什么是对话智能？企业指南

在大多数销售和客服对话中，讨论的大部分内容很少会在对话结束后被利用。通话结束后，相关人员在 CRM 中将其标记为已完成，对话最终变成一个再也不会被查看的录音文件。

对话智能正是防止这种情况发生的一层能力。它会捕获并转录对话，再通过 AI 分析将其转化为可供使用、并与团队和管理层共享的内部资源。企业因此能获得每次对话的完整记录，并按情感、异议和待办事项进行标记，而不再只是抽查部分对话进行内部审核。

本指南将介绍什么是对话智能、它如何运作，以及最常见的应用场景，帮助你将其用于与客户的沟通。

摘要

• 当通话量超过管理者可手动监控的范围，导致重要洞察被遗漏时，对话智能便体现出价值。
• 同一套流程可服务所有依赖对话的团队，涵盖销售辅导、客服质量、受监管行业的合规工作以及内部会议。
• 平台是否实用，取决于其在真实音频上的准确性，可通过按说话人归属计算的词错误率衡量，因为所有评分和摘要都依赖于底层转录文本。
• 高效的平台还需具备实时和批量模式、多语言覆盖、实体检测及 CRM 集成。ElevenLabs 通过 Scribe v2 和 Scribe v2 Realtime 提供这些功能，并支持 SOC 2、HIPAA、GDPR 和欧盟数据驻留。

什么是对话智能？如何使用？

对话智能是一种记录和转录客户对话的软件，随后利用 AI 将其转化为情感、主题、待办事项和异议等结构化洞察。它建立在两层能力之上：准确转录，以及从对话文本中理解含义的解读层。

这一解读层使对话智能区别于录音或普通转录文本。例如，通话录音通常只保留音频，而转录文本让相同音频可供阅读。对话智能则会识别发言者、讨论主题、尚未解决的问题，以及对话与既定目标的契合度，从而深化分析。

为了进一步说明实际应用，我们以一次销售通话为例。对话智能系统会执行以下操作：

• 转录音频：将通话转换为准确且带时间戳的文本，并标注每位发言者。
• 识别关键时刻：系统会标记定价问题、提及竞品、商定的后续步骤等关键讨论节点。
• 对话评分：依据预设框架衡量对话表现，例如说听比或需求探索问题覆盖率。
• 同步至 CRM：无需手动录入，即可将对话摘要和待办事项写入记录。

企业内各团队都可采用同样的对话智能模式。营收团队将其用于销售通话，客服团队将其用于服务互动，合规团队借此分析受监管的对话以确保数据隐私得到保障，产品团队则利用它更好地理解客户反馈，从而改进产品。

为什么对话智能很重要？对话智能的优势

企业希望将更多对话作为内部资源加以利用时，对话智能带来的价值也会随之增加。

对话智能的最大价值在于，将非结构化对话转化为企业可衡量和改进的数据。团队采用后，通常会获得以下优势：

• 改善辅导和入职培训：管理者可以审查整个团队的规律，而非只能旁听少数通话。新员工和其他成员可从高质量通话的真实案例中学习，而不只是学习理论。
• 减少行政时间，加快 CRM 录入：Salesforce《销售现状》报告近期数据显示，销售人员每周用于直接销售活动的时间不足 30%。其余时间花在行政工作、内部会议、手动调研和数据录入上。自动记笔记、更新 CRM 等必要行政任务，可让销售人员投入更多时间销售。
• 标记购买信号和潜在异议：对话智能的分析层会标记客户对定价的异议、竞品提及及其他关注点，避免遗漏重要主题。它帮助管理者审查反复提及定价或竞品的对话，并制定改进策略。
• 跨团队协作：通话洞察可传递给市场、产品和管理层，而不是局限在单一部门。通过找出其他部门可提供支持的领域，这有助于改进企业的销售和客服流程。

这些优势会随着时间不断累积，因为同一套分析会应用于每次对话。从对话中学习并提炼洞察，正是对话智能的设计目标。

对话智能如何运作

目前，市面上大多数对话智能平台，无论供应商是谁，均采用五阶段流程。该流程包括：

• 数据采集：从源头获取已录制或收集的对话，例如电话、聊天脚本，或 Zoom、Teams 等视频会议平台中的对话。
• 转录：通过语音识别技术将音频转换为文本，生成可搜索的记录。
• AI 分析：自然语言处理（NLP）和机器学习（ML）模型处理文本，以识别情感、关键时刻和待办事项。部分平台会在通话中实时分析，并向销售代表提供指导。
• 洞察：将对话分析转化为可用结果，例如反复出现的异议、定价问题或其他相关信号。
• CRM 集成：将洞察和通话摘要同步至 Salesforce 或 HubSpot 等 CRM 平台，无需持续手动录入即可更新记录。

深入了解转录层

虽然五步流程涵盖了整个处理链路，但第二步中的“转录”至关重要，后续阶段的效果取决于这一环节。下面从技术角度了解对话智能中的转录如何运作。

1. 说话人分离：将转录文本的每个片段归属于特定说话人，标记谁说了什么。在销售通话中，这项功能可让辅导工具计算说听比，并确认销售代表是否提出了大多数问题。说话人分离在已完成的录音中相对容易，因为模型可以比较通话开始和结束时的声音。但在实时场景中则更具挑战性，因为系统必须在不知道后续内容的情况下分配说话人标签。
   
   
2. 实体检测：识别转录文本中的特定信息类别，如姓名、日期、美元金额或账号，并为每项附加精确时间戳。这让平台能够建立“所有提及竞品的通话”的可搜索索引，而无需人工阅读每份转录文本或收听每次通话。它也让呼叫中心能够对处理 PCI 或 PHI 数据的内容进行脱敏，以满足合规要求。
   
   
3. 多语言处理：涵盖通话中的自动语言识别，以及团队实际用于与客户沟通的各种语言的准确转录。仅支持英语的平台，一旦客服团队开始接听西班牙语、葡萄牙语或日语通话，就会完全遗漏这些对话。

ElevenLabs 的文本转语音功能通过单一 API 覆盖以上三项能力，支持最多 32 位说话人的说话人分离、实体检测，覆盖 PII、PHI 和 PCI 类别的实体类型，并支持超过 90 种语言的转录。

对话智能与对话式 AI

这两个术语经常被混淆。两者的区别在于，对话式 AI参与语音对话，而对话智能负责分析这些对话。

对话式 AI包括聊天机器人和语音智能体，它们可通过回答问题或响应支持请求，直接与客户交谈。对话智能在幕后运行，不会与客户互动；它会监听正在进行的对话并从中提取洞察。

两者相辅相成，而非相互竞争。在企业的对话相关业务中，它们各自承担独立职能。例如，在ElevenAgents 等平台上运行语音智能体的客服团队，可像分析人工通话一样，运用对话智能分析由智能体处理的通话。对话智能的目标是评估智能体在哪些查询中处理得当，又在哪些情况下需要升级处理。

对话智能应用场景

对话智能会根据团队的具体应用场景以不同方式运行，所带来的优势也因部署场景而异。主要应用场景包括：

销售辅导

销售主管可按特定技能建立通话库，例如异议处理或需求探索提问，并利用这些案例加速新销售代表入职，同时明确整个团队的成功标准。

客服质量

客服主管能够以前所未有的规模审查客服人员通话。对话智能可帮助他们发现语气问题、未完整解决的问题或脚本缺口，且无需实时旁听通话。如果在引入账单问题后，多个对话中都出现情感评分下降，这种模式值得采取行动。

合规与风险检测

医疗保健、金融服务等许多受监管行业使用对话智能来确认是否完成必要披露，并标记包含敏感信息的通话。尤其是在讨论社会保障号码（SSN）等个人身份信息（PII），或未经敏感数据处理的医疗诊断信息时更是如此。实体检测让这一场景得以大规模落地，无需依赖人工审核员发现每一个实例。

产品反馈挖掘

产品团队审查客服和销售转录文本，以识别反复出现、却从未在其他地方正式记录的功能请求或困惑点。如果投诉只出现一次，可能只是噪声；但同一投诉在 40 次通话中出现，就应成为产品路线图中需要解决的事项。这类投诉可提示产品团队产品特性和功能可能存在的缺口。

使用 ElevenLabs API 构建对话智能

支撑对话智能平台的基础设施，本质上主要是一个文本转语音问题，只是在此基础上增加了若干特定要求。

如需转录多次已录制的通话，Scribe v2可处理音频和视频文件，提供说话人分离、词级时间戳和实体检测。对于实时分析，Scribe v2 Realtime可通过约 150 ms 的延迟流式输出转录文本，从而在通话中而非通话结束后提供实时辅导提示或合规提醒。

对话智能平台对基础设施层的要求：

• 通过说话人分离和角色标记区分客户与客服人员的发言，这是所有需要识别说话人的辅导指标的基础。
• 部署实体检测可自动识别并掩盖敏感细节，无需在保存或共享转录文本前依赖人工审核。
• 同时提供批量和实时选项，因为合规审核与实时辅导需要不同的延迟水平。
• 支持与团队客户所用语言相匹配的多种语言，而不只是总部使用的语言。

这些功能共同构成对话智能产品的转录层。分析和辅导逻辑仍由团队自行构建，或从专门的 CI 供应商处采购。

使用 ElevenAPI 开始

Scribe v2和 Scribe v2 Realtime 通过单一 API 提供对话智能所需的转录层，包含说话人分离、实体检测和词级时间戳。了解ElevenLabs 文本转语音，查看支持的模型和语言。

如果你正将对话智能构建到自己的产品或内部工具中，创建免费账户，开始转录第一通电话。文本转语音 API 参考文档涵盖说话人分离、实体检测和语言支持的全部参数。

常见问题