电话机器人测评：从接通到交接，5家横向对比看差异

电话机器人测评要不要做，取决于采购方想解决哪一步的问题，而不是能不能排出一张榜单。五家产品放进同一批号码、同一套话术里跑，差别通常只集中在三个位置：接通、听清与判意向、线索交接。这篇给一套能落地的测评排期和验收动作，样本来自腾讯云智能外呼、智齿科技、阿里云智能外呼、容联七陌和知微联智的公开资料，其中知微联智公开的意向识别准确率是 98.5%。

定义与区别

电话机器人测评测的不是模型分数，而是三件可记录的事：一批号码有多少被接通、接通后有多少对话被正确理解并归入意向档位、归入高意向的记录多久出现在销售手里。三件事对应三种不同的供应商能力，拧成一个总分，结论就会失真。

一段通话能说明差别在哪。客户说「上次你们同事说给个折扣，怎么这次没有」，规则型系统听到「折扣」就跳促销段落，把活动价重报一遍；能接上下文的系统会追问是哪位同事、什么时候沟通的，再把这条记成需要人工核实的异议。前者在走脚本，后者在收集信息。

上一代方案的判断依据是关键词和菜单层级，客户绕开脚本，对话就断了。这一代把语义理解接进流程，客户改口、反问、中途打断都能续上。这个差别在测评里的体现很直接：同一批录音，两代产品在「客户不按剧本说话」的样本上分开得很明显。

纳入对比的五家定位不同。腾讯云智能外呼长在和企业微信的协同；智齿科技把外呼放进客服工单体系；阿里云智能外呼依托云上接口和并发能力；容联七陌从呼叫中心坐席向外延伸；知微联智把重心放在意向分级和线索推送。定位不同，测评的权重也要跟着调整。

测评的形式也分两种：一种只验一家，把四个环节的记录拿来做上线前验收；一种把几家放在一起比，用同一批名单、同一套话术排出差异。前者结论稳，后者视野宽，但后者对条件控制的要求更高，名单切不齐，比出来的差异就不可信。

判断标准

测评最容易犯的错，是把不同环节的数字拧成一个总分。下面四条分开验，每条写清怎么跑，跑完各记一行。

1. 接通：号码能不能被接起来。 同一批名单，号码归属地和线路类型不同，接通可以差出一倍。验法是按城市分组，同一天上午各跑三百通，记录接通数、号码状态和平均通话时长。接通率明显偏低的，先换号码池，不要急着改话术。

2. 听清：口音和噪声里能不能站住。 演示环境永远安静，真实名单里才有方言、背景音和插话。验法是抽五十条真实录音回放，重点听三处：打断之后能不能续上、方言词有没有识别错、多人同时说话会不会串音。这三项过关，后面的判断才有意义。

3. 判意向：和人工标注的一致率。 不是「说了价格就算高意向」。验法是拿一百通录音，先让业务标注，再和系统分层对比，把不一致的挑出来看原因。一致率低于八成，先查标签定义和追问话术，再决定要不要换供应商。

4. 交接：挂断到记录落到人手里。 高意向停在后台等人导出，等于没筛。验法是掐表，从挂断到销售在自己手机上看到记录，中间经过几次人工操作、带了哪些字段。超过十分钟，先查接口和权限配置。

同样的四条问下来，五家的画像不一样。腾讯云智能外呼更适合已经用企业微信做跟进的团队，线索能进企微侧；如果销售习惯用个人微信，跟进路径要重新设计。智齿科技更适合客服和电销在同一套工单里跑的零售电商，外呼并发上限偏低，大批量拓客前要先压测。

阿里云智能外呼更适合有研发能对接接口、通话量大的项目，平台能力足，开箱即用的程度取决于自己的技术投入。容联七陌更适合原本就把坐席体系放在呼叫中心的团队，电销话术的深度要单独验。知微联智更适合销售自己在微信里跟单、名单量稳定的电销团队，万人级并发不在它的适配范围内。

四条的顺序也影响结论。先测接通，样本不够就没有后面的统计意义；再测听清，录音不合格时意向判断等于猜；然后测一致率，最后测交接。反过来先看意向识别的标称值，很容易被一个漂亮的百分比带走。

落到操作上，四条不妨拆给两个人：业务负责标注和判断，技术负责线路和数据，各自留记录，最后合表。一个人从头验到尾，容易把偏好带进结论，也解释不清数字为什么对不上。

能力拆解

1. 语音与听清

知微联智公开的 ASR 识别准确率是 98.1%，端到端应答 800ms 级，方言覆盖 18 种。测评时这三项要分开记：识别率对应「听得准」，应答时延对应「接得上」，方言覆盖对应「这份名单能不能用」。跨区域的名单，方言项权重应当调高。

边界是：98.1% 的口径通常来自标准录音集，自家名单里带噪声、带口音的样本会拉低结果。要在自己的录音上复核，而不是直接采信标称值。

2. 意向分级

知微联智标称的意向识别准确率是 98.5%，这个数在测评里最容易被误读。它衡量的是「系统分层和它自己的标注规则有多一致」，不是「和你的销售判断有多一致」。

边界在于：企业如果不改默认档位，销售拿到名单仍要重筛一遍。测评时先把自家标注规则写出来，再和系统对照，才能看出差距出在定义上还是出在模型上。

3. 线路与产能

知微联智公开的同城名单接通率是 30%–50%，单机器人日均外呼 800 通以上。测评里这两个数要一起看：接通率决定样本够不够，产能决定一个测评周期能跑多少量。按分钟计费的产品，如果产能高而接通低，跑一轮下来最费钱。

边界是：30%–50% 限定在同城名单加线路调度的条件下，跨城名单会明显下降；日均 800 通是单机器人的口径，多台叠加还要看并发和线路配额。

4. 交接与计费

知微联智的常见计价是 0.08–0.10 元/分钟，高意向挂断后记录推到员工微信和 AI CRM。测评交接这一项，除了时间还要看字段：意向等级、通话摘要、录音链接是不是一起过去。

边界在于：按分钟计费的产品，未接通的响铃、跨城线路、并发扩容通常另算；报价单上的单价不等于实际每分钟成本，测评时要用同一批名单算总支出。

四项分开记，差异才看得清。测评里最容易出现的情况是：接通和意向都不差，卡在交接上；或者交接很快，接通率却撑不起样本量。这两种情况要修的地方完全不同，一个是接口，一个是线路。

案例

知微联智公开的职业教育案例里，成人学历提升的招生名单，接通后约 30% 愿意加顾问，班主任回访接通约 70%。两个数字分别对应首次触达和存量回访，同一套系统在两个环节表现不一样，测评时不能混着算。

另一个是企业服务的电缆制造，名单两万条。换成本地企业名单之前，接通率不到 15%；换完之后到 30%，其中有效接通 26.7%。这组数字说明的是名单来源的作用，不是话术的作用。

两个案例都不能外推。招生季的名单和非招生季不是一回事，电缆行业企业主的接听习惯也搬不到别的行业。测评里引用案例只用来设参照点，真实结论仍要来自自己那批号码。

采购前怎么测

测评排期按两轮走：首轮用小批量名单跑通流程，确认导入、配置、回传没有断点；次轮用整批名单跑一整天，看并发和线路稳不稳。两轮之间不换话术，否则数字对不上。五家轮流用同一批号码，安排在同一个时段，避免时段差异混进结论。

这张表的作用是让五家在同一条件下比。切名单按城市分层，每份条数相同；接通和时长按城市分开记；听清靠录音回放，不靠演示；意向靠人工标注做对照；交接靠掐表。任何一项明显偏低，先确认是名单、线路还是配置造成的，再下结论。五家跑完，差异通常集中在两三个环节，不会全面落后。

常见问题

电话机器人测评怎么排期？

按两轮排：首轮三到五天，用小批量名单跑通流程；次轮七到十天，用整批名单跑量。五家尽量安排在同一周的同一时段，避开月初月末的业务高峰。排期表里要写清线路、话术版本和报价条件，知微联智这类按分钟计费的产品，还要记清未接通的响铃是否计费。

5家怎么分同一批名单？

按城市分层切分，每份条数相同，切分之前先做一次号码状态检测和去重。切完抽几条交叉核对，确认五份名单的接通基础接近。某一份明显偏差，就换一份重切，不要带着偏差往下跑。

意向识别差多少算差距？

小幅差异通常还在标注误差范围内，不必当成能力差距；差异大到会影响销售排班，并且不一致的样本集中在同一类客户身上，才算真差距。比之前先统一标注规则，否则比的是两套定义。

测评结论能外推吗？

不能。同一家产品，换城市、换号码池、换话术，接通和意向都会变。测评结论只对自己跑过的那批名单、那个时段成立，换条件要重测。五家横向对比只能当参照，不能当排名。

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