使用 AI 智能分析功能

面向客户、业务、实施与技术协同的统一说明文档

快速阅读

如果您时间有限，建议先看这 5 部分：

1. 二、产品总览：AI 智能分析是什么，主要解决什么问题。
2. 三、核心概念：会话小结、意图分析、信息捕获、异常提取、挂断点、打断与耗时。
3. 四、主流程与数据关系：从通话/机器人会话产生到分析结果展示的完整链路。
4. 六、产品功能说明：分析评估、对话文本、交互日志、反馈标注、筛选导出和录音联动。
5. 附录 A～E：前置条件、分析字段口径、页面模块速查、排查清单和术语表。

阅读地图

一、文档说明

1.1 文档目的

本文档用于统一说明呼叫中心 AI 智能分析功能 的产品定位、分析对象、数据来源、页面模块、使用流程、上线准备和常见问题，帮助客户、业务、运营、质检、实施和技术团队理解如何基于通话文本、机器人会话和交互日志，对客户意图、问题解决、转人工原因、异常点和会话质量进行分析。

1.2 文档范围

• 覆盖：机器人记录详情中的智能分析模块，包括会话小结、意图分析、高频意图、意向标签、是否解决客户问题、转人工原因、信息捕获、异常提取、挂断点、对话文本、打断/忽略/耗时、交互日志与反馈标注。
• 适用扩展：呼入机器人、外呼机器人、AI 外呼、智能客服、质检复盘、客户意图识别、服务问题归因等场景。
• 不覆盖：机器人搭建完整流程、模型训练细节、算法实现、质检评分规则、ASR/TTS 底层实现、实时语音流配置。

1.3 适用对象与使用建议

内容基于现有机器人记录与分析模块能力整理，对外表述已做脱敏；具体页面字段、入口名称、模型能力和展示内容以实际系统版本与项目配置为准。

二、产品总览

2.1 AI 智能分析是什么

AI 智能分析是基于通话记录、机器人会话、转写文本和交互过程数据，对一通会话进行自动理解和结构化整理的能力。它可以帮助运营和质检快速了解客户为什么来电或为什么接听、机器人或座席是否解决了问题、哪些问题需要转人工、对话中是否存在异常，以及客户在什么环节挂断或打断。

人话总结：
AI 智能分析就是让系统先帮人“读一遍通话”，提炼出客户意图、会话小结、问题是否解决、转人工原因和异常点，减少人工逐条听录音、看全文的成本。

2.2 它主要解决什么问题

传统查看通话记录和录音时，运营人员常遇到：

1. 录音和对话文本太多，人工逐条查看成本高。
2. 很难快速判断客户真实意图。
3. 很难批量发现未解决问题和高频问题。
4. 转人工原因、挂断点、打断点分散在对话中，不易统计。
5. 机器人话术、知识库和流程问题缺少结构化反馈。
6. 质检和模型优化团队缺少统一的会话分析口径。

AI 智能分析通过结构化字段和详情页联动，把单通会话转化为可筛选、可导出、可复盘的分析结果。

2.3 典型分析对象

2.4 核心价值

三、核心概念

3.1 会话小结

会话小结是对整通会话内容的简要总结，用于快速了解客户诉求、机器人或座席处理过程以及最终结果。

3.2 意图分析

意图分析用于识别客户本次会话的主要目的，例如咨询、投诉、查询、办理、取消、回访确认等。意图可分为进线意图、高频意图或业务自定义意图。

3.3 意向标签

意向标签常用于外呼、营销、回访等场景，用于标记客户倾向，例如有意向、无意向、需跟进、拒绝、信息不明确等。

3.4 是否解决客户问题

该字段用于判断本次会话是否达成客户目标。它适合用于服务闭环分析、机器人效果评估和质检抽检。

3.5 转人工原因

转人工原因用于说明客户为什么从机器人服务转到人工，例如意图无法识别、客户要求人工、问题复杂、知识未命中、情绪异常等。

3.6 信息捕获

信息捕获是指 AI 从对话中提取结构化业务信息，例如姓名、订单号、地址、产品名称、问题类型、预约时间等。它通常以字段和值的形式展示。

3.7 异常提取

异常提取用于汇总会话中的未解决问题、异常诉求、风险表达、流程失败点或其它需要运营关注的信息。

3.8 挂断点

挂断点用于描述客户在会话中的退出位置，例如开场白阶段挂断、某个流程节点挂断、转人工前挂断、机器人播报中挂断等。

3.9 打断

打断表示客户在机器人播报或系统输出未完成时插话。打断次数高可能说明话术过长、响应不符合预期、客户急于表达或机器人节奏不合理。

3.10 忽略

忽略表示某条用户输入或系统输出未被纳入后续有效处理，可能与噪声、无效输入、重复内容或流程策略有关。

3.11 耗时

耗时用于观察转写、模型响应、语音合成或其它交互环节的处理时间。耗时异常会直接影响客户体验。

3.12 交互日志

交互日志记录会话过程中 ASR、模型、TTS、打断检测、知识推荐、流程跳转等关键环节的运行信息，主要用于排障、质检和模型优化。

四、主流程与数据关系

4.1 标准分析流程

客户与机器人 / 智能体产生会话
↓
通话过程生成录音、转写文本和交互事件
↓
会话结束或转人工
↓
系统沉淀机器人记录和对话文本
↓
AI 分析生成结构化结果
↓
记录详情展示分析评估、信息捕获、异常提取和挂断点
↓
运营 / 质检查看对话文本和交互日志
↓
按问题反馈优化话术、流程、知识库或模型策略

4.2 与机器人记录的关系

机器人记录
├── 列表：按时间、机器人、状态、意图、转人工等条件筛选
└── 详情：
├── 通话信息
├── 机器人信息
├── 分析评估
├── 信息捕获
├── 异常提取
├── 挂断点
├── 对话文本
└── 交互日志

AI 智能分析不是单独脱离记录存在的结果，而是依附在机器人记录详情中，帮助用户理解这段机器人会话的过程和结果。

4.3 与录音和转写的关系

录音
↓
转写文本
↓
对话文本
↓
AI 智能分析结果

录音是原始音频证据，转写文本是文字化内容，对话文本是按角色和轮次整理后的会话过程，AI 智能分析是在这些材料基础上形成的结构化结果。

4.4 与交互日志的关系

AI 智能分析用于看“会话结果是什么”；交互日志用于看“系统当时怎么处理”。当分析结果异常时，运营和技术可结合交互日志判断是客户表达问题、话术问题、知识命中问题、模型响应问题，还是语音识别和合成耗时问题。

五、产品能力地图

六、产品功能说明

6.1 分析评估

分析评估是 AI 智能分析的核心展示模块，通常包含：

使用建议：

1. 运营先看会话小结，再看意图和是否解决。
2. 质检重点关注未解决、转人工和异常会话。
3. 外呼场景可重点关注意向标签和客户拒绝原因。

6.2 信息捕获

信息捕获用于展示 AI 从对话中提取出的业务字段。

示例字段类型：

实施建议：

1. 上线前明确需要捕获哪些字段。
2. 字段名称应稳定，避免频繁变更。
3. 涉及个人信息时需遵循脱敏和权限规则。

6.3 异常提取

异常提取用于展示本次会话中需要关注的问题。

常见异常包括：

1. 客户问题未解决。
2. 客户表达不满或投诉。
3. 机器人未识别客户意图。
4. 客户多次重复同一诉求。
5. 知识库未命中。
6. 转人工失败或转人工等待过长。
7. 客户在关键节点挂断。

6.4 挂断点分析

挂断点用于分析客户在什么位置离开会话。

常见挂断点：

挂断点应结合对话文本和录音一起判断，不能单独作为结论。

6.5 对话文本

对话文本按时间顺序展示客户、机器人或座席的逐条消息，用于还原完整会话。

常见展示内容：

1. 说话角色。
2. 消息时间。
3. 文本内容。
4. 打断标识。
5. 忽略标识。
6. 相关耗时。
7. 知识推荐或事件类型。

使用建议：

1. 查看 AI 分析结论前后，应回看关键对话文本。
2. 对未解决、转人工、客户投诉类会话，应重点看客户原话。
3. 对高打断会话，应看机器人播报是否过长或不符合客户预期。

6.6 打断分析

打断分析用于识别客户是否频繁打断机器人。

高打断可能说明：

1. 机器人话术太长。
2. 客户意图强烈，不愿等待播报结束。
3. 机器人回答不符合客户预期。
4. 语音识别或播报节奏存在体验问题。
5. 客户处于投诉或焦急状态。

优化建议：

1. 缩短开场白和长话术。
2. 优化关键节点的停顿和确认方式。
3. 对高打断场景增加快速转人工策略。
4. 结合交互日志判断是否为误判。

6.7 忽略分析

忽略分析用于识别哪些输入未进入有效处理。

常见原因：

1. 背景噪声。
2. 无效语气词。
3. 重复输入。
4. 与当前流程无关的表达。
5. 系统策略判断不需要处理。

忽略并不一定是错误，需要结合会话上下文判断。

6.8 耗时分析

耗时分析用于观察通话中关键环节的响应速度。

常见耗时类型：

耗时过高会影响客户体验，可能导致客户重复提问、打断或挂断。

6.9 交互日志

交互日志用于还原系统内部各环节的处理过程，通常面向实施、技术支持、产品和模型优化人员。

常见用途：

1. 排查转写是否准确。
2. 排查模型是否命中正确意图或知识。
3. 排查语音合成或播放是否耗时过长。
4. 排查打断检测是否准确。
5. 回溯某条对话对应的系统处理过程。

6.10 反馈标注

反馈标注用于将人工判断回写给分析或优化流程。

常见反馈对象：

1. 打断判断是否准确。
2. 转写内容是否准确。
3. 语音合成是否异常。
4. 知识推荐是否正确。
5. 意图识别是否准确。

反馈标注可为后续模型、话术、知识库和流程优化提供依据。

6.11 筛选与导出

AI 智能分析结果可以作为筛选和导出维度。

常见筛选条件：

导出可用于日报、质检抽样、模型优化清单和业务复盘。

七、典型业务场景

7.1 呼入机器人服务复盘

运营人员按时间和机器人筛选会话，查看客户进线意图、是否解决、转人工原因和挂断点，判断机器人是否有效承接热线咨询。

7.2 外呼机器人意向分析

外呼任务结束后，运营人员按意向标签、是否转人工、客户拒绝原因等字段筛选机器人会话，分析客户接受度和后续跟进优先级。

7.3 未解决问题清单

质检或产品人员筛选“未解决客户问题”的会话，批量查看会话小结和对话文本，整理知识库缺口和流程优化项。

7.4 高打断会话优化

运营人员筛选打断次数较高的会话，结合对话文本分析是否存在话术过长、机器人回答偏离、客户情绪焦急等问题，并优化流程策略。

7.5 耗时异常排查

实施或技术支持人员通过交互日志查看转写、模型响应和语音合成耗时，定位体验慢的原因。

7.6 转人工原因分析

业务负责人按转人工原因统计会话，判断哪些问题机器人解决不了，哪些应补充知识，哪些需要直接前置人工入口。

八、上线准备与运营建议

8.1 上线前准备

上线前建议确认：

1. 机器人或智能体已完成基础配置并能正常接待会话。
2. 通话录音和转写文本可正常生成。
3. 机器人记录列表和详情可正常查询。
4. 分析评估字段已按项目需要开启。
5. 信息捕获字段已与业务方确认。
6. 未解决问题、转人工原因、意图标签等口径已统一。
7. 对话文本可展示客户与机器人消息。
8. 交互日志可用于排障。
9. 相关角色具备查看、导出、反馈标注权限。
10. 涉及客户隐私和敏感信息的字段已做好脱敏和权限控制。

8.2 运营建议

1. 每日关注会话量、转人工率、未解决率和高频意图。
2. 每周抽查未解决、高打断、高耗时会话。
3. 定期汇总信息捕获失败或缺失字段。
4. 对高频未解决问题补充知识库或优化流程。
5. 对高转人工原因做专项分析，判断是否应调整机器人能力边界。
6. 对异常耗时会话联动技术排查。
7. 对反馈标注形成闭环，不只标注不处理。

8.3 验收建议

九、建设边界

9.1 AI 智能分析不负责的内容

AI 智能分析不直接负责以下内容：

1. 创建机器人或智能体。
2. 配置完整 IVR 或外呼任务。
3. 保证所有意图 100% 识别准确。
4. 直接替代人工质检结论。
5. 自动生成最终业务处理结果。
6. 解决所有客户问题。
7. 替代录音和原始对话证据。

这些能力分别由机器人搭建、呼叫配置、质检体系、业务系统和人工运营流程共同承担。

9.2 与相关能力的边界

十、预期收益

上线 AI 智能分析功能后，可获得以下收益：

1. 复盘效率提升：快速查看会话小结、意图和异常点。
2. 问题定位更准：通过是否解决、转人工原因、挂断点定位服务短板。
3. 机器人优化更有依据：用打断、耗时、未解决问题和交互日志指导优化。
4. 运营分析更细：按意图、标签、转人工和信息捕获做精细运营。
5. 质检抽样更高效：优先筛选高风险、高价值或异常会话。

十一、FAQ

11.1 AI 智能分析结果可以直接作为最终结论吗？

不建议。AI 智能分析可作为运营和质检的重要参考，但对于投诉、争议、合规类问题，应结合录音、对话文本、业务记录和人工复核判断。

11.2 为什么有些会话没有分析结果？

常见原因包括未开启分析能力、会话文本缺失、会话过短、机器人未正常接待、分析任务尚未完成或数据仍在处理中。

11.3 为什么意图识别和人工判断不一致？

可能是客户表达含糊、上下文不足、业务词库未完善、机器人流程不匹配或模型判断存在偏差。建议结合对话文本和反馈标注优化。

11.4 打断次数高一定是坏事吗？

不一定。高打断可能说明客户急于表达，也可能是话术过长或节奏不合理。需要结合对话内容和挂断点综合判断。

11.5 信息捕获为空怎么办？

先确认该字段是否已配置、会话中是否真的出现相关信息、转写是否准确，再判断是否需要优化提示语或字段提取规则。

11.6 耗时高应该怎么排查？

建议按转写耗时、模型响应耗时、语音合成耗时、网络和播放链路逐层排查，并结合交互日志定位具体环节。

11.7 为什么转人工原因不准确？

转人工原因可能来自客户表达、流程规则、机器人判断或人工触发。若与实际不符，应结合对话文本和流程配置复核。

11.8 AI 智能分析和机器人报表有什么区别？

AI 智能分析更偏单通会话详情和结构化原因；机器人报表更偏周期汇总和趋势分析。两者应结合使用。

十二、总结

AI 智能分析功能是机器人记录从“可查询”走向“可理解、可复盘、可优化”的关键能力。它基于会话文本、录音和交互过程，将客户意图、问题解决情况、转人工原因、信息捕获、异常点、挂断点、打断和耗时等内容结构化展示，帮助运营、质检和模型优化团队更快发现问题并形成改进闭环。

实施时建议按“机器人会话可生成 → 对话文本可查看 → 分析评估可展示 → 信息捕获和异常提取可验证 → 交互日志可排障 → 筛选导出可运营”的顺序验收；运营时则应持续关注未解决、高打断、高耗时、高转人工和信息捕获失败等会话，推动机器人流程、知识库、话术和模型策略持续优化。

附录 A：前置条件速查

附录 B：分析字段口径

附录 C：页面模块速查

附录 D：常见问题排查

附录 E：术语表