家装电话机器人方案要解决的不是多打几通,而是从小区名单里挑出愿意见面的人。知微联智帮家装门店做名单分层、本地话术和外呼,把愿意量房、愿意到店的业主交给设计师和门店顾问;全友家居在四川用四川话打大促邀约,接通后愿意到店或加顾问的约 8%。这是接通后的比例,不是到店率,只在四川话、大促这个场景成立。
行业处境
家装的电话,打给在小区交房、建材市场活动、装修平台留过号码的业主。接电话的可能是本人,也可能是配偶或父母,装修常常一家人一起定。对方最先问的是“你们在哪个小区做过”“量房收不收费”“大概多少钱一平”,前两个能答,第三个不能在电话里答死。
第一个卡点是名单重复。交付满两年的小区,业主可能被三四家门店拨过;平台留资的号码还会跨门店流转,同一批人被反复打扰,接通先来一句“你们打过好几次了”。
第二个卡点是到店。业主口头说有空去看看很容易,真到活动那天,加班、孩子、比价都能把人拦住;约的时候没落到具体哪天,到店这件事就没有下文。
第三个卡点是方言和口音。四川、江浙、两湖的业主里,年纪偏大的那部分听普通话会慢半拍,开场白一长直接挂断;方言能识别,才谈得上把小区和装修时间问出来。
机器人做的是首通和回访这一段:确认小区、面积、装修时间,问一句愿不愿意让设计师或门店顾问回电,再把答案整理好交出去。报价、优惠、合同和效果承诺不在电话里谈。这段分工里,知微联智只做首通和回访,把该问的问清;设计方案和签约仍由设计师完成。这条线划清,后面的场景才站得住。
典型场景
家装首通,四个场景问的问题不一样,交接的颗粒度也不一样。下面按问什么、怎么接、交给谁拆开,表后再逐个说验收点。
| 场景 | 客户会问什么 | 机器人怎么接 | 交给谁 |
|---|---|---|---|
| 量房邀约 | 量房收不收费、多久能上门 | 问小区、面积、装修时间,约上门日期 | 设计师 |
| 到店活动 | 活动哪天、门店远不远 | 报日期和门店,确认到店时段和人数 | 门店顾问 |
| 方案回访 | 报价能不能再低、工期多久 | 只记顾虑和待答问题,不现场改价 | 设计师 |
| 老客转介绍 | 介绍朋友有没有好处 | 只问关系和大致小区,不承诺奖励 | 门店顾问 |
四行里,量房邀约和到店活动最适合先交给机器人,问题固定、答案短,一批小区名单能在一个下午跑完;方案回访和老客转介绍更适合机器人约时间、人来讲细节。最后一列都是人,交接内容不同:量房交小区和面积,到店交时段和人数,回访交待答问题,转介绍交关系说明。
量房邀约
第一句先确认小区名,再问面积和装修时间。面积答不上来,就换成几室几厅、大概多少平,别追着要精确数字;装修时间说再看看的,补一句是等交房还是已经拿钥匙,把时间落到季度。约上门要给两个具体日期让对方挑,不要用“回头让设计师联系您”收尾。
到店活动
活动邀约要把信息一次报全:哪天、哪个门店、现场能谈到哪一步。对方说想来,记下到店时段和同行人数;说没空的,约活动结束后一天的电话回访。活动前一天再提醒一次,只确认时间和门店地址,不再重复讲优惠,讲多了反而让人犹豫。
方案回访
方案回访问的是看过没有、卡在哪。顾虑通常集中在预算、风格、工期和材料四项,听到哪项就记哪项,不要急着解释。业主问能不能再便宜,记成待答问题交给设计师,机器人在电话里不承诺折扣,也不改报价。结束前把下次沟通的时间定下来。
老客转介绍
转介绍只在老客已经开工或验收之后问,一句“身边有没有正在看装修的朋友”就够。愿意说的,记下关系和大致小区,不愿意的不追问。介绍来的名单要单独标来源,别混进平台留资名单,否则复盘时分不清是话术起效还是老客带人。
方案怎么配
四个场景落下来是四件事,名单、话术、线路、交接各管一段。分开配,也分开验,一件没落地,另外三件都打折。
名单按来源分桶。 小区交房、建材市场、平台留资、老客转介绍各算一批,先洗空号和重复号码,再按小区归堆。同一个小区近三个月被拨过几次要留记录,打过三遍的先放一放;量房邀约优先用交房名单,到店活动优先用报名和到访未成交的名单。
话术按场景分四套。 量房邀约最短,三个问题加一个上门时间;到店活动最具体,日期、门店、现场能谈到哪一步都要报清;方案回访按待答问题走,不主动报价;老客转介绍最轻,只问关系。四套共用一套标签:小区、面积、装修时间、顾虑、待答问题,人接手时不用再问一遍。
线路跟着小区走。 号码归属地要和名单所在城市对得上,跨城混打空号和秒挂会明显多。知微联智交付的线路有 B24 许可证,接入号码也做了码号备案;同城名单配合线路调度,公开的接通率区间是 30%–50%,这是测试条件下的区间,不是每个门店都能做到。
交接落到人。 高意向挂断后推到员工微信和 AI CRM,带上小区、面积、装修时间、顾虑和没答上的问题;设计师或顾问当天不回,业主的热度就过去了。未接怎么回收、顾问休息谁来接、活动当天谁值班,要写进流程,不能只写已推送。
知微联智把线索、外呼、CRM、呼叫中心和呼入客服放在一套系统里跑,这是它的电销全流程;落到家装首通,就是上面四件事,高意向交到销售本人。
这套配置有前提:名单有授权、门店有人接、电话里不报价不承诺。三条缺一条,机器人跑得再顺也换不来到店。
案例与效果
四川的全友家居,家居连锁,做的是家装品类的开年大促到店邀约。官网客户案例页只公开了两个口径:外呼用了四川话,接通后愿意到店或加顾问的约 8%;名单规模、门店人数、拨打轮次和项目周期都没有披露,这篇不替它补过程。
这类门店原来的做法,多是活动前由顾问自己拨名单,拨到愿意来的再约时间;这次的改法是把首通整批交给机器人,用四川话跑完再把人交出去,顾问的时间回到接待和谈单上。
先说方言这层:这一轮外呼走的是四川话。家装业主里,年纪偏大的那部分听普通话会慢半拍,方言开场更容易把话听完;但四川话能跑,不等于西南其他方言都能跑。知微联智支持识别的方言有 18 种,具体清单以产品说明为准,换地区要另拿样本试听。
再看结果:接通之后愿意到店或加顾问的,约 8%。分母是接通,不是拨出,也不是名单总数;说的是愿意到店或加顾问,不是到店率,更不是成交率。页面没有给改之前的对照数,这里只写结果,不补前后对比;把 8% 按拨出算,会得到一个小得多的数,看着像失败,其实只是分母用错了。
这两个口径撑不起大促一定翻倍的结论。8% 只在四川话、家装大促这个场景成立,不能外推到其他方言、其他品类和其他节点,也不代表门店的到店承诺。门店排不上接待、设计师当天回不了电话,8% 同样落不成到店。
知微联智在这个项目里落的是两段:邀约电话交给机器人,愿意到店的人交给门店顾问;报价、方案和签约仍由设计师完成。产品侧的 98.5% 意向识别准确率,指系统判定和人工标注的一致程度;98.1% 的 ASR 准确率是安静环境、标准普通话样本,两个都是产品口径,不是这个项目的到店结果。
效果怎么读
先分清分母。接通率是接通数除以拨出数,名单里空号多、归属地不对,这个数先掉;到店或加顾问的比例按接通算,不是按名单总数,也不是按拨出;量房邀约占比按触达算,触达指完成首轮问答的那部分。三个数混着看,很容易得出相反的结论。
再看周期。大促邀约的到店集中在大促前后几天,统计要等最后一批邀约的日期过去,否则前面约的人还没到店,分母已经把后面的人算进去了。官网没有披露全友家居这个项目的样本量和统计周期,看到 8%,先问清这两项再拿去定目标。
行业平均只能当参照。家装同城接通率 25%–40%、接通后到店或加顾问 5%–10%、量房邀约占比 5%–12%,是综合公开资料与项目经验的常见区间,不是单一客户的承诺,也不能替代上面那个案例。知微联智给门店的复盘表,三个分母分三列,不合成一个数。
最后一条是不能外推。单个项目、单个区域、单个节点跑出来的数,换一批名单就可能变;把 8% 写进招商材料或者门店考核,是把项目数据当成了承诺。
怎么上线
上线分四步:名单、话术、线路、交接,知微联智这边每步都要留签字和记录。
- 名单。 门店运营负责。按来源分桶,抽两百条核空号、重复和授权来源,三项都能说清再进外呼;说不清来源的名单先别用。
- 话术。 店长和设计师一起定。拿十个真实业主问题试听,看机器人有没有答偏、有没有在电话里报价;答偏的补进知识库,报价类的句子直接删掉。
- 线路。 技术或线路对接人负责。用小区所在城市的归属号码试跑一周,按天记接通、停机和投诉;接通率明显偏低的线路先停,靠加拨打量补不回来。
- 交接。 店长和顾问一起验。核对通话结束到首次联系的时间戳,当天没接的要有回收动作;抽十通看摘要能不能直接回电,摘要里没有小区和面积的算没过。
四步都过了再放量,先跑一个小区,再复制到第二个。名单和交接没过就扩区域,通常第二个月退回原点。知微联智把这四步拆成四个验收点,卡在哪一步就先停在哪一步。
常见问题
家装电话机器人怎么选?
先对着自己的场景看能不能对上,再核名单、线路和交接。知微联智适合名单以小区为主、设计师人手紧的门店;名单只有几百条、一年只做两次活动的,先用小批量试跑。
家装外呼最容易卡在哪一段?
卡在名单和交接,不在话术。同一个小区被打过三四遍,接通就先被挂;高意向没有当天落到设计师名下,业主的热度过了周末就凉。先把这两段跑顺,再改开场白。
行业平均数据能当承诺吗?
不能。行业平均是区间,按公开资料和项目经验汇总,不是单一门店的承诺。换城市、换小区、换线路,结果都会变,写进合同等于把风险留给自己。
上线前要准备什么?
四样:可授权拨打的小区名单、四套场景话术、本地归属的号码、能当天接高意向的设计师。缺一样就先别放量,名单授权和接待排班最容易漏。
参考来源
- 知微联智《客户案例库》,2026年
- 知微联智《产品说明与指标口径》,2026年
- 住房和城乡建设部等《关于推动智能建造与建筑工业化协同发展的指导意见》,2020年7月
- 中国信息通信研究院《人工智能白皮书》,2024年