大模型AI外呼实践案例直播回放-07月31日_原文
行，我们今天就正式开始我们今天的分享。我们今天给大家分享主要是有两个议题。第一个议题是用户如何可以更高效的使用好我们AI呼叫的产品，并且真的给自己的产品使用带来价值。第二个部分是大模型呼叫的一个具体使用。我今天这个分享也会稍微正式一点。就是整个分享完毕以后，它也会形成我们内部给伙伴看的一个小的攻略。就是一个新的客户来看我们前期应该怎么使用产品能够效果更好。
好，我现在来进行一下分享。首先是怎么用好AI外呼产品，怎么用好AFO产品。其实我自己觉得核心的点包括了几件事儿，这个就是大家可以初步理解，就是我们正常打电话也是这样，怎么打电话效果好，它其实是无外乎几个事情。首先第一件事情是什么呢？数据从哪里来，对吧？数据从哪里来？我稍微放大一点屏幕，数据从哪里来？
第二件事情是什么呢？就是我们如何更高效的可以来进行拨打。这块就是说对话，我觉得几个，一个是线路的质量，就是整个通信的质量。第一个是数据从哪来，那对应的是什么呢？数据的质量，线路的质量到第三步是什么呢？我们的这个AI的对话逻辑，对话逻辑包括了什么呢？我先把迅速把概览给大家理出来，就是开场白加钩子，就是对话的技巧性再加细节。第四步是什么呢？标签的准确度，就是我能不能从海量的数据里捞出我们的有价值的客户标签的准确度。
最后一步如何跟进？其实他无外乎这四件事儿，就是再给大家。因为这其实这个我经常跟很多伙伴分享，就是我再去看他们的使用情况时，也是基本上是围绕这五个点来看它的整个流程的那当然还有很多的小的细节，就是我们叫精益化的调优。包括我们的伙我们在帮助伙伴以及大客户去调整的时候，也是围绕这几个点在进行的那我们第一步数据从哪来？
首先毫无疑问的是用户想要用好智能呼叫，最核心的数据是有自己独特的数据来源。这个来源方式我不清楚，但是可能更多是来自于一下他的会员数据。他自己的数据的话质量会比较高，他的客户的联络的准确度较高的情况下，会直接反映在接通率上。接通率我们行业里的比较惯例的情况是在15%到20%，通过一些从不呼叫可以达到30。好一点的情况下，如果是会员数据有可能能够达到50%到60%。
所以其实数据的质量你可以通过接通率这件事儿，比较直观的看出来。所以大多数情况下我会希望客户能有自己的一个数据来源，并且可以提前对数据进行一轮的处理跟优化。这样的的数据质量是最高的，但是这个也不能保证每一个客户都有。所以我们现在还有一个方案，就是我们系统上在的这个数据查询能力。我们系统自带这个数据查询，是可以大量的进行数据的一个检索跟使用的。它包括了几个维度，首先是我们的一个数据查找，在数据查找这块，大家就简单问一下。
就是举个例子，比方说我们今天假定今天是阿里云，然后阿里云想要去找其他云的代理商，那这个时候我就可以这么搜索。比方说腾讯云可以大量的去查询腾讯云在国内的一个代理情况所以这样的话我们可以通过这个方式查询到腾讯云的企业相关信息。
但注意一下，你看这个里面的这些其实是大的企业。那如果我调整一下，比方说，我们叫注册在我该怎么讲，就是一那个1到5内的企业，这个时候可能就不多了，就三百多家。那这些企业都是从2019年注册到今天还在做腾讯云业务的，或者我可以再再宽泛。0到6年的企业。那那这些小的企业有600家。但是我们可以精准的看到，这些企业都是在做腾讯云的代理。所以这些可企业可能就是阿里云的一个潜在客户群。
我们通过像这样的平台，它第一步是什么呢？就是你去帮企业去找数据，找数据的时候核心是你的筛选维度。我们不能说很粗糙，因为其实数据值又非常高高达两个亿的数据池。这个数据池基本上你是不可能全联络的，全联络一遍的光话费成本就几千万。所以更多是怎么去精准的筛选。这里看到他说他的广告投放，他的关键词，他当前的招聘情况，他的岗位情况。我们可以通过这一系列的他企业对外输出的，以他的岗位招聘招投标、知识产权和他的网站等相关维度查询到企业的相关信息，对吧？那这个我们有一系列的筛选方式，大家可以加一下。
如果对这一段，感兴趣我四月份有一个直播回放，专门讲数据平台的，可以回去看一下回放，我就不详细展开了，但是给大家简单的总结一下，就是数据的来源非常重要，那数据来源怎么筛选也很重要。我换个例子，我给大家举一些小例子比方说我现在我是一个商我现在是一个人工智能的园区，我现在就想要招募人工智能类的企业。首先我要定点，我要先了解产业什么？产业在哪呢？我们现在来第一轮筛选，比方说我先选原型这。首先它企业数量非常多，它高达20万家，而且你看到有很多是馄饨店，脑子练，没需求。所以这个时候我下一步我再进行筛选。第第二我要筛选，因为人工智能行业我要筛选软件行业再进一步的筛选，比如软件互联网和软件技术。
我再进一步的这个时候大家看到就是我在西岸的周边已经查出来了3000家AI可能跟AI有关的企业或者是关联性企业。那如果我还需要再进入准备，我再再去融资记录的在这很少的，只有74家企业在这一个地段有过融资背景。那我就可以通过这个筛出很精准的企业信息后我联络。这个时候的联络我其实不建议是AI就是我今天讲是一个AI的完整的业务链路，这个时候假定我们还没有一个很好的人工呼叫体系，这时候我筛出的高精准数据群体，我们让人先去联络一遍，我们先向自己公司的销售冠军进行联络。
你看大家看到，因为这个是相对比较精准的。我再给大家重新画一遍，这按照我筛选维度，比方行业我再来，我想换一个比方金融行业，比方说资本市场服务，那那这个是这还有个文字。那就是工资的那那我那假定我现在联络这些用户，我通过筛出的这些，比方说有个一两百家企业，我通过真人呼叫。因为这个时候数据也相对精准，我要做的是什么呢？我要去通过真人对高精准的潜在客户群体的客户联络，确定客户对话的沟通内容。就是我用什么样的话术口径跟客户沟通效果最好。这个事情说我声音有点小是吗？那我就尽量的把这离离近点，我声音大一点，这样子可能会好一点，稍等。
所以这个是我们现在的第一个方案，就是查询数据。那查数据我自己的主张也不是说越多越好，而是第一把先用精准数据查询，查询完毕后我们再上第二版，用膏膏，就是我们叫AI开始扩散。然后这一代我已经确认了，我话术体系已经调好了。第二步我们上真人打，真真人打完之后有一定意向率后，我们再进入到人工智能的环节。
我们查数据的平台是包括了三个，最便宜的方案，就是可以日查1000条的方案。我们基本上只要非常低的价格到两个高性价比的方案。所以基本上市场上的数据维度，我们应该是可以做到是非常高的一个覆盖率。
进来后我们怎么让他进一步的联络呢？但我呼叫我放在下一章节来讲，所以现在我只讲上一代的智能客户联络的一个方案，好吧？那下一步一定是对话逻辑，因为还没到打电话对吧？那我们通过比方说刚才讲到的，我们我们把数据全进来之后，我们通过系统的这个人工呼叫盘，我一个一个联络我通过一个一个联络，我慢慢的销冠找到了跟客户联络的感觉，该用什么话术沟通后，我们再进行再进行联络。对好，那下一步我们就进入到了我们的一个对话逻辑的了。对话逻辑构建这部分我们现在是这样的，就是我就想怎么能让它效果好，我们来筛选一下。
几个维度几个维度坦率的讲，大多数情况下因为对话逻辑都是我们的同事帮大家构建，所以大家只需要理解他的概念，大多数情况还是由我们会给出。大家就是填写词槽，通过问卷的形式是大家直接填问卷来完成。但是我应该大家要理解里面的基本原理。首先第一步怎么样才能让他第一步语音识别要准，对不对？如果他语音识别都错了，那这个就没有优化空间了。就是你你你不管你是大模型还是什么，如果客户说的是你好，然后他语音识别成了谢谢，那你用什么模型它都不好使，对吧？所以这个就像这边有朋友反馈说我现在信号不好一样。
他其实这个东西是一样的，就是你必须保证声音它已经是传递到位了才可以。好的。那那第一步是语音识别。在语音识别大家看一下我们系统，我们系统在这边是可以选择一系列的行业的语音识别方案的。就是你可以是标准的声音，就是你没有行业属性。或者我们做了六个行业的优化，保险金融我们有一个优化，地产家装有一个优化，互联网电商有一个优化，企业服务有，医疗保健有，人力资源有。那说还有运营商通讯行业，比如运营商回访，运营商通知汽车的销售和维修，其他像卡展会家装回访自销，就是比方我们自己卖，自己邀约，我们做了一定的优化。
所以这个时候要根据客户的行业去选择适合他的引擎，这样的识别就会更准，为什么呢？就是这个东西它会对词库进行一个叫热词的优化。举个例子，王军这个词儿就一个人名王军，他特别像望京。这个时候有些差的语音识别引擎就会翻译错，所以我们会提前对它进行校准。就是通过这种方式校准后，让地名更容易在地产类业务里更容易命中。所以语音识别引擎是第一步。
第二步语音识别引擎我们底层技术上做了一些优化，两件事儿。一我们用流媒体，流媒体的语音识别，它的效率更高。就是当客户说完话的一瞬间，文字就已经识别完毕。他不用说等这个客户说完话我才去识别，所以它速度快。流媒体就是一个字一个字蹦的，所以这样子它效率高，识别准确度也高。
第二点，降噪，降噪我们后台默认是给大家开启了，有的时候也会关闭看情况。降噪引擎打开之后带来的优势，实际上我现在一样像这样这种明显的鼓掌的声音，它会自动进行过滤。所以我们也在不停的优化我们的降噪等方案。所以用户在使用时就是选适合他的一个引擎，让让它识别变得更准。
如果还不够准，他有的时候就会出现一些识别错的情况。比方我现在说一个名字叫做李大拿。我先随便说一个，我相信在座的所有的朋友脑子里产生的李大拿的这几个字儿都不一定是一样的。声音带来的问题就是这个声音在接收端的感知是不一样的，所以它会出现识别错误。所以我们系统还有一个功能叫纠错词。
纠错词是什么呢？比方说在您的业务场景里，这个词儿它百分之百这么念。那我可以提前对系统上错别的情况进行标注。我们通过标注的情况就是会让它变得越来越准。这个纠错在我们系统上有个点，然后在纠错词这边就可以不停的填写，就可以实现了。比方说购房在咱的通话里不可能出现更方，那我们通过这种比较粗糙的方式来给他解决。这个做了好多轮了，所以会在这里再进行一轮的优化。
我们后台有一个叫远程词典，远程识别直接调用。这个是我们长时间积累跟标记出来的各行各业的错别字。他会对这些错别字进行点对点的优化，大家可以大概看一下所以我们内部一直一直强调一个概念，就是用户在支付了几百元的话术设计费用下，如何让他能拿到近万的用户体验。就是通过后端的不断的升级维护，来给客户输出源源不断的数据。这个是识别。
第二个是什么呢？第二个是什么呢？就是我们的对话逻辑的构建。对话的逻辑的构建其实有几个指标点可以给大家分享。
首先第一个是开场白是最重要的。其实很多时候我们像我们现在已经做大模型呼叫了。很多朋友也知道那大模型呼叫对话能力已经无敌了。为什么我们现在依然没有大规模推？就是我们发现其实它跟上一代的性能差异不大，为什么？就是开场白在这里的占比太高了。就是60%的用户在开场白环节就会挂断，大家理解吧，就一大半的用户开场白就给你挂了。所以开场白的设计就变成了重中之重。
就如何设计好一段有吸引力的开场白，就会明确的影响到你整个通话的AB客户的产出率。甚至可能厚道的大量的对话能力都没有开场白的一句话重要，对吧？就跟我们今天讲，就是大家刷短视频，短视频10秒以内的走出率是最高的那如何留住客户，核心就在开场白。
开场白的设计我有一些小技巧。首先就是你在这边看一下，我也记不住，我读一遍编写技巧最核心的字儿不要多，字儿一定不要多，开场白不要超过10秒。我们有一个经验，十秒内的挂断率不应该超过5%。
如果他10秒内规率太高，代表我们开场白写的就是失败的。那那这个后台是有统计的，我一会儿给大家看一下。另一个是开场白，是一个是字数上要限制，另一个是要有吸引力。
怎么有吸引力？一个是声音，我举几个小案例给大家分享。第一个，如果我的客群都是男同志，比方汽车，那我的声音应该用一个可爱的女孩子的声音。如果我今天是卖奢侈品的包包，那卖奢侈品的包包我应该用那种小奶狗的声音。所以声音的选择跟我客群的关系是成正比的。什么样的客群用什么样的声音，我们要根据情况做调整。
在这里我们搭建的对话的时候，比方说这边你好，我是金融顾问。这种我不会写，不会写的话没关系，我们这边有一个叫AI润色，我可以来帮你写。我们让人工智能辅助你写，但他写的也不一定足够好，所以这个时候要反复去调优。然后我先让他再口语化一些，先润色再口语化，但这是太多了，再缩写。但是这是给意见，给意见并不代表是百分百的方案，我们要通过他的方案，我们自己再再找一找这种感觉。
好，但是这只是一个这些认识，核心是什么呢？你要有一个钩子去吸引用户愿意跟你继续聊。啥叫钩子呢？比方我们今天跟大家分享，我们会讲，如果大家感兴趣的话，可以加我们的小编。小编可以给大家去发我们的大模型的智能呼叫的解决方案。这就是一个钩子，大家也可以欢迎大家来联系就是你要有一个明确的点，吸引用户愿意去跟你聊天，这个是很重要的。那那如果你没有钩子的情况下，你的呼叫其实是没有特别大的引引导性的。
就是我正常去做推销，哪怕他前置的这个用户群体是准的，那那准的情况下，我也要有一个点能够打动他，对吧？我举个例子，哪怕我卖房子是不是我跟你的，你跟我找我买房子我有折扣对吧？或者比方我今天是一个奢侈品包包，我这个包包你跟我买，我给你送积分。或者我今天我为什么联系你，是因为我是一个加油站，我们将在今天晚上95号有点涨价。我赶紧跟你想一下，就是你所有的事件要有一个点。比方说运营商0到10分打九分，你打几分？您打完分我们有可能给您赠送一个五元的话费代金券，对吧？
就是你要有一系列的点，而不是说上来就问，这个产品您需要吗？那肯定是不行的。所以其实你看为什么我前面讲先让一个真人先去联络，就是你要先确定好你联络的价值，咱们再看后面的事儿。
所以这个是对话的逻辑，对话的基本逻辑搭建下，还有一个事儿是技术底层的能力。我大家都知道我们一直强调叫技术降本。什么是技术降本？
就是我们要通过技术手段让用户，哪怕竞争对手价格比我低，但是我的获客成本最低这件事。那什么叫叫技术降本呢？比方说我们用上一代的对话逻辑，我们也是采用轿椅NLP自然语义理解的方式进行互动。
什么叫NLP呢？给大家简单的做一个分享，就是大家知道我们电话机器人行业两个几代的。第一代就是最low的那一代是什么关键词？我就从那一代来的，我们也有关键词，关键词也有用关键词干嘛呢？用关键词去判定对方是不是机器人，对吧？判定对方是不是机器人，但关键词有很大的弊病，关键词的弊病在于，如果你想做到极其精益化的话术，它的准确度最多到85%，就不可能再高了，为什么呢？他再高就互斥了，比方说房价跟户型可能会互斥，理解吧？所以关键词是有上限的。
做一些小业务可以比方说我们就通知，我就call一下，其实这种用ivr播报也可以对吧？那第二种方案正则表达式正表达式。正则表达式也有它的价就完事，要刻表完事，他就可以解决大户型的房价，多少钱的户型跟房价的命中问题，吧？户型和房价怎么命中？但是当正则表达式有正则表达式的问题，最简单的写起来很麻烦，不好写。为了解决这个问题，就是让大家可以用大模型去编写正的表达式。
然后我给一个案例，比方说我将大模型自动的去生成正则表达式，这样效率高一点，对吧？然后我先说。多么的贴心，对吧？然后我测试多少钱？多少钱没通过，但是这个就是一个案例，就是我们可以让AI去辅助。同时我我我还欠又欠，我让大模型帮我解释一下，这个表达是啥意思，我可能也看不懂，那我们让别人来帮我解释，这个他会帮我为什么这段话是这么写的含义。
那这个方案正则表达式的对话逻辑能到多少呢？90%，这就比较强了。他能到90%，但是他有他的弊病，简单来讲特别复杂，就是哪怕是我去编写一个完整的表达式都比较困难。
那最新一代的方案是什么呢？这也不叫最新一代，就是现在最新一代是用NLP对话逻辑LP是什么意思呢？比方我现在来一段，我写好了你是南京什么地方的人？这个时候我又想我来测，我问他您是江苏哪里人？大家看一下，就是这个情况之下，他依然能够在所有事件里面，我您是江苏哪里人和您是南京什么地方的人之间有70%的匹配度。
这是啥意思呢？就是它是一个叫向量型数据库。向量型数据库它会拆解这件事的所有词之间的向量，它会找到江苏与南京之间的关系。所以大家就比较好理解了，就是说采用NOP的情况下，你不用去写几千个词，几百个词，而是你只要初步的搭建出基本的意图，它就可以实现有效的命中，所以它的效率极高。
所以我们现在内部其实都是主推什么呢？以关键以自然与理解的LP为主关键词进行兜底。关键词兜什么底呢？对方用小助理这样的能力的情况下，我们进行兜底。但是这个情况我们剩下的就比方说哪个词优先，哪个词之后，比方说关键词优先还是LP优先，可以做一些调整。所以这样子我们就可以通过更高性能的对话逻辑完成。
这个时候肯定还有朋友说了，那你穷举不完怎么办？是穷举不完。所以我们还有一个叫开启模型训练。如果开启了模型训练，在这一边上面的右上角的模型训练，我就可以统计出所有最高频的，哪怕是NLP都没有命中的情况。NLP的词的意图命中率可以达到95%。
哪里95%？它是一个我们叫做3B就是大30亿参数小模型来进行支撑的那那这个一搏ding的小模型支撑下，我们的模型训练再进行补充很快。如果这个对话逻辑是一个我们叫大并发的业务场景，就是他就基本的对话逻辑改完做完咱不改了，而且常年要用。那我其实是觉得这个方案其实比大模型还合适，就是它它的效率更高，大家理解吧？而且它技术样本就是你从底层上跟市场上其他竞争对手他就不一样。那不一样你就有有长时间的发展周期，而且你这也可以进行数据对整个的命中率，节点的到达率都可以进行统计分析。那在这里还有就是怎么快速的进行测试，吧？咱们就要体验效果，体验效果我们在测试这边支持文本测试、语音测试，还有真实线路测试，就可以直接打到手机上体验也可以，在屏上体验也可以。
文本测试我们还辅助给了大家一个东西叫灵感。灵感啥呢？我不知道咋问，那我反问他，就是我们有一个AI去假装是AI进行反向测试，那测完后我我我测俩东西，一个测对话逻辑，二我们测它的意向度是不是准的。所以通过这样的反向测试体系，我们可以快速的去让我们的运营团队高效的配置出一个有效的对话逻辑。
可能大家都不知道，我们还有专门的叫话术验收团队。验收团队会验收每一个我们的同事制作的话术，他对话的逻辑怎么样？接下来是配音对吧？你对话逻辑OK了，识别也OK加声音怎么办？声音我们有一个小程序，可以一键扫码录音笔，也可以用大模型进行声音克隆的配音。但是以我的经验，实话实讲，还是真人的效果更好。那那AI的克隆音我们在突破，如果有一天突破了，你有一天可能也就是两三周的事，就会价值特别大。在这里我们声音进行配音完毕后，整个这个对话逻辑就初步来讲是搭建完毕了。
所以我再给大家复盘一下前面的，我每讲完一个我就给大家盘一下第一步，这个数据从哪来是最重要的。如果数据质量不好，就换句话讲，有些为什么？其实我实事求是的讲，我们的复购率只有35%左右，有很多伙伴是没有复购，为什么？实事求是的讲，就是他那业务可能人打他也打不出来，但是我们复购的客群是一直在复购的，所以我们现在为也有一些方案，就是让大家可以低成本的来试用我们的服务，这是第一步。
第二部分就是刚讲对话逻辑。对话逻辑是我认为就是咱们讲前面是数据，来让数据来怎么联络。那联络的时候，我们通过语音识别的优化，降噪的优化，到我们的NLP的大语言模型的辅助辅助叫这个话我们叫加AI方案。就是什么呢？就是我自己总结叫给马车装发动机方案。就是你通过人工智能去辅助对话逻辑的编写，通过人工智能去进行对话词槽的搭建，通过人工智能去进行一系列的优化，让然后再进行反向的对话逻辑测试。这样子的情况下他的对话效果就还可以了。
我们说如果你多付出点时间，或者是直接是话术市场上已有的，这个就是我们话术市场有100将近120个对话逻辑，而且我们还在不断加。最近内部还还今天那个伙伴团队还给我提要求了，说他们要加大这个量，然后对应我会给一些奖金给大家。所以这块就是官方市场会越来越丰富，通过这些官方市场的体系的运营，就是让伙伴和终端客户可以以极低的成本下快速的去搭建自己的对话这个云。
这个是我们的上一代的对话逻辑部分。如果对大模型呼叫的对话逻辑感兴趣，我会在第一部分就第一小时的直播之后，会专门抽一个时间来给大家讲大模型呼叫的部分。因为我们今天是因为刚好难得搞搞直播，所以我们还会专门给他录成我们的培训视频，然后后面给到大家去去听。所以这是对话逻辑。
对话逻辑搭完后，下一步是什么呢？是怎么去找到意向客户，就是意向客户的标签体系的搭建这块，我们有一个叫标签库在这边这个标签库其实还是蛮有意思的，它是我们有叫公共标签库。什么叫公共标签？你看非常多非常多，就是我们之前已经通过大量的行业经验，自己计算出来的一些比较符合这个行业惯例的。你说贷款行业用这个标签可能更合理，方案就用户可以直接去拿取，就是每一个方式不一定他更符合这个行业的业务属性，但是我也给大家分享一下，比方用个人的情况下他是怎么使用的。
比方说我编辑这些，编辑一个表现，它是一个漏斗，它的漏斗并不是以A类客户就是我最先判断，相反我会先判断客户是不是在忙，客户是不是在骂人，客户是不是在一个小助理。我通过这些数据我判断出谁是有问题的客户，我先把他们先进行清洗出去，我们把他们先洗出去，那我们把它叫D类，一个F类。D类是什么呢？是在忙，F类是什么呢？是对对方是AI我把他们筛选之后，我接下来是筛AB。AB我们通过用户评分、用户的满意度、用户的肯定次数、用户的对文字来进化的组合评分。它是一个如果说后整个漏斗都没兜住的情况下，客户会进入C类，就是我我会把这些丢掉，叫无意向。
所以这个时候我们可以粗暴粗糙一点的理解，ABCDE是什么概念呢？A类超级有意向，他在这通电话里明确的表达了事件的意向度，明确非常明确的壁垒。有一丢丢意向是什么意思呢？就是他说了个可以好的加个微信这样的相关词，把它进行了引导。C类没意向，或者说他的对话内容无法判定有没有意向。
D类客户骂我或者客户在忙。一类客户是小助理，客户是AI所以其实我们在分的时候，我们分成了五个，我们分成六个类。除了这五类以外，我们还有个F类。F类是自定义客户根据自己的特殊的一些业务情景进行设定。但是我们认为其实前面五个标签足以覆盖大多数的业务场景。
好，这个是标签库，如果标签库设定的不准我们怎么办呢？我们一般是这样的给大家分享一下。如果说标签库不准，等一下我把这个就关掉。就是你要把这个动画出来，现在这不是按量记录。我们去筛选C类，因为刚才讲最可能出问题是C类对吧？C类里我把他对话轮数拉高一点，比方他聊了三次，这个时候12条聊了3，我会去看他with c这里是不是存在一些物，我们去找那一方面是找，另一方面是看一是不是我们的意向标签库存在漏洞。这个时候最简单的方式，如果是客户就把这通的通话记录直接丢群里，我们的同事就会去研究，是不是库没搭建好。
所以其实我们内部是有一个叫陪跑的概念的，就是我们会一直陪着客户跑，直到他的业务流能跑通为止，所以他会一直跑对这样一个流程，我们不应该跟准确度是不是准的。但是但是。我们今天晚上就会发布一个突破性方案，啥意思呢？大家注意一套了。
其实这里面最容易出问题的是什么呢？是C类里面聊的次数比较多。比方他有三次交互的，它可能是AB被误判到C了，对不对？那这个动作是不是可以交给大模型去吧？所以我们本就是周就明天晚上就会发布一个新版本，新版本里面会带一个功能叫大模型质检。这个大模型质检不像这个功能，这个功能是AI分析，它是说句实在话比较鸡肋，我实话讲比较鸡肋。
大家基本这个就是酷炫型功能，就是属于那个叫ChatGPT刚出现的时候，我们为了凑合那些热点，大做的一个功能。但是这次的是比较实用的，它会自动的根据这通对话的那对话轮次，自动的手动去修正这个C类。我会把C修正成A或B并且给到你原因，并且给到你标签，就是给到完整的业务标签库。大家理解了吧？所以这个是我们一整套的一个在意向标签这件事上的优化。对那么在意向标签优化完毕意向标签优化完毕，我们下一部分就是用户的跟进。
在任务这边，其实这边还有一个就是拨打的一系列的细化，我觉得也比较重要，就是你要提高准确度，他有几个事儿，一个个先在哪个时段打他他AI他跟人一样，你也要有一个工作节奏。比方说我们觉得比较好的，比方早十晚五这个时段其实比较好的，早睡晚5，工作日午休2小时。坦率的讲就这个时段是黄金时段。就是人的状态也好，人们也愿意跟你沟通，所以这样的一个时段会比较友好。我们在自定义库，你看我刚才点击完毕后，自定义库就已经自动生成很好了这样一个对话轮次。但这时候也可以优化，比方12点你不想你可以调整一下，比方说11点55我们也支持的，那我们因为我有个这个脸挡住了，我就不展开了。
同时有用户的标签，那怎么打好标签？要有一套完整的细的标签库。我们的标签是三级结构的，从一级、二级、三级整个逐层递进的一个标签库。还有一个就是自动重呼，在一些情况下用户的情况我们是可以再进行第二次呼叫。因为这些数据可能由于线路原因，他就没有接通，对吧？那跟着这块我就讲一下线路的事儿，怎么能够实现好的接通率呢？其实最好的方案是用就是不管是我们还是伙伴，其实都会遇到这个问题，就是怎么去让他的接通率更高，对吧？
接通率更高，其实我们后台是有一个东西叫做异常监数据监控表的，这个不给大家展示了，就是我们会实时的去分析异常数据。一旦数据异常，我们后台就会手动的去调优这些线路。其实这个工作挺复杂，因为还要跟运营商去沟通，所以他还做不到一个自动化流程。所以我们会手动的以小时为单位去调优，尽量的保证线路的质量的稳定性。
除此之外，其实核心是什么呢？刚才提到一个是数据本身的问题，另一个是重复规则，你可以通过重复来解决。所以你我们通过这种自动化重呼，就可以提高我们的接通率。
最近我们也有计划去开发自定义拦截体系。自定义拦截体系就是相当于我们搭建出一个天盾。那这个天盾是什么概念呢？就是比方说全站上已经出现过，已经知道客户是小助理的情况下，就不要给客户再打了，就给我们的甲方节约一下话费，但这个工作量很大，所以这个可能短时间出。但是确实内部也在研讨类似的这种解决方案等等。
然后包括我们觉得如果打断好或不好，我们都可以做一些调配，所以这个是整个呼叫的配置。在呼叫配置完毕后，就是在智能呼叫这边统计看板来分析一些问题。什么叫问题呢？比方说我们打开这边，如果说他的5秒挂断率，你看这个没有这个很漂亮，0%。
如果55秒挂断率特别高，什么叫特别高呢？比方说达到10%以上，那就很异常了。就是我们要分析是不是开场白设计的有问题，对吧？在这边还有比方这个对话轮次，如果他的零次交互的对话轮次特别高，我们达到80%以上，那说白了这个没给AI发挥的空间。那还是开场白有问题或者声音有问题。
不一定是开场白有问题，有两个原因，一开场白太太不吸引人了，二这个声音特别不好听。这个声音我也辩证的讲，大多数客户都会选择我们的官方录音师，这样比较省事儿。但是如果想要保证最好的效果，其实是让自己公司的销冠去配音，这个效果最好。因为妖怪更懂咱们的行业，而且他的声音更有特点。像这种官方的录音师，其实它的音质是非常好的，但是由于它音质非常好，就是它带来的问题是它特别完美。大家是能听他能感知到对方是AI的。所以这块我们可能要通过调整，最好我建议是客户用自己的声音，这效果好所以通过这些值我们可以迅速的去判断业务情况。
还有这有个叫获客成本，获客成本是什么呢？就是AB类的客户的，我们花多少钱会产出一个AB这块我有一个获客成本的概念，我会不停的在这里计算给到大家这个成本的表。所以这是一系列我们的一个数据分析的方案。
在数据分析完，其实接下来就是怎么去进行下一步的跟进了，就怎么做下一步跟进。好，我来讲一下跟进的方案。在跟进这里，我们现在是这么做的。其实它有几种方案，它适合于不同情况的甲方我给大家口述一下，就是一种情况，甲方我在就直接打了，我发现这大模型的对话结构还可以拿来当编辑器用一就是没有专业的电话销售团队。这种情况怎么办呢？就是只有普通销售，只有普通销售的话，我的建议是推送，这为什么呢？就是你一旦发现意向，我们就用微信推送，推给我们的一线同事，一线同事通过微信推送再跟进客户情况，这是一种方案。我们后台是可以看到微信推送是否查看的这是第一个方案。
第二个方案，如果是电商行业追求完全自动化，要全自动化。全自动化，我的建议是两个方案。第一个方案我就简单打个字，第一个方案就是发挂机短信，我们都支持。今天这是个概览，就给大家做一个基本的理解。发挂机短信我们可以通过比方呼叫完毕后，在挂机短信时带一个短链接，让用户迅速的去去去看到。第二个方案我们是自动用企业微信加好友，写微信加好友这个方案，它其实是有一定问题的，它通过率没有那么高，因为它的效率过高，我们一般是只对AB客户进行这个流程。
第三个就是有专业团队的，有专业团队的这个情况下就是一种方式是什么呢？就是转人工。就是一旦AI判定出有意向，会有一丢丢意向，我们就实时转到人工团队来进行处理。还有一种叫无感接入，无感接入是什么呢？就是我们的人在屏幕上这边看着他的对话，就是AI跟人人的聊天，只要里面有有意向的，我就人他我给他揭掉，我由人来进行互动。这里还有一个玩法，就比方说我今天我这个人我对应3个AI这3个AI我提前录好音，录好音都是我自己，那就是说AI聊的那声音跟后面人接管的声音是一样的。那这样的话人在接管前就是一拖四的这种监管下，跟就最近像特别火的萝卜快快跑的那个自动驾驶一样，就一拖四在再跟进，一旦发现有意向我就切管，这样的一个形式。对，这个是有专业团队的。
还有一种情况就是不管这个怎么样，不管任何情况，如果说有完整的CRM管理需求，有CRM管理需求进行叫线索分配，把把线索分配到我们的CRM体系。如果对CRM感兴趣，我们在上一次的直播中做了完整的CM的讲解。大家可以回去看直播回放，后期我也会给大家再更新我们CRM的讲解，所以这个是整个的后续的跟进策略，还有一种比较高端的跟进策略了，就是这个叫API。
API就通过接口的形式，我们将我们的数据传到您的数据池，能理解吧？那那这种，我们首先我们提供API的可以对接，或者您已经在用CRM系统了，我们也可以对接。但这个可能是有偿的，它有一定的研发对接的费用。但是如果您今天用的是比较主流的，像是口袋助理或者是EC或者像逍客，那我们系统都做了主动适配。我们这边可以以我们产出线索后直接接入他们。你要像这几家平台，那就不存在什么研发费用了，我们可以直接进行对接。后期我们也会尽可能的让我们平台主动适配一些大的品牌厂商。
我们最近已经在规划，就是比方说我们跟像是抖电，巨量引擎或者是微信以及我们百度广告这些平台的打通。这样子大家从那边投完广告，这边就可以直接进行客户联络。所以这个工作我们最近已经在规划中了，就这个还没有推进。不是没有推进，还就还没有没有写完代码还在规划，所以这个是我们的前置的整个的叫什么呢？就是我们前置的整个的一个业务体系，所以给大家再再复盘一下这件事，这个屏上刚好都搭好了。
第一件事儿数据咱们从哪里来？刚才讲到了，我们可以通过系统上带的查数据的模块。你像我昨天跟一朋友聊聊天是举个例子，他们是做这种送餐机器人的那作为送餐机器人，我们可以怎么办呢？我们在找数据的时候，我我我找什么呢？我就找全国所有的火锅店，对吧？我找火锅店，我再找营业的，找营业的，再补充一个，我找有手机号的那这样的话其实很快，可能就1万件也不多。
那这一万家接下来怎么联络，让大家去做一些方案处理对吧？那那这是这就是找数据，那数据这时候我可能再准一点，比方说我现在在主战场是北京、上海，那我今天我先处理北京。好，北京出来800条，我接下来人去联络那人联络一些的数据分析，人工跟进的结果都会在这里，是他的结果的跟进。那人的答案就会凝练出下一步，由人去反哺形成下一步形态。
那AI怎么办呢？AI挪一下位置，就是AI我们通过刚才提到的，其实无外乎三件事儿。大家可以粗糙一点理解耳朵声音怎么进来。我们通过语音识别的优化，降噪的优化，让它识别更准，让他听得更清楚，接下来脑子怎么想？
脑子这块现在其实刚才讲的这套方案，它本质不是AI它是机器人。因为它的逻辑是一个，咱不可能说一个人的思考是像一棵树一样，对吧？但是咱人的脑子是复杂的，所以模型上一代是一个逻辑数。这个逻辑数的搭建，我通过大量的这种AI手段去辅助大家做自动化编写，做润色、做优化。但是核心是什么？如何让他的匹配度更准，如何更准？我们通过N你理解的方式才能够。
在NLP理解完毕后，接下来就是标签的准确度。标签的准确度我们实际测试过，就是我们认真的测评过。简单来讲一个结论，就是用正常的标签结构下会存在5%的偏差，就A类客户里存在5%的遗漏。就换句话讲，大概平均每80到90个C里会存在一个被误判的AB对吧？那我再通过大模型帮大家打标签，大模型帮他打打标签的情况下，我就可以把意向标签的准确度提高10%。
大家看所以这些其实就是真正意义上的技术降本。因为如果不用大模型去打，那就要去让一线的同事一个一个帮大家点。这其实是一个很复杂的有know how的售后服务。这个服务对于普通的中小企业来讲是做不了的，我们可能更多只能为大的客户来做。所以现在我们就是在通过一系列的技术手段，让小企业也能拿到这种KA我们叫NA价值客户也能拿到的服务体量。
那这怎么才能实现呢？就是我们叫模型及服务，就是让这些智能体去替人完成这些工作。一旦他能实现，他他可能还是不如人那么有工匠状态，人是很有工匠的干的。但是他们如果人是100分，那我觉得AI80分是有的。
但关键是你曾经他是零分，所以这个价值我自认为是很高的，那标签打完，接下来是如何跟进，跟进其实刚才提到了一系列的手段，我让我给大家看一下没有微信的推送体系，包括我们还有推送排名一线，他们推的情况怎么样？转人工的排名，转人工的数据分析等统业务进展。电话转接无感接入，线索分配的情况。这些我们都有一系列的统计点给到大家去做数据支撑。哪怕是短信这个短短信，我们也是有短信的化率，每一天的业务进展，然后这最后都会扎口，在账单测最后会成凝练的。因为我们的账单不仅是账单，我们的账单还挂钩了整个的获客成本。
就是用户用我们系统花的钱，最后带来的客户的成本是多少。我们都会在账单体系里给大家做出一套完整的结的一个那那这个其实是我们一直在在强化的，就是我们叫就真的叫智能机服务。就是通过这些手段让产品可以跳出当前市场上很糟糕的这种低价竞争状态，所以所以我们一直叫技术降本。这为什么？就是与我们这个团队到今天为止，还有40%以上的同事都是研发团队，而不是都是销售跟售后团队，而都是以研发为主。我们更强调的是技术降本和技术提效的一个测，这个是我们整个策略。它还有一些升华的点，比方说刚才讲的用API，用这种精准的线索分配等等方案，来让他的数据识别变得更准。
好吧，所以以上就是我们关于如何去用好AI呼叫来帮助大家进行获客的整个内容。我们接下来会进行一轮提问，大家可以提一些问题，然后评论区大家欢迎大家留言。然后我们在其他平台也采集了一些问题，我们以前先回复一下大家的问题。这个问题回复完毕，我们会不停这个直播。我们会接下来再用大概三十多分钟的时间，系统性的讲解一下大模型呼叫是怎么做的。如果有朋友感兴趣也可以听一下。
这一段我们本来是要做内训的，内训上次我们内训好像忘了录屏了，所以他们让我就再录视频。我现在录都录了，还不如就这次直播一块讲了。所以一会儿我还会自己就整个讲一遍，我们怎么去做好一套模型呼叫好吧？我们接下来到提问的趴，然后看看有什么问题。黄丽，你们那边的问题可以提提一下。
有问题吗？是给我打字了是吧？稍等稍等，我看一下这个字，我等我一下，我得离开一下直播间。
我看到的几个问题，我就直接帮大家回复一下。第一个问题是目前在什么样的场景里AI外呼的获客的效果最明显？这个坦率的讲，就刚才忘了提一个点，就是智能呼叫有一个核心的概念叫做北极星指标，就是你你要跟谁去PK你要先想清楚，就是大家在用的时候很可能会陷入一种境地。就比方说我说我打了一万通电话，怎么一个意向都没有？那不是这么算的。就是你你要有一个概念，就要不然这个事情他很难去核定。
我觉得最简单的一个方式是，我相信大多数企业都在做广告投放，对吧？那我们通过比方说百度广告投放出一条线索的成本是多少钱，这个事应该是能核定的。我一般的粗糙一点的理解，就比方我通过百度投光我产生一条商机，就比方一个list他留下了表单的成本，行业里的惯例是100到200元，对吧？100到200元，那那接下来其实我们要核定的就是我们通过智能呼叫的方式下。
比方说我们拨打了一万通电话，接通是30%，接通3000通电话里面假定他是有1.5%的客群是有有意向的那这时候我们的成本是多少元呢？比方450元对吧？450元，1.5%，也就是说在百有40个意向客户。那这个时候就是看这40个意向客户加上微信好友的能有多少个。如果他能达到5个，那那400元除5，那它的北极星指标上，我们大概平均每一个意向好友的成本是70到80元。接下来就是看这70到80元对比于百度广告投放的成本是高还是低，是否值得继续去推进。所以我们会这样子去理他的一个意向指标点，就是北极星的点。那你要么是成交，要么是一个注册链接，要么是一个加好友，对吧？所以这个是一个点。
我觉得比较直观的看什么场景最适合呢？就是叫高获客成本，要高利润空间的场景更适合。那你像我们常见的像是保险、教育、金融、地产、汽车等等，保健品等等。既然这些行业的普遍特点是它的客单价相对较高，客单利润也够那。这样他可能一单就能cover到。比方说10到20万通电话的成本，就是一单的毛利，那这个情况下他这个数据就容易跑得通。但是换一些行业，我举个例子，就比方说代理记账这个的客单利润是不够的那这种情况下的话，而且他的客群相对雷同，大多数人都在进行一样的动作，所有人都在内卷到一种依赖于call center的方案下。其实他的ROI是不高的，或者他的ROI只能够养活整个团队，所以这是一个点。
目前支持有朋友问我们的智能呼叫系统最多支持多少轮的对话？这个现在实事求是的讲就是没有这个概念，它可以一直聊，尤其我们现在马上我一会儿要讲的模型呼叫。模型呼叫现在最大的问题是怎么把它挂断的问题，你不挂断他他都会一直聊下去。对，好，那有还有朋友问到，如果遇到比较复杂的对话，他不正常的对话下，这个智能呼叫系统是怎么去进行应对的？坦率的讲，如果是上一代相对较为复杂的情况，意图理解也是不够的。就是时候实事求是的讲，通常来讲模型只能就是上一代，这个我一直强化它叫机器人，它不是模型。这机器人只能处理95%的场景。
我觉得从一开始大家有一个理念上的转变，就是说智能呼叫不可能在这通电话里直接成交客户。但是大模型有可能我在追求这件事，就是机器人是不可能的。机器人在做的事儿从一开始就是什么呢？是在里面找出可能有意向的客户群体。它是一个筛子，他在进行的是筛选的动作，大家理解吧？他是在筛选他他他就像是在大海里我去捕鱼，我给大家换个思维看这个事儿。他在大海里捕鱼第一件事儿是啥呢？我要知道鱼在哪个鱼塘，就是哪个海域它有鱼，那是什么？是数据对吧？你如果说都你现在在一片死海，那你怎么补都是没用的，你抛出再大的网也没有用。
所以我们必须要找到一片有鱼的池塘，这个就是数据的问题。第二步撒网，撒网其实就是AI呼叫在做的事情，就是我接下来在一个有数有有有鱼的海里，我撒下一片网，我撒下一片网之后能不能捞得出来？一切都是概率，概率学上讲它一定会捞得出来。
但是接下来就是你能捞出多少的问题，这个就是涉及到了两个事儿，一这个鱼塘里鱼多不多，对吧？二这个网它密不密？什么是网密不密？就是这个对话的智能度，这个对话的意向标签率。
我的一个好的网对应的我肯定能捞出更多的鱼，对吧？那那我在做的事儿是什么呢？我尽可能给大家做出最好的网，让大家能捞出最多的鱼。所以这个事情是我们一直在通过技术手段去做的那也有人通过工匠精神？就是就用相对较差的机器人，但是我用较好的服务来完成，我自认为这是错误的。因为机械化时代，一切的东西都应该是精密制造来完成的对，好，还有朋友问当前我们系统支持哪些行业？比较明确的讲，大多数行业都支持，只能说有些行业它效果比较好，比方说刚才提到的像金融地产等等，就是这种我们叫高客单价的业务场景下，他的ROI就是他的ROI是相对比较高的。ROI相对比较高，用户会产生持续的复购，所以他就效率比较好，对吧？
不同行业之间去如何做AI呼呼叫的选择。这个事儿我们刚才其实有提到过，就是你如何去判断如何去判断。你比方电商，电商的逻辑，它其实我们会把它在就刚才其实一直在讲营销，我今天稍微有点跑题。其实呼叫它有四个大类，哪四个大类呢？通知回访调研营销，通知回访、调研营销，他四个大类的逻辑是不一样的，通知我只要告知你即可。这种其实像反诈劝阻，像我们做的是年报提醒等等，这种电话加挂机短信效果就很好了。
回访可能还涉及到人工的回访，那这个时候他要的是什么呢？叫回访的满意度结果，这个时候可能也不需要人工，对吧？调研他讲的是一个调研的问卷回收率，你的回收率成功后达到40%，所以这个场景就比较复杂，调研比较复杂。营销不看这些，营销看RY对吧？看结果拿结果，除了这一些以外，还有个叫呼入这英镑，这前面是欧镑，还有英镑。
接听我实话讲上一代智能客服他就干不了接听。他为什么这么讲呢？就是上一代的它这个东西它是个树状结构，大家看到没？它是个树状的结构。树状结构的问题是啥呢？用户他跟聊的用户如果是接听，因为往外打是AI发起的。比方我今天告知您，您现在前辈们您遭遇了电信诈骗，我们现在进行了公安反诈，对吧？这是一种。
如果是呼入网状结构是什么？就是客户可能从任何维度来问问题。比方说酒店的前台，他可能问wifi密码是多少，他可能问一系列的问题，他可能要订个外卖对吧？那这个是一个网状结构，所以呼入是不好做的，但呼入特别适合大模型，因为大模型就是网状的，或者大模型已经不是网状了，它它都已经是三维了，差点说出脏话。对，就是大模型非常的适合做呼入。所以其实我们的最新方案其实已经相当于是一个比较强势的呼入解决方案。
我看这边还有一个问题，就是呼叫怎么去主动，与主动通过微信添加好友是怎么协同的？刚才没有展示，因为这个我们用了一个第三方软件，这个第三方软件可以支撑到这件事儿，但是这个是额外产生的费用，因为它是个第三方软件。如果到时候需要，下一次我也可以开一次直播，给大家分享我们这个第三方软件的使用。因为我刚才跳出去了一下，所以这个直播间的评论区我已经看不见了。如果大家刚才在评论这边这边有提问的话，可以在评论区接下来再再提出一下问题。好吧？好，我停顿一下，然后我跟那个小编讲一下，接下来我要马上开始分享的是接下来我可能马上要分享的是大模型呼叫的部分的章节。这样子刚才有有同事提到就是高利润的场景，可以再说一下吗？
其实刚才有有提到过，第一个点就是像家装家装地产、汽车保险那那普遍来讲就是它的这个产品，就是它的这个产品卖出的客单利润是非常高。最最粗糙一点的理解，他利润至少要过1000元，大家理解我意思吧？过1000元，他如果1000元都过不去，那你你很可能会出现一个问题。因为因为你你要消耗掉1000元的话费才能够产生成交客户户。因为我们讲加微信到成交还有一个距离，对不对？就加微信，加微信的成本可能已经到了50元到60元。那这个时候你加微信假定成交率是28%。
这个时候你的成交率再结合到加微信的成本下，你的成本可能已经到300到500元了，考验你还有人力成本。所以我认为就是产品的利润空间在1000元以上的产品品类是可以做的。但是如果这个比方我们现在我举个例子，我就卖卖一个充电宝，这个给我挂没显示出来，就这个充电宝。那那这个充电宝可能利润空间是不够的那你这么卖性价比极低，但是不代表充电宝不需要智能呼叫，充电宝它是做什么的？我给会员做提醒对吧？
那那这个场景其实也有，你举个例子，比如净水器，我们家的净水器它的消耗速度是恒定，我基本上对方是能够拿到一个数据，我在什么时间点我家净水器会用完，对吧？那我可以完全触发事件的形式。我在这个净水器即将耗尽的那一刻的前两天，我提醒你，你应该去订净水器了。我现在给您发个链接，链接里有个五元代金券，这样子他就走得通了。所以其实对于像这种我们叫利润空间较低的业务产品，就是我们叫快消品。我觉得更多的是通过大量的精准数据的运营回访来实现。
外贸行业坦率讲不是我业务重心，我没怎么做过，我觉得整体是基于一个共性在分析了，外贸行业是否适合智能呼叫。还是那句话，你要看具体的品类，就是这个品类的价值你要拆解一下来，比方说细到一个刚才讲的像这个充电宝，这个充电宝的那你是做运营回访还是会员通知，对吧？这是不同的方案。对，所以我接下来第一趴我就讲完了，我喝口水。
然后我们准备一下进入到第二趴，大家如果要上厕所也可以上个厕所。如果大家感兴趣的话，欢迎大家戳我们的右边的这个二维码，还和我们的小编互动。小编这边可以提供测试账号和我们的应该怎么讲，就是我们的解决方案，我们的解决方案跟测试账号都欢迎大家来体验。然后如果有朋友想要做我们的伙伴的话，我们我们也有现在很好的解决方案可以给大家来体验。
大家稍微等我一下，我去喝口水，然后马上回来。然后我们进入第二趴，就是大模型呼叫的产品讲解，我休息一下。等我一下。
好的，我现在回来了，稍等，我喝口水。
好。接下来和大家分享一下大模型呼叫的具体的使用方案。大模型呼叫的具体的使用方案。其实我在现在的打字页面给大家做一个简单的分享。就是大模型呼叫从一开始我们的目标就不是和上一代的AI呼叫去竞争。因为上一代的AI呼叫本质上它是机器人，而大模型呼叫从一开始它就是一个智能体。所以我们一开始给自己设定的竞争对手是人工呼叫。
就是中国在今天有将近500万的人每天都在进行电话呼叫。我们从一开始的目标是取代他们。所以这块儿我们做了大量的工作，也是围绕这件事儿。接下来我们会分析的是一个人他在打电话的时候会做哪些事儿，以及我们对应的大模型是否能够承接这些事对好，接下来我们来分析一下，就是它其实里面涉及到的事情就是三件事儿。
我们现在只讲对话，前面什么数据从哪来？这个对话的语音识别，这些问题我不再讲了，因为这个刚才的张姐已经讲过了。我们现在更多的是强化是他的对话逻辑，怎么样升级他的对话。像刚才提到的上一代的对话逻辑是基于这个对逻辑数的，就是一条一条的往下走，对吧？
那大模型呼叫就不一样了，大模型它是脑子，他脑子是怎么处理的呢？脑子它分为三个部分组成。这个脑子大家可以初步的先理解认知，我觉得这样子再再理解这件事会更好。
一个人在互动的时候，它会有三部分的大脑组成。第一个部分是什么呢？是小脑，小脑是什么？是模型本身，模型代表了他的智商如何？模型代表智商如何？所以今天的中文模型谁好谁坏，我们很难做出决定。所以这个情况下我们的系统我们用了三家模型，甚至未来我可能会接入更多的模型，我们把它叫智能体的模型广场。
今天我们接入了谁呢？我们接入了豆包和ChatGLM。这三个模型各有利弊，我自己做过一些分析，我们也可以在这里做一些简单的介绍。豆包它的整个的拟人度是比较够的。通义千问稍微啰嗦一点，但是啰嗦一点其实带来的好处是它可能能输出更多的东西。
GRM中规中矩，会有朋友问为什么我们会有多个模型，对吧？就我这个稍微就是不是特别框架性的讲，首先模型的大小会影响两件事儿，一模型越大它的智商越高，对吧？那请问为什么我不用最大的模型呢？这其实原因很简单，模型越大智商越高。但对应还有两件事儿，速度越慢成本越高。这个东西未来我们的定价会跟模型走不同的模型价格是不一样的。
所以我们用的豆包pro版，它是一个专业度较高的方案。这个专业度较高，但是对应的它的成本较高且速度较慢，所以其实速度在我们这行是非常重要。如何能让模型更高效的完成互动，这件事非常重要。
第二个我们用模型light豆包let light是什么特点呢？Light的特点是速度快，成本低，就是他他他的他的成本越低速度越快，但他智商越低，就是他的对话的内容输出没有让人特别满意。那这个情况下我要怎么优化呢？我要通过提示词工程来优化它，就是指令。好，所以这个是小脑，就是模型的模型本身。
第二部分是什么呢？海马体，就人都是通过小脑跟海马体请求。然后刚才大家提出一些问题，我的小脑会从我的海马体里找出他潜在的记忆点对吧？那海马体是什么呢？是知识中心，我们模型会怎么办？模型会去知识中心里去寻找最适合的知识来进行讲解。我们通过对知识中心里的一系列知识的获取，再结合模型就可以进行输出了。
第三个是什么呢？人的脑力，还有一部分是负责控制你的肢体的，那是什么？这肌肉记忆是什么呢？LP就是说我们上一代的的就是我们你可以粗糙一点理解，就是提前预测好的答案，就是有一些问题咱们是不需要全部交给大模型进行互动的对吧？
有些问题是可以提前预判到，客户一定会问的。比方说像若尔地产的房价多少钱？如果装修咱们的装修的位置在哪？我们有什么特色？就是有些内容是可以进行预判的情况下，我们没有必要再进行一次编写了，对吧？所以结合这个点，我们把上一代的能力也放进来了。这个是我们认为NLP在NLP的价值，就是肌肉性记忆。
那通过肌肉计就可以解决什么呢？这个延迟跟成本问题，就90%的事件我通过上一代挡住了这个成本他就控制住了，对吧？如果大家对这个方案特别感兴趣，可以戳我们右下角的小编。去到我们的大模型解决方案，就大模型呼叫解决方案，这是有一套完整解决方案的。就是我现在是通过口述的形式给大家分享一下。
好，接下来我们整个的逻辑很很清晰。它的逻辑就是首先语音识别耳朵听进来。接下来耳朵听进来之后，如果肌肉记忆，肌肉记忆里有就是比较NLP，有就自定义库，有我就直接回复你，对吧？就是我的肌肉已经告诉我了，我要这么处理。你看我们在开车的时候，我们的脚踩刹车跟加速是不过脑子的，大家不知道吧？他是直接在处理的，这次是肌肉肌。
那那在这个之后，如果肌肉没有记忆的，比方现在他问到一个问题，卡住我了，我没想到这个时候我就要交给模型去处理，就是我们肌肉没有处理好的情况下丢给模型，模型在处理的时候，模型第一步小脑去找海马体的部分，是知识库去分析海马体，分析完毕，小脑在输出，输出是给谁呢？嘴巴提前，嘴巴就开始基于输出的文案内容合成成文本，再输出成音频来进行互动。所以这个是整个过程，所以它跟人是一模一样的，就是人也是这么聊天的。所以我们一直觉得智能体呼叫或者叫模型呼叫一定会取代人工。至于是今年取代还是明年取代，那是技术突破的问题。我在突破我们在在步道和开辟这个行业，所以我们在在不停的向前推进这件事情。
好，接下来我现在从0到1给大家一个按钮的讲解一下，就是智能体呼叫是怎么操作的。首先我们创建对话，好，我们先听，我们现在给出一个主题，比方说我们现在叫做，我想一下叫这样，我们帮阿里云搭建一个卖云产品的销售，好吧，那就是阿里云销销售阿里云销售好，现在我们选择一个智能体，这个时候我可以开启记忆缓存，这时候我还可以选择缓存的天数。就比方我的记忆是存一年还是存30天，那我我比方说我现在存30天，现在缓存也是有一个阈值的。就是比方说我可以把缓存设定为80%，就是只要这就是只要我脑子里稍微触发这个事件，我就互动，那我可以设定缓存的触发阈值。还有一个NLP的触发阈值，LP是就是自定义回复库的触发阈值。
然后我就再选定一个意向标签，选一个模型。那模型我们选一个假定，我先选一个智商较弱的。在选一个智商角落之后，我这里还有一个就是这是它模型生成的多样性，它分为精确、平衡和创意。这是什么意思呢？精确代表着他的输出更加精准，他每一次比方客户问一样的问题，他答案几乎是相似的。平衡模式之下它会更均衡，创意模式下它会更加的发散。所以这块它会根据自己的情况来进行一个调整。
我一般会选择精确模式下一，这个是什么呢？叫携带的上下文数量。上下文的数量我一般放十的，因为我认为打电话的场景里一般不会聊到10。轮椅上就到10轮他就会忘。那为什么大家说为什么不直接开到50轮呢？是这样的，你设的轮次越长，它速度越慢，其实他会拖累的东西太多。
就跟人一样，大家可能不知道一个点，就是咱们人脑，人脑的功率只有15瓦，有人脑的功率就15瓦，它就跟那灯泡差不多，对他的电能输出，所以带来一个问题就是咱记性都不好。记性不好这事不是吃的问题，就是人天生他记性就是不好，所以他一样，我觉得人也是。我现在可能已经记不住十轮以前我在说什么了，他就是个流流的，所以我觉得就你给他设定十轮就可以了。他每次出了多少次，那接下来还有个是否联网。如果他是另外联网收入，我让这个大模型，他可以他他可以问今天几号他就可以互动。那我设定为否设定为否，那我接下来再选择一个云识别引擎，然后我用阿里云的这个方案，那这个识别也可以调整。
好，我们点击确定，我先这是完成了房间如果。那我一会儿再讲，效果更好的是好，现在它是一个阿里云的销售，对吧？我接下来去搭建它的结构，我怎么搭建呢？我来我有一个叫做，大家看看这边有一个叫AI自动配置，我点击这个，它会生成一个自动配置器，这样子的话它的效率会高一点，效率会高一点。我喝口水，我感觉想我这个人怎么总喝水。我接下来来设定。
八岁他是谁？他女同志，他干嘛？电话销售，他现在说话风格友好型，人格型，他在干嘛？跟潜在客户聊天目标是什么？添加微信好友，建立合作关系。我再来个业收集业务信息。
好，接下来我来介绍一下阿里云是国内领先的云计算厂商。我就大概写一下，然后我接下来AI去优化一下。好，那么它的优势什么呢？价格特别的低，比方说技术降本，然后他还有什么呢？比方说国内领先，我大概写写，然后一句话。
好，然后生成配置其实都做完了，就可能这个讲解过快。但开玩笑就是这是一个比较粗糙的建设方案，是我们用一个自动性发布器来自动的搭建这个逻辑。所以接下来是这个提示词的编写。
这个提示词的编写，它是包括三个维度的。首先是它的决策设定，这个页面后期也会调整，就可能后面朋友再看这个讲解的时候，它页面都不太一样了。就是这个讲解的内容里，比方像公司的介绍，产品的特点，这些实话讲是可以丢到知识库里的。简单来讲，这个指令它越短，它互动的速度越快，就是AI的反应速度越快。所以这个东西它越短效果越好，所以我们要进行适当的调整。接下来是他的目标，比方说他的目标是介绍产品添加和要到客户的微信号建立合作关系。好，我接下来有一系列的设定对吧？下面是他的开场白，然后这块他这个开场白写的不好，我们来缩写一下。
确定，然后我给它插入一个停顿语，这样好你你好，我是阿里云的销售小张，很高兴为您服务。然后我这样我这要稍微调整，请问您有兴趣聊聊？
行。好，那那这样子我就基本把一个对话框架初步的搭建完毕了。接下来还有一些细节，比方说我怎么让他挂断，然后我可以这样我触发一个事件，比如AI说了再见我就主动挂断，或者客户说了再见我也主动挂断。然后我还可以设定啥呢？比方说由于怕AI他聊的他不停，所以我还可以设定，然后他达到了300秒，或者他聊了15次我就挂断。那我可以设定一些强制性条件让他进行挂断。
好，那这样子的话就是一个1.0的版本就搭建完毕了，我们来合成一下音频。不好意思，这个换一个声音。然后我现在用这个染，我们来先听一下这声音怎么样。我们先因为这个要试听一下，比方说我们试试听。
我是您的智能小助理，请问有什么可以帮助您的吗？我可以加一下您的好友，给您介绍一下。
这是不是语速太快了，对吧？那我们调慢一点，调慢一点，调到53，我们再试听一下。
您好，我是您的智能小助理。请问有什么可以帮助您的吗？我可以加一下您的好友。
给您介绍一下。我这个声音就还行了，我们点击保存，点击保存，然后我们再合成一下。我们再听一下。
你好，我是阿里云电话销售小张，很高兴为您服务。
好，我们现在点发布，这个时候一个1.0版本就搭建完毕了。今天我们测试一下，你看看行不行。你好，他做介绍好的，OK.
好，那那这个时候我们再测试一下，比方说你们和华为云比有什么优势？这个就比较乖了。其实之前我们遇到过一个情况，就是他会比较中性。其实我觉得在市场商业环境下，他不能太中性。所以一般我会再补一个关键词，就今天我可能会加进来，比方说阿里云是对，所以这样，那我比方我会通过这些叫叫限制条件来约束他。比方说如果客户有结束的想法，我就可以说不好意思打扰您了，再见。那我这样子比方说我在开会一会儿再说。你看他就会去尽可能的去触发这些事。
但是你看这时候大模型又说了一个奇怪的东西，他说他微信号是他是有的，对吧？那我再补一个我你的微信是我我补充一个他的微信号进去，我们再来互动。其实他说在调参他的指令，我们通过什么样的指令能让他更好的一个进行一个沟通。那这个时候他就比较符合一个正常的推进逻辑了。我们接下来再进行下语音测试。
你好。
你好。
我是阿里云电话销售小张，很高兴为您服务。阿里云是国内领先云计算厂商，价格优势明显，技术降本。请问你有兴趣聊聊吗？
你们的产品跟华为云笔有什么优势？
我们的产品在价格、技术、品质和售后方面都很有优势。
那你你们我怎么跟你联系？
您可以通过微信18262625905联系我，详细了解我们的产品。
你们产品有什么特点？
我们的产品基本价格低、技术先进、品质高、售后完善等特点。
好的，那我们回头再联系。
不好意思打扰您了，再见。
所以你看这就搭建完毕了。但是大家注意一下，注意一下，你看刚才这个其实有问题了，他最大问题在哪呢？你不感觉他说的太呆板了，对吧？所以这个问题就给你就是这个问题来的原因很简单，因为我用的模型是小模型，是light版。那如果我先把它换成通义千问对吧？或者我把它换成这个豆包pro版，我再试一下，我现在再重新来一遍，我再点发布，我们对文本走一遍，看一下情况。
你看这个，他就稍微啰嗦一点，我也是这意思。
你好你好。
我是阿里云电话销售小张，很高兴为您服务。阿里云是国内领先云计算厂商，价格优势明显，技术降本。请问你有兴趣聊聊吗？
你们的产品跟人家亚马逊比有什么优势？
我们的产品价格更低，技术更先进，售后服务也更完善。
那你们和华为云比有什么优势？
我们在国内市场领先，品质有保障，能为您提供更前沿的技术和优质服务。
本二，201年一百多万行，你要怎么办？
您可以更新我们的产品，看看是否符合您的需求。您的微信号是多少呢？我加您一下，方便沟通。
我的微信号是18262625905。
好的，我马上加您。您是做什么业务的呢？
我是做AI呼叫业务的。
但您一定需要稳定高效的云计算服务。阿里云可以为您提供最优质的服务，保证您的业务顺利进行。
好的，那就这样吧，再见。
所以大家看到了，它的这个兑换逻辑，通过这个调整它的逻辑是完全可以解决的。另一个就是声音，就是听这个声音比较的TTS感，就是它有机械感。这个声音因为今天直播比较早会可能过个一周就解决了。就是我现在用的是抖音的声音。我们自己也在训练自己的，就是我们拿出了整个呼叫行业的数据集，我们在训练专门针对呼叫行业的声音。预计我们下周会发布我们第一版自训练声音。这个声音效果的话不能说特别好吧，但我觉得它会更符合打电话的感觉。打电话的感觉大家理解就是我还在优化，那接下来还有几个点，你比方还有一个叫事件触发，事件触发我们还可以做一些事件，比方说什么呢？
我我我发现对方是我来进行挂断，就是双AI互聊情况的处理。比方我要是不回他怎么办？那还有就开启语气承接，那语气承接是啥意思的？这也比较好玩，就比方说我加一个。我我我加一个这个，然后我们可能他可以什么呢？就是他可以让AI如果反应慢的情况下，反应慢点，让他这样让AI自己发个语气助词，这样的话AI它就变得更更灵活，对吧？所以我这样子处理的话，他就可以变得聊天就变得更加的像人。我最近还在考虑，比方给AI再加一些背景音，比方他在这种打字的环境下在聊天儿，所以这样子的话就让他更像人。
比如我再通过一系列的方式，让他不断的趋近于和人一样。自定义回复库的价值是什么呢？自定义下了不要搞自定义吗？其实还有点必要性，就是最直观的点就是大模型呼叫产生意向标签，它不准了。就上一代的时候，你可以去有效的判定它的意向标签是基于有肯定否定疑问一般的事件来进行判定。但这一代他没这个玩意儿了，这事不就不好弄了吗？对吧？所以这个事儿，我们现在是这么设定的，就是还是需要运维团队去帮助大家搭建他。
你问这样仓库的那常见的资金预库存在的价值更多是什么呢？是帮助客户打标签，帮助客户去判断意向标签。那那该其实有听过我上一次分享的，就是已经知道我们正明天就会发布我们用大模型自动打标签方案。为什么发布这个其实核心是为了去解决大模型呼叫标签不准的问题。所以现在就是等于有第一个模型干嘛呼叫，第二个模型想干嘛打标签。
但是打标签的为了降低成本，所以我们还是有这么一个方案。就是用我们上一个就是像思维导图，不是像销售漏斗一样的那个那个体系来帮大家打标签，给大家看一下。因为可能有些朋友只看了这场这这场回放，就比方这个对，就是用上一代用这个东西来兜。如果这个东西兜不住，那我们就交给这个模型的标签。这个是他的资金一库之外，我们还有个叫缓存管理。
你看这其实我已经把我刚才的所有的对话内容已经还掉了。你掉了，那这个缓存出现后，它下次命中就会直接命中缓缓存，这样它效率比较高。但是这个也有问题，你比方说你看他这个比方说识别不准的情况，我可以优化一下。比方就是这个它是缓存的，也可以优化。比方你们跟有什么优势，比方他之前答的不准，我觉得这样子我们更好用，就是等于我可以调整一下他的话，我再重复一下，你再听一下。
我们在国内市场领先，品质有保证，为您提供更前沿的技术和优质服务。
我们更好用。你看这样子他就变得更更聪明一点，理解我我我为什么不停的调整它的缓存库来来让它变得智商更高。同时有一个东西要缓存黑名单，就举个例子，比方说举个例子。OK好的，是的，今天星期几？就是有些信息它不能进缓存，那我可以迅速的去去把它们放进来。这些类型我不做缓存了，我跳过，就是要AI去处理。那这样子我们就可以再再来尝试跟他互动一次。
你好你好。
我是阿里云电话销售小张，很高兴为您服务。阿里云是国内领先云计算厂商价格样本，请问你有兴趣聊聊吗？
那你们和华为比有什么优势？
我们在国内市场领先，品质有保证，能为您提供更强的技术和优质服务。我们刚好用。
你看这个就是用到缓存库，而且他们用缓存库的时候，简单来讲就是我们也是用的ARP，就是说不用字一模一样，只要字儿是相似的。就是我刚才讲有个阈值，他就可以高效的命中这个缓存库，这个是我们当前的模型呼叫。你看这个讲也很简单，20分钟就讲完了，甚至我还做了好多实践。
这里还有一些优化，比方说我还可以这样，大家知道我们系统有CRM对不对？我还可以跟CRM协同。比方说我现在可以告诉他，我正在和魏佳兴聊天，那魏佳兴是谁？我把他的客户信息，他的名称、他的职位我全部放进来。这样子的话我就可以在沟通的时候让模型知道他在和谁聊天。这个信息除了CRM信息，我的这个手机号我知道对方的所属地。就比方我正在和来自南京的叉叉公司的魏总进行聊天，魏总的公司是一家人工智能的呼叫公司，我可以提前把这些值给他，就是可以让模型做到千人千面，他跟每个人的聊天他都不一样。所以这样的话我就可以让他的互动变得更加精准。
我们叫客户画像，就是让AI理解客户的画像是什么，来进行互动，所以这个就是整个模型呼叫的，我们把它称之为1.0版本。它现在其实已经有商用价值了。我认为它当前的最大的商用价值来自两块，一个是对声音拟真度要求不高的场景，比方说反诈劝阻，或者是像是这种政务通知回访调研，以通知回访调研而非营销的场景，其实模型呼叫当前就很强了。第二个就是接听，比方接电话的场景，其实模型是很容易能够满足这个目标诉求的。而且我还在配套在做一些功能。比方说一旦AI接听过了，我就往我们比方微信群发个通知，这边有个接听通话详情是什么，我们即刻来跟进。所以很多的功能点的后期演进，都会根据模型呼叫的需求来进行演进。
以上就是关于智能体呼叫的一个完整的一个产品的讲解。然后如果大家感兴趣的话，可以后期再向我这边提问。然后我再看一下我再看一下有没有遗漏的点。因为模型呼叫这是个新功能，我一会怕我忘了一个讲解点，他记录都会在这个在在上面呈现出来。你来看一下，我就知道我就落了一个很大的讲解点，所以想像这个方式，它是在这样的，也可以这样，我绑定一个知识题。
举个例子，我现在迅速给大家编辑一个知识题，然后来编辑它，稍等。好，我现在编了一段是什么呢？叫奔驰的GLA车型，是20万对吧？好，那我现在给我来给对话绑定一个知识，他这个是二。我。
举个例子，比方说我现在绑一个这个是。连发布我们测量时的GRA多少钱？你看这个时候，但是大家注意没，他会直接命中。比方奔驰GLA大概20万左右，这个值是我刚才在知识库传上去的。所以这个就是海马体，就是我们可以让模型本身去跟知识库联动，而不是只是依赖于提示词互动。它是一个我们叫rag搜索增强的知识库，就由这二者实现这样的一个互动，它的效率就变得非常高了。
对，好吧，这基本就是这样的，像这个AI优化自动编写等等，那就不给大家展开了好吧？以上就是我们最后一部分的讲解。然后接下来我会给大家生成这个直播回放。如果感兴趣的话，欢迎大家去看直播回放。然后小编就可能后面需要辛苦一下，就是把这个内容剪成两部分，头1个小时是我们的那个AI呼叫怎么用好，第二部分半个小时是我们大模型呼叫的讲解，然后发给运维团队，然后绑定到我们的视频帮助中心去，好吧？记得给运维跟产品团队去发材料。
以上就是今天的分享，如果感兴趣的话，我们下期在下周我会有更详细的，也下周五我会来直播。为什么是周五？因为我们周四升级，而下周的升级非常重要。下周的升级之后，我们会来给大家再系统化的分享我们大模型呼叫的最新进展。
