用戶增長三駕馬車之話術篇

提到話術，很多讀者可能第一感覺就是沒太多技術含量，文字游戲而已。但筆者不這么認為，于細微處見精神，往往細節(jié)之間決定業(yè)務的效果差異。而且相比于模型和策略需要依賴于數(shù)據(jù)來決策和優(yōu)化，話術可操作性更高。并且話術的調整周期較短，所需成本也相對較低。在模型和策略相對穩(wěn)定的的業(yè)務周期內，如果能對話術做適合的調整，業(yè)務說不定會收到意外的成效。

下面主要從引擎內核適配、文案內容優(yōu)化、意向規(guī)則調整、效果驅動決策幾個方面來說明一下話術優(yōu)化的方向。

一、引擎內核適配：

1、ASR優(yōu)化：

其實大多數(shù)的AI供應商，一般會采購BAT或者科大的ASR引擎，然后基于此做整體語音的方案，包括不限于自建對話管理平臺，短信聚合平臺以及線路調度平臺。那讀者可能有疑問了，如果都用的是外呼采購的ASR，那這塊的差距就是采購引擎本身之間的差距，和供應商自身能力無關。其實目前的AI基本還是屬于監(jiān)督學習狀態(tài)，有多少的人力就會體現(xiàn)多少的智能。在ASR能力差距不大的情況下，通過話術設計的技巧，和NLU的調整，例如增加關鍵字的正則表達可以從一定程度上補足ASR的問題。而且調整語音質檢發(fā)現(xiàn)的問題，也可以提升話術整體交互的自然度和順暢度，從而提升整體客戶意愿，且能一定程度上降低投訴。

2、NLU優(yōu)化：

這里其實有兩種方式：到底是關鍵詞主導還是算法驅動主導。其實對于筆者而言，一切還是需要根據(jù)實際效果和場景來定。一般來說，在新產品或者語音訓練較少的場景，在某些話術節(jié)點上采用關鍵詞為主，語義理解為輔的方式;在一些常用的場景或者場景相對封閉的，在話術的個別節(jié)點可以嘗試先走語義理解。

在一些智能客服的場景中，為了更好的幫助用戶解決來電問題，會采用伴飛和接力模式：伴飛是智能語音的節(jié)點遇到問題時，這時候由人工跟進對話解決完問題后再交由機器人跟進和人對話，當然這里也會涉及前后語音的一致性以及對用戶的無感切換問題，不在此篇展開;接力模式即語音交互遇到問題后，后面的交互完全轉交給人來解決。

3、TTS優(yōu)化：

這里主要是變量和錄音銜接的平滑度以及錄音的自然度和給人的信任感。這部分調整到位的話可以減少質疑人工的比例，增加交互的輪次，提升產品信息傳導的幾率，來提升整體的轉化率。

二、話術文案優(yōu)化：

這里涉及到一個概念，即用戶節(jié)點旅程：即一個用戶進入語音交互后，經歷了哪些節(jié)點。這里主要的衡量指標包括主流程是否交互完成，知識庫命中情況以及通話時間。我們主要從知識庫命中優(yōu)化、節(jié)點打斷調整、節(jié)點內容優(yōu)化三方面來說：

1、知識庫命中優(yōu)化：

之前筆者也被問到過這類問題，說接通的高意向用戶中，命中知識庫的比例很低，那優(yōu)化知識庫對業(yè)務提升關系不大。其實筆者認為知識庫的調整還是可以提升高意向客戶的比例以及轉化。這里可以從幾個角度來分析：

知識庫是否應該被命中而未被命中;

知識庫是否場景覆蓋度不夠，從而無適合的知識庫匹配;

是不是進入了和用戶咨詢業(yè)務不匹配的知識庫;

最后才是這個知識庫的說法問題，是否有效回答了用戶的問題;

所以，一定先要解決第一點，即確保從用戶的問答中流轉到所期望的知識庫，這部分應該是最容易調整的，也是容易忽視的。

2、節(jié)點打斷調整

這部分涉及如何確定主流程和知識庫節(jié)點是否支持打斷，以及不支持打斷的節(jié)點陳述完成的適合時間問題。一般讀者可能會想，所有節(jié)點都應該被打斷，這樣才顯得智能。但在現(xiàn)實情況中，由于語音引擎能力的限制，節(jié)點通常因為噪音或者環(huán)境音影響陳述不完就會被打斷，完成不了主要信息的傳達，會使得營銷效果達不到預期。其實換位思考一下，如果你和一個同事在聊天，旁邊有另一個同事不斷打岔，可以預期你和同事的交談質量肯定不高，甚至主要要傳達的意圖對方也沒理解。所以是否支持打斷，以及在哪些場景支持打斷需要AI引擎的能力結合客群的特性來設計。

在一些不支持打斷的節(jié)點，AI陳述的內容過長，自然會增加質疑是否機器人的可能。這個問題顯而易見。我們可以在實際觀測中發(fā)現(xiàn)哪些不支持節(jié)點的掛機比較多，或者通過錄音發(fā)現(xiàn)，在哪些節(jié)點質疑是否人工的比例大，來做節(jié)點相應的調整。

3、節(jié)點內容優(yōu)化

這部分主要就是三方面的考慮，即促轉化、增意向和抑投訴。

促轉化：增強對高意向客戶的高頻命中的知識庫優(yōu)化，促進成單;

增意向：增加對低意向的客戶二次邀約以及優(yōu)化兜底話術;

抑投訴：一般來說造成投訴的原因主要是用戶被反復營銷，這部分可以通過名單去重規(guī)則來控制外呼頻次。另一部分和錄音的擬人度和語音交互自然度有關;

三、意向規(guī)則調整：

一般我們以通話時長、是否主動掛機、是否有拒絕或投訴傾向、對話輪次數(shù)量、知識庫的命中程度以及在交互主流程最后經歷的節(jié)點為核心指標來確定高低意向。所以，話術的設計和意向規(guī)則的分類是一個有機整體，不可單獨劃分來看。

這部分比較敏感，但是我們還是可以從幾個角度來分享下筆者對意向規(guī)則的理解：

1、知識庫權重和流程設計：筆者來看，命中不同的知識庫，權重應該區(qū)分設計。而且在不同的知識庫，是否能被打斷以及如何跳轉下一個節(jié)點，這里的設計也值得斟酌;

2、不明意向用戶規(guī)則設計：規(guī)則一個作用是盡量區(qū)分高意向客群，另一個作用是如何識別哪些語音交互中無意向，但實際有轉化的客群。這部分就需要和甲方一起配合，進行一定的策略測試，以期最終達成預期的業(yè)務效果;

四、效果驅動決策：

以上兩部分更多是從AI供應商自身的數(shù)據(jù)分析來看，如何做優(yōu)化。如果和甲方深度合作，可以將效果進一步提升。即除了模型需要樣本外，AI其實也需要樣本。這個樣本除了在日常外呼產生的錄音進行訓練和質檢，甲方提供的轉化樣本名單更可以從另一種視角來分析如何優(yōu)化話術，可以從更多維度來分析客群特性。

這里筆者列舉了一些可以優(yōu)化的方向：

轉化人群高頻命中知識庫;

轉化人群高頻命中節(jié)點;

轉化人群高頻掛機節(jié)點;

投訴人群高頻命中知識庫;

投訴人群高頻掛機節(jié)點;

投訴人群高頻命中節(jié)點;

在本篇中，筆者講述了話術優(yōu)化的一些觀點和想法。筆者從自身經驗角度，介紹了模型、策略以及話術的在用戶增長業(yè)務中的作用和優(yōu)化思路，供讀者參考。

來源：增長黑客

以上是關于用戶增長師的相關信息，以供大家查看了解。想要了解更多用戶增長師信息，第一時間了解用戶增長師相關資訊，敬請關注唯學網用戶增長師欄目，如有任何疑問也可在線留言，小編會為您在第一時間解答!