机器人、呼叫中心、终端间简单的关系图

电话机器人由于需要先ASR（语音识别），转成文本之后，再NLP（语义理解），而在线机器人是直接进行NLP处理。因此，在最终的理解效果上，电话机器人的准确性会差一些。

3）语音输入的难点与代理方案

语音输入的难题，便是上文中所罗列的，这里不再赘述。这些难题不是目前技术可以解决的，或者说解决成本很高。这里就简要列举一些方案，具体无锡需要在实际场景中多次尝试，才能得出最优方案。

方言问题：

最直接的方案是采用方言的客户ASR识别引擎。针对方言的ASR识别，在科大讯飞、阿里云等基础服务商都有提供。

问题是：第一，方言种类多，而一般识别引擎只能识别部分使用范围广的方言，如四川话、粤语；第二，不知道该用哪套识别引擎，用户范围广，在接通前都是未知的；第三，比较贵，商用成本高。

另一种是笨办法，但是也有效。通过人工巡检，将ASR识别结果中的拟声词、错别字、近似词都作为关键词积累起来，积累越多，越容易被识别。

噪音识别问题：

噪音可分为人声噪音和环境噪音。

常见的人声噪音例如：周围有人在说话、电视剧的声音等。由于设备的限制，没办法利用麦克风阵列等硬件去判断远近场，因此没有什么特别好的解决方案，毕竟电话的音频就只有8000Hz、单声道、16位。

环境噪音，在呼叫系统中就可以用滤波器、怎样谱减法等方式降噪，还可以声音切片的长度。

例如：正常说话单个字的时长都大于200ms，过滤掉短促的噪音。此外，在送往ASR之前，还可以利用AI进行一次噪音识别，过滤之后再送往ASR识别。而ASR识别引擎本身也具备过滤噪音的功能。具体的实施方案可根据实际效果、商业化角度去搭配组合拉客。

语气词、口头禅：

例如：嗯——这可能只是在组织语言时的停顿或者公司是倾听时礼貌性的反应，但会被识别成肯定的意思。

此类情况比较常见，在人工巡检过一批录音后，发现作为语气词的情景次数要大于作为肯定的情景次数。

因此，第一步是将单字的“嗯”、“哦”等词从意图中剔除，保留“嗯好的…”等更明确表达该意图的词。

第二步则是在AI对话时候，尽量不要让用户开放式回答，而是引导用户回答，比如用“是不是”、“可以吗”等结尾，潜移默化地影响用户回答“是”、系统“不是”、“可以”等指令明确的词。

打断、表达不清：

这个问题比较难表述，继续举个栗子：

假设AI询问儿童年龄，用户回答：“噢……我小孩4岁”，中间停顿了一下。在正常逻辑中，为让AI快速响应，在用户回答停顿的时候，已经执行下一流程。因此，这时AI可能会忽略用户后半句有价值的对话。

该问题往往容易使AI漏掉关键信息，同时也影响通话体公司验，给人生硬的感觉。针对该问题，目前是通过规则去控精准制，通过人工对通话记录的总结，制订处理规则。如什么情况下允许打断、什么条件下替换为上节点意图，这些都需要在实际场景中不断总结优化。

4）话术设计

机器人的对话设计有很多配置方式。底层基本都是Taskflow的模式，是类似于流程图，将多个节点连接起来。这种方式能够逐渐让问题的范围收敛，处理复杂的业务对话。

节点：

节点主要是针对输入的内容进行意图判断，最后根据判断分流给下一个节点。

在智能设备中经常会提及一个词叫“技能”，通过技能，可以完成特定的指令。节点也类似于技能，不过在通话场景下，范围会比技能还要大一点。

1. 针对语音进行判断，即“技能”，可通过关键词、实体提取等方式判断意客户图。
2. 针对按键进行判断，也就是IVR，这是电话独有的功能，用户可以准确地输入数字，不用担心ASR识别错误，在核对用户身份证信息等场景下特别有用。
3. 针对系统数据进行判断，此时不需要用户输获客入，是由系统根据已有信息直接给出判断结果，如上一条中的身份证信息判断。

流程组：

在常见的销售、无锡客服话术中，通常可以分为开场白、业务介绍、业务处理、结束语几个阶段。为了方便话术设计和后期优化，也会根据此类分发去设计节点流程，并用流程组作为阶段进行分隔。

5）AI效果优化

衡量一个AI机器人的好坏，要看它最终带来的收益和成本。

在呼出场景中，需要让AI最终意向率到达或者略小于人工水平，毕竟每一通电话、每一个号码都是成本的。

在呼入场景中，则需要关注问题解决率、客户满意度等。必要时刻还拉客是得使用人工坐席兜底，因此还需要关注人工介入情况。

优化话术效果，主要通过录音巡检代理和分析每个节点的识别率、挂机率，为节点补充关键词、说法集，也会尝试不同的说话记账方式，具体的有时间再细讲。

就目前而言，纯AI接听的完成率与人工接听对比，还是有一定差距。因此真正适合纯AI的应用场景还是比较少，适合记账用在呼叫量大怎样、内容单一的场景，如：电话通知、催收M0。

在其他场景下，还是以AI 人工配合更为合适。AI负责前期简单的对答，过滤和分流部分用户，再由人工更灵活地解决问题。等到收集足够多的说法集，归纳完善的话术之后，由 AI逐步接手，将人工后撤到下一节点，层层后撤，减少人工投入。

3. CRM系统

每一通电话记录都会经过CRM分析用户意向、最终通话结果。CRM系统基于业务，主要负责对客户的管理和跟进，整个CRM系统主要可分为3个方向：

1. 对人员的管理：包括销售、客服坐席的增删改查和业务报表。
2. 对客户的管理：涉及到客户信息、通话的意向度、完整跟进记录、状态的流转。
3. 对资源的管理：这里的资源可以包括线路的管理运营、话术设计和优化。CRM系统较为常见，这里就不再多说，根据实际需求，进行调整和功能扩充即可。

二、主要竞争对手

图为当时做竞品分析时，归纳的竞品公司

在智能外呼这个赛道，直接竞争的是两类企业：传统的软件提供商和以AI为核心的科技公司。

客服软件提供商在客服系统、呼叫中心等产品上深耕多年，有相当完善的产品矩阵和客户资源，对客户需求、实施解决方案都是经验丰富。

AI型科技企业，则是垂直切入外呼场景，依托自身的AI技术，对单一场景进行单点突精准破，巩固自身的技术壁垒。只是就目前来看，AI技术的瓶颈还未突破，对智能对话、通话体验的改变不大。

除了上述两类企业外，百度云、阿里云、腾讯云之类的云服务商，利用自身优势，将技术集成到开放平台中，形成完整的行业解决方案。为企业提供ASR、NLP、TTS、呼叫系统甚至是线路等基础技术服务，降低了技术门槛，企业不需要特别的技术储备，即可搭建出自己的系统，可以说是一种降维打击。

PS：事实上AI驱动的企业，完善自身技术后，也在逐步开放AI能力，提供技术服务，为其他企业赋能。

而研究聊天机器人的企业，在NLP技术的研究和积累颇多，也容易快速切入。

三、核心竞争力

虽然说是AI机器人，核心亮点是AI。但是，在实际应用中真正利用到AI技术的并不多。

• ASR：除非自身有足够多的语料和研发能力（还要考虑研发成本、更新维护能力），否则ASR大多都是通过科大讯飞、阿里云等大平台进行识别。
• NLP：这个是一个技术核心，不过就目前的提升效果，通过填充关键词之类的笨办法也能达到相同效果。
• TTS：在实际语音播放中，除了变量等必须由TTS合成外，大部分话术获客都可通过提前人工录音的方式完成，且播放效果比TTS还要好。

个人认为AI机器人的核心，不在于AI，而是基于业务场景的话术。客户不会关心技术如何先进，而是看最终的接听效果。当一个话术调整成接近人工坐席效果时，那么在这个业系统务场景可以说是形成了壁垒，拓展相似业务会更有优势。