（原文來源于公眾號【岑為】作者 岑為，在此特別鳴謝?。?br />
? ? ? ? 未來最大的交互，不是現(xiàn)在的人機交互，而是人與人工智能的交互。人工智能行業(yè)現(xiàn)今取得了不少的成就，也逐漸進入了千萬家庭，陪伴在了很多人的身邊，其中就包括智能語音機器人。本文筆者將以智能客服領(lǐng)域為出發(fā)點，結(jié)合自己的工作實踐進行詳細分析。

3 月 4 日，中共中央政治局常務(wù)委員會召開會議，指出要加快推進包括5G 網(wǎng)絡(luò)、人工智能、數(shù)據(jù)中心等新型基礎(chǔ)設(shè)施建設(shè)進度。

結(jié)合此前人工智能賦能技術(shù)在疫情防控中發(fā)揮的重要作用，加上新基建政策，可以預見的是未來人工智能必將迎來新一輪的發(fā)展。

據(jù)艾瑞網(wǎng)發(fā)布的《2019年中國人工智能產(chǎn)業(yè)研究報告》中顯示，到2022年中國智能客服業(yè)務(wù)規(guī)模將突破160億元，泛智能客服市場將突破600億，也預示著這一領(lǐng)域依然擁有廣闊的市場空間。

本篇筆者將著重就智能客服這一應(yīng)用較為成熟的領(lǐng)域，結(jié)合自己的工作實踐進行詳細分析。

一、智能客服背景

智能語音客服機器人是在傳統(tǒng)的客服系統(tǒng)基礎(chǔ)上，集成了語音識別、語義理解、知識圖譜、深度學習等多項智能交互技術(shù)，能準確理解用戶的意圖或提問，再根據(jù)豐富的內(nèi)容和海量知識圖譜，給予用戶滿意的回答，目前已廣泛應(yīng)用于金融、保險、汽車、房產(chǎn)、電商、政府等多個領(lǐng)域。

對比于傳統(tǒng)客服，智能客服具有為企業(yè)降本增效，提升商機轉(zhuǎn)化率，提升用戶體驗、更加方便簡潔、移動性及時性社交性能一體化的優(yōu)點。

智能客服機器人應(yīng)用場景十分豐富，

從交互模式上來看：可以分為文本客服機器人、語音客服機器人兩大類；

從場景和功能類型來看：又可分為問答機器人、任務(wù)機器人、閑聊機器人三大類。

那么語音外呼機器人這個形態(tài)的產(chǎn)品在實際場景中如何應(yīng)用的呢？

下面我會從語音外呼機器人工作流程、外呼系統(tǒng)搭建、應(yīng)用案例，應(yīng)用重難點等4個模塊來做詳細闡述。

二、智能外呼機器人工作流程

AI外呼機器人是集合了自動撥打電話、多輪語音交互、客戶意向智能分級、外呼任務(wù)自定義等多功能于一體智能語音對話機器人。

以下是一個基本的智能外呼機器人工作流程：

如上圖所示，一個完整的智能外呼流程（不涉及轉(zhuǎn)人工）包含了四個環(huán)節(jié)，各環(huán)節(jié)會由外呼系統(tǒng)整體串聯(lián)起來進行運作：

用戶接聽：外呼工作流程的開始，外呼系統(tǒng)需識別用戶接聽信號。

客戶機器人響應(yīng)：這一環(huán)節(jié)關(guān)鍵在策略輸出，外呼系統(tǒng)需根據(jù)用戶應(yīng)答，識別用戶意圖或動作，根據(jù)機器人預設(shè)任務(wù)流和策略給出響應(yīng)話術(shù)。

用戶應(yīng)答/動作：這一模塊主要在外呼系統(tǒng)需對用戶的意圖和動作進行精準識別，做用戶狀態(tài)記錄，以便一下步策略的實施。

用戶/客服機器人掛機：當機器人走完任務(wù)流會主動掛斷，或用戶提前自主掛斷，外呼工作流結(jié)束。

三、外呼系統(tǒng)設(shè)計

以上工作流的實現(xiàn)依賴于外呼系統(tǒng)同時涉及多方技術(shù)，下面整體來介紹下外呼系統(tǒng)的底層架構(gòu)。

上圖為筆者結(jié)合所學及所做機器人的實際業(yè)務(wù)邏輯梳理的呼叫系統(tǒng)架構(gòu)，如圖，整體上語音外呼系統(tǒng)可分為五大模塊：

1. 通訊管理模塊

由通訊線路和FreeSwith電話系統(tǒng)構(gòu)成，通過SIP和RTP協(xié)議，實現(xiàn)進行各種信令和語音流的傳輸。其中，通訊線路包括三大運營商、各家集成線路商，用于提供線路資源將電話撥打出去。

電話系統(tǒng)采用的是開源的FreeSwith，主要用于處理外呼請求和傳輸SIP信令和語音流。

2. 語音模塊

負責語音相關(guān)操作，包括語音識別（ASR）、語音合成（TTS）、錄音播放等。

其中ASR和TTS這塊，目前一般采用阿里云、科大訊飛等技術(shù)較為成熟的供應(yīng)商服務(wù)，主要通過接口形式對接使用。

3. 中控模塊

主要任務(wù)是實現(xiàn)與其他模塊之間的通信互聯(lián)，負責將ASR識別后的文本傳輸給機器人模塊，將機器人模塊的指令策略轉(zhuǎn)化為電話系統(tǒng)的執(zhí)行指令，并將數(shù)據(jù)同步至Saas后臺（中控模塊命名各家公司都有所不同）。

4. 后臺管理模塊

負責機器人外呼任務(wù)的發(fā)起和相關(guān)業(yè)務(wù)操作，主要包括外呼任務(wù)的創(chuàng)建，通話流水查詢，客戶管理，數(shù)據(jù)統(tǒng)計等功能。

5. 機器人管理模塊

此為整個外呼流程中的核心AI模塊，通過自然語言處理（NLP）和對話管理（DM），進行用戶意圖理解，對話狀態(tài)追蹤，機器人應(yīng)答策略匹配等，實現(xiàn)人機對話交互。

關(guān)于NLP和DM模塊比較復雜，筆者將會在下一篇文章中單獨對任務(wù)機器人對話系統(tǒng)的設(shè)計做詳細闡述，這里就不過多補充了。

四、應(yīng)用案例

下面以58同城二手車回訪的業(yè)務(wù)場景，具體分析下外呼機器人是如何通過外呼系統(tǒng)進行作業(yè)的，外呼系統(tǒng)各模塊間又是如何耦合實現(xiàn)業(yè)務(wù)需求的。

1. 對話管理設(shè)計

正常情況下，外呼業(yè)務(wù)場景一旦確定，產(chǎn)品需先梳理出任務(wù)場景的主干流程，選定深度意圖，設(shè)置匹配QA，設(shè)置槽位，準備話術(shù)，設(shè)計對話狀態(tài)追蹤，設(shè)計對話策略等一系列工作。

這里的對話管理的設(shè)計配置，涉及到外呼系統(tǒng)里機器人管理模塊。

如：上圖對話框中機器人話術(shù)均為事先根據(jù)二手車回訪業(yè)務(wù)提前設(shè)計好的主干話術(shù)。

2.外呼任務(wù)創(chuàng)建

對話管理模塊配置完善后，業(yè)務(wù)人員可在Saas后臺創(chuàng)建外呼名單，通訊管理模塊接受任務(wù)指令，拉取話單進行電話外呼。

3.撥打流程

撥打流程涉及模塊較多，主要包括通訊管理模塊，語音模塊，中控模塊，機器人管理模塊。

運營商的通信線路根據(jù)業(yè)務(wù)人員創(chuàng)建的外呼任務(wù)，開始逐個撥打用戶電話；

用戶接通電話后，開始進入對話處理循環(huán)流程；

通訊管理模塊的FS將用戶語音流傳輸給語音模塊進行ASR識別為文本信息，然后將動作/文本信息一起輸送到中控模塊；

中控模塊將用戶文本/動作信息推送至機器人模塊，并將機器人返回的策略指令轉(zhuǎn)化成電話系統(tǒng)的執(zhí)行指令；

電話系統(tǒng)結(jié)合語音模塊，進行語音合成后，執(zhí)行話術(shù)播放或轉(zhuǎn)人工、掛機等機器人動作策略，隨后開始新一輪對話循環(huán)處理流程；

機器人/用戶掛機后，中控模塊將相關(guān)錄音文件、系統(tǒng)信息，狀態(tài)信息等數(shù)據(jù)進行存儲并同步至管理后臺。

五、智能外呼機器人應(yīng)用重難點

我們考慮一個外呼機器人的外呼質(zhì)量會從兩方面去看，一個是能保證外呼流程的通暢性，另一個是保證外呼任務(wù)的完成率。

決定機器人外呼質(zhì)量的影響因素有很多，筆者從產(chǎn)品的角度去理解，除去目標客戶的精準度、客戶接聽電話的環(huán)境、客戶狀態(tài)等非可控因素外，主要還受限于以下幾個方面：

1. 電話線路的穩(wěn)定性

在呼叫失敗的原因中，很大部分是由于供應(yīng)商提供的線路不穩(wěn)定。

關(guān)于這一點的問題規(guī)避，更多的還是申請基礎(chǔ)運營商的線路或?qū)ふ业秸?guī)渠道的認證供應(yīng)商，以保證線路質(zhì)量。

2. FreeSwith的并發(fā)量

FreeSwith的具體性能根據(jù)實際使用環(huán)境差異較大，如果因前期預估不足，設(shè)置的FS并發(fā)量過低，超過并發(fā)則會出現(xiàn)呼叫異常或語音卡頓等現(xiàn)象。

應(yīng)從系統(tǒng)的實際業(yè)務(wù)需求去考慮并發(fā)數(shù)，保證FS的性能穩(wěn)定。

3. ASR識別準確率

雖然目前很多供應(yīng)商標明的語音識別率都達到了97%甚至98%，但此指標對環(huán)境的要求較高。

而實際環(huán)境在噪音較大，口音，語言混合等場景下，ASR識別準確率均有一定程度的下降。

4. 語義理解

在對話機器人中語言理解（NLU）模塊主要包括意圖識別和槽位識別，這兩點直接影響語義理解的效果。

語音場景下，經(jīng)常出現(xiàn)用戶回復單語氣詞的情況，如“嗯”，“啊”等，或語音特有意圖，如“大點聲”，“說快點”，要求“重說”等，在意圖設(shè)計時需考慮到此類特殊場，以及其應(yīng)答策略。

前面提到的ASR識別錯誤會導致語義理解部分受影響，目前可采用加入多模態(tài)學習的優(yōu)化方案，同時融合音頻特征，糾正語音識別結(jié)果，此方案經(jīng)驗證對意圖識別模塊準確率會有近2%的提升。

5. 對話管理模塊設(shè)計合理性

機器人對話管理模塊設(shè)計的合理性，直接決定了整個呼叫任務(wù)流程的體驗感和完成率。

對話管理模塊的重點在于對話狀態(tài)追蹤（DST）和對話策略設(shè)計（DPL）的合理性，如：打斷、無聲等語音特有場景，如何在提升用戶體驗的同時確保外呼任務(wù)流的正常正常進行。

6. 話術(shù)設(shè)計的合理性

話術(shù)設(shè)計也是語音任務(wù)機器人設(shè)計中非常重要的一個部分，為提升用戶的體驗。

話術(shù)設(shè)計可遵循以下幾個原則：

話術(shù)設(shè)計更貼合應(yīng)用場景；

主干話術(shù)設(shè)計精簡有吸引力；

話術(shù)擬人化；

不同狀態(tài)下話術(shù)變化。

六、結(jié)語

目前，隨著AI技術(shù)的不斷進步，市場需求的進一步擴大，智能語音機器人在實際應(yīng)用場景中的表現(xiàn)也越來越好，逐漸能勝任更多的業(yè)務(wù)工作。

不過其難點仍然存在，期待未來在更多AI技術(shù)的賦能下，智能客服機器人能力有更大程度的提升，能讓我們在生活中體驗到更貼心智能的機器人服務(wù)。

【本文由 @岑為 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，在此特別鳴謝！】