傳統(tǒng)外呼成本高、痛點多

在傳統(tǒng)外呼過程中，一直存在著人力成本高、轉(zhuǎn)化率偏低的問題。外呼過程中90%的電話會被掛斷。可見，目前營銷外呼的精準度暫時還無從談起，同時在此過程中，隨著掛斷率的居高不下，情緒影響也隨之上升，員工也需要花費大量的時間來篩選意向客戶。可是，客戶的意向又會實時產(chǎn)生變化，員工耗費時間鎖跟蹤記錄下來的信息并不真實。

隨著互聯(lián)網(wǎng)業(yè)務(wù)的迅速開展，金融、房地產(chǎn)等企業(yè)的用戶量急速增加，尤其是電話營銷、催收、客戶咨詢等工作劇增。每個人工坐席每天處置客戶量為100-200件，完全無法滿足業(yè)務(wù)的擴張要求。對客服人員的擴充，又面臨著較高的人力成本，工資、提成、社保、電話費、場地費、管理費用都在不斷上漲。同時業(yè)務(wù)員的人員流動性也較大，每個業(yè)務(wù)員背后所付出的培訓(xùn)時間成本又較長。

例如，在教育行業(yè)，一個咨詢師平均每天要撥打上百通電話，而培育出一個良好的課程咨詢師又需要耗費大量的人力物力、培訓(xùn)本錢，于此同時咨詢師又很可能隨時進行人才流動，這些都成了企業(yè)利潤最大化的障礙。

10年后90%客服將被AI取代

目前，你接到部分營銷或客服電話中，實際上已經(jīng)有機器人出現(xiàn)，只不過你可能沒聽出來。再過10年左右的時間，90%的銷售、客服將會被AI取代。

銀行金融、保險電銷、運營商等領(lǐng)域的實踐數(shù)據(jù)案例顯示，利用人工智能可以幫助銀行剔除79%的非目標用戶；在金融催收過程中，AI比傳統(tǒng)IVR在接通回款率上增加5%；在電信運營商的營銷推廣測試中，AI的戶均成本僅為人工客服的約18%。

顯然，AI在電話營銷、客服系統(tǒng)中的應(yīng)用，解決了傳統(tǒng)外呼成本高、痛點多的弊病。同時，還具有回復(fù)速度更快、支持云端或本地部署等優(yōu)勢。綜合數(shù)據(jù)來看，與人工銷售相比，機器人的成本只有前者的50%，然而銷售業(yè)績卻可以提升300%，且永不離職。

悟空話務(wù)智能語音機器人發(fā)布

面向國內(nèi)市場發(fā)布悟空話務(wù)智能語音機器人軟件，主要用于電銷外呼和客服回訪。它可以按照系統(tǒng)預(yù)設(shè)的外呼邏輯與客戶交流，通過多輪對話和話術(shù)引導(dǎo)達到業(yè)務(wù)目標，廣泛應(yīng)用于房地產(chǎn)、課程推廣、金融催收、續(xù)保服務(wù)、產(chǎn)品推介、運營商回訪等領(lǐng)域。

智能語音機器人系統(tǒng)每天可自動外呼800-1000通電話，是正常人工的6-8倍。AI的加持可以實現(xiàn)真人語音對話，可以及時反應(yīng)、響應(yīng)突發(fā)詢問；甚至支持打斷呼入轉(zhuǎn)人工：模擬真人工作場景，情緒標準化、話術(shù)標準化，可分析不同目標客戶群，制定多種語音話術(shù)模板；同時提供精準大數(shù)據(jù)，通話數(shù)據(jù)精確到秒，實現(xiàn)對話關(guān)鍵詞智能提取，全程錄音，大數(shù)據(jù)便簽智能分類，自動性別識別等。

智能語音機器人核心技術(shù)分析

主要應(yīng)用了語音識別、自然語音處理、語音合成、機器學(xué)習(xí)這四種核心技術(shù)，從而構(gòu)建了一位可以被客戶認可、公司放心的懂業(yè)務(wù)、全套路、能分析、會學(xué)習(xí)的完美員工，實現(xiàn)了電銷客服專家的AI化。

語音識別主要是關(guān)注自動且準確地轉(zhuǎn)錄人類語音的AI技術(shù)，它與圖像識別技術(shù)、機器學(xué)習(xí)技術(shù)是人工智能領(lǐng)域三大核心技術(shù)?；櫟恼Z音識別技術(shù)主要處理不同口音、背景噪聲、區(qū)分同音異形/異義詞，同時還需要具有跟上正常語速的工作速度。語音識別就好比機器的聽覺系統(tǒng)，通過識別和理解，把語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令。這里面最關(guān)鍵的技術(shù)是機器的識別準確率，目前的識別率在工程環(huán)境下已基本達到90%以上，在生活職場環(huán)節(jié)下，主流ASR服務(wù)商能達到80%左右的識別率。悟空話務(wù)與國內(nèi)頂尖科研機構(gòu)及企業(yè)，達到深度合作，基于十年通訊語料素材，同共研制打磨悟空話務(wù)語音識別核心引擎。

自然語音處理應(yīng)用背后有大量的基礎(chǔ)任務(wù)和機器學(xué)習(xí)模型。利用NLP，我們可以讓機器來執(zhí)行自動摘要，翻譯，關(guān)系提取，情感分析，話題分割等任務(wù)，像人一樣處理復(fù)雜的文本。目前針對金融、教育與房產(chǎn)領(lǐng)域，進行了針對性的NLP語音訓(xùn)練優(yōu)化，以保障在三個電銷外呼行業(yè)，具有更高的NLP數(shù)據(jù)處理能力。

語音合成就是將文字信息轉(zhuǎn)化為聲音信息，給機器配上人聲。出色的TTS需要大量的語料庫，成熟的、可商用的TTS的合成音，在音色、自然度等方面的表現(xiàn)均可以接近人聲。目前，行業(yè)內(nèi)根據(jù)人聲定制的TTS，需錄制原聲1000小時，費用達40萬元。而且效果還與正常人聲在語音語調(diào)等音色方面，仍有很大差距。在支持TTS的基礎(chǔ)上，著重支持真人錄音支持，以及高效的在線錄音更新模式，以最大化的提升人機交互時的擬真度。

機器學(xué)習(xí)指的是計算機系統(tǒng)無須遵照顯式的程序指令，而只依靠數(shù)據(jù)來提升自身性能的能力。其核心在于，機器學(xué)習(xí)是從數(shù)據(jù)中自動發(fā)現(xiàn)模式，模式一旦被發(fā)現(xiàn)便可用于預(yù)測。比如，給予機器學(xué)習(xí)系統(tǒng)一個關(guān)于交易時間、商家、地點、價格及交易是否正當(dāng)?shù)刃庞每ń灰仔畔⒌臄?shù)據(jù)庫，系統(tǒng)就會學(xué)習(xí)到可用來預(yù)測信用卡欺詐的模式。處理的交易數(shù)據(jù)越多，預(yù)測就會越準確，機器也就會更聰明。