研讨会回顾：45 分钟构建 AI SDR

大多数销售团队仍处于被动应对模式。入站线索量大、响应慢，外呼销售代表也不足。

本文回顾了直播研讨会 45 分钟构建 AI SDR，讲解如何构建和部署 AI SDR 智能体。

为什么 AI SDR 智能体很重要

ElevenLabs 在构建 AI SDR 智能体前遇到的问题并不罕见。

其中包括：

1. 团队增长跟不上需求
2. 大量入站线索占用了外呼能力
3. 响应线索速度太慢
4. 非工作时间进入的线索回复很慢（例如：周五晚上提交线索，要等到周一才收到回复，之后可能还要等到周三才能开会）
5. 语言逐渐成为障碍
   

因此，自动化这项工作的商业价值显而易见。

AI SDR 智能体全天候运行，支持 70 多种语言，按既定标准筛选线索，并在通话中直接将会议安排到日历。无需交接等待，也没有时区阻碍。

目前成果：

1. 智能体可完成相当于 2 名全职 SDR 的工作量
2. 筛选准确率达 88%
3. 客户满意度平均为 8.7 分（满分 10 分）

演示 1：AI SDR 实战

场景： 潜在客户提交联系销售表单后联系 ElevenLabs。名为 Jon 的智能体接听电话，在完成筛选后预约会议。

演示内容：

• Jon 识别出潜在客户的使用场景：构建一个 语音智能体，用于订单状态更新，每周处理数千通客户来电
• 智能体回答了有关数据合规的安全问题，提及 SOC 2 Type 2、HIPAA、GDPR、欧盟数据驻留以及可签署 BAA，回答流畅无误
• Jon 逐一询问筛选问题：当前套餐、预计对话量和时间计划
• 潜在客户满足所有条件后，智能体进入预约流程
• Jon 询问潜在客户所在时区（伦敦），调用实时工具获取日历空闲时间，并提供具体时段
• 潜在客户选择周二下午 3:15。会议在通话中实时添加至日历
• 最后，Jon 询问满意度评分。潜在客户给出满分 10 分，智能体自动提取并记录该评分

为何重要： 这是一次无需人工 SDR 参与通话即可完成的完整筛选和预约 workflow。智能体处理了合规异议，完成多步骤筛选，使用实时日历集成，并为 CRM 收集结构化数据，全部在一次对话中完成。通话结束后，平台立即提供通话记录、工具调用日志、筛选结论和 CSAT 评分。

AI SDR 的核心组件

系统提示词
定义智能体的目标、个性、环境和防护规则。对于 SDR 智能体，这意味着明确筛选标准、界定智能体该讨论和不该讨论的内容，并说明其运行场景。一个早期经验是：保持系统提示词简洁，并将逻辑转移到 Workflows 中，可减少错误，让智能体表现更可预测。

Workflows
可将智能体拆分为多个节点，每个节点都有自己的目标和交接条件。使用编排节点确定正确路径，使用筛选节点按正确顺序提问，为非销售问题来电者设置支持路由节点，并在预约节点中配置工具。每个节点都可拥有自己的 LLM、知识库和防护规则。

知识库
为智能体提供准确回答问题所需的信息。可加载产品功能，以及来自 SDR 团队经验的 100 多个常见问题。

工具
将智能体连接到真实系统。预约智能体可使用日历集成（cal.com）查看实时空闲时间并预约会议。同一框架还支持更新 CRM、发送 Slack 通知和查询数据库。

分析与数据收集
上线前完成设置。定义二元成功指标、结构化数据点（使用场景、数量、时间计划、是否合格），以及从通话结尾自动提取的 CSAT 评分。通话结束后，所有变量都可在通话记录视图中查看。

最佳实践

1. 构建前先定义成功标准。 明确“合格”对具体使用场景意味着什么。标准要具体。智能体中的筛选标准，应与第一天给新 SDR 的标准一样清晰。
2. 先从一个 workflow 开始，再持续迭代。 ElevenLabs 智能体的第一个版本将所有逻辑都放在系统提示词中。迁移到 Workflows 后，智能体更准确，也更易于维护。
3. 让 LLM 与任务匹配。 简单编排逻辑可使用轻量模型。需要调用工具或复杂推理的节点，则使用能力更强的模型。这样区分可降低延迟。
4. 为每种语言选择原生克隆的音色。 对于多语言部署，使用针对特定语言原生克隆的音色，效果明显优于所有语言共用一种音色。
5. 尽早设置防护规则，并持续完善。 曾有潜在客户向智能体索要意大利面食谱。上线时无法预见每种边缘情况。应建立监控流程，并根据经验更新防护规则。
6. 使用动态变量实现运行时个性化。 在通话开始时将来电者姓名、公司或当前套餐传入智能体，可让对话更贴合需求，并减少澄清问题。
7. 在工具调用期间添加 音效。 智能体查看日历或写入 CRM 时，键盘输入声或简短音频提示能让体验更自然，避免安静又尴尬的等待。
   

观看完整活动

观看完整活动 点击这里。