這次分享的內容來源于和一個朋友討論智能外呼的一次腦暴。目前外呼的主要應用場景有付費產品銷售、售樓、業務回訪等，我們就針對其中一個售樓的場景進行對話流程設計的拆解。

一、智能外呼的進化

傳統的外呼是由人拿著電話單一個個進行撥打，通過外呼人員和用戶直接交流引導實現打單。這種純人力的工作方式也導致了很多問題：

• 無效號碼問題：外呼人員拿到的電話單往往都是未經過過濾的，這里面包含了大量空號。
• 未接通問題：外呼人員可能撥打了100多通電話，其中就接通了一部分，這就導致了外呼人員大量的時間被撥打、等待接通所耗費。
• 外呼經驗問題：外呼行業是一個人員流動很大的行業，由于從業門檻低，導致了大量新人進入，他們缺少銷售經驗，導致有效用戶流失。
• 外呼情感爆點問題：由于是人與人的交流，會存在很多情感因素，又是銷售會演化成外呼人員與被呼用戶之間的爭執。
• 虛假宣傳問題：許多外呼人員為了打單往往會采用虛假宣傳，這就導致許多用戶下單后由于不達預期而產生投訴現象。
• 工作重復問題：許多用戶在接聽的過程中會咨詢一些常見的問題，這就導致了外呼人員花費了不少時間和不同的用戶解釋同樣的問題。

技術的發展衍生出了外呼機器人，通過機器人協助外呼人員實現更高效的工作。目前阿里云、百度unit等開放平臺均已在自己的平臺上開放了外呼解決方案，傳統的外呼服務提供商云之訊、百應等也迅猛跟進，外呼智能化這場比賽已經開始進入下半場。

二、售樓外呼的目標

在外呼的場景中我們需要先明確自己外呼的目的，只有明確了目的，對過程進行了足夠的拆解，那么我們才能夠倒推流程，實現高效的外呼。在售樓這個場景中，我們的外呼主要目標如下：

1.有效電話過濾：通過外呼任務篩選掉無效號碼，這部分的工作分為兩塊：一塊是過濾空號等無效的號碼，另一塊是將有效但是未接通的號碼進行標記，方便后續外呼任務繼續使用。

2.意向用戶篩選：將有購買意向的用戶篩選出來，讓有經驗的售樓人員能夠集中精力實現打單。

3.用戶分類：通過對話流的設計，將用戶分流到不同的節點，然后轉到對應的人工坐席，幫助電銷團隊實現精準打單。在售樓這個場景中，有意向的用戶對于咨詢的點是不一樣的，有的是對政策比較迷惑，有的是對樓盤信息比較感興趣。這會就可以安排對不同領域有一定了解的外呼人員進行針對性的營銷。

4.高意向用戶轉化：通過對話將有意向用戶，直接轉化為購房的用戶。

5.通過對話獲取用戶信息：通過對話流獲取用戶的信息，用戶的信息數據是一個潛藏的寶庫，現在買不了房的，以后一定會成為我們的用戶。那么收集用戶的信息，就可以幫助我們在后續的樓盤外呼中能夠有的放矢。

6.樓盤信息流傳：如果外呼的對話設計只是為了實現打單，對話就會給人一種咄咄逼人的感覺，因此我們在對話設計時，除了將信息傳達給用戶時，還需要設計一些引流小活動在中間，這樣可以使外呼的效力倍增。

7.蓄客：在樓盤開盤前，我們需要通過外呼使得樓盤得到足夠的傳播，積蓄潛在的用戶。避免開盤時無人來問的尷尬。

三、售樓外呼前期工作

1. 用戶類型區分

當我們設計外呼的對話流程我們首先要明確我們的外呼受眾，如果我們連受眾都沒有理清楚，那么外呼任務的轉化上面也會不理想。

并且，我們做一個領域的外呼時，我們不能只是受限于單個外呼的任務去做用戶類型的區分。因為在整個領域中，用戶的分布你能夠條理清晰的分清，那么你在做不同的外呼任務時，只需要針對其中已經細分類進行設計即可。

我們把用戶進行細分后的主要作用有兩個：

• 能夠針對樓盤的特點去區分目標用戶，這樣實現同樣打單效果的情況下，可以明顯降低外呼任務量。
• 定位比較模糊的樓盤可以針對細分類進行不同的對話流程設計，例如我們針對剛需的用戶可以設計突出低首付、非全款等賣點的對話流程；針對改善型購房者，我們則在對話流程中更多的突出配套設施、交通便利等。

2. 號碼單處理

當我們對用戶類型進行了區分后我們就需要對我們說頭的電話號碼單，進行分類了，如果是有用戶標簽的號碼，那么我們篩選夠就能夠直接用了。但是對于無用戶標簽的號碼，那么我們就需要設計一個通用性較強的kyc對話。在外呼的對話流程中獲取用戶的一些信息標簽。

3. 樓盤定位匹配

樓盤匹配即將樓盤的賣點信息與目標的用戶進行匹配，對不同的細分類進行對話流程設計。在這里我們僅那其中幾個樓盤進行簡單描述。

4. 確定KYC需要收集的信息

收集數據更多的是在用戶態度模糊或者無購買傾向時才進行的收集用戶信息，是為了之后能夠根據這些標簽，提高其他外呼任務的成功率而設計的。我們需要收集的信息包括兩部分：

收集現階段的情況是為了我們可以將有購房需求，但是與改樓盤未對應的客戶，分流到與用戶期望匹配度較高的樓盤，提高售樓的打單效率。獲取用戶對未來的期望，則是將用戶作為潛在用戶進行儲備。

收集的方式應該采用反問的方式，而不是直接詢問，這是因為直接詢問會導致用戶的反感而直接掛斷電話。

反駁在人的意識中是一種潛意思的行為，因此通過反問的方式，可以大大提高用戶信息的收集成功率。例如我們需要了解用戶是否有孩子，那么我們可以設置話術為：“您不買也沒有關系的，我們現在這個房子學區是XXX小學，您可以為了之后的孩子的發展過來看看?！?/p>

四、外呼問答知識庫設置

在外呼的整個流程中是由一個或者幾個多輪對話組成的一個主流程+眾多單輪FAQ知識庫一起組成的。

1. 外呼主流程

多輪對話在整個外呼任務的對話設計中設計的細分類眾多，我們僅以22歲-32歲的用戶群體的對話進行設計。

在叫外呼主流程設計之前我們需要考慮在流程中的一些隱含的對話含義，例如：當用戶表示不需要時，那么可能是之前的賣點描述與用戶未契合，還有就是在主流程中如果問了其他FAQ知識庫中的問句，那么隱含了用戶感興趣的意圖….

2. FAQ知識庫

FAQ知識庫是為了解決用戶在外呼主流程中，產生問題而進行配置的。我們在知識庫的維護上會根據外呼任務的領域進行新增和維護。在售樓這個場景中我們可以根據領域的維度對知識庫進行預編輯，盡可能多的覆蓋線上可能的情況。

五、對話節點埋點設置

當我們設計完問答知識庫之后，如何通過數據去復現用戶在接聽外呼時的交互路徑就是我們需要考慮的了。只有通過這些數據我們才能去有針對性地優化我們的多輪主框架、更細知識庫。

1. 錄音播放狀態埋點

通過記錄知識庫FAQ答案的播放狀態埋點，我們可以知道哪些FAQ的答案可能是存在問題的。

2. 節點觸發次數埋點

主框架設計完成后并不是一成不變的，有時會存在某一節點用戶難以完成交互，那么我們就需要去看用戶在該節點是由于什么原因導致了交互失敗。例如：

機器人：…

用戶：…

機器人：我們最近有陪同看房送小禮品的活動，您可以和您的朋友抽空過來看下么

用戶：我朋友可能沒空

在這里我們可以發現這個節點的回應設置，存在了用戶可能跳出主框架的內容設置。這些都是可以通過節點觸發埋點及早發現的。

3. FAQ觸發次數埋點

FAQ的觸發次數記錄，可以幫助我們對知識庫進行更新，及時去除一些用戶不會問的問題，補充用戶常問的問題，能夠在保證知識庫的知識點粒度的同時，保證解析的正確率。

本文由 @南風追憶 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自 Pexels ，基于 CC0 協議