跳转到正文
分享一个业务流程。DRING 两分钟内给您回电,梳理具体需求。 两分钟内接到回电
2 分钟内接到回电 查看 Agent Factory
客户案例

DRING 智能体在真实通话中做什么

五个已上线项目,每个都按各自统计周期逐通衡量,短至一小时的外呼任务,长至上线一整年。

客户案例按行业匿名发布,不写客户名称。书面同意公开名称的品牌列在参考客户页面。下面记录了五个项目,每个都注明统计周期;更多项目成熟后,名单会继续增加。

行业业务流程核心数据
电商,翻新电子产品呼入客服、外呼回访、门店热线约 75% 无需转人工即解决
金融,数字支付呼入客服,满意度调查试点92.6% 即时接听
B2B 分销经销商外呼任务高意向线索率 17.3%
物流,货运撮合平台呼入司机热线,全天候100% 即时接听
物流,国际平台外呼线索筛选194 条合格线索
电商,翻新电子产品

大部分呼入电话由 AI 处理

60% 至 80%呼入电话由 AI 处理,上线一年后
约 75%其中无需转人工即解决的对话
最高 81%运营成本降幅(本项目)

土耳其一家大型翻新电子产品交易平台,交易量很大:订单状态、分级设备的保修核查、退货,每天都在大规模发生。使用 DRING 之前,呼入量经常超出客服团队的承受能力,促销和补货期间等待时间越拉越长。平台也没有稳定的办法在交付后回访买家,或为门店分支单独配置一条热线。

智能体

三个智能体,覆盖三个节点

呼入客服智能体接听主线,读取订单记录,在通话中解决保修和退货问题,电池健康度争议这类翻新机特有的情况也包括在内。外呼智能体在交付后给买家打电话,做简短的满意度回访。另一个智能体负责门店和分支的客服热线。

呼入客服已上线
您好,我上周买了一台翻新手机,订单号 48213,电池健康度比页面上写的低。
您的订单我这边看到了。翻新机入库时会按电池健康度分级,您这台标的是 89%。如果现在显示的比这个低,我可以马上帮您提交保修申请。
好的,麻烦您了,现在显示是 81%。
保修申请已经提交了。一小时内,换货或退款的选项会出现在您的账户里。
处理结果通话中解决
处理时长平均约 40 秒
  1. 调研

    梳理来电原因

    在写任何提示词之前,先梳理出来电量最大的几类原因:订单状态、保修、退货。

  2. 搭建

    三个智能体,一套订单系统

    呼入客服、外呼回访和分支热线三个智能体,都基于平台的订单和 CRM 记录搭建。

  3. 测试

    翻新机特有的边界情况

    上线前,模拟对话已覆盖分级争议和电池健康度读数不符等情况。

  4. 上线

    逐步放量

    智能体先承接一部分呼入量,解决率稳定之后再接管整条线路。

  5. 优化

    开启转人工后的调优

    开启转人工后,平均处理时长降到约 40 秒。随后团队调整了转接规则,让智能体不再把自己能解决的电话转出去。

指标结果说明
无需转人工即解决~75%上线一年后的数据,需要时带上下文转人工
运营成本优势最高降低 81%对比同一业务流程双方约定的纯人工基线
AI 承接的呼入占比60% 至 80%第一年内逐步增长并稳定在这一区间,例外情况仍有人工支持
月度通话量1.7 万至 1.8 万通上线一年后的当前稳定水平
处理量约 4.3 万通一个 2.5 个月的统计周期内
可用时间全天候,无需排队无论几点来电都不用等
平均处理时长约 40 秒自开启转人工以来
我们的收获

约 75% 的对话无需转人工即结束,遇到需要人工判断的情况仍可升级处理。在这个项目中,运营成本比双方约定的纯人工基线最多低 81%。AI 承接的占比从上线起稳步增长,第一年内稳定在 60% 至 80%,值得关注的是这条趋势,而不是某一周的峰值。开启转人工后,平均处理时长降到约 40 秒,但也暴露出转接过多的问题,这需要单独调优,和解决率是两回事。回访和分支热线两个智能体,覆盖了呼入主线接触不到的环节。

DRING 工作流演示 · 翻新电子产品外呼

试听这个业务流程

外呼跟进时核对订单和电池健康度记录,然后提交相应的申请,不会把仍在处理中的问题说成已解决。
金融,数字支付

92.6% 的来电即时接听

47930 天内的交互次数(客服 417,调查 62)
92.6%呼入电话即时接听
70.3%对话得出明确结论
96.9%正面情绪

一家数字支付平台通过电话处理交易状态、支付失败和账户问题。这类电话里,每多等一分钟,客户都会觉得不对劲。客服量在增长,问题又都很急。平台还希望在客服交互之后有可靠的办法衡量满意度,而不是靠偶尔人工回访。

智能体

在线客服,加上满意度调查试点

呼入客服智能体读取账户和交易状态,能在通话中解决的当场解决;需要人工判断或要人工向银行查询时,带完整上下文转人工。另一个外呼智能体在客服交互之后开展满意度调查试点。

支付客服已上线
您好,我昨天转了一笔账,现在还显示处理中。
我这边看到了,这笔钱现在在收款银行那边,一般 24 小时内会到账。到账的时候我马上给您发短信。
好,那要是明天还没到呢?
那我会直接向银行发起查询,您不需要做什么。如果 24 小时后还是处理中,回复那条短信就行。
处理结果AI 已解决
情绪正面
  1. 调研

    梳理主要来电类型

    经梳理,转账处理中、支付失败和账户问题是来电量最大、也最紧急的几类原因。

  2. 搭建

    接入账户系统

    智能体读取的是实时的交易和账户状态,而不是缓存快照。

  3. 测试

    模拟争议场景

    上线前,交易失败和扣款争议等场景都以模拟对话跑过一遍。

  4. 上线

    上线客服主线

    呼入智能体上线后接听客服主线,随时可以转人工。

  5. 优化

    调查先做试点

    外呼满意度调查先在较小的人群中试点,之后再决定是否扩大规模。

指标结果说明
交互次数(30 天周期)479客服 417 次,调查 62 次
即时接听的来电92.6%无需排队
得出明确结论的对话70.3%40 通由 AI 独立解决,218 通带上下文顺利转人工
情绪96.9% 正面
调查试点推荐得分+54平均 8.4/10,n=13,样本较小
我们的收获

在支付领域,即时接听比在大多数业务线上都更重要:92.6% 的即时接听率,让客户在智能体处理具体问题之前就建立了信任。只看解决率会低估这个结果:在得出结论的 70.3% 对话中,大部分转给了人工,其中 218 次转接都带着完整上下文,客户不用把问题再说一遍。调查试点的推荐得分为 +54,令人鼓舞,但 n=13 的样本太小,还不能算趋势。下一步是扩大样本再跑一次,然后再下结论。

DRING 工作流演示 · 数字支付呼入

试听这个业务流程

一次平稳的客服对话:核对支付情况,说明已知信息,记录后续跟进,不会把仍在处理中的问题说成已解决。
B2B 分销

约一小时触达 117 家经销商

117目标经销商
92%经销商接通率
98完成的真实对话
17.3%高意向线索率,共 17 条线索

一家 B2B 科技分销商要在经销商网络中推一项新优惠。这份名单靠关系维系,语气和接通率同样重要。如果人工逐一打给 117 家经销商,一名销售大约要花一整个工作日,而销售团队没有时间去做这种未必能成交的外呼。

智能体

先外呼,再分配

外呼任务智能体按经销商名单逐一拨打,介绍优惠,并询问是否需要销售跟进报价。有兴趣的经销商被标记为高意向线索,智能体还记录下了原话术范围之外的交叉销售意向。

经销商外呼外呼
您好,我是 DRING,代表您的分销商打来,想跟您说一下新的元器件产品线。您现在方便聊两分钟吗?
可以,您说。
这个月我们开放了早鸟价。需要安排销售给您报个价吗?
要的,我们其实正好在看这个,让人联系我吧。
处理结果高意向线索已转销售
反馈正面
  1. 调研

    划分经销商名单

    写外呼话术之前,先梳理了 117 家经销商的名单和这次的优惠内容。

  2. 搭建

    设计优惠话术

    智能体按这个目标搭建:介绍优惠、回答基本问题、为销售标记意向。

  3. 测试

    模拟经销商的异议

    常见的推托理由,比如时机、价格、老版本产品,上线前都在模拟中跑过。

  4. 上线

    拨完整份名单

    这次外呼任务在一个时段内打完了全部 117 家经销商。

  5. 优化

    抓住额外信号

    原话术之外冒出来的交叉销售意向,现在已成为后续外呼任务有意收集的信息。

指标结果说明
目标经销商117
接通的经销商92%
完成的真实对话98
转给销售的高意向线索17占对话的 17.3%
任务时长约一小时人工大约需要一个工作日
正面反馈97.2%
发现的交叉销售机会4超出原任务范围
我们的收获

一名销售要花大约一个工作日才能打完的外呼任务,约一小时就完成了。但如果通话体验不好,速度本身没有意义。97.2% 的正面反馈,才让这份速度真正有用,毕竟经销商关系要经营好几年。4 个交叉销售机会并不在任务的设计目标里。这提醒我们:对话式智能体能带回话术之外的信息,下一次外呼任务应当有意收集,而不是当成附注一笔带过。

DRING 工作流演示 · B2B 分销外呼

试听这个业务流程

一次简短的外呼对话,谈库存、时间,以及和客户经理的下一次沟通。
物流,货运撮合平台

一条全天不打烊的司机热线

56上线头五天的来电
100%即时接听,无需排队
87.5%真实对话占比
21.4%工作时间以外的来电占比

一家货运撮合平台连接司机和货源。司机在路上,什么时候有空就什么时候打电话,问在售货源、运价和自己的资料。开通这条热线之前,工作时间以外的来电没人接。这部分需求其实一直存在,只是看不见:没有人接听和记录,谁也不知道到底有多少。

智能体

一条线路,随时接听

呼入热线智能体回答在售货源和运价问题,记录司机资料,遇到议价就带着已整理好的上下文升级给团队处理,无论上午 9 点还是凌晨 2 点都一样。

司机热线已上线,02:14
我问一下伊兹密尔到安卡拉那单货,运费多少?
那单是固定价。如果您想再高一点才接,我可以把您的报价转给团队。
行,帮我转一下,高一点我就接。
好的,我现在就转过去,这单截止前会有人联系您。您还有别的事吗?
处理结果议价已升级给团队
时间工作时间以外
  1. 调研

    梳理司机来电原因

    经梳理,在售货源、运价咨询和资料更新是司机来电的核心原因。

  2. 搭建

    接入货源信息板

    智能体读取的是实时的货源和运价数据,而不是一份固定清单。

  3. 测试

    模拟议价电话

    上线前,运价异议和还价等场景都在模拟中跑过。

  4. 上线

    从第一天起全天候

    线路一上线就是全天候运行,而不只在工作时间接听。

  5. 优化

    关注工作时间外的规律

    司机实际来电时间的早期数据,正在指导这条线路和升级规则的下一轮调优。

指标结果说明
来电(头 5 天)56
即时接听100%无需排队
真实对话87.5%
正面结果34.7%4 单被接下,6 次议价已升级,6 份司机资料已记录
工作时间以外21.4%有的在凌晨 2 点
正面反馈87.8%
我们的收获

21.4% 的来电落在工作时间以外,有的在凌晨 2 点。这部分需求在热线上线前就存在,只是无处可去,有人接听之后才第一次被看见。不是每通电话都要彻底解决才算好结果:把议价升级给团队,并附上司机的上下文,本身就很有价值。五天的周期很短,87.5% 的真实对话和 34.7% 的正面结果只是初步读数,还不是稳定趋势,随着来电量增长值得继续观察。

DRING 工作流演示 · 货运撮合平台呼入

试听这个业务流程

司机在办公时间以外来电,拿到继续干活所需的运营信息。
物流,线索筛选

从沉睡线索中筛出 194 条合格线索

6,804目标范围内的企业
2,513已联系的企业
1,602完整对话
194转给销售的合格线索,占 12.1%

一家国际物流平台积压了大量已经冷掉的线索:这些企业曾经沟通过,既没有成交,也没有正式关闭。如果人工去跟这批线索,就得把销售团队从正在推进的单子上拉下来,去打一批可能没有结果的电话。

智能体

先筛选,再分配

外呼筛选智能体用五周时间拨打这批沉睡线索,确认对方是否仍有货运代理需求,并问几个筛选问题。合格的企业连同这些上下文一起转给销售。

线索筛选外呼
您好,之前我们和贵司团队聊过货运代理的事,现在您这边还有需要吗?
有的,我们现在国际业务比以前多了。
好的,了解。您每个月的集装箱量大概是多少?我好帮您对接合适的销售。
一个月 40 个左右,主要是海运。
处理结果合格线索已转销售
反馈良性
  1. 调研

    划分线索池

    开始拨打之前,先从沉睡线索池中确定了 6,804 家目标范围内的企业。

  2. 搭建

    设计筛选话术

    设计了几个简短的筛选问题,把真正有意向的企业和没有希望的区分开。

  3. 测试

    模拟冷淡反应

    没兴趣和怀疑的回应都在模拟中跑过,让智能体能得体地结束通话,而不是硬推。

  4. 上线

    分五周进行

    这次外呼任务在五周内分阶段拨完联系人名单,而不是一次性打完。

  5. 优化

    带上下文转交

    合格线索连同筛选问题的回答一起分配给销售,销售从已知信息出发,而不是面对一份陌生名单。

指标结果说明
拨出电话9,666
目标范围内的企业6,804
已联系的企业2,513
完整对话1,602
转给销售的合格线索194占对话的 12.1%
良性反馈95.1%满意或中立
节省的销售团队时间36 小时对话全程不占用销售团队
我们的收获

最大的意外是:这批被团队认定已经冷掉的线索,95.1% 的反馈是良性的(满意或中立)。沉睡线索大多只是没人回电的线索。真正的瓶颈是接通,而不是转化:6,804 家目标企业中,五周内联系上 2,513 家。所以规划下一次外呼任务时,要先估算一个周期内实际能接通多少家企业。对销售来说,关键数字是筛选合格率,即对话的 12.1%,而不是 9,666 通的总拨打量。

DRING 工作流演示 · 物流外呼

试听这个业务流程

一次聚焦的外呼筛选电话,分清真实的物流需求和客气的拒绝。
DRING 文章

来自一线的记录。

部署语音智能体的经验长文,从医疗旅游、酒店到呼叫中心运营。全部文章

行业

AI 如何推动医疗旅游增长

当问诊登记、筛选和跟进都由说患者母语的语音智能体完成,国际患者的转化流程会发生哪些变化。

阅读
行业

用逼真的 AI 智能体提升医疗旅游中的患者参与度和满意度

患者决定去国外问诊之前,为什么电话里的声音必须像一位真正的同事。

阅读
行业

酒店客源多元化:深入看多语言宾客关系

当前台热线能说每位客人的语言,酒店的客源结构就能更多元。

阅读
行业

重大突破的足迹:AI 智能体在传统行业的应用

AI 智能体如何应用在数字化程度较低的传统行业。

阅读
质量与测试

复制顶尖员工:团队型智能体在语音 AI 方案中的作用

如何在语音 AI 中用团队型智能体复制顶尖员工的做法。

阅读
运营模式

突破呼叫中心瓶颈:招人难会成为过去吗?

呼叫中心的招聘瓶颈,以及语音 AI 是否会改变这道算术题。

阅读
如何解读这些数字

逐通衡量,按行业发布。

每个案例只报告其业务流程跟踪的指标,这些指标都来自同一套四项定义,因此结果可以跨行业、跨时间比较。

由 AI 处理

由智能体接听并自行处理的电话占比,结果是问题解决,或带上下文转人工。转成回电的电话不计入。其中多少通无需人工即结束,会单独报告。

即时接听

第一声铃响即接听、无需排队的电话占比。按整条线路统计,包括夜间和节假日。

目标达成率

以外呼任务预设的结果结束的对话占比:一条线索筛选合格、一个预约完成、一份调查填完。

客户反馈

通话结束时的客户情绪。每次对话都会打上情绪标签,并定期抽样与人工评审结果比对。

其他已上线项目

已有智能体上线的行业,客户案例正在整理中。

这些项目已经上线,但还没有写成案例。每个项目积累到足够的生产数据、能注明统计周期之后,就会发布客户案例。

按行业匿名。客户案例只写行业,不写客户名称。公开署名的品牌列在参考客户页面,经客户同意后,我们可以安排参考客户通话。请在联系页面提出申请。

下一个客户案例,可以是您的线路。

留下您的号码,DRING 两分钟内给您回电,一起确定第一个智能体的范围。上线之后,它会和上面每个案例一样接受同样的衡量。