消化情緒的工作。）「做雜工」不是浪費時間。「做雜工」是你大腦長肌肉的方式。 Kitces 接著點出產業正在發生的事："We have a training shortage... our solve is technology that eliminates the entry-level jobs that actually fill the talent pipeline." （我們本來就有訓練斷層的問題，現在我們的『解法』，是用科技把那些原本能訓練新人的入門工作消滅掉。）當新人不再被丟去整理客戶資料、不再被要求逐字打逐字稿、不再被退十次需求分析表——他們再也學不到那些苦工裡藏著的判斷直覺。 這不是新人的問題，這是你自己的問題。因為當你把同樣的雜工外包給 AI，你也在用同一個方式餓死你自己的肌肉。 AI 該外包 vs 必須自己留：一個保險業務員的雙欄拆解 把 Kitces 的觀點翻譯成業務員的決策框架，可以畫成兩欄。 第一欄：交給 AI 是賺到的工序 這類工作的共通點是「重複性高、規則明確、做一萬次也不會讓你變更厲害」：會議錄音轉逐字稿 商品條款比對表的初稿生成 客戶資料卡的標準化整理 例行的續期提醒、生日簡訊、節慶問候 投影片模板的版面排版 報表的數據匯整 公開資訊的研究（產業新聞、稅法更新摘要）這些事你做一千次和做一萬次，判斷力不會有差別。它們是「執行力」，不是「判斷力」。讓 AI 做，沒虧到。 第二欄：交出去就是把十年後的競爭力一起送走的工序 這類工作的共通點是「每一次都不一樣、需要消化情緒、做一次累積一次直覺」：第一次需求訪談的開場與追問——AI 可以生成問題清單，但「客戶說『差不多』的時候，下一句該追什麼」是直覺，不是清單 異議處理的當下反應——客戶說「我跟太太討論一下」，那個瞬間你決定要笑著退一步還是溫柔追進去，是被退稿一百次磨出來的 拒絕一筆你接得到、但不該接的單——這是判斷力，不是話術 複雜家庭關係的拆解——爸爸再婚、前妻有兩個小孩、現任太太想為自己的孩子留一筆——AI 給你的是流程圖，看穿真正動機的是你 保單建議書的核心邏輯（不是排版）——為什麼是這個組合、為什麼不是另一個，這個「為什麼」是你的職業壽命 客戶情緒崩潰時的陪伴——這個直接是你存在的理由第二欄的事，一旦讓 AI 代勞，你會發現自己「省了時間」，但「掉了功力」。 Kitces 對自己也問的那個問題：「我真的想要每天六小時會議嗎？」 這集還有一個 Kitces 對自己很誠實的反問："What are we actually trying to solve for? Did I want six hours of meetings daily, or deeper analysis for fewer clients?" （我們到底在解什麼問題？我真的想要每天開六小時的客戶會議嗎？還是我想要為更少的客戶，做更深的分析？）業務員圈很習慣的一個敘事是：「AI 幫你省時間，所以你可以見更多客戶、開更多會議、做更大的業績。」 但 Kitces 點出：把客戶面時間從 25-30% 拉到 60-70%，不一定讓你變強，可能讓你變成一條生產線。"Optimizing for maximum efficiency risks pushing the profession toward an 'assembly line' model that is poorly suited to relationship-driven, high-empathy work." （把效率優化到最大，會把這個行業推向『裝配線』模式——但裝配線模式根本不適合需要關係、需要同理心的工作。）換句話說：你可能不需要更多會議，你需要的是「更深的會議」。AI 該被用來讓你在每一場會議裡，多看穿三層，而不是讓你的會議多三場。 五年後的測試：你還做得了那種更難的單嗎？ 這集最值得每個業務員問自己的問題是： 「我今天交給 AI 的那些工作，五年後，是讓我有時間做更難的單，還是讓我做不了更難的單？」 Kitces 用了一個更狠的說法："We're creating efficiency at the cost of hollowing out the apprenticeship pipeline." （我們正在用『掏空師徒制管道』作為代價，換取效率。）「師徒制管道」不只是新人的訓練——它也是你自己每一筆難單的肌肉來源。當你三年沒親手寫過一份完整的需求分析表，你還能在客戶丟出一個奇怪家庭結構的時候，當場拆出三個方案嗎？ 判斷力不會生鏽，會「萎縮」。它是一條肌肉，不練就會掉。 Kitces 沒有反對 AI，他反對的是「不問自己在優化什麼，就一頭栽進去」的盲衝。 那條判斷力的肌肉，是你在 AI 浪潮裡唯一不會被同質化、唯一不會被便宜替代的東西。 不要為了今年多開十場會議，把它一起賣掉。📎 這集 Kitces & Carl 第 190 集還討論了「為什麼純把客戶會議時間最大化反而會傷害財務規劃品質」、「事務所合夥人世代如何用 AI 設計新人訓練曲線」、以及 Carl Richards 從財務治療師角度對「業務員自己的職業情緒消耗」的觀察。如果你正在思考怎麼設計團隊裡 AI 工具的導入順序，建議直接聽 Kitces & Carl Episode 190 完整版，特別是後半段他們聊到「為什麼 AI 應該是放大師徒制、而不是取代師徒制」的部分。
他接下一筆『自己沒資格接的單』，賠掉的遠不只那筆佣金——Mark Hunter 用一個翻車故事，講《Integrity First Selling》：選錯客戶比話術差更致命
大部分業務在覆盤一筆「做壞的單」時，第一個檢討的都是話術：開場是不是不夠勾人、異議處理是不是太軟、收尾是不是太急。Mark Hunter 的新書想顛覆的，就是這個反射動作。他的主張很刺耳：你那筆最後賠錢、賠關係、賠掉一整年精神的單，問題不在話術，而在你一開始根本不該接這個客戶。 Mark Hunter：被開除兩次的業務員，為什麼現在說「選錯客戶比話術差更致命」 Mark Hunter 在業務訓練圈以「The Sales Hunter」聞名，1998 年離開企業職投入銷售訓練至今，著有《High-Profit Prospecting》《A Mind for Sales》等暢銷書，是美國國家演講者協會（NSA）認證的 CSP 演講者。但他最值得聽的地方，不是這些頭銜，而是他願意把自己職涯早期的難堪攤開來講。 2026 年 5 月，他上 The Sales Gravy Podcast 接受 Jeb Blount Jr. 訪談，談的就是新書《Integrity First Selling: How To Create Better Sales With Better Customers》。節目裡他沒有先賣方法論，而是先認帳——他談他做砸的單、他扛下來的錯，以及為什麼「誠信銷售」對他而言不是道德口號，而是唯一一種能讓業務生涯撐得久的做法。 他形容自己剛入行時的狀態，是業務新人最容易陷入、卻最不願承認的那種："I was treating customers as if they were bowling pins. My objective was just to knock them down as fast as possible, get their money and run to the next one." （我那時把客戶當成保齡球瓶。我的目標就是用最快的速度把他們撞倒、拿走他們的錢，然後衝去撞下一個。）結果是什麼？他自己講得很乾脆：他前兩份業務工作都被開除了。把客戶當球瓶撞，撞得再準，職涯也撐不過兩份工作。 那筆「有錢就接」的單：為什麼賠掉的遠不只佣金 Hunter 整本書的起點，是一筆他明知不該接、卻為了佣金接下的單。一個快速擴張中的本地企業要他提供電信服務，從第一通電話開始，他心裡那個聲音就在說「這不對」——這個客戶的需求、規模、配合度，跟他真正能服務好的對象不一樣。但佣金數字夠大，他說服自己「先接再說」。 那筆單最後付出的代價，遠遠不只那筆佣金。客戶持續出狀況、不斷回頭索取超出範圍的支援、把他原本可以拿去開發對的客戶的時間整段吞掉。佣金一次性入帳，麻煩卻是長期攤提的。這就是他想點破的結構性陷阱：業務在計算一筆單時，只把「佣金」放進公式，卻沒把「這個客戶接下來會吃掉我多少時間、信譽、精神」放進去。 當你用佣金驅動去服務錯的客戶，帳面上你成交了，實際上你正在虧損。 書名副標題「How To Create Better Sales With Better Customers」就是這個意思——更好的成交，來自更好的客戶，而不是更強的話術。Hunter 在書裡點出今天的銷售現場：客戶比以往更多疑、信任更難建立、決策週期更長。在這種環境裡，業務最大的風險不是話術不夠強，而是把寶貴的開發能量，倒進一個從一開始就不該服務的客戶身上。 他職涯的轉折點，來自一位主管把他的思維整個扳正的一句話："Sales is about relationships. Sales is not about what you sell. Sales is about the outcome you create." （銷售講的是關係。銷售不是看你賣什麼，而是看你創造了什麼結果。）當你開始用「我替這個客戶創造了什麼結果」來定義成交，「對的客戶」這件事就會自動從加分項，變成前提。 核心做法一：在開發階段就用 ICP「篩掉」會反咬你的客戶 Hunter 不是叫你接案時憑感覺挑客戶，而是把篩選往前移到開發階段——用清楚的理想客戶輪廓（ICP）決定你要把電話打給誰、把信寄給誰，而不是有人就追。 在 Sales Gravy 那集裡，他談到一個很多業務忽略的紀律問題：與其同時對所有人散彈打鳥，不如針對特定 ICP 把開發動作「分批」（batch）進行，集中時段、集中精神。節目整理的重點之一是："Reducing scattered, unfocused activity by batching outreach for a specific ICP minimizes burnout, increases productivity, and improves employee retention." （減少散亂、失焦的動作，針對特定理想客戶把開發分批進行，能降低耗竭、提升產能，也讓人撐得更久。）他更進一步主張，ICP 不是寫一次就定案的口號，而是要持續用數據驗證：用 A/B 測試和試錯去檢查某一類客戶到底對不對，判斷標準是「潛在價值」和「客戶終身價值」，而不是「這個月好不好成交」。換句話說，選錯客戶不是運氣問題，是你沒有把篩選當成一道可以被測量、被優化的工序。他在節目裡反覆強調的那句心法是「為人而賣（selling for people），不是賣給人（selling to people）」——當你問的是「我能不能真的幫到這個人」，很多不該接的單，在第一通電話就會自己現形。 核心做法二：把「我不該接這單」說出口——Mark Hunter 的五題誠信檢查清單 Hunter 把抽象的「誠信」拆成一份可以逐題自問的檢查清單，這是整套方法最可操作的地方。五個問題如下： 一、我願不願意告訴客戶，我的解法不是他的正解？"If your solution isn't the right fit, tell your customer." （如果你的解法不適合，就告訴客戶。）二、如果競爭對手能更好地服務這個客戶，我願不願意把人轉介過去？ Hunter 認為，誠實地把客戶引導到更適合的人手上——即使是對手——長期回報的是信任與轉介。 三、面對「降價或多送一點就能收單」的壓力，我擋不擋得住？"Discounting isn't integrity. It only cheapens the solution." （折扣不是誠信，它只會貶低你的解法。）四、我會不會為了收單，在沒有充分理由的情況下破例？"Making special deals creates confusion, overcomplicates your process, and chips away at your value." （特例會製造混亂、把流程搞複雜，並一點一點削掉你的價值。）五、成交之後，我會不會持續協助客戶，直到他真的拿到他期待的結果？"Following through—and following up—may take more work, but it pays off." （把事做完、把人跟到底，確實更費工，但它會回本。）這五題的價值在於：它把「誠信」從一個你事後拿來安慰自己的形容詞，變成一個你在簽約前就能逐項勾選的決策閘門。第二題尤其反直覺——多數業務不敢把客戶推給對手，但 Hunter 的觀察是，這個動作的回收率高得驚人，它會以轉介和未來業務的形式繞回來。 核心做法三：不用佣金換一次成交，用一致的誠信累積出鐵粉與轉介 Hunter 的整套邏輯最後收束在一個資產負債的視角：用佣金換一次成交，是把未來的信譽提前變現；用一致的誠信服務對的客戶，是在累積一個會自己長大的轉介系統。 他的說法是，把問題在成交後處理掉、把客戶一路跟到他真的拿到期待的價值，會養出「死忠粉絲」（raving fans）——而死忠粉絲帶來的，是更多成交、更好的轉介，以及長期被縮短的銷售週期與更高的利潤。注意這個因果方向：不是「先把單收了，行有餘力再來經營口碑」，而是「先選對客戶、先把誠信守住，口碑會自己把下一批對的客戶帶來」。 而誠信之所以難，正因為它不在大事上見真章。Hunter 對「誠信」本身的定義很值得抄下來："Integrity is not in the big things; it's in the little things unseen. Your reputation rises before you do, and your reputation is comprised of what people say about you when you are not around." （誠信不在大事，而在那些沒人看見的小事。你的名聲會走在你前面，而你的名聲，是由你不在場時別人怎麼說你所構成的。）沒人看見的小事，就是那筆你心裡知道不該接、但佣金夠大的單；你不在場時別人怎麼說你，就是那個被你婉拒、卻被你誠實轉介出去的客戶，事後會怎麼向別人提起你。Hunter 想說的，從頭到尾只有一句話：選錯客戶比話術差更致命，因為話術可以下次修正，但用誠信換來的佣金，是一次性燒掉一個不會再生的資產。📎 這篇談的是《Integrity First Selling》的核心主張和那份五題誠信清單，但 Mark Hunter 在 Sales Gravy Podcast 這集（2026 年 5 月）裡，跟 Jeb Blount Jr. 還聊了很多文章沒覆蓋的實戰細節：多通路開發（電話、Email、社群）的節奏怎麼編排、為什麼要把開發放在自己一天精力最高的時段、同時要服務多個 ICP 時怎麼分時段切換不亂掉，以及他們對 AI 趨勢的看法。想把「篩選對的客戶」做成可執行的日常紀律，建議直接聽完整集；想看完整框架，他的新書《Integrity First Selling》已在 Amazon 上架。
他答應介紹朋友給你的那一秒，就覺得『任務完成』了——Ari Galper 拆 NPS 77.7 的最後一哩：82% 想推薦你，76% 從來沒真的推薦
每個業務員都被同一句話困擾過：「客戶說會幫我介紹，怎麼從來沒下文？」我們直覺以為，問題出在客戶「不夠喜歡我」、「不夠信任我」、「忘了我」。但 2026 年 4 月，Ari Galper 在 Advisor Perspectives 發表的新文章直接把這個假設翻過來。他引用 Dimensional 2025 全球投資人調查的反直覺數據：顧問的淨推薦分數（NPS）來到歷史新高的 77.7，82% 的客戶被歸為「推薦者」，但過去 12 個月真正做出轉介行動的，只有 24%。 也就是說，每 4 個說「我會推薦你」的客戶，有 3 個從來沒推薦過。但客戶自己以為——他們已經推薦完了。 Ari Galper：真正失靈的不是『意願』，是『推薦變成接觸』的最後一哩 Galper 是「信任式銷售」（Trust-Based Selling）系統的創辦人，過去二十多年專門服務金融顧問與保險業務員。他的著作《Unlock the Sales Game》主張一件事：傳統銷售之所以失靈，是因為業務員把客戶心理當成「黑盒子」，看著結果（沒成交、沒轉介），猜原因（不夠便宜、不夠關係深），然後加倍下藥（再殺價、再請吃飯）。他真正在做的事，是把那個黑盒子打開。 這篇 4 月的新文章是他「打開盒子」的最新一次示範。82% vs 24% 的落差，他不歸因到客戶的心，而歸因到「機制」——從「客戶有意願」走到「對方真的坐到你對面」中間，有一道斷層，而且這道斷層 80% 的業務員從來沒看見。 三槓桿：把『提到你的名字』升級成『被引介到對方面前』 Galper 的拆解是這樣的：當客戶說「我哥剛換工作，我跟他提一下你」，從客戶的視角，這件事已經完成了——他完成了一個社交承諾。但從「轉介行動」的視角，這件事根本還沒開始。對方（你哥）要做的事是：主動撥一個從沒見過的陌生人的電話、討論一個敏感的私人話題（保險、退休金、財務）、預訂一個不知道值不值得的會面時間。"Most clients believe they've referred you the moment they mention your name. From their side, the task is done. From your side, the conversation never happened—and you'll never know it didn't." （多數客戶以為，只要提到你的名字，他們就推薦完了。從他們的角度，任務結束。從你的角度，那場對話根本沒發生過——而你永遠不會知道它沒發生。）這是這篇文章最關鍵的一段。它解釋了為什麼業務員追問「我朋友有沒有打給你？」會這麼尷尬——因為朋友自己也覺得任務結束了，問下去等於暗指朋友「沒做到承諾」。所以你不問，客戶不說，那通電話就消失在兩個人都以為對方在處理的縫隙裡。 Galper 的解法不是去「教育客戶要更積極」，那是去動客戶的心，太慢、太弱。他的解法是把「轉介」這個動作，從客戶端轉到業務員端——讓業務員擔起「把推薦變成接觸」的責任。 技巧一：現場三方傳訊息（Warm Introduction in the Moment） 做法： 當客戶說「我想介紹我朋友 David 給你」，不要回「太好了，把他電話給我」。直接說：「你現在方便嗎？我們三個一起在 LINE 上開一個群組，你打個招呼把我介紹給他，這樣他比較不會覺得突然。」 關鍵不是「拿到聯絡方式」，而是「在客戶轉介意願最高的這 60 秒內，完成一次三方接觸」。一旦群組建起來、客戶在裡面說了一句「David，這是我之前跟你提過的顧問」，那場對話就「真的發生過」了——對方接下來主動聯絡你，門檻從「打給一個陌生人」降到「回一句已經開始的對話」。 很多業務員不敢用這招，因為怕「太強勢、客戶會反感」。但 Galper 點出：客戶在那個當下其實期待你提供步驟。他正在表達一個善意，他不知道下一步是什麼。你不接，他自己也尷尬，所以他用「我會跟他提一下」這句話打發掉這場社交承諾——對他、對你、對他朋友，三輸。 技巧二：給客戶一段可直接轉貼的自我介紹（Copy-Paste Bridge） 做法： 不要讓客戶幫你寫推薦詞。客戶很善良，但他不知道要怎麼介紹你才不會被朋友覺得「在推銷」。 主動準備一段 3 到 5 句的訊息，可以由客戶直接轉貼給對方。內容大概是：「這是我合作的顧問 [你的名字]。我跟他談退休規劃談了兩年，他不會一上來就推商品，是先把我的現金流跟保單盤一遍，再給建議。如果你最近也在想這個，可以先聊 30 分鐘，沒壓力。」 這段話的價值不是「文案有多漂亮」，而是把「介紹你」這件事的成本從 5 分鐘思考降到 5 秒鐘複製。Galper 在他的《Trust In A Split Second》裡反覆強調一個原則：信任的反面不是不信任，是摩擦。客戶不是不想推薦你，是推薦你的每一步都有摩擦——想要怎麼說、傳給誰、會不會被嫌煩——你少掉一個摩擦，行動率就上升一階。 技巧三：24 小時內主動敲對方（The 24-Hour Window） 做法： 客戶推薦完，無論用哪種方式，都把後續主動權拿回你身上。在客戶推薦後的 24 小時內，由你發第一則訊息給對方——不是電話、不是 email，先用對方最低門檻的管道（通常是 LINE 或 Messenger）。 訊息內容簡單：「你好 David，我是 [你的名字]，剛剛 [客戶名字] 在群組提到你最近在看退休規劃。沒有要推銷什麼，先傳個訊息打招呼。如果方便聊，我可以分享我幫 [客戶名字] 整理的方向，你聽完不合適就當聊天。」 24 小時不是隨便挑的數字。Galper 引用過行為心理學的「社交相關性窗口」——人對一段社交記憶的鮮活程度，會在 24 小時後快速衰減。客戶在群組裡介紹你的那一刻，對方對你的「相關性」最高；過了 48 小時，你跟其他這週收到的雜訊變成同一類。"Don't wait for the prospect to call. If you wait, you're betting against the math—and the math says they won't." （別等對方打給你。等下去，等於跟機率對賭——而機率告訴你，他不會打。）為什麼業務員會卡住：因為這違反我們學過的『體面』 讀完 Galper 的解法，多數業務員會有一個直覺反應：這會不會太強勢？會不會讓客戶覺得我太急？ 但 Galper 反問：你現在的「體面」做法（等客戶幫你聯絡、等對方主動打來、隔週才追問一句），換來的是 76% 的失敗率——而且失敗到客戶都不知道自己失敗了。你以為自己在尊重客戶，其實只是在保護自己不被拒絕。真正讓 82% 變成 24% 的，不是客戶冷淡，是業務員把「擔起接觸責任」這件事，當成了不禮貌。 NPS 77.7 是一個很迷人的數字。它讓你以為客戶愛你，所以可以放著等。但它也是一個陷阱——因為這道數字測量的是「意願」，不是「行動」。Galper 這篇文章的最大價值，是把這兩件事永遠拆開： 你的客戶從來不缺意願。他們缺的是一條從意願走到行動的、平的路。鋪這條路，是業務員的工作。📎 Ari Galper 在 Advisor Perspectives 的原文還整理了一份「推薦者類型分類表」，把高 NPS 客戶細分成四種推薦行為模式（包含「沉默推薦者」「條件式推薦者」），並提供他用了 20 年的 Trust-Based 轉介劇本範例。如果你想看完整的 Dimensional 2025 數據與客戶心理拆解，原文值得讀第二遍。