从业务场景出发看电销外呼机器人的对话设计

作者:夜梦书

外呼机器人已逐渐在电销、催缴、回访等各业务场景中运用起来。各大提供此类服务的厂商趋于成熟,其中是否建立起完善的对话设计团队成为客户审视团队是否成熟的标准之一。毕竟,试想如果我们用一套新闻联播式的标准播报语音、死板的对话去亲身做一场电话销售,销售主管听到你的录音后,估计也只能给人力递过去一张“建议辞退”的雇用意见。

一、话术结构

作为营销类外呼机器人主要应用的场景,电话销售是传统销售人员与客户建立起销售关系的第一步,对之后的销售工作的成败、难易有直接影响。当通话名单的客户资料完善或交易意向明确时,其主要用于对后续交易行为的促成;当客户资料不完善或交易意图不明确时,首轮的外呼主要完成对名单客户的初筛。完善、严谨的话术结构能够保证外呼电话在绝大多数通话情况下至少能够完成合乎常理的兜底。

一般来说,一个外呼机器人的话术结构包括主流程、提问和闲聊以及对话异常的处理。

1、主流程

主流程主要包括开场白、话术各节点、挽回以及结束语。有些话术设计会把打断处理也作为主流程的一部分,这里我将其单独拿出来作为对话异常处理的一部分,并将在下文中详细说明。

(1)开场白

开场白对于一通电话销售,甚至于日常对话都至关重要。还记得陌生人要问你事时,拍拍你的肩膀,然后那个让你满脑子冒火的“哎”吗?开场白的好坏直接影响了你复盘时听到的外呼录音是否停留在开头甚至开头还没讲完。

首先,开场白的文字播报内容需要理解业务场景,收集销售人员的真人对话案例后,综合考虑进行设计。当然目前很多厂商目前并不过多的负责话术文字这一块,更多的是由客户提供整套话术流程。不过如果能够在了解谈判、心理学等相关知识的基础上给出修改建议或文字方案,可能会让客户眼前一亮。

其次,需要结合客户类型,外呼轮训次数,前一次通话情况选择不同的开场白。例如,首次通话可以设计多句“换汤不换药”的开场白随机选择播放。后续二次回访跟进时则可以根据之前的拨打情况用另外的方式,例如:

“X先生,上一次跟您打电话您没接,我们这里bulabulabula ”

“X先生,我是XXXX,上次跟您沟通您说过段时间再考虑,那您最近考虑么?”

不同场景、不同开场白,不仅可以提升对话体验,更重要的是服务于销售场景可以主动预先建立起与客户的情感联系,提升成单率。

另外,开场白的一些礼貌和体验性问题也应当注意。毕竟,每次和朋友聊到正嗨,接到营销电话,拿到耳边时,对面已经bulabulabula 说到一半了,心里就直冒“MDZZ”。

(2)话术各节点

外呼机器人一般都是由机器人主动发起对话,电销场景外呼更是大部分由机器人主动提问构成主要对话环节,其中各节点主要用于销售环节各问题的询问,需要根据不同的业务场景制作不同的对话内容。实际的对话场景较为复杂,人们在交流时出于“维持对话倾向”的本能(即避免“尬聊”),有时不会简单的回答问题,而会附加一些信息(其实这是更普遍的情况,从心理上来讲一问一答单纯的回答问题表示听者对当前对话持拒绝态度,不过外呼机器人至少目前来说不用考虑这一心理因素)。

回复过载:用户很多情况下并不会乖乖的只回答你的问题,总是伴随着额外的信息透露。

例如在互金行业贷款推销时,资质确认的环节:

AI:请问您名下有房产吗?

用户:有啊,另外还有辆汽车

这时需要对无关信息进行舍弃,其它节点需要的信息则填入客户画像相关的槽位,并不再重复提问。

细节确认:用户对AI的问题的细节需要进行确认。例如

AI:那我们最近还推出了XXXXX信用卡?

用户:额度能有多少?

细节确认时所提出的问题,有时不仅存在于本环节,同时存在于通话知识库中,应用于环节内和知识库中给出的回答可能不同。比如上述问题在该环节是询问此卡种的额度,在开场白后询问则需要不同的回答。此类问题解决时一方面需要在话术内容层面进行限制,缩小范围,另一方面可以设置当前节点针对细节应答的QA包,区别于知识库中的整体业务QA(在同时匹配到时环节内QA包的优先级高于知识库中的业务QA)。

另外还有一些应答模式的特殊情况,内容上属于用户对当前环节问题的回应,但是由于中间存在静默时间,容易被AI忽略或提前作为下一个问题的应答:

应答纠正:用户对该问题的之前回答内容进行纠正,例如在房产推销或社会问卷场景中:

AI:您现在房子大概多大呢?

用户:110多平吧……..(短暂静默后)不对,130多平

应答补充:用户对当前回答进行补充,同样的在上述场景中:

AI:您现在户型是怎样的?

用户:三室两厅……(短在静默后)还有两个卫生间

在处理上述情况时,可以适当地针对不同实际场景设置不同的反应时间,详细地会在下文中说到。(这一块各位大佬们还有什么更好的解决办法欢迎交流!!)

(3)挽回

主要用于用户表达拒绝意向后的挽回,包括对于节点问题拒绝回答的挽回(例如:“你问这个问题干嘛”、“我不需要”),和对整体营销意向拒绝的挽回(例如:对话进行过程中,用户不耐烦“算了算了,我不要了”)。若挽回成功则回到对话主流程,挽回失败则需要进入结束语

(4)结束语

结束语礼貌性的问题相信大家都深有体会,遇到讲完结束语直接挂断的“AI小姐姐”真的很“伤心”。

2、提问和闲聊

外呼架构的知识库通常包括通用知识库,行业知识库及场景专属知识库。知识库反应在对话中,在应答用户各种各样的提问时,应控制闲聊提问和业务相关提问的比重。当回答两三个闲聊问题后,需要话术上及时挽回。同时业务提问的过程中,也有可能透露槽位所需要的信息,此时系统在完成对填槽信息记录的同时,对对话主流程也会产生影响。

3、对话异常的处理

对话异常主要包括用户沉默、用户打断、重复。

(1)用户沉默

主要对于用户讲话过程中需要应答时无语音,此时需要进行一定次数的沉默提醒,间隔时间可以依次缩短,达到预设次数后则挂机。

(2)用户打断

对话过程中的打断分为提问打断、结束对话打断、中断对话打断。

提问打断:主要是对于AI讲话过程中用户命中QA范围内的打断,此时需优先中断当前AI语音,结合上述提问环节的设置处理完成后,挽回对话主流程。

结束对话打断:用户明确表明需要结束当前对话的意图,例如:“等一下,我在开车”、“我来了个电话,待会再说”,此时需要立即结束对话,进入结束语环节。结束对话后何时进行回访,则在外呼规则上针对不同情况进行不同的处理。

中断对话打断:用户需要当前对话暂停,但并不需要挂断电话,这种情况大多出现于开场白之后,例如:“稍等一下,我这有点吵,换个地方”,此时对话需暂停一段时间,并在一定时间未得到回复之后进入上述沉默提醒的机制。

(3)重复

主要分为用户主动要求重复、打断及沉默唤醒后的被动重复。建议在对话各节点设置1到2句重复语句,避免需要重复时机械的重复原来相同的语句,减少机器人笨笨的“机械感”。

二、对话设计

目前对于对话设计团队来说,更多的是保证对话顺畅走完,还无法达到促成交易的目标。而对于电话销售人员来说,促成交易是他们的基本职能要求。这也是当前一个需求断层的地方。

从业务角度出发,一次电话销售的本质是一场谈判。当前的电销机器人大多根据简单的“是”或“否”的意图进行话术流程设计。虽然目前存在技术问题,我们的“AI小姐姐”还无法实现一场自如的对话或者谈判,但在现有的技术条件下如何通过挽回、语音播报文案、良好的对话体验以促成交易,也许是产品层面的工作可以发挥的地方。毕竟谈判学角度来讲,有时语音识别到的“是”(当然是识别对了)其实是用户心理上的“否”,用户的“不想听”其实是“可以有”(男生们似乎想起了那个怎么也哄不好的女朋友)。

具体如何设计话术,需要根据不同的业务场景和客户需求,同时也要涉及心理学、谈判学的内容。例如在设计如何挽回时,可以参考一些谈判技巧:重复、情绪标注、指控审查等等。同时需要根据实际案例不断修正改进,具体不再展开。这里仅从语音播报的角度上进行讨论。

1、反应时间

反应时间,或者说应答时间,并不是越快越好。比如说在开场白或者其它用户所需要的回复较短的对话环节,需要较快的反应时间。而当用户提了一个需要思考的问题或者回复了一段较长的话时,过快的给出回复则会有很强的“机器人”感觉或者增强用户的不安全感(我们总是抵触接营销电话的)。例如,我们可以根据对话内容在不同的对话节点设置不同的音尾检测时间来实现不同的机器人反应时间,来让对话更自然。不过在设置时需要考虑到系统反应时间。一般来说总时长不超过1.5s就不会用很强的卡顿感。同时,设置一定的反应时间,也能解决短时间内应答纠正、应答补充的问题。

2、选择怎样的声音

任何一场交易的基础靠的是双方建立起来的信任。电话销售的过程其实就是通过电话与客户建立信任关系的过程。行销人员可以与客户面谈,在其过程中可以通过多种维度建立起客户的信任,而电销人员只能通过电话来进行沟通。所以无论是采用声优还是合成的方式,电销机器人的声音的选择都至关重要。

对于电销这场谈判来讲,一般“谈判者”可以选择三种语调:

a.深夜电台主持人的声音:用降调说话,保持冷静和缓慢的语调。通过恰当地使用这种声音,能够建立起权威和信任的氛围,并且不会触发对方的防御心理;

b.积极而幽默的声音:一般是默认使用的声音,传递出随和、脾气好的对话形象,能够让对话轻松且具有鼓励性;

c.直接而坚决的声音:这种很少使用,容易产生问题和形成抵触,(不过实际情况中也遇到过用户将“AI小姐姐”当成真人了来调戏,还好对话设计中考虑到了,这种声音大概就用于这种情况吧  – -!)

三、“爱你不止眼前”——当对话完成之后

拨打电话行销只是传统的电话销售人员一部分工作,甚至是一小部分。他们工作还需要做好每天电访客户的计划,对已拨打的客户进行整理,将有价值的客户移交销售部,哪些客户暂时留存,并对线索进行细分,例如客户情况,通话反应度等,因此他们需要处理的信息与工作量也可以用海量形容。因此营销类的外呼机器人在拨打完成后,也需要对对话结果进行处理,来实现帮助客户减人增效的目标。

对话结果的处理主要是一些对话系统的指标,包括客户画像、话术评估与名单分析。

1、客户画像

客户画像主要包含两个维度:

(1)业务线索:根据实际业务需要,从对话中提炼中所需要的业务线索指标。这一块本质上类似于对话内容填槽,例如信用卡推销场景中,提炼出办理意愿、已办理卡种、资产情况、信用情况等指标,形成具象化的客户画像。

(2)通话情况:例如通话时长、有效交互轮次、业务提问数量等。当通话过程中的语音识别结果不理想时(实际上由于电话 采样频率的限制,这种情况目前还是较为常见的),销售人员可根据此维度的情况来判断客户意向程度。

客户画像形成后,给每一项指标设置以一定的权重,得出客户综合评分后完成对有价值客户的筛选。同时根据业务线索完成客户群体的细分类,为二次回访匹配更合适的话术或为人工跟进提供信息支持。

2、话术评估

无论是企业定制的话术脚本还是产品的行业通用话术模板,都需要根据话术评估指标不断迭代,才能提升电销的成单率。

对话完成率:表征对话流程整体的覆盖程度。

各对话节点的流失率:对话在某个节点用户明确表示不愿继续接听或对话本身进行不下 去。对于高流失率的对话节点,可复盘对话录音,分析原因是识别模块对该问题的回答容易识别错误、话术引起用户反感还是话术问题易导致用户提出超纲问题等等,从而及时对话术内容或对话结构作出调整。

有些厂商的产品并不会向客户直接展示话术模版,所以这一块也可以只在后台展示,并为客户提供话术修改的参考意见,作为服务体系的一大亮点。

3、名单分析

客户每次上传的名单、每天及一段时间内拨打名单的统计分析。

主要包括:接通率

平均接通时长

平均交互轮次

客户晋级情况

“与不正确的人交流就是在浪费金钱”,这是电话销售行业的首要准则。 目前绝大部分电销外呼的拨打对象都没有很精确的客户群体划分,机器人的外呼电话也主要用于第一轮的客户数据清洗。通过一定的指标分析,可帮助销售人员完成客户的精准分类,及时调整外呼策略,最大化外呼效能与工作深度。

-END-