46 views

本文跟大家講講這AI呼叫中心的「行業黑話」,有相關業務的可以看看門道,沒有相關業務的可以看看熱鬧。

疫情期間很多企業無法復工,為了業務能夠正常運轉,只能瘋狂得打電話。由於人工電銷存在很多管理上的難題,電銷機器人在疫情期間異常火爆,現在的電銷機器人已經發展到能夠媲美人聲,反應速度和聊天能力也已經非常強,不仔細聽可能一點都聽不出來,那種非常禮貌,普通話比較純正的推銷電話,很大概率都是機器人。

我本人也做過AI呼叫中心產品,並且我也給自己的手機配了一個語音小助理,經常在我忙的時候替我處理來電。所以最近很多人來問我AI呼叫中心相關的問題,今兒咱就拉出來聊聊,講講這AI呼叫中心的「行業黑話」,有相關業務的可以看看門道,沒有相關業務的可以看看熱鬧。

AI呼叫中心行業黑話,看這一篇就夠了

AI機器人和人工座席的對比(*來源:數點營銷官網)

一、業務流程

在介紹黑話之前,我們先說道說道AI呼叫中心繫統的業務流程,好讓各位同學對業務有一個全面的了解。

AI呼叫中心行業黑話,看這一篇就夠了

AI呼叫中心的業務流程

上圖是一個AI呼叫中心的業務流程,簡單來說就是首先要配置話術,就是告訴機器人在遇到問題該怎麼回答,這個不同公司不同行業的差別比較大,所以一般每個客戶都會配置其個性化的話術。

話術配置完成後,需要給賬號配置線路,目的就是能夠順利的把電話打出去。

線路配完后,就是建立任務了,說白了就是導入電話號碼,因為資源有限,不可能導入一批立即打完,所以需要以任務的形式分配給機器人,然後機器人逐個完成。值得一提的是,如果有多條線路,創建任務時建議提供線路選擇功能,很多公司的業務不止一個城市,而大家又是比較習慣接聽自己所在城市的電話,所以這個選擇主要是為了提高接通率。

任務完成後,機器人會對每一通電話的意向結果做判別,也就是打完電話的反饋,一般來說,系統里都有一個統計和查詢功能,來對每一通電話的結果進行統計。

業務流程說完了,在正式給大家介紹黑話之前,我想再多說一句。電銷機器人發展到現在,其實還是很不成熟,很多企業老闆對電銷機器人的認識都不夠清晰,在這裡我也說說我的理解——電銷機器人的核心作用是提高銷售人員的篩選效率,只能夠做到基礎的初篩,把有意向的客戶找出來,再由人工去跟進,而不是像很多老闆理解的那樣一個機器人就可以把單談成的,這個不現實。

好了,說了這麼多,終於要進入黑話環節了。這裡我把黑話分為兩部分——行業黑話和技術黑話。行業黑話就是指業務上涉及到的專業名詞,而技術黑話就是技術上的專業名詞,為了防止大家以後被忽悠,這兩塊我都給大家講講。

二、行業黑話

1. 話術

話術上面已經提到了,和我們平時所說的銷售話術一樣,就是告訴機器人遇到問題該怎麼回答,唯一的區別是這個話術需要配置到系統上面,而且還要把溝通邏輯梳理清楚。不同公司不同行業話術都不一樣,所以很多做機器人的公司都對每一個客戶單獨配置話術。

2. 真人語音

很多機器人廠商都會說自己是真人語音,其實這並不是一個個真人去打電話,私以為更合適的說法應該是「真人配音」,簡單來說就是由一個真實的聲優把每個回答都錄好並存儲在雲端,機器人在遇到相關問題後會給對方播放之前已經錄好的音頻文件,讓對方感覺上是在跟一個真人聊天。

3. 線路

線路就是機器人和客戶溝通的通道,可以簡單理解為一個個電話號碼,只有通過號碼與客戶建立連接后,才有對話的可能。這一塊一直以來都是AI呼叫中心最難的一項工作,不是技術有多麼複雜,而是國家對騷擾電話打擊的太嚴厲,想找到一些穩定的線路非常困難,有一些公司採用網關的方式來解決線路問題,最多的我見過128口網關一起呼的壯觀場面,這種投入成本確實有點高。

AI呼叫中心行業黑話,看這一篇就夠了

128口網關,售價基本都在一萬以上

4. 無需辦卡

這個辦卡不是辦會員卡,而是辦電話卡,由於現在打擊的很嚴,電話卡都要求實名註冊,一個人能夠辦的卡的數量非常有限,這就導致很多公司買了電銷機器人,很快就沒有電話卡來用了。所以有一些公司推出了無需客戶辦卡的機器人,也算是比較好的解決這個問題了。

5. 接通率

這個接通率是指所接通的電話和所打的電話的比率。這個跟很多因素有關,除了號碼質量、號碼歸屬地等因素外,機器人打出去的電話依然有一定的失敗率,是的,你沒有聽錯,有一段時間市面上的很多機器人成功率都在20%以下。

6. 手機外顯/座機外顯

這個很簡單,就是在客戶手機上顯示的號碼,很多人習慣接聽手機號碼,而不是電話號碼,所以客戶基本都比較喜歡手機外顯,極少數客戶會要求座機外顯。

AI呼叫中心行業黑話,看這一篇就夠了

手機or座機,哪個想接?

三、技術黑話

1. ASR

ASR(Automatic Speech Recognition)是語音識別技術,是把語音轉換為文字的技術,就像人類的耳朵一樣。

語音識別系統的性能取決於以下四類因素:

  1. 識別辭彙表的大小和語音的複雜性;
  2. 語音信號的質量;
  3. 聲音來源的多樣性;
  4. 硬體的性能。

2. NLP

NLP(Natural Language Processing)意為自然語義理解。和人類大腦處理信息類似,當耳朵把聽到的內容翻譯成大腦能夠處理的信息后,就由大腦來判斷這段內容想表述的意義,是表述同意還是對某個問題提出質疑。NLP是人工智慧領域非常具有挑戰性的一個課題,有興趣的同學可以去了解一下,其中對自然語言的拆解還是非常有趣。

3. TTS

TTS(Text-To-Speech)指的是語音合成技術,我們平時聽到的Siri、小愛同學這些都是利用TTS技術合成的語音,聽上去還是感覺不自然。在電銷機器人與客戶對話過程中,有時候是需要TTS合成音出場,聲優不可能把所有回答都提前錄好,比如在跟客戶確認客戶的賬號或者手機號的時候,總不能讓聲優把每一個組合都讀一遍吧。

AI呼叫中心行業黑話,看這一篇就夠了

Siri——TTS技術的典型應用

4. 環境降噪

之前說到影響語音識別率的其中之一的因素就是聲源質量,如果對方說話環境很嘈雜,那將極大降低識別準確率。但是很多噪音和人聲的頻率不在同一水平,利用這種技術可以將很多雜訊去除,除了環境降噪,還有將人聲增強的技術,利用這些技術可以將聲源做處理,為後面的ASR步驟做準備。

5. 空號檢測

為了提高撥打效率,有的廠商會在撥打前對所撥打的號碼進行空號檢測,將檢測為空的號碼過濾掉,但這個目前技術能夠做到的成功率不是非常高。

好了,以上就是全部內容了。

 

作者:王撼宇;公眾號:pmhenry

Go Top