上下文不是聊天记录
对话式 CRM 里的上下文，是客户完整的故事：公司背景、决策人、历史沟通、购买阶段、风险信号。聊天记录只是其中一部分。
系统要主动把分散的数据整理成「跟进前该知道的事」。
上下文分层
第一层是基础档案：联系人、公司、合同。第二层是动态信息：最近沟通、邮件、支持工单。第三层是推断信息：客户意图、风险、下一步建议。
推断信息要有依据，标注来源，让销售可以验证。
- 基础档案：稳定、权威、来自 CRM
- 动态信息：实时、分散、需要聚合
- 推断信息：AI 生成、必须可追溯
主动提示比被动问答更有价值
销售不会每天主动问「这个客户怎么样」，但会看「今天该跟进谁」。系统应该主动生成跟进简报：这个客户最近发生了什么、有什么风险、建议聊什么。
主动提示把 AI 从工具变成工作的一部分。
权限与隐私的底线
对话式 CRM 处理的是客户数据，必须做角色级权限隔离，AI 只能访问当前销售有权查看的信息。
信任不是靠演示建立，而是靠每一次访问都合规。
让销售愿意打开它
CRM 类 AI 产品最容易死在打开率上。不要追求功能全面，先保证每天早上销售打开时，能看到一条值得看的跟进提示。
当 AI 连续几次给出有用提醒，销售就会形成打开习惯；打开习惯一旦形成，上下文数据越来越完整，产品价值也越滚越大。
上线后的运营节奏
对话式 CRM 上线不是结束，而是开始：前两周每天看使用数据和反馈，第二个月每周看一次，三个月后按月复盘。
运营重点不是功能新增，而是让 AI 的提醒越来越准：把销售确认「有用」的提醒沉淀成规则，把被忽略的提醒找出来分析原因。
工具的价值取决于使用习惯，而习惯要靠持续校准养成。
CRM 系统的安全边界
对话式 CRM 的权限边界要更严格：AI 只能访问当前销售可见的客户资料，任何聚合查询都要经过行级权限过滤。
操作日志要记录每一次 AI 访问：谁、什么时间、看了哪些数据、生成了什么内容，方便审计和追责。
客户数据是信任资产，安全边界是对话式 CRM 的及格线。