工作坊回顾：45 分钟打造 AI SDR

大多数销售团队都处于被动状态。线索量大，响应慢，外呼人手不足。

本文回顾了直播工作坊45 分钟打造 AI SDR，详细讲解如何搭建并部署 AI SDR 智能体。

为什么 AI SDR 智能体很重要

ElevenLabs 在搭建 AI SDR 智能体前遇到的问题并不独特。

主要挑战包括：

1. 团队增长速度赶不上需求
2. 线索量大，影响外呼能力
3. 响应线索速度过慢
4. 非工作时间收到的线索回复慢（如：周五晚上收到线索，要等到周一才回复，之后还要再等到周三才开会）
5. 语言逐渐成为障碍
   

自动化这些流程的业务需求非常明确。

AI SDR 智能体可 24 小时运行，支持 70 多种语言，按预设标准筛选线索，并在通话中直接预约会议。无需转交，无时区障碍。

目前效果：

1. 智能体产出相当于 2 名全职 SDR
2. 筛选准确率达 88%
3. 客户满意度平均 8.7 分（满分 10 分）

演示 1：AI SDR 实际应用

场景：一位潜在客户提交销售联系表后联系 ElevenLabs。名为 Jon 的智能体接听电话，完成筛选后预约会议。

演示内容：

• Jon 识别出客户需求：打造能处理每周数千通客户来电的订单状态语音智能体
• 智能体回答了关于数据合规的安全问题，提到 SOC 2 Type 2、HIPAA、GDPR、欧盟数据存储和可签署 BAA 等，反应流畅
• Jon 逐一提问筛选问题：当前方案、预期对话量、上线时间
• 客户满足所有标准后，智能体进入预约流程
• Jon 询问客户时区（伦敦），调用实时工具获取日程空档，并提供具体时间段
• 客户选择了周二 15:15，会议在通话中实时预约到日历
• 最后，Jon 询问满意度评分。客户给出 10 分，智能体自动提取并记录分数

意义：整个筛选和预约流程无需人工 SDR 参与。智能体能处理合规异议、多步筛选、实时日历集成，并收集结构化数据用于 CRM，全部在一次对话中完成。通话记录、工具调用日志、筛选结果和满意度评分，通话结束后可在平台即时查看。

AI SDR 的核心组成

系统提示词
定义智能体目标、性格、环境和边界。对于 SDR 智能体，需要明确筛选标准、规定可讨论和不可讨论内容，并描述其工作场景。早期经验表明：保持系统提示词简洁，将逻辑转移到 Workflow，可减少错误，让智能体更稳定。

Workflow
可将智能体拆分为多个节点，每个节点有独立目标和交接条件。用编排节点确定流程，用筛选节点按顺序提问，用支持分流节点处理非销售问题，用预约节点集成工具。每个节点可用不同 LLM、知识库和边界。

知识库
为智能体提供准确答复所需信息。可加载产品能力和 100 多条来自 SDR 团队经验的常见问题。

工具
让智能体连接真实系统。预约智能体可通过日历集成（如 cal.com）实时查询空档并预约会议。该框架同样支持 CRM 更新、Slack 通知和数据库查询。

分析与数据收集
上线前设置。定义二元成功指标、结构化数据点（用例、量级、时间、筛选结果）和通话结束自动提取的满意度评分。所有变量在通话记录视图中一目了然。

最佳实践

1. 搭建前先定义成功标准。写清楚你用例中“合格”的具体含义，越明确越好。智能体的筛选标准应和新 SDR 入职时一致。
2. 先做一个 Workflow，再逐步优化。ElevenLabs 智能体的首个版本所有逻辑都在系统提示词里。迁移到 Workflow 后，准确率和维护效率都提升了。
3. 根据任务选择合适的 LLM。简单编排逻辑用轻量模型，涉及工具调用或复杂推理的节点用更强模型。区分后延迟也会降低。
4. 选择各语言原生克隆的音色。多语言部署时，使用目标语言原生克隆的音色，效果明显优于全语言统一音色。
5. 尽早设定边界，并持续完善。有客户曾让智能体推荐意面做法。上线时无法预见所有极端情况，需建立监控流程，持续更新边界。
6. 用动态变量实现实时个性化。通话开始时传入来电者姓名、公司或当前方案，可让对话更相关，减少重复确认。
7. 工具调用时加入音效。智能体查日历或写入 CRM 时，键盘声或短音效能让体验更自然，不至于冷场。
   

观看完整回放

观看完整回放点此查看。