隨著AI技術(shù)的發(fā)展，智能外呼系統(tǒng)正在逐漸解決機(jī)械重復(fù)的問題，提高人工客服的效率。但在實(shí)際工作中，智能外呼系統(tǒng)還是面臨著重重困難。本文作者基于自己的工作經(jīng)驗(yàn)，對智能外呼系統(tǒng)設(shè)計(jì)提出了自己的一點(diǎn)思考。

在AI技術(shù)中，基于AI能力的營銷、客服系統(tǒng)算是比較能落地的應(yīng)用場景。從調(diào)研到項(xiàng)目落地，本人也是有幸完整參與了一個智能外呼的項(xiàng)目，當(dāng)然期間也踩了不少坑。

本文將嘗試著用自己的理解，對系統(tǒng)重新梳理一遍，也算是對這段經(jīng)歷的復(fù)盤和總結(jié)。若是寫得淺薄，還望見諒~

一、AI外呼系統(tǒng)的構(gòu)成

智能外呼業(yè)務(wù)流程圖（PS：客服系統(tǒng)也類似，只是由用戶主動呼入）

智能外呼、智能客服功能繁多，系統(tǒng)設(shè)計(jì)復(fù)雜，這里也只能是想到哪，寫到哪。簡單地將系統(tǒng)歸類一下，整個系統(tǒng)圍繞著通話的三條線展開（兩個終端和一個通信過程）。

終端中用戶端的核心是對用戶的管理，也就是常用的CRM系統(tǒng)。而AI端，則是圍繞著AI機(jī)器人的設(shè)計(jì)、優(yōu)化去設(shè)計(jì)。

通信過程，由呼叫系統(tǒng)實(shí)現(xiàn)，包括通話的撥打、接聽、掛機(jī)、轉(zhuǎn)接等，也包括通話線路的管理、配置。

1. 呼叫系統(tǒng)

呼叫系統(tǒng)是一種針對電話的軟交換解決方案，通過呼叫系統(tǒng)，電話機(jī)器人才能與用戶通信設(shè)備進(jìn)行通話。

機(jī)器人、呼叫中心、終端間簡單的關(guān)系圖

呼叫系統(tǒng)由來已久，經(jīng)過這么多年的發(fā)展，其功能已經(jīng)十分完善和穩(wěn)定。

在AI驅(qū)動的公司里，也會采用FreeSwitch之類的開源系統(tǒng)進(jìn)行自研。但是這個只有在有相應(yīng)技術(shù)棧（C++），對呼叫系統(tǒng)有開發(fā)經(jīng)驗(yàn)積累時可以去嘗試。

因?yàn)?，對于呼叫系統(tǒng)的租戶來說，呼叫系統(tǒng)最關(guān)鍵的就是高效和穩(wěn)定。要想進(jìn)行商業(yè)化，就必須保證呼叫系統(tǒng)的高并發(fā)和穩(wěn)定，這是一切的前提條件。

除去FreeSwitch之外，也可以購買第三方成熟的呼叫系統(tǒng)，例如國外比較有名的Genesys等。

購買成熟的呼叫系統(tǒng)，一個是系統(tǒng)本身已經(jīng)比較穩(wěn)定、功能齊全，該踩的坑前人已經(jīng)幫忙全部踩過。還有就是減少研發(fā)成本，尤其是對于AI型公司來說，無需為呼叫系統(tǒng)再浪費(fèi)研發(fā)資源和時間。

在呼叫系統(tǒng)中，會有一些專用名稱，不是這個圈子的一般很難理解，例如坐席、線路、并發(fā)等。

坐席：

主要是軟電話，一般也叫SIP電話。每個客服人員的賬號會綁定一個坐席，擁有坐席之后，即可通過電腦在線進(jìn)行撥打、接聽電話。

線路：

可以理解為外呼時用到的主叫號碼，通常為一批號碼的集合，號碼的類型很多，手機(jī)卡、中繼線等等，有不同的接入方式。

線路資源會根據(jù)運(yùn)營商時常變動，所以通常由專門的線路商去維護(hù)和運(yùn)營。線路會被很多業(yè)務(wù)共用，只能外呼，不能呼入。為便于區(qū)分，這條線路下的所有號碼會有相同的歸屬地，撥打的是類似的業(yè)務(wù)。

例如：北京教育線，便表示外顯是北京，主要撥打教育營銷相關(guān)的業(yè)務(wù)。

當(dāng)然上述主要針對的是外呼場景，呼入場景只需要向運(yùn)營商購買穩(wěn)定的線路即可。

并發(fā)：

指同時間可以進(jìn)行幾路通話。并發(fā)受限的因素較多：呼叫系統(tǒng)性能、機(jī)器人配置數(shù)量、線路資源。

• 呼叫系統(tǒng)性能：這是個技術(shù)問題，當(dāng)高并發(fā)時，服務(wù)端無法處理，容易造成漏接、無響應(yīng)等各種問題，并影響接聽率。
• 機(jī)器人配置數(shù)量：這個主要是種收費(fèi)模式，按機(jī)器人并發(fā)量進(jìn)行收費(fèi)。
• 線路資源限制：簡單理解為線路中實(shí)際可外呼的sim卡限制（實(shí)際上很多種類型），算是種物理限制，只能多找一些線路，沒有其他辦法。

2. AI機(jī)器人

嚴(yán)格地來說，AI機(jī)器人就是一整套回應(yīng)的話術(shù)，內(nèi)容包括核心的對話流程和知識庫。根據(jù)業(yè)務(wù)的不同，采用不同的技術(shù)方案。

1）兩類業(yè)務(wù)場景

在業(yè)務(wù)上粗略地可分為兩種場景：呼出場景、呼入場景。

呼出場景：

主要是電話營銷、通知等業(yè)務(wù)。

大部分的呼出電話都是陌拜電話，例如教育培訓(xùn)、股票投資、醫(yī)療保險，都是廣撒網(wǎng)的方式大量外呼。這些電話本身就是對用戶時間的一種侵占，對用戶來說沒有意愿來配合進(jìn)行問答，隨時都可能被用戶提前掛機(jī)。

總的來說，呼出場景的特點(diǎn)是：話術(shù)簡單，單通價值低，用戶不配合。針對此類場景，機(jī)器人采用的堆關(guān)鍵詞的方式即可實(shí)現(xiàn)。

呼入場景：

主要是業(yè)務(wù)查詢、預(yù)訂等業(yè)務(wù)。

常見的呼入場景，例如有10086。之前撥打10086，使用的是IVR模式，需要按鍵操作，現(xiàn)在已經(jīng)可以語音直接查詢話費(fèi)信息。由于是用戶主動呼入，帶有明確的目的，對電話機(jī)器人的容忍度相對較高。而機(jī)器人核心價值是幫助用戶完成任務(wù)，在無法識別等情況下，可與用戶確認(rèn)，方便明確意圖。

總結(jié)一下，呼入場景的特點(diǎn)是：業(yè)務(wù)穩(wěn)定，單通價值高，用戶配合。此類場景，就需要用到Rasa之類的聊天機(jī)器人框架，利用意圖識別、實(shí)體提取完成任務(wù)。PS：呼入場景，類似于智能音箱。

2）電話機(jī)器人和在線機(jī)器人對比

本質(zhì)上電話機(jī)器人與在線客服機(jī)器人相同。區(qū)別在于輸入端一個是語音，一個是文本。

語音信息包含著更多無用的信息，文本要比語音更加精準(zhǔn)和高效。當(dāng)然語音中包含的語氣、語速、情緒等也有部分價值，例如可以用來判斷男女。

電話機(jī)器人由于需要先ASR（語音識別），轉(zhuǎn)成文本之后，再NLP（語義理解），而在線機(jī)器人是直接進(jìn)行NLP處理。因此，在最終的理解效果上，電話機(jī)器人的準(zhǔn)確性會差一些。

3）語音輸入的難點(diǎn)與方案

語音輸入的難題，便是上文中所羅列的，這里不再贅述。這些難題不是目前技術(shù)可以解決的，或者說解決成本很高。這里就簡要列舉一些方案，具體需要在實(shí)際場景中多次嘗試，才能得出最優(yōu)方案。

方言問題：

最直接的方案是采用方言的ASR識別引擎。針對方言的ASR識別，在科大訊飛、阿里云等基礎(chǔ)服務(wù)商都有提供。

問題是：第一，方言種類多，而一般識別引擎只能識別部分使用范圍廣的方言，如四川話、粵語；第二，不知道該用哪套識別引擎，用戶范圍廣，在接通前都是未知的；第三，比較貴，商用成本高。

另一種是笨辦法，但是也有效。通過人工巡檢，將ASR識別結(jié)果中的擬聲詞、錯別字、近似詞都作為關(guān)鍵詞積累起來，積累越多，越容易被識別。

噪音識別問題：

噪音可分為人聲噪音和環(huán)境噪音。

常見的人聲噪音例如：周圍有人在說話、電視劇的聲音等。由于設(shè)備的限制，沒辦法利用麥克風(fēng)陣列等硬件去判斷遠(yuǎn)近場，因此沒有什么特別好的解決方案，畢竟電話的音頻就只有8000Hz、單聲道、16位。

環(huán)境噪音，在呼叫系統(tǒng)中就可以用濾波器、譜減法等方式降噪，還可以聲音切片的長度。

例如：正常說話單個字的時長都大于200ms，過濾掉短促的噪音。此外，在送往ASR之前，還可以利用AI進(jìn)行一次噪音識別，過濾之后再送往ASR識別。而ASR識別引擎本身也具備過濾噪音的功能。具體的實(shí)施方案可根據(jù)實(shí)際效果、商業(yè)化角度去搭配組合。

語氣詞、口頭禪：

例如：嗯——這可能只是在組織語言時的停頓或者是傾聽時禮貌性的反應(yīng)，但會被識別成肯定的意思。

此類情況比較常見，在人工巡檢過一批錄音后，發(fā)現(xiàn)作為語氣詞的情景次數(shù)要大于作為肯定的情景次數(shù)。

因此，第一步是將單字的“嗯”、“哦”等詞從意圖中剔除，保留“嗯好的…”等更明確表達(dá)該意圖的詞。

第二步則是在AI對話時候，盡量不要讓用戶開放式回答，而是引導(dǎo)用戶回答，比如用“是不是”、“可以嗎”等結(jié)尾，潛移默化地影響用戶回答“是”、“不是”、“可以”等指令明確的詞。

打斷、表達(dá)不清：

這個問題比較難表述，繼續(xù)舉個栗子：

假設(shè)AI詢問兒童年齡，用戶回答：“噢……我小孩4歲”，中間停頓了一下。在正常邏輯中，為讓AI快速響應(yīng)，在用戶回答停頓的時候，已經(jīng)執(zhí)行下一流程。因此，這時AI可能會忽略用戶后半句有價值的對話。

該問題往往容易使AI漏掉關(guān)鍵信息，同時也影響通話體驗(yàn)，給人生硬的感覺。針對該問題，目前是通過規(guī)則去控制，通過人工對通話記錄的總結(jié)，制訂處理規(guī)則。如什么情況下允許打斷、什么條件下替換為上節(jié)點(diǎn)意圖，這些都需要在實(shí)際場景中不斷總結(jié)優(yōu)化。

4）話術(shù)設(shè)計(jì)

機(jī)器人的對話設(shè)計(jì)有很多配置方式。底層基本都是Taskflow的模式，是類似于流程圖，將多個節(jié)點(diǎn)連接起來。這種方式能夠逐漸讓問題的范圍收斂，處理復(fù)雜的業(yè)務(wù)對話。

節(jié)點(diǎn)：

節(jié)點(diǎn)主要是針對輸入的內(nèi)容進(jìn)行意圖判斷，最后根據(jù)判斷分流給下一個節(jié)點(diǎn)。

在智能設(shè)備中經(jīng)常會提及一個詞叫“技能”，通過技能，可以完成特定的指令。節(jié)點(diǎn)也類似于技能，不過在通話場景下，范圍會比技能還要大一點(diǎn)。

1. 針對語音進(jìn)行判斷，即“技能”，可通過關(guān)鍵詞、實(shí)體提取等方式判斷意圖。
2. 針對按鍵進(jìn)行判斷，也就是IVR，這是電話獨(dú)有的功能，用戶可以準(zhǔn)確地輸入數(shù)字，不用擔(dān)心ASR識別錯誤，在核對用戶身份證信息等場景下特別有用。
3. 針對系統(tǒng)數(shù)據(jù)進(jìn)行判斷，此時不需要用戶輸入，是由系統(tǒng)根據(jù)已有信息直接給出判斷結(jié)果，如上一條中的身份證信息判斷。

流程組：

在常見的銷售、客服話術(shù)中，通常可以分為開場白、業(yè)務(wù)介紹、業(yè)務(wù)處理、結(jié)束語幾個階段。為了方便話術(shù)設(shè)計(jì)和后期優(yōu)化，也會根據(jù)此類分發(fā)去設(shè)計(jì)節(jié)點(diǎn)流程，并用流程組作為階段進(jìn)行分隔。

5）AI效果優(yōu)化
衡量一個AI機(jī)器人的好壞，要看它最終帶來的收益和成本。

在呼出場景中，需要讓AI最終意向率到達(dá)或者略小于人工水平，畢竟每一通電話、每一個號碼都是成本的。

在呼入場景中，則需要關(guān)注問題解決率、客戶滿意度等。必要時刻還是得使用人工坐席兜底，因此還需要關(guān)注人工介入情況。

優(yōu)化話術(shù)效果，主要通過錄音巡檢和分析每個節(jié)點(diǎn)的識別率、掛機(jī)率，為節(jié)點(diǎn)補(bǔ)充關(guān)鍵詞、說法集，也會嘗試不同的說話方式，具體的有時間再細(xì)講。

就目前而言，純AI接聽的完成率與人工接聽對比，還是有一定差距。因此真正適合純AI的應(yīng)用場景還是比較少，適合用在呼叫量大、內(nèi)容單一的場景，如：電話通知、催收M0。

在其他場景下，還是以AI+人工配合更為合適。AI負(fù)責(zé)前期簡單的對答，過濾和分流部分用戶，再由人工更靈活地解決問題。等到收集足夠多的說法集，歸納完善的話術(shù)之后，由 AI逐步接手，將人工后撤到下一節(jié)點(diǎn)，層層后撤，減少人工投入。

3. CRM系統(tǒng)

每一通電話記錄都會經(jīng)過CRM分析用戶意向、最終通話結(jié)果。CRM系統(tǒng)基于業(yè)務(wù)，主要負(fù)責(zé)對客戶的管理和跟進(jìn)，整個CRM系統(tǒng)主要可分為3個方向：

1. 對人員的管理：包括銷售、客服坐席的增刪改查和業(yè)務(wù)報(bào)表。
2. 對客戶的管理：涉及到客戶信息、通話的意向度、完整跟進(jìn)記錄、狀態(tài)的流轉(zhuǎn)。
3. 對資源的管理：這里的資源可以包括線路的管理運(yùn)營、話術(shù)設(shè)計(jì)和優(yōu)化。CRM系統(tǒng)較為常見，這里就不再多說，根據(jù)實(shí)際需求，進(jìn)行調(diào)整和功能擴(kuò)充即可。

二、主要競爭對手

圖為當(dāng)時做競品分析時，歸納的競品公司

在智能外呼這個賽道，直接競爭的是兩類企業(yè)：傳統(tǒng)的軟件提供商和以AI為核心的科技公司。

客服軟件提供商在客服系統(tǒng)、呼叫中心等產(chǎn)品上深耕多年，有相當(dāng)完善的產(chǎn)品矩陣和客戶資源，對客戶需求、實(shí)施解決方案都是經(jīng)驗(yàn)豐富。

AI型科技企業(yè)，則是垂直切入外呼場景，依托自身的AI技術(shù)，對單一場景進(jìn)行單點(diǎn)突破，鞏固自身的技術(shù)壁壘。只是就目前來看，AI技術(shù)的瓶頸還未突破，對智能對話、通話體驗(yàn)的改變不大。

除了上述兩類企業(yè)外，百度云、阿里云、騰訊云之類的云服務(wù)商，利用自身優(yōu)勢，將技術(shù)集成到開放平臺中，形成完整的行業(yè)解決方案。為企業(yè)提供ASR、NLP、TTS、呼叫系統(tǒng)甚至是線路等基礎(chǔ)技術(shù)服務(wù)，降低了技術(shù)門檻，企業(yè)不需要特別的技術(shù)儲備，即可搭建出自己的系統(tǒng)，可以說是一種降維打擊。

PS：事實(shí)上AI驅(qū)動的企業(yè)，完善自身技術(shù)后，也在逐步開放AI能力，提供技術(shù)服務(wù)，為其他企業(yè)賦能。

而研究聊天機(jī)器人的企業(yè)，在NLP技術(shù)的研究和積累頗多，也容易快速切入。

三、核心競爭力

雖然說是AI機(jī)器人，核心亮點(diǎn)是AI。但是，在實(shí)際應(yīng)用中真正利用到AI技術(shù)的并不多。

• ASR：除非自身有足夠多的語料和研發(fā)能力（還要考慮研發(fā)成本、更新維護(hù)能力），否則ASR大多都是通過科大訊飛、阿里云等大平臺進(jìn)行識別。
• NLP：這個是一個技術(shù)核心，不過就目前的提升效果，通過填充關(guān)鍵詞之類的笨辦法也能達(dá)到相同效果。
• TTS：在實(shí)際語音播放中，除了變量等必須由TTS合成外，大部分話術(shù)都可通過提前人工錄音的方式完成，且播放效果比TTS還要好。

個人認(rèn)為AI機(jī)器人的核心，不在于AI，而是基于業(yè)務(wù)場景的話術(shù)?？蛻舨粫P(guān)心技術(shù)如何先進(jìn)，而是看最終的接聽效果。當(dāng)一個話術(shù)調(diào)整成接近人工坐席效果時，那么在這個業(yè)務(wù)場景可以說是形成了壁壘，拓展相似業(yè)務(wù)會更有優(yōu)勢。

本文由 @jessi 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議