AI 智能体、外包还是内部团队？
不要为整个公司只选一种模式。每种来电类型都用同一套因素、按您自己的权重打分，怎么组合，交给分数决定。
先说结论
这个选择要按来电类型来做，而不是全公司一次定下。一种来电类型就是一个业务流程，对应一个预期结果，比如查询订单状态、修改预订、投诉或报价跟进。
每种来电类型都按同样的七个因素打分：来电量、复杂度、服务时段、语言、管控、需求波动和例外情况。每个因素的权重由您自己定，每个方案打 1 到 5 分，再比较加权总分。哪个方案总分最高，这种来电类型就交给它。
结果往往是经过权衡的组合。在下文的算例中，订单状态交给 AI 智能体，退货申请交给外包呼叫中心，破损投诉留给内部团队。每个方案也都有明确不该选的情况。以 AI 智能体为例，需要人工判断、风险高或情绪激烈的电话就不该交给它。
为什么全公司只用一种模式行不通
查订单状态的电话和破损投诉电话，打的是同一个号码，除此之外几乎没有共同点。前者查一下就能答复，一天可能打来很多次，什么时间都有。后者很少见，客户情绪激动，最后还要做一个和钱有关的决定。
全公司统一选一种模式，等于把这些电话平均成一个答案。结果总有一些来电类型分到不合适的方案：AI 智能体去接怒气冲冲的客户，资深员工整天在报送货日期，或者一份为简单电话签的合同，却要覆盖您最难处理的那些电话。这个决定应该落在电话真正有差别的那一层：来电类型。
第 1 步：列出您的来电类型
“我的订单到哪儿了？”是一种来电类型。“客户服务”不是，因为它包含很多业务流程，各自的结果都不一样。
从电话系统或 CRM 里取最近一个月的来电，按来电原因分组。每种来电类型记下以下几项：
- 来电量：每月多少通电话，高峰周会有多大变化。
- 服务时段：在您办公时间以外打来的电话占多大比例。
- 语言：来电客户使用哪些语言。
- 例外情况：有多少电话会偏离预期流程。
- 出错代价：答错一次的代价，可能是金钱、客户，也可能是法律风险。第 2 步中复杂度和管控的权重定多高，就取决于这一项。
月度总数会掩盖高峰，所以还要看最忙的那一周、那一小时，具体方法见我们的季节性来电量规划指南。先从来电量最大或问题最多的五到十种来电类型做起。
第 2 步：先定权重，再打分
每个因素的权重在 0 到 3 之间：0 表示这个因素对该来电类型无关紧要，3 表示非常重要。权重要按来电类型分别设定，因为同一个因素对不同电话的分量不同。比如管控，对投诉可以是 3，对订单状态也许只有 1。
在任何人给方案打分之前，先把权重写下来，每项附一句理由。分数一旦摆在眼前，就很容易反复调整权重，直到心仪的方案胜出。为了方便计算，我们的算例中每种来电类型的权重加起来都是 10，不过总数是多少都可以。
第 3 步：给每个方案打 1 到 5 分
针对每个因素，看每个方案处理这种来电类型有多合适：
- 5 分：不做调整就很合适。
- 3 分：可以用，但需要额外的配置、成本或监督。
- 1 分：不合适，需要变通处理。
介于中间的情况用 2 分和 4 分。分数同时取决于方案和来电类型：同一个 AI 智能体，复杂度一项在订单状态上可以得 5 分，在投诉上只得 2 分。下面的决策表列出了什么时候该给某个因素高权重，以及每个方案在什么条件下能得高分。
| 因素 | 您的权重（0 到 3） | AI 智能体得高分的条件 | 外包得高分的条件 | 内部团队得高分的条件 |
|---|---|---|---|---|
| 来电量 | 这种来电类型在全部来电中占比很大，记 3 | 来电量大且重复性高，配置和测试的投入能摊到大量电话上 | 来电量能填满您签约的坐席；注意核对最低来电量要求 | 现有团队就能承接这些来电量，无需新招人 |
| 复杂度 | 电话需要深厚的专业知识、要用到多个系统，或涉及代价高的决定，记 3 | 处理步骤能写成书面规则，相关系统也能对接 | 服务商的员工能按您的政策接受培训，并获得系统权限 | 电话需要深入的产品知识，或只有您自己的员工才能做的决定 |
| 服务时段 | 很多电话在晚间、深夜或周末打来，记 3 | 电话不分时段打来，也无需安排夜班 | 合同覆盖您需要的时段，包括夜间和周末 | 电话集中在您团队现有的工作时段 |
| 语言 | 来电客户使用您团队不会说的语言，记 3 | 每种语言都在电话线路上针对这个业务流程测试过，而不只是列在清单上 | 合同写明每种语言、每个班次都配有母语员工 | 这种来电类型需要的每种语言，您自己的员工都会说 |
| 管控（质量、数据、品牌口径） | 电话涉及品牌风险、敏感数据或金钱上的决定，记 3 | 您需要每通电话都使用审定的话术，并且每通都有记录 | 合同为您提供录音、质检报告和明确的数据规则 | 您想自己招人、培训、听通话录音、做决定 |
| 需求波动（高峰） | 来电量会随促销活动、季节或突发事件骤增，记 3 | 高峰来得突然，而约定的并发通话容量足以覆盖 | 能在短时间内增加培训好的坐席；注意核对提前通知期 | 需求足够平稳，排班时既不会有闲置工时，也不会长时间排队 |
| 例外情况 | 电话经常偏离预期流程，或者在例外情况下出错代价很高，记 3 | 例外情况少见且已知：智能体能处理，或者转人工 | 合同允许服务商的员工处理例外；注意核对他们有权决定什么 | 您的员工可以自己拍板、请教同事，或者修改规则 |
加权总分的算法：每项分数乘以对应权重，把乘积相加，再除以权重之和。总分仍落在 1 到 5 分之间。两个总分很接近时，别让小数点来做决定：回头再看权重最高的那个因素，或者像下文那样把来电类型拆开。
成本没有单列一行，因为对三种方案来说，费用都取决于来电量、服务时段和高峰。等分数把某种来电类型的候选缩小到两个方案，再按单次解决成本来比较，而不是按每分钟或每个坐席的价格。
算例：一家零售商，三种来电类型
本节所有数字都是为本文编写的示例，不是真实企业的数据。
示例企业在两个国家在线销售大家电，由自己的配送团队送货上门。公司的内部团队工作日按办公时间上班，说本国语言，其中两人也会说第二种语言。大部分来电集中在三种来电类型：
- 订单状态：每月约 6,000 通电话。其中 40% 在办公时间以外打来，促销周来电量翻倍。偏离预期流程的电话很少。
- 退货申请：每月约 1,500 通，两种语言都有，很多在晚上打来。大约每五通就有一通需要做出判断：商品已经用过、配件缺失，或者申请超出了退货期限。
- 破损投诉：每月约 300 通，大多在办公时间内。来电客户正在气头上，通话最后要决定是退款还是换货。
以订单状态为例，AI 智能体的总分为 3 × 5 + 0 × 5 + 2 × 5 + 1 × 4 + 1 × 4 + 2 × 5 + 1 × 3 = 46，除以 10，得 4.6。
| 订单状态 | 权重 | AI 智能体 | 外包 | 内部团队 |
|---|---|---|---|---|
| 来电量 | 3 | 5 | 4 | 2 |
| 复杂度 | 0 | 5 | 4 | 5 |
| 服务时段 | 2 | 5 | 4 | 2 |
| 语言 | 1 | 4 | 5 | 2 |
| 管控 | 1 | 4 | 3 | 5 |
| 需求波动 | 2 | 5 | 3 | 2 |
| 例外情况 | 1 | 3 | 4 | 5 |
| 加权总分 | 4.6 | 3.8 | 2.6 |
| 退货申请 | 权重 | AI 智能体 | 外包 | 内部团队 |
|---|---|---|---|---|
| 来电量 | 1 | 4 | 4 | 3 |
| 复杂度 | 2 | 3 | 4 | 5 |
| 服务时段 | 2 | 5 | 4 | 1 |
| 语言 | 2 | 4 | 5 | 2 |
| 管控 | 1 | 4 | 3 | 5 |
| 需求波动 | 0 | 5 | 3 | 2 |
| 例外情况 | 2 | 2 | 4 | 5 |
| 加权总分 | 3.6 | 4.1 | 3.4 |
| 破损投诉 | 权重 | AI 智能体 | 外包 | 内部团队 |
|---|---|---|---|---|
| 来电量 | 0 | 3 | 3 | 5 |
| 复杂度 | 3 | 2 | 3 | 5 |
| 服务时段 | 0 | 5 | 4 | 4 |
| 语言 | 1 | 4 | 5 | 2 |
| 管控 | 3 | 2 | 3 | 5 |
| 需求波动 | 0 | 5 | 3 | 2 |
| 例外情况 | 3 | 1 | 3 | 5 |
| 加权总分 | 1.9 | 3.2 | 4.7 |
结果为什么是这样：
- 订单状态交给 AI 智能体（4.6）。权重大多落在来电量、服务时段和高峰上，而这几项正是它得分最高的地方。
- 退货申请交给外包（4.1）。外包呼叫中心既能由人来判断，又能覆盖晚间时段，两种语言也都有母语员工。内部团队最擅长判断，但晚上没人值守。
- 破损投诉留给内部团队（4.7）。权重集中在复杂度、管控和例外情况上，而 AI 智能体恰恰在这几项得分最低。
AI 智能体的语言一项得 4 分而不是 5 分，因为在这个示例中，它的第二种语言还没有在这类电话上测试过。
没有哪种模式能在三类电话上都胜出。结果是同一条客户线路上经过权衡的组合，每一部分的安排都有书面理由。
权重一变，胜者易主
现在保留退货申请的全部分数，只改权重。上面那套权重是判断优先：公司希望每一笔退货都由人来决定。假设公司改为覆盖优先，希望每通退货电话都能尽快接起，晚上和促销后的几周也不例外。服务时段和需求波动的权重随之提高。为了让权重总和保持在 10，复杂度、语言和例外情况各让出 1 分。
| 退货申请 | 权重（判断优先） | 权重（覆盖优先） |
|---|---|---|
| 来电量 | 1 | 1 |
| 复杂度 | 2 | 1 |
| 服务时段 | 2 | 3 |
| 语言 | 2 | 1 |
| 管控 | 1 | 1 |
| 需求波动 | 0 | 2 |
| 例外情况 | 2 | 1 |
| AI 智能体加权总分 | 3.6 | 4.2 |
| 外包加权总分 | 4.1 | 3.8 |
| 内部团队加权总分 | 3.4 | 2.7 |
同一种来电类型，同样的分数，胜者却换了。AI 智能体从 3.6 升到 4.2，超过了从 4.1 降到 3.8 的外包。方案本身什么都没变，变的只是优先级。
由此可以得出两点。第一，定权重才是真正的决策。第二，如果谁胜出取决于您更看重判断还是覆盖，这种来电类型往往包含了两个业务流程。那就把它拆开：退货期限内的常规退货交给一个方案，需要判断的退货交给另一个方案。通过转接，两部分仍然可以在同一条线路上处理。接手的人需要哪些信息，请看我们的语音 AI 中的转人工指南。
每个方案什么时候不该选
每个方案都有不该接的电话。用下面的清单检查您的打分：如果某种来电类型的胜出方案，正好命中它自己清单上的某个警示信号，就再看一遍。
AI 智能体
- 需要人工判断的电话：纠纷、酌情补偿的决定，以及没有书面规则可循的协商。
- 高风险电话：安全事故、医疗或法律问题，或者涉及大额款项，答错一次代价太大。
- 情绪激烈的电话：来电客户生气、悲伤或害怕，需要有人倾听。
- 以例外为主的电话：几乎每通电话都不一样，根本没有固定流程可循。
- 没有系统权限的电话：智能体如果读不到订单、改不了预订，就只能记下留言。
外包
- 每周都在变的知识：价格、规则或产品变得太快，外部团队来不及重新培训。
- 您不愿下放的决定：超过限额的退款，或者政策之外的例外。
- 第三方不能接触的数据：按照您的数据规则，这类电话需要的记录必须留在公司内部。
- 与合同不匹配的来电量：某种来电类型的来电量太小或太不规律，和您能谈到的最低来电量、提前通知期条款对不上。
- 代表品牌形象的电话：您希望每一通都亲自听、亲自把关。
内部团队
- 工作时间以外的电话：晚上和周末的电话没人接，就意味着丢单或送货失败，而您又不想安排夜班。
- 高峰陡峭：按高峰配人，就要为闲置工时买单；按平均配人，高峰时就会漏接电话。
- 团队不会说的语言：为一种每天只有几通电话的语言专门招人，很难说得过去。
- 大量查询类电话：熟练员工把时间花在例行回答上，而不是解决问题。
- 急需扩充人手：需要加人的速度，快过您招人和培训的速度。
怎么开始：先做一种来电类型，再做下一种
- 选一种来电类型。选来电量最大的，或者眼下问题最多的。
- 先就权重达成一致。运营和采购一起定，对结果负责的人也要参与。
- 分开打分，再做比较。两个人各自打分，任何一个因素相差 2 分及以上，就拿出来讨论。
- 整个来电类型切换之前，先测试。让胜出方案先承接一部分来电，现有模式保留作兜底，再在同类电话上比较结果。如果胜出的是 AI 智能体，下一个决定可以参考我们的自建还是采购的决策框架。
- 把这些因素写进协议。无论哪个方案胜出，您打分时考虑的服务时段、语言、高峰容量、例外规则和数据权限，都要写进合同或服务范围。
- 接着做下一种来电类型。情况一有变化，就给该来电类型重新打分：进入新市场、增加新语言、换季，或者出台新政策。
DRING 能帮上什么
在这张表里，DRING 提供的是 AI 智能体这一方案。如果您的某种来电类型在 AI 智能体一栏得分高，先用一个实际运行的智能体测试这一个业务流程，再决定其他来电类型。准备好这类电话一个月的记录，在公司规定允许的前提下附上录音，并写明每通电话应该达到的结果。每个 DRING 智能体在接第一通真实电话之前，都会跑 1,000 至 10,000 次专为您企业生成的模拟对话。
每个 DRING 套餐都包含转人工，转接时附带对话内容；Pro 及以上套餐还提供实时转接。这样，整套组合就能在同一条线路上运行：智能体接下自己得分高的来电类型，其余的转给负责处理的人。如果某种来电类型的语言权重很高，请注意：DRING 支持 62 种语言，目前 10 种已上线；您的语言会在上线前完成验证。语言如何验证，请看我们的多语言语音 AI 指南。