接通电话后，你能听出电话那边的是客服人员还是AI机器人吗？实际上，目前已经有不少外呼电话是机器人打来的。这次，智能语音机器人正式现身了，不仅比普通客服更高效，发音也更自然，甚至还能模拟真人工作场景、实现情绪标准化。
传统外呼成本高、痛点多
在传统外呼过程中，一直存在着人力成本高、转化率偏低的问题。据云讯科技谢亿民介绍，外呼过程中90%的电话会被挂断。可见，目前营销外呼的精准度暂时还无从谈起，同时在此过程中，随着挂断率的居高不下，情绪影响也随之上升，员工也需要花费大量的时间来筛选意向客户。可是，客户的意向又会实时产生变化，员工耗费时间锁跟踪记录下来的信息并不真实。
随着互联网业务的迅速开展，金融、房地产等企业的用户量急速增加，尤其是电话营销、催收、客户咨询等工作剧增。每个人工坐席每天处置客户量为100-200件，完全无法满足业务的扩张要求。对客服人员的扩充，又面临着较高的人力成本，工资、提成、社保、电话费、场地费、管理费用都在不断上涨。同时业务员的人员流动性也较大，每个业务员背后所付出的培训时间成本又较长。
例如，在教育行业，一个咨询师平均每天要拨打上百通电话，而培育出一个良好的课程咨询师又需要耗费大量的人力物力、培训本钱，于此同时咨询师又很可能随时进行人才流动，这些都成了企业利润最大化的障碍。
10年后90%客服将被AI取代
目前，你接到部分营销或客服电话中，实际上已经有机器人出现，只不过你可能没听出来。云讯科技的工作人员向作者透露。云讯科技董事长朴圣根表示：再过10年左右的时间，90%的销售、客服将会被AI取代。
根据云讯科技在银行金融、保险电销、运营商等领域的实践数据案例显示，利用人工智能可以帮助银行剔除79%的非目标用户；在金融催收过程中，AI比传统IVR在接通回款率上增加5%；在电信运营商的营销推广测试中，AI的户均成本仅为人工客服的约18%。
显然，AI在电话营销、客服系统中的应用，解决了传统外呼成本高、痛点多的弊病。同时，还具有回复速度更快、支持云端或本地部署等优势。综合数据来看，与人工销售相比，机器人的成本只有前者的50%，然而销售业绩却可以提升300%，且永不离职。
云讯云雀智能语音机器人发布
6月27日，讯众股份旗下全资子公司云讯科技，面向国内市场发布云讯云雀智能语音机器人软件。云讯云雀智能语音机器人软件，主要用于电销外呼和客服回访。它可以按照系统预设的外呼逻辑与客户交流，通过多轮对话和话术引导达到业务目标，广泛应用于房地产、课程推广、金融催收、续保服务、产品推介、运营商回访等领域。
云讯云雀智能语音机器人系统每天可自动外呼800-1000通电话，是正常人工的6-8倍。AI的加持可以实现真人语音对话，可以及时反应、响应突发询问；甚至支持打断呼入转人工：模拟真人工作场景，情绪标准化、话术标准化，可分析不同目标客户群，制定多种语音话术模板；同时提供精准大数据，通话数据精确到秒，实现对话关键词智能提取，全程录音，大数据便签智能分类，自动性别识别等。
智能语音机器人核心技术分析
云讯云雀主要应用了语音识别、自然语音处理、语音合成、机器学习这四种核心技术，从而构建了一位可以被客户认可、公司放心的懂业务、全套路、能分析、会学习的完美员工，实现了电销&客服专家的AI化。
语音识别主要是关注自动且准确地转录人类语音的AI技术，它与图像识别技术、机器学习技术是人工智能领域三大核心技术。基顾的语音识别技术主要处理不同口音、背景噪声、区分同音异形/异义词，同时还需要具有跟上正常语速的工作速度。语音识别就好比机器的听觉系统，通过识别和理解，把语音信号转变为相应的文本或命令。这里面最关键的技术是机器的识别准确率，目前的识别率在工程环境下已基本达到90%以上，在生活职场环节下，主流ASR服务商能达到80%左右的识别率。云雀与国内顶尖科研机构及企业，达到深度合作，基于十年通讯语料素材，同共研制打磨云雀语音识别核心引擎。
自然语音处理应用背后有大量的基础任务和机器学习模型。利用NLP，我们可以让机器来执行自动摘要，翻译，关系提取，情感分析，话题分割等任务，像人一样处理复杂的文本。目前云讯云雀针对金融、教育与房产领域，进行了针对性的NLP语音训练优化，以保障在三个电销外呼行业，具有更高的NLP数据处理能力。
语音合成就是将文字信息转化为声音信息，给机器配上人声。出色的TTS需要大量的语料库，成熟的、可商用的TTS的合成音，在音色、自然度等方面的表现均可以接近人声。目前，行业内根据人声定制的TTS，需录制原声1000小时，费用达40万元。而且效果还与正常人声在语音语调等音色方面，仍有很大差距。云讯云雀在支持TTS的基础上，着重支持真人录音支持，以及高效的在线录音更新模式，以最大化的提升人机交互时的拟真度。
机器学习指的是计算机系统无须遵照显式的程序指令，而只依靠数据来提升自身性能的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越准确，机器也就会更聪明。
发表评论 取消回复