如何从零搭建智能外呼场景

本文梳理了搭建智能外呼场景时，具体的5个操作阶段以及4个注意点。

一、前言

智能AI的快速发展，传统呼叫中心也在进行智能化改造，智能外呼本身可以理解为是传统呼叫中心外接了智能AI系统，多了3个模块，智能语音、智能机器人、智能外呼控制台，相较于传统外呼有以下3点优势：

降低人力成本，提升营销效率

自动记录交互信息，各环节数据统计

话术标准统一，避免营销不规范

二、搭建流程

现在市面上也有不少语音机器人，各有特点，那么我们在搭建智能外呼场景时，具体要怎么去操作呢？我将其分为5个阶段：

注：默认系统全部搭建完毕并且已经对接完成，软硬件性能本文中暂不考虑，如延迟、并发等。

1. 业务梳理

（1）业务流程：业务专家、机器人训练师、一线客服一起梳理业务流程，根据历史交互信息、客服的工作记录等内容梳理最合适的业务流程。

（2）业务系统交互场景：我们是否需要对接用户系统、付费系统、营销系统等，因为在用户的交互过程中可能需要去查询信息或者直接下单更改业务系统数据，这些都是在进行业务梳理时需要考虑的。

（3）呼叫中心指令：这里主要指的是字段对接，每个字段涉及到一些特殊指令，呼叫中心收到这个指令时就会进行相应的动作，例如放音、挂断、打断、进IVR、转人工等，这个需要双方进行对接测试。

（4）文档输出：目的就是为了方便机器人训练师和开发人员进行机器人配置：流程文档，接口文档，业务知识文档（一问一答、常用业务词、兜底话术等）。

2. 构建对话机器人（对话流）

（1）主流程

就是指业务流程，根据梳理的业务流程图进行设计。做的比较不错的外呼厂家可以做到大部分场景界面化配置，无需开发能力，部分特殊场景可能需要代码来控制。

（2）全局流程

可以理解为用户在主流程中可以随时跳到全局流程中，全局流程交互完毕后还能回到主流程中进行之前没有完成的交互。跳回时需要给每个流程配置衔接词，做的比较好的话还可以设置次数和每次跳回回复不同的内容，用不同的话术去引导用户进行回答，而不是同样的内容在重复。

a.知识库设计：最简单的一问一答的形式，无特殊处理，支持跳回主流程。

b.特殊流程：根据用户所在的环节，和提问的内容进行特殊处理的流程，主要涉及到放音、挂断、打断、进IVR、转人工。

例如用户说：我要转人工，这个时候就可以播放语音“正在为您转接人工，请稍后”，然后将线路切到人工坐席进行服务。

办理业务需要输入密码时，机器人就可以将这个特殊指令传给呼叫中心，呼叫中心收到这个指令就会转IVR，放音让用户进行按键，完成密码校验后重新回到机器人服务。

（3）话术

包括触发意图和回复内容设置。

a.触发意图设置：没啥好说的，正常的厂家就是穷举或者按照LGF规则去设置，有自己的算法去计算匹配度，达到对应的匹配度就会命中意图走流程。

b.回复内容设置：用户听到的标准回复内容，不同的话术可能会带来不同的转化率，这个需要在上线后进行阶段性的规模测试调优，找出最佳话术，或者根据人群进行不同的话术设置。

c.特殊指令设置，这个根据实际需要确定，包括和呼叫中心或者业务系统的对接构建的特殊指令。

（4）代码

这块根据实际业务和各个厂家的机器人确定，通过代码控制一些复杂流程。

3. 测试

（1）内部测试

构建测试脚本，根据脚本邀请工作人员参与测试。

测试标准：识别率达到***，意图准确率达到***。

a.意图测试：每个意图节点都用意图测试脚本去测试意图是否正常命中

b.流程测试：意图命中后，是否正常走流程

c.ASR测试：测试识别情况是否达到预期

d.TTS测试：测试放音情况是否有错误或者不自然之处

（2）预上线测试

参考内部测试内容，只不过这个测试面向的是批量的用户群，例如每天拨打小几百个，测试1周看效果是否可以达到上线条件。

4. 问题分析及优化（循环）

（1）智能部分

1）语音识别

a.发音无问题，音对字不对。那么可以认为其是正确的，只不过要对同音字进行强化处理，简单的来说可以这么去理解，初始的识别模型“衣”和“医”都是相同的权重1，如果是在医学领域，更多情况下翻译成“医”，那么就可以去修改其权重，在出现同样的音时，优先翻译成“医生”。

b.发音无问题，对了一部分或者完全不对：可以通过修改需要识别的词汇的权重或者语言模型优化实现，具体操作方式各家的ASR产品有所不同。正常简单的可以界面化训练，复杂的需要开发人员介入。

c.发音问题：方言和口语，这种情况可以有2种处理办法，一种是将识别的内容强行配置在意图中（少量内容可以这么处理），如果是大范围的问题，就需要去进行声学模型的定制优化。

2）意图识别

标准问法：

a.看是否串了意图，其他对话流是否出现了这个意图，导致无法走到对应的流程，需要对重合的意图进行修改，尽量不要有重叠。

b.出了bug，请联系厂家。

非标准问法：串意图，并且匹配度低，可以通过修改意图的形式去匹配。

3）回复内容

a.有答案，意图未命中：修改意图以匹配话术。

b.无答案：新增意图和对应的答案

4）语音播放

TTS产品都会有很多音库的，如果觉得不合适可以选择真人录音，发音比较自然，就是没那么灵活，录音工作量较大。看发音效果关注下面4点：

a.合成准确率：正常不会出错

b.音调、声音、感情等因素：感知问题

c.变量衔接：真人+合成音搭配的情况下，需要注意，这块可能引起衔接不顺畅。

d.真人和合成音的筛选

（2）业务部分

1）流程转化率

参考漏斗模型，分析全流程转化率异常节点，看是流程设置问题还是其他原因。

2）用户交互内容

根据用户交互的内容分析用户感兴趣或者有问题的地方，通过这些内容数据来优化话术

5. 上线

这里就不仅仅是关注智能和业务指标了，还要注意软硬件的性能，看是否能顶住上线的大规模并发，之后就是不断训练优化的过程了。

三、注意点

1. 智能外呼机器人定位

中上等电销业务员，能够按照固定标准去和用户交互，不会有优秀的业务员那样灵活变通，智能按照设置的内容去回复用户，无法实现自主的思考学习。

2. 业务场景

适合简单语音交互，不适合复杂的业务流程，例如多种意图判断，复杂的语言理解，现在的技术水平还达不到或者付出的代价较高，往往用户没有这么多的预算。

3. 训练优化

智能的背后一定有N倍的人工，现在还没达不到无监督学习的地步，好的智能外呼机器人是不断训练优化出来的。

4. 只能用于外呼吗？

适合语音交互的流程，包括呼入（智能语音导航）和呼出（智能外呼）。

四、总结

智能外呼只是一个辅助工具，并不能直接带来业务效果提升，我们要根据交互的业务数据去不断训练机器人，优化场景，这样才能达到提升业务的目的。

#声明#