一个智能外呼机器人的诞生（一个智能外呼机器人的诞生）

• 技术基础：智能外呼机器人核心是AI的基础技术，赋予产品识别语音、语义理解、合成语音的能力，简单来说就是如何准的确地识别客户所表达的意思，一般称作识别意图。而另一方面，Fs、sip构建的话务服务赋予产品对外通话的能力，可以拨通客户的手机进行交流。
• 资源许可：构建的机器人服务需要耗费一定的资源，一般将整个过程分为话务、TTS、ASR、机器人方面的资源。如果要完成完整的外呼服务，一般是1:1的关系。如果是saas产品，可以将整个许可打包成一个商品出售。按这样区分可以清晰划分产品框架，后续的运维、扩容也十分方便，也利于计算成本、产品定价。
• 话务模块：话务模块是管理话务能力方面的功能，语音通讯、录音等。
• 语音服务：该模块是管理语音方面的能力，包括ASR服务、TTS服务。也会有一些产品将这些能力纳入话务模块。
• 算法模块：算法模块是外呼机器人的核心能力，需要完成数据的处理、模型的构建与训练等，让机器人具备识别能力。
• 对话管理：机器人识别客户的意图之后，需要做出一定的回应。怎么说、说什么由对话管理去控制。
• 运营管理：基于上述模块的协作完成一个外呼服务的构建，对于业务人员来说则需要在运营层面去管理外呼名单、外呼策略等，让机器人运转起来。

对产品有全局的架构思维，有助于全面地看待问题，无论是产品设计还是后续的运营都是很有帮助的。

智能外呼，简单来说就是模拟人的对话能力，教会机器人去识别语音内容，然后根据内容做出应答。在运营管理发起外呼动作，整体的业务流会经过以下几个步骤：

1.由话务服务出局通话请求，拨通客户的电话后，收集客户语音并实时返回至语音服务模块；

2.语音服务将客户的语音经过ASR处理，输出客户的文本给到算法模块；

3.算法模块经过算法分析，识别客户的意图，了解客户想表达的意思。有一点需要注意的是，不一定非要语音才能分析意图，比如客户静默太长时间，可输出一个静默的意图，让机器人再次唤醒客户对答。也不一定是对文本内容直接分析，比如机器人未播完话术时被客户打断，这时候应该输出一个打断的意图，停止播报，让客户说完再识别。各种各样的情景，跟人与人之间的对话情景对应；

4.得到客户的意图后，对话控制根据对话流程，输出机器人需要对答的内容。对答文本流转至TTS合成语音（如果文本不涉及变量，可以一次性保存为录音，不占用TTS资源），或者调用已录好的音频，传至话务服务模块，对客户输出语音。然后再次得到客户语音，循环这个过程直至结束后将对话数据返给外呼管理模块，进行后续的分析。

1. 话务服务模块

依托于FS强大的拓展性，搭建一个电话软交换平台，可对接运营商的sip线路，也可用网关设备搭建话务中心，提供呼叫控制、资源分配、录音、计费等能力。一般大企业会有独立的话务服务，专供需要的业务系统接入，而自建外呼服务或者构建saas产品则需要从0到1去搭建了。

2. 语音服务模块

ASR、TTS是基础底层技术，自研成本非常高，而且经过长期的发展也很成熟，市面上有科大、阿里云、腾讯云等厂商的服务。一般有两种模式，一种是接入云服务，按调用次数收费，如果有开放的开发环境建议使用这种模式，可以随时升级调优。另外一种是买断服务，购买完整的语音服务，包括模型、资源，一般在较为封闭的开发环境使用，比如银行业务。但这种模式成本较大，而且调试升级不方便。

3. 对话管理

对话管理是智能外呼机器人产品的核心模块，涉及VUI设计、话术管理等。VUI设计是指语音交互流程，就是机器人的应答逻辑，是机器人的主心骨。我对于VUI的设计主要有以下几个步骤：

1）梳理外呼业务的主流程

产品必定会有一个流程，以期望客户按我们的设计走，完成一定的动作，达到业务目标。所以在设计前应当梳理清楚我们要做的是什么业务，业务涉及什么环节，业务目标又是什么。以一个信用卡欠款催收为例：

2）归纳意图

在业务运转过程找中，会遇到哪些情况，然后归类起来，形成一个意图，代表客户反馈给机器人的状态。可将意图分为三种类别：通用意图、业务意图、QA。

• 通用意图：顾名思义就是整个人机对话环节都可能会发生的情况。咱们可以想想现实中打电话，对方可能会正在忙没法接电话，可能信号不好听不清等等，可以归纳出“正忙、听不清”的意图；
• 业务意图：与业务相关的情况，比如客户表示是不是本人、已还清欠款等情况，可归纳出“是本人、非本人、已还款”的意图；
• QA：通用意图以及业务意图是固定的，在实际运营中会有些频率不高或者未想到的语料，可以在线上添加QA语料，然后在后台经过关键词提取、预定训练方式实现模型建设，可减少算法投入成本，也比较灵活。如果某个QA出现频率高，可以考虑增加一个通用意图或者业务意图。

确定意图后，有助于我们梳理流程框架：

3）编写对话剧本

确定了环节、意图后，还是比较零散的信息，典型的对话场景是怎么样的？实际的对话流又是怎么体现的？这时候可以借助对话剧本去模拟人机对话。如果客户按推荐的流程走，并完成了目标，称之为愉悦路径。如果客户没有按推荐的流程走，无法完成外呼目标，则成为非愉悦路径。

举个例子：

编写对话剧本其实就是梳理主流程、异常分支如何处理，尤其是非愉悦路径，通话环境的情况很复杂，各种不在目标内的情况要做好处理。

4）设计对话跳转逻辑

经过对话剧本的编写，VUI有了雏形，接下来需要整合成一个完整的流程。对于VUI，我理解为一个庞大的决策树，在某个节点，根据客户的反馈决定往哪个分支走，主体设计是环节 意图 跳转。

对话的跳转逻辑设计是个十分复杂的过程，需要反复推敲跳转是否合理，是否符合业务场景，是否覆盖了常见的情况。从开场白到完成业务目标会有多种分支，而且有时候跳转较多，单纯看路径会比较抽象，可以借助对话剧本具象化。另外建议设置好结束点，路径设计不宜过长，机器人没法像人这么灵活，对话轮次过多反而会阻碍业务目标的达成。如果某个意图出现频率高，而且处理方式是一致的，可以提炼出来作为一个全局节点。

5）设计话术

确定了对话跳转逻辑后，需要明确每个节点机器人的应答话术。话术内容的设计也很考究，基本原则是通用化、封闭化。应答内容尽量通用化，往主流程引导，兜住未知的情景，复杂的内容引导客户去确认。虽然AI大大提升了效率，但是还没有达到可以处理全部开放化的情景，比较适合做标准化的工作。举个例子，你想确认客户的地址是否正确，不应该去问”请问您所在的地级市是哪里“，答案千千万万，而且asr识别不准，可行性可想而知，倒不如改为”请问您是在xxx地方吗？“，这样范围可控。

参照对话跳转逻辑设计每个节点话术，包括环节 客户意图 机器人话术 跳转节点:

经过5个步骤的思考以及设计，对话管理模块的功能已完成，产品展示层面比较多的是画布的模式，可以自由组合各个环节、节点以及话术。但VUI设计是复杂性的功能，不建议普通客户去操作，交由专业人员管理，或者采用模板的方式推广。

4. 算法模块

VUI里面涉及的意图是由算法分析出来的，建议在意图设计的环节也保持与算法的同事沟通。算法模型是核心资产，也是产品护城河。目前市面上会有厂商提供NLP服务，但作为核心能力，建议采用自研，契合自身业务去构建算法能力。智能产品需要众多的语料去完善其模型，即使产品上线后也需要不断去调优，一套完整的算法优化流程尤为重要。

作为产品经理，重点关注其中的标注结果，核对分类是否正确、是否存在与产品设计违背的地方、是否可以达到可用的效果，这样可以减少效果与最终目标的不适应情况。另外还有需要关注模型校验的结果是否符合预期，生产对客的效果如何。

虽然AI技术很强大，但也不是无敌，也要看与各个技术的配合度以及局限性。语音机器人特别依赖ASR的准确率，曾经踩过一个坑，询问客户的所在地，以判断是否可办理金融业务，但ASR对短句的转译能力差，无法精准转写，导致识别准确率很低，效果很不理想。如果前期关注到ASR的局限性，就很有可能会规避这个问题。

算法能力的构建涉及多个角色、多个流程以及持续性优化，如果业务比较成熟，可以搭建一套运营后台系统去支撑这部分工作，发现热点知识、拒识等内容，实行标注质检工作等。

5. 运营管理

经过各个模块的搭建，已经具备了机器人外呼能力、识别能力、对答能力，运营管理模块就负责如何使用机器人，根据业务需要设计各种外呼策略，比如重拨、定时外呼、防骚扰等。

智能外呼机器人是AI落地较为广泛的产品，涉及了多个领域的知识，也需要多种角色参与，因此需要掌握的东西比较多，很考验产品的整合能力。同时也是十分重运营的产品，不是搭建完成就完事了。如果功能建设完成了，我认为只是从0到0.5，要达到真正的对客效果，还需要持续优化，采集更多的语料去丰富意图、提升识别效果等。

以上为本人的一点经验之谈，欢迎大家一起交流。