容联七陌王琦：构建AI营销的三角引擎：场景×技术×增长闭环

亮点总结：

容联七陌智能客服营销产品专家 王 琦

 文末获取直播回放及嘉宾分享PPT  

2018年前后，关于应用实践大模型的探讨已然出现，特别在DeepSeek横空出世后，各界关于AI应用的焦虑感越来越强烈，业内同仁围绕“如何抓住AI”“如何借助AI赋能业务”“如何借助AI技术把业务做得更好”等焦点问题不断进行深入思考，以期寻找到智能时代下的破局方法论。

那么作为AI应用方案的提供商，做好AI营销便是时代赋予我们的课题之一。

“AI营销”是一个看上去很美，实际落地很难的概念。

第一由于场景碎片化，无法嵌入销售流程。营销过程中的每一个细节、每一个场景都可以延伸出不同的策略，这些策略在落地的过程当中又需要不断地实验，受当前AI能力的局限，营销很容易走偏。

二是技术堆叠，模型装上去但难以调优。部分公司存在技术崇拜，认为过去无法解决问题是受技术局限，如今新技术出现后，一定要应用新技术来解决问题，但事实证明这一认知并不一定正确，因为如今AI做的事情仍然是在不断迭代和优化重复性的工作，释放人的生产力，很多过去无法解决的问题，仍不能完全交由AI来解决，甚至很多人工能够解决的问题，对于AI来说却是无解的。因此AI的应用需要根据不同的业务场景来进行。

三是闭环断裂，触达后无法追踪和反馈。受限于AI的能力（比如ChatBI），如果把BI的场景交给AI，很容易出现一些幻觉问题。究其根本，在于懂技术的人不懂业务场景，懂业务场景的人却不懂技术。

图 嘉宾分享PPT

（一）AI营销不是“工具组合”，而是“系统工程”。

我们希望通过底层的大模型能力赋能相应的产品。但是在赋能的同时，不希望与之发生深度耦合，而是以“点对点”的形式生产产品模块，其中的产品模块是可迭代的，可以随着技术的突破进行迭代。

同时，在数据闭环部分，ChatBI并不可行，只能通过人工把数据反哺给AI，并通过人工策略把AI放在具体的场景里，以这样的方式搭建出系统化、工程化的营销场景，并顺利运行起来。

容联的方案贯彻“不是做一个模型，而是搭一个‘能跑’的引擎”的底层逻辑。

其中的引擎其实就是在大模型危机里，把大模型嫁接到一些业务场景当中，在这些业务场景当中产出业务数据，并把业务数据通过策略输入到不同的AI模型中，进而让整个闭环的数据能够帮助AI不断进化，逐渐加深AI对特定场景的认知，执行效率会不断得到提升。

（二）AI营销的三角引擎结构的三个支点分别是什么？

图 嘉宾分享PPT

第一是营销场景的落地。即营销已经落地的功能，包括意图打标，思域话术助手，自动执行任务等。

第二是对合适的技术能力判断。现在大众对于AI技术普遍有两个认知，第一个认知是现在AI无法解决的问题，未来一定会得到解决；第二是筛选现有技术解决当下的业务需求，选取当前技术中的最优解，进行合理的资源投入。

第三是闭环机制，除了智能体通信协议（例如MCP、A2A等）的内容引人关注外，AI进化相关的内容同样备受瞩目。

AI的进化需要靠具体场景下产生的数据不断反哺给AI，然后进行具体场景的编辑，让AI能够理解场景，进一步实现在单点上的涌现。

容联闭环机制的建立是希望未来在客服营销领域，实现“营销层面上的AI进化的先行者”这一目标。

营销场景中，需要解决的是如何让模型真正“跑起来”的问题。

第一，智能外呼能力发起。容联的这项技术一直处于比较稳定的状态，但我们仍然认为这应该归类在“不应该用AI解决的”类目当中。在经过了多年尝试后，虽然系统可以稳定地、有策略地、批量地执行外呼计划，但让AI来承担任务的发起者的角色是完全没有必要的。

第二，关于ASR（语音识别），这是容联上半年的业务重点。我们支持中英自由说和英粤自由说混合识别，提供多语种支持包括：泰、西、越、印尼、马来、菲律宾等东南亚地区语言以及国内的一些方言，可以扩大在AI语音方面的业务范围，并不断地提高识别精准度，目前整体通用字识别率可达90%。

图 嘉宾分享PPT

第三，关于TTS（语音合成）。图中的模型链路（如上图）看起来十分专业，但其实是一个老旧的模型。

近年来，我们一直在关注一些前沿的模型，包括很多海外的端到端的或基于情感的模型，国内技术因受限于模型本身的能力尚无法应用这些前沿模型，但是我们一直在关注并且时刻准备着，只要国内“端到端”或者“情绪识别”技术取得了突破性的进展，我们第一时间应用之后，便会得到更流畅、更富人性的AI语音。

第四，AI的标签能力。如今我们的技术具备在AI客服、AI营销对话的过程中实时生成标签的能力，并且它会在标签生成的过程当中优化话术。标签的生成不光支持关键字，还包括用户的轨迹、情绪、行为等多个方面。

在这一过程当中，AI可以根据用户反馈对标签进行实时更新，及时覆盖初始的错误标签。随着对话进程的推进，AI对用户的了解会越来越深入，当AI获得了标签之后，可以利用标签改变自己的话术，并不断向着最终目标发起进攻或者达成结果。这是在营销领域一定要做到并且要做好的事情。

同样，有了标签之后，还可以做更多的增长策略，可以基于标签进行策略分配。

第五，关于BI。目前，由于底层能力尚未取得重大突破，所以容联在BI方面运用的仍是过去的方法，即搭建BI报表。

在此过程中，如果客户觉得某项指标不够好，或者某一链路与其现在的业务逻辑有所冲突，可以随时反馈，我们可以敏捷地响应到BI的构建中去。

（一）某头部保险集团全资子公司

近年来受利率下降的影响，部分养老保险的热度有所提升，但随之也带来了新的问题。

业务虽然在扩张，但过去并没有充足的团队储备，营销团队跟不上用户的订单，客户的痛点随之出现：首先是已有订单业务持续积累，电话打不完；其次是即使接通率可观，但转化率却始终得不到提升。

针对这样的痛点，我们的应对方案是：

第一是在案例清洗层面，把所有的案例先用AI进行外呼，筛选出不同意向的客户群体并做好标签，根据客户意向进行下一步服务，极大提升了人工效率。

二是AI本身和以前的客服不一样，AI营销本身是能够与客户进行交流的，在交流过程中，只要客户表现出意向，AI会自主进行下一步引导，并把得到的数据留存在数据库中。以前的销售是以电销为主的业务型销售，而现在，销售升级成了两重身份，既负责业务销售，同时又负责业务管理，管理着AI销售的4—8个席位，极大提高了人效。

经过这两个场景的优化之后，每年大约能为客户节省300多万成本。随着底层模型的进化，功能逐渐完备，人员操作越来越熟练，客户的收益将会越来越高。

（二）某经营财产保险业务的全国性保险公司

该案例与上一案例中的业务场景不同，它是需要进行续费或者是二次回访的长尾场景。在这样的场景中，客户不希望通过人工处理业务，而是借助技术进行提效。完全用AI来执行业务，首先需要我们把话术搭建好，并在客户回馈之后，让AI自动提取会话过程中的关键字，对客户进行打标，对内容进行打标。之后再将这些有效信息反馈给业务团队，帮助不断改进业务场景。

虽然不同场景当中应用的是同一套AI架构和同一套AI能力，但针对不同的业务场景，仍然需要与客户深入沟通，进而定制适合相应场景的解决方案。

一是能力解锁。今年Q3、Q4即将落地的能力包括“端到端”“监听”“打断”“多模态识别”“统一的标签自动归因”“进化”的能力，这其中有些是海外模型能够做到的，国内也有一部分正在进行，我们的能力时刻跟随国内的技术迭代在不断更新。

二是结构联动。即由人机协同变成模型驱动，这部分需要AI具备基本的场景辨识能力，即让AI去理解场景，让Agent代理业务。

三是智能体驱动组织转型，常见于现在海外比较前沿的paper或者开源项目组，他们追求的是用AI调用AI，把整个业务场景交付给AI，如此便只需把业务目标输出给AI即可，无需人工沟通策略。四是Agent超越知识问答到业务代替，让整个AI成为商业集合体，所有内容均由AI来进行推送。

图 嘉宾分享PPT

上图是通过AI的基础能力能够支持的业务场景。