一、智能外呼的进化

 

传统的外呼是由人拿着电话单一个个进行拨打，通过外呼人员和用户直接交流引导实现打单。这种纯人力的工作方式也导致了很多问题：

• 无效号码问题：外呼人员拿到的电话单往往都是未经过过滤的，这里面包含了大量空号。
• 未接通问题：外呼人员可能拨打了100多通电话，其中就接通了一部分，这就导致了外呼人员大量的时间被拨打、等待接通所耗费。
• 外呼经验问题：外呼行业是一个人员流动很大的行业，由于从业门槛低，导致了大量新人进入，他们缺少销售经验，导致有效用户流失。
• 外呼情感爆点问题：由于是人与人的交流，会存在很多情感因素，又是销售会演化成外呼人员与被呼用户之间的争执。
• 宣传问题：许多外呼人员为了打单往往会采用虚jia宣传，这就导致许多用户下单后由于不达预期而产生投诉现象。
• 工作重复问题：许多用户在接听的过程中会咨询一些常见的问题，这就导致了外呼人员花费了不少时间和不同的用户解释同样的问题。

技术的发展衍生出了外呼机器人，通过机器人协助外呼人员实现更的工作。目前阿里云、百度unit等开放平台均已在自己的平台上开放了外呼解决方案，传统的外呼服务提供商云之讯、百应等也迅猛跟进，外呼智能化这场比赛已经开始进入下半场。

 

二、售楼外呼的目标

 

在外呼的场景中我们需要先明确自己外呼的目的，只有明确了目的，对过程进行了足够的拆解，那么我们才能够倒推流程，实现的外呼。在售楼这个场景中，我们的外呼主要目标如下：

1.有效电话过滤：通过外呼任务筛选掉无效号码，这部分的工作分为两块：一块是过滤空号等无效的号码，另一块是将有效但是未接通的号码进行标记，方便后续外呼任务继续使用。

2.意向用户筛选：将有购买意向的用户筛选出来，让有经验的售楼人员能够集中精力实现打单。

3.用户分类：通过对话流的设计，将用户分流到不同的节点，然后转到对应的人工坐席，帮助电销团队实现打单。在售楼这个场景中，有意向的用户对于咨询的点是不一样的，有的是对政策比较迷惑，有的是对楼盘信息比较感兴趣。这会就可以安排对不同领域有一定了解的外呼人员进行针对性的营销。

4.高意向用户转化：通过对话将有意向用户，直接转化为购房的用户。

5.通过对话获取用户信息：通过对话流获取用户的信息，用户的信息数据是一个潜藏的宝库，现在买不了房的，以后一定会成为我们的用户。那么收集用户的信息，就可以帮助我们在后续的楼盘外呼中能够有的放矢。

6.楼盘信息流传：如果外呼的对话设计只是为了实现打单，对话就会给人一种咄咄逼人的感觉，因此我们在对话设计时，除了将信息传达给用户时，还需要设计一些引流小活动在中间，这样可以使外呼的效力倍增。

7.蓄客：在楼盘前，我们需要通过外呼使得楼盘得到足够的传播，积蓄潜在的用户。避免时无人来问的尴尬。

 

三、售楼外呼前期工作

1. 用户类型区分

 

当我们设计外呼的对话流程我们首先要明确我们的外呼受众，如果我们连受众都没有理清楚，那么外呼任务的转化上面也会不理想。

并且，我们做一个领域的外呼时，我们不能只是受限于单个外呼的任务去做用户类型的区分。因为在整个领域中，用户的分布你能够条理清晰的分清，那么你在做不同的外呼任务时，只需要针对其中已经细分类进行设计即可。

我们把用户进行细分后的主要作用有两个：

• 能够针对楼盘的特点去区分目标用户，这样实现同样打单效果的情况下，可以明显降低外呼任务量。
• 定位比较模糊的楼盘可以针对细分类进行不同的对话流程设计，例如我们针对刚需的用户可以设计突出低首付、非全款等卖点的对话流程；针对改善型购房者，我们则在对话流程中更多的突出配套设施、交利等。

 

2. 号码单处理

 

当我们对用户类型进行了区分后我们就需要对我们说头的电话号码单，进行分类了，如果是有用户标签的号码，那么我们筛选够就能够直接用了。但是对于无用户标签的号码，那么我们就需要设计一个通用性较强的kyc对话。在外呼的对话流程中获取用户的一些信息标签。

 

3. 楼盘定位匹配

 

楼盘匹配即将楼盘的卖点信息与目标的用户进行匹配，对不同的细分类进行对话流程设计。在这里我们仅那其中几个楼盘进行简单描述。

 

4. 确定KYC需要收集的信息

 

收集数据更多的是在用户态度模糊或者无购买倾向时才进行的收集用户信息，是为了之后能够根据这些标签，提高其他外呼任务的成功率而设计的。我们需要收集的信息包括两部分：

收集现阶段的情况是为了我们可以将有购房需求，但是与改楼盘未对应的客户，分流到与用户期望匹配度较高的楼盘，提高售楼的打单效率。获取用户对未来的期望，则是将用户作为潜在用户进行储备。

收集的方式应该采用反问的方式，而不是直接询问，这是因为直接询问会导致用户的反感而直接挂断电话。

反驳在人的意识中是一种潜意思的行为，因此通过反问的方式，可以大大提高用户信息的收集成功率。例如我们需要了解用户是否有孩子，那么我们可以设置话术为：“您不买也没有关系的，我们现在这个房子学区是XXX小学，您可以为了之后的孩子的发展过来看看。”

 

四、外呼问答知识库设置

 

在外呼的整个流程中是由一个或者几个多轮对话组成的一个主流程+众多单轮FAQ知识库一起组成的。

 

1. 外呼主流程

 

多轮对话在整个外呼任务的对话设计中设计的细分类众多，我们仅以22岁-32岁的用户群体的对话进行设计。

在叫外呼主流程设计之前我们需要考虑在流程中的一些隐含的对话含义，例如：当用户表示不需要时，那么可能是之前的卖点描述与用户未契合，还有就是在主流程中如果问了其他FAQ知识库中的问句，那么隐含了用户感兴趣的意图….

 

2. FAQ知识库

 

FAQ知识库是为了解决用户在外呼主流程中，产生问题而进行配置的。我们在知识库的维护上会根据外呼任务的领域进行新增和维护。在售楼这个场景中我们可以根据领域的维度对知识库进行预编辑，尽可能多的覆盖线上可能的情况。

 

五、对话节点埋点设置

 

当我们设计完问答知识库之后，如何通过数据去复现用户在接听外呼时的交互路径就是我们需要考虑的了。只有通过这些数据我们才能去有针对性地优化我们的多轮主框架、更细知识库。

1. 录音播放状态埋点

通过记录知识库FAQ答案的播放状态埋点，我们可以知道哪些FAQ的答案可能是存在问题的。

2. 节点触发次数埋点

主框架设计完成后并不是一成不变的，有时会存在某一节点用户难以完互，那么我们就需要去看用户在该节点是由于什么原因导致了交互失败。例如：

机器人：…

用户：…

机器人：我们近有陪同看房送小礼品的活动，您可以和您的朋友抽空过来看下么

用户：我朋友可能没空

在这里我们可以发现这个节点的回应设置，存在了用户可能跳出主框架的内容设置。这些都是可以通过节点触发埋点及早发现的。

3. FAQ触发次数埋点

FAQ的触发次数记录，可以帮助我们对知识库进行更新，及时去除一些用户不会问的问题，补充用户常问的问题，能够在保证知识库的知识点粒度的同时，保证解析的正确率。