智能外呼：引领信贷服务的未来

编者按：在电信行业，话务服务应用于各行各业，凡是需要营销以及客服的企业都有这种服务需求。但随着话务行业的不断发展，各种痛点不断涌现。针对这些问题，青岛洞听智能科技有限公司研发了智能外呼机器人小GO，为信贷领域提供了各种场景下的新解法。

文/陈亮

整理/LiveVideoStack

大家好，我叫陈亮，来自青岛洞听智能科技有限公司。今天给大家分享的主题是智能外呼：引领信贷服务的未来。

-01-

信贷领域传统客服场景解决新思路

在当前行业中存在几个主要痛点，具体表现如下：

首先，高人工成本和人员流失率的问题显著。新招募的话务员需要经过培训，但由于日常工作内容相对单一，导致员工流失率较高。

其次，话务员情绪波动幅度大，再加上长时间的电话工作，造成工作效率下降的问题。

第三，统计和记录方面存在困难，容易出现重复记录的情况，从而导致客户资源的浪费和损失。

传统的外呼流程通常需要人工使用软件进行拨号操作，面对每天繁重的通话时长任务，有时客户甚至会在接通后立即挂断，这迫使工作人员不得不加班加点来完成任务。

在金融行业中，催收是一个不可或缺的环节。然而，随着大数据、云计算以及人工智能技术的发展，催收领域也在逐步实现智能化的转变。

智能对话机器人不仅局限于催收领域，它在多个场景中都具有广泛的应用。举例来说，在客服领域，这种智能外呼机器人可以为客户提供支持，解答常见问题等。此外，在日常生活中，它还可以用于预约、挂号，甚至市场调研，快速收集大量用户反馈数据。智能对话机器人能够从倾听、回应到记录的全过程，而人类只需负责管理。因此，机器人在辅助人类处理各种任务方面发挥着重要作用。

上图展示了智能对话机器人产品所提供的价值。

通过比较人工客服与智能机器人，在拨打量方面，机器人表现出远超人工的优势。一个智能机器人每天能够高效地完成相当于5~10名人工客服的工作量，从而降低人力成本。

此外，智能机器人实现全年无休，365天持续运行。其次，智能机器人能够始终保持稳定的工作状态，因为它不受情绪影响，不像人工客服容易受情绪波动影响工作效率。在业务培训方面，只需将话术直接导入机器人，无需过多进行业务培训，从而节省了培训成本和时间。最后，在运营成本方面，智能机器人受场地限制较少，运营成本较低，这也为企业带来了经济上的优势。如此可见，智能对话机器人产品在多个方面为企业带来实际的价值。

-02-

小Go 让沟通更高效、更智能

小Go机器人是一款集成了ASR（自动语音识别）、NLP（自然语言处理）和TTS（文本到语音合成）等多种人工智能技术的智能机器人。它具备准确判断客户意图的能力，并能以灵活的方式回答问题。

在使用过程中，小Go机器人采用了人机结合的工作模式。首先，机器人会对大批量电话进行过滤，识别出哪些通话需要人工介入，然后灵活地将这些通话接入人工处理流程中。小Go机器人拥有便捷的话术配置功能，允许管理员轻松修改和编辑话术。通过机器人的辅助，可以帮助人工完成枯燥重复的工作，从而降低人力成本，提高工作效率。

上图展示了外呼机器人的完整工作流程。首先，管理员根据拨打对象、拨打时间段、跟进频率、策略以及线路等信息进行管理，还可以定义多套话术版本。某些话术版本设置完成后，坐席将需要拨打的电话导入系统，并选择相应的策略和话术，即可开始拨打电话。之后，小Go机器人会接听电话，进行语音识别，提取对话信息，然后通过自然语言处理技术生成回复文本，最后通过TTS技术合成语音并进行播报，最终完成拨打。拨打结果也可以以智能数据看板的形式展示，方便坐席查看拨打结果并导出，以进行策略调整。

总之，小Go机器人是一款集成多种人工智能技术的智能机器人，通过人机结合的方式，实现高效的拨打工作流程，提高工作效率，降低成本。

以下是关于外呼机器人产品的详细介绍：

1.灵活的对话管理配置：该外呼机器人允许用户进行对话管理的灵活配置，包括拨打结果和话术的定义。用户可以根据需求自定义对话流程，以及根据不同情况配置适当的回答话术。

2.呼叫中心配置：在呼叫中心方面，用户可以选择不同的呼入和呼出线路，并进行拨打优先级的调整。这有助于更好地管理通话流量，提高通话效率。

3.智能策略配置：外呼机器人支持灵活的策略配置。用户可以根据拨打的频率和时间段进行配置，从而提高通话的接通率，同时改善用户体验。

4.通话任务导入：该产品支持单条通话和批量导入通话任务。用户可以将通话任务轻松导入系统，并一键导入客户信息，实现智能化的外呼操作。

5.强大的对话机器人：对话机器人是产品的核心组成部分，提供了准确判断客户意图和灵活回答问题的能力。通过集成ASR、NLP和TTS等技术，实现智能化的对话流程。

6.数据看板展示：产品通过数据看板的形式呈现拨打结果，方便使用者查看整体拨打流程以及统计数据。这有助于用户更好地了解通话的效果，并进行相应的调整。

总之，该外呼机器人产品提供了多个方面的灵活配置和功能，包括对话管理、呼叫中心配置、策略配置、通话任务导入、智能对话机器人等，同时通过数据看板展示结果，为用户带来了高效、智能和便捷的外呼体验。

-03-

技术特色

语音识别是一个涵盖多个学科领域的交叉领域，其中包括声学、语言学、语音学、数字信号理论等多个学科。洞听智能自主研发了语音识别引擎驱动，采用了国际领先的Transformer算法，这种算法在准确率方面取得了显著成果，达到了93%以上的高准确率水平。

模型的结构非常清晰简洁，主要分为三个部分：一个Encoder和两个Decoder。通过CTC解码器和Attention解码器对CTC解码结果进行评分。这种模型同时适用于流式和非流式的语音识别。在识别过程中，可以根据需要调整处理的时间窗口chunk大小。如果chunk较大，模型会在获取完整段话后进行解码，这是一种非流式识别。如果chunk较小，模型将支持流式识别。模型的实时识别准确率可以达到0.1以下，即解析10秒音频只需不到1秒的时间。

在模型训练方面，洞听智能使用了联信集团多年的客服拨打语音通话数据，该数据经过专业标注团队的标注，总计约标注了1400小时的语音数据。这些数据为模型的训练提供了坚实的基础。

模型框架整体结构：

第一层是基于PyTorch生态系统。在训练阶段，模型完全依赖于PyTorch进行训练，无需复杂的安装和配置工具。

第二层涵盖了研发和产品两个方面。通过TorchScript对PyTorch训练好的模型进行转换，使得模型能够在C++环境中高效运行，并且获得优越的性能。LibTorch是PyTorch提供的C++接口，这对于满足工业场景的需求非常重要，因为LibTorch主要由C++代码构成。

我们提供了两种部署方案，即公有云和私有化部署。这意味着用户可以根据自己的需求选择将模型部署在公有云环境中，或者选择在私有环境中进行部署。这种灵活性有助于满足不同用户的不同部署需求。

男女音色识别的主要目的是为了识别说话人的身份。为何不采用声纹识别的主要原因是，面对每天海量的音频数据，会导致高额的存储成本。因此，选择了男女音色识别作为解决方案，以应对债务人信息识别的需求。该模型基于Librispeech数据集，使用Facebook的Wav2Vec2模型，并通过TorchScript将模型转化为C++框架，嵌入到语音识别中。该方案有助于提高通话识别和回复的准确性，从而增强用户体验。

在将音频数据转换为文本后，需要处理大量的非结构化文本数据，为了从中提取有用的信息，我们选择了ERNIE 3.0模型，以帮助我们有效地从说话人文本中提取相关信息。

从文本中提取出地址、个人信息、还款金额以及电话号码等，然后这些信息将被自动整合成一条催记，以便管理人员随时查看。此外，每当机器人获取到新的信息时，系统还会生成一个新线索的提醒，以保证及时跟进和处理。

意图理解是自然语言处理领域中的一个重要研究方向，其目标是识别说话人的意图。通过深入理解说话人的意图，我们才能更有效地进行回复和互动。在这一领域中，采用了基于文心的NLP模型，该模型涵盖了约100多个不同的意图。值得注意的是，在信贷领域的数据识别方面，准确率已经超过85%。

同时可完成多意图的识别。

意图识别采用了ernie3.0模型，与此同时，针对其他场景同样支持高度定制化的意图识别。

对话管理是一个采用有限状态机的数学模型。通过在不同状态之间的转换，能够有效管理对话的流程。

上述例子可以帮我们更好地理解：

灯一开始的状态是关闭的，当触发了开灯的状态转换时，灯的状态会从关闭变为打开。此外，这个灯还有一些属性，例如亮度中等、亮度高、亮度低。在进入开灯状态时，它可能还会触发其他情况，比如灯的故障。

类似地，我们可以将这种状态转换应用于实际场景，比如小Go在与客户通话时。开始时，他需要确认客户的身份，这对应于一个未确认身份的状态。当客户开始说话后，系统会进行意图识别，如果确认客户的意图为肯定，那么系统会将状态从未确认身份转换为已确认身份。从而机器人能够有针对性的进行回答，更加的智能化。

这个例子清晰地展示了状态转换和意图识别在实际应用中的作用，以及如何根据不同的状态和属性生成相应的回复。

TTS（文本到语音）语音的合成模块，使用了FastSpeech2模型。FastSpeech2模型通过预测控制音色的重音停顿，赋予了语音更多样的语气，从而使机器人的回复更生动。此外，还提供了定制化的语音服务，允许用户特定字符的发音进行个性化定制。

TTS语音合成技术在使得机器人的回应更加自然和生动的同时，还提供了灵活的发音定制选项，以满足各种语音合成需求。这种技术可以改善对话体验，使得机器人的回复更加人性化和自然。

系统的架构采用了非回归式编码器和解码器的设计。编码器和解码器都由多个Transformer块组成，而且在Encoder和Decoder之间还包括了变换适应层。这个层的主要作用是将音频特征之间的停顿与音调、音量等因素相关联，从而使模型更好地捕捉音频的特征。

关键词识别是语音识别和自然语言处理领域的关键任务，其应用广泛，包括语音助手、智能家居以及汽车智能系统等。例如，智能助手Siri、小爱同学都在其中。洞听采用了基于时间卷积和ResNet的混合模型，结合了残差网络和时间卷积的优势，以提高效率和加快处理速度。

关键词识别在电话通信领域发挥着重要作用，其主要任务是确定电话的状态，包括关机、停机、无法拨通或正在通话等各种情况。传统客服中心通常使用SIP应答码方法，但其准确率较低，且分类数量有限。相比之下，洞听采用了自研的关键词识别技术，可以精准地识别多种状态，包括19个常见类别，因此提供更准确、更详细的拨打结果。