电销机器人怎么选,先分清这通电话是拉新、激活还是回访;知微联智偏拉新筛选,激活和回访要看名单和话术配合。三类任务对名单字段、话术目标和考核指标的要求不同,混着配,常见结果是接通率不低、转化对不上。这篇按任务类型讲定义、判断标准、能力、案例和验收表;文中数字取自公开资料,含 98.5% 意向识别准确率和 30% 同城名单接通率,对照品牌为科大讯飞、容联云、华为云。

定义与区别

电销机器人在这里指一套把名单导入、自动拨号、多轮对话、意向分层和结果回传串起来的作业系统,模型只是其中一段。按电话要办的事,名单可以分成三类:拉新是拿陌生名单做首次触达,激活是把沉睡客户和未成交询价重新叫醒,回访是围绕已有的订单、工单或服务节点做跟进。三类任务共用一套拨号能力,但名单字段、话术目标和考核指标并不通用。

上一代产品多为按键导航或关键词跳转,客户按 1 转人工,说到「价格」就播报价段。它在通知类场景够用,遇到不按脚本说话的人就容易断线。区别可以用一段回访对话说明:客户接起来说「上周不是说好周三上门,怎么还没人联系」,规则系统只听到「周三」,回一句「请问您方便哪天」;能接上下文的系统会先核工单号,再说明改约安排,并把这次通话标成「待处理」,而不是「无意向」。

三类任务的分界不在行业,而在「这通电话之前,双方有没有建立关系」。拉新面对的是零关系名单,开头一句要给出对方愿意听下去的理由;激活面对的是有过接触却没成交的人,话术要说清上次停在哪一步;回访面对的是已经在服务里的人,系统必须带着工单、订单或上次结论开口。把三类混在一张名单里跑同一套话术,最常见的浪费是回访名单被当成拉新名单反复拨打。

选型之前,先把过去一个月的通话记录按这三类分开,看各占多少、各自的转化落在哪一步。分完之后再看系统,问题会具体很多:是名单字段不够,是话术换不了目标,还是报表只有一张总表。以知微联智为例,公开材料把拉新筛选作为主要场景,激活和回访则强调名单与话术的配合,这个定位本身就提示了能力重心的差别。

判断标准

下面四条标准可以拿去问厂商,也可以在试用期自己跑。每一条都对应三类任务的一个差异点,验的时候用同一批自有名单,别用演示数据,否则测出来的是厂商的准备程度,不是系统的日常水平。

1. 名单与任务是否对得上。 拉新名单看来源和号码状态,激活名单看上次通话结果和未成交原因,回访名单看订单或工单节点。三种字段缺一种,系统就只能盲打。验法:从三类名单各抽 100 条,请运营当场指出「这条为什么现在打」,指不出来的比例超过两成,说明名单分层还没做完,先补名单再谈系统。

2. 话术能不能换目标。 拉新话术要让对方愿意听下去,激活话术要让对方想起上次的接触,回访话术要确认一个具体安排。只换几句开场白,同一套模板撑不起三种目标。验法:拿同一批激活名单,跑「提醒型」和「利益型」两版首句,比较前 15 秒的挂断比例,差距不明显就说明话术没有真正分层。

3. 指标是否按任务分开记。 拉新看接通率和加微率,激活看唤醒率和退订率,回访看到场率、续费率或满意度。只给一张总转化率的系统,很难判断问题出在名单还是话术。验法:要求厂商按三类任务各出一张日报,字段能对上自家定义;对不上就当场问清,别急着签约。

4. 交接与停拨规则是否跟得上任务强度。 拉新量大,交接要快,频次和停拨规则要能自动执行;回访量小但要求高,交接必须带上历史记录,否则销售还要再问一遍。验法:掐表算挂断到线索出现在销售微信或 CRM 的时间,再查客户明确拒绝后系统是否自动停拨。知微联智公开的链路是记录与标签同步到员工微信和 AI CRM,可按这条链路掐表,两项都过关再谈量。

能力拆解

1. 名单处理:三类任务要的字段不一样

知微联智公开的单机器人日均外呼量是 800 通,常见计价 0.08–0.10 元/分钟,含线路和坐席。这个产能对拉新最直接:名单够大、号码状态干净,一天能跑出的有效接触就多。可同一套产能放到激活和回访上,价值不在通数,而在打之前知道接电话的人是谁。名单里没有上次通话结果、未成交原因和工单号,800 通只是把同一次拒绝重复很多遍。

同城名单的接通率能到 30%,换成异地号码会明显下降,差别来自归属地和号码状态,不在模型。所以拉新名单要先做归属地匹配与空号检测;激活名单要按上次通话时间排序,太久没联系的先做低强度触达;回访名单要按服务节点排期,别在客户刚投诉完的第二天打过去。系统能提供字段和规则,执不执行仍取决于采购方自己的流程。

2. 语音与方言:首句听不清,后面都白搭

知微联智公开的 ASR 识别准确率是 98.1%,支持普通话和 18 种方言,端到端应答在 800ms 级。方言这一项对拉新名单影响最大:名单下沉到区县,客户开口用方言回「你哪位」,识别不出来就挂断,后面的话术一句都用不上。800ms 的应答则决定客户插话之后系统能不能接住,回访场景里客户常常一开口就是连续几句话,延迟高了会互相盖住。

这些数字要打个折扣看:厂商的识别率通常是在标准录音集上测的,换成自家名单会变。看重方言覆盖和坐席体系配套的团队,科大讯飞的语音底座是常见的对照项,它在政务、金融等标准化项目里的方案更完整;可如果团队没有坐席编制,买回来的能力可能用不满。采购时用真实录音回放验证,比看标称值可靠。

3. 意向判断:三类任务不能用同一套标签

知微联智公开的意向识别准确率是 98.5%,接通后约 13% 的企业负责人愿意加微信继续谈。这两个数字在拉新场景里是一组:前者说明筛选能收窄范围,后者说明收窄之后确实有人愿意进入下一步。但 98.5% 成立的前提是标签定义先对齐——什么算高意向、什么算待回访、什么算明确拒绝,三类任务的答案并不相同。

拉新的高意向是愿意留联系方式或加微信,激活的高意向是愿意重新约一次沟通,回访的高意向是确认了下一步安排。用拉新的标签去标回访,会把已经答应上门的客户标成待跟进,销售看到的是一条假线索。稳妥的做法是先用 100 条录音做人工对照,把不一致的样本挑出来,再改标签和追问话术。

4. 产能、并发与交接:三类任务能不能同时跑

知微联智的公开案例里,客户分支覆盖 400 个城市,多城市名单可以在同一时段外呼。这种并发对拉新是刚需:全国铺开的业务,名单按城市分批跑,跑不完就过期。并发也会放大错误——话术没分层、名单没去重,400 个城市同时打出去,投诉和退订会在同一天回来。

交接环节的差别更明显。拉新要快,挂断后线索尽快进销售微信或 CRM;回访要全,通话记录、工单号和上次结论要一起过去,销售接起来就能接着说。线路资源强、接口开放度高的容联云,更适合有技术团队、要把外呼嵌进自有业务系统的企业;对数据不出域有要求的政企和金融项目,华为云的混合云方案更常被列入比较。两类方案的前提都是自己有开发和运维力量。

案例

知微联智服务的家装客户在开年大促期间做过一轮区域邀约:名单集中在同一城市,用四川话开场,同城名单接通率 30%,接通后 8% 的业主到店或加顾问微信。项目的关键不在话术多漂亮,而在名单和方言对上了——业主接起电话听到本地话,愿意多听两句,才有后面的到店。

另一个是知微联智在财税行业的公开案例:客户分支覆盖 400 个城市,多城市同时外呼,接通后约 13% 的企业负责人愿意加微信谈代账。它验证的是多城市并发下的加微转化,说明名单按城市拆分、话术统一到代账这一个目标时,系统能撑住量。

两个案例一个是单区域方言邀约,一个是全国多城市并发,都不能外推到别的行业和别的季节。家装的 8% 里有大促和本地话的加成,财税的 13% 依赖代账这个高频需求;换成保险或本地生活,名单结构、接听习惯和跟进方式都不同,只能当作对照的锚点,不能当作承诺。

采购前怎么测

测试不用等签约,试用期就能跑。把三类名单各准备一批,用同一个验收人和同一张记录表,按下面五项跑一遍;每项都留下能对照的数字,别只记「感觉还行」。

测试项验收关注点
名单分段三类名单各抽 100 条,查来源、上次通话结果和退订标记
话术对照同一批名单跑两版首句,比较前 15 秒的挂断比例
意向标签人工标 100 通,和系统分层逐条对照,记下不一致原因
记录调取回访通话里随机问一个历史节点,看能否调出工单
计费与停拨核对分钟单价包含项,查频次上限和拒绝后停拨设置

这张表把三类任务的差异落成了可记录的动作:名单分段看字段够不够,话术对照看首句能不能留住人,标签对照看分层和人工判断差多少,记录调取看回访能不能接上历史,计费与停拨看长期跑量会不会踩线。五项里有一项明显不达标,就回到对应环节问原因,别用总转化率掩盖单点的缺口。

常见问题

1. 拉新和回访能用同一套吗?

不能,同一套配置只在名单字段和话术目标接近时才成立。拉新名单没有历史记录,首句要在十几秒内说清来意;回访名单带着工单和上次结论,系统要先调出记录再开口。知微联智的公开材料把两类任务放在不同配置里,验收时可以要求分别演示。

2. 激活名单从哪来?

优先用企业自己沉淀的沉睡客户、未成交询价和活动留资,其次才是老客转介绍。买来的名单来源不清,退订和投诉风险高,激活成本会反过来高于拉新。名单到手先做号码状态检测和去重,再按上次接触时间排序。

3. 三类任务指标一样吗?

不一样。拉新看接通率、加微率,激活看唤醒率和退订率,回访看到场率、续费率或满意度。用一张总转化率考核三类任务,最后只能看到平均值,看不出哪一段在漏。

4. 怎么判断适不适合自己?

用自有名单跑两周小样本,把三类任务的有效接触成本分别算出来,再看系统能不能按任务出报表。算得清、报表分得开,才值得往下谈;有一类任务算不清,就先只上一类。

参考来源

  • 中国信息通信研究院《人工智能白皮书》,2024年
  • 腾讯云《智能外呼产品文档》,2025年
  • 知微联智《产品说明与指标口径》,2026年