- 現代的 IVR 系統結合語音辨識與 NLP,超越了笨拙的選單,可處理基本查詢、收集資訊和路由來電。
- 成本低於完全自主的語音代理。
- IVR 遵循定義的路徑,並使用預錄的提示,使簡單的使用個案更容易維護。
- 為了避免讓使用者感到挫折,請保持選單簡短、測試並精進流程,並在客戶需要人工協助時,始終提供通往即時代理的明確路徑。
"如果你想和人類說話,就說「人類」"
「人類」
"抱歉,我找不到符合「古巴」的選項。如果您想說......"
嘆息。
互動式語音回應 (IVR) 系統的好名聲現在已被拖入泥沼。
而且,我的意思是,很公平;你絕對可以稱他們為AI 語音代理家族中醜陋的後輩。
它們笨重、過時、不實用。當我們透過手機就能使用最先進的應用程式時,與機器人進行語音對話感覺就像是使用這些口袋裡的強大裝置最不方便的方式。
我為什麼還要寫這篇文章?
哦,是的[清喉嚨]
......但身為語音技術的行家,以及時尚應用程式設計的愛好者,我有一些支持自動化電話流程的見解。
這是客戶支援的最低門檻,而且支援技術 -NLP(自然語言處理)和 ASR(自動語音辨識)已經有了長足的進展。
有了適當的設計,誤聽關鍵字和永無止境的選單都可能成為過去式。
因此,請跟我一起踏上旅程,讓我帶您了解系統的各個部分、現今的使用方式,並強調這項技術的一些獨特優點。
因為雖然您一定想過 IVR,但我敢打賭您從未真正思考過 IVR。
什麼是 IVR?
IVR(互動式語音回應)是一種自動化電話系統,企業可將其作為功能表來引導客戶完成支援通話。這些系統有能力回答常見問題、執行基本任務,以及轉接至線上客服人員。
IVR 將真人座席從基本的查詢、調度和資訊蒐集中抽離出來,將真人座席保留給更細緻或敏感的個案。
有了訊息庫(通常是預先錄製的)和讀取使用者輸入的能力,這些數位客服代表就能卸下大部分的人工客服工作。
IVR 系統如何讀取使用者輸入?
傳統系統使用 (Dual-Tone Multi-Frequency) DTMF 來讀取使用者的輸入。這就是撥號板按鍵與選項對應的地方。
(這也是為什麼鍵盤上不同的數字會發出不同的聲音)。
您知道,「如需英語,請按 1」。
有些人仍在使用。但是,在大多數情況下,事情已經變得相當辣 🌶️。
隨著語音技術的進步,這些系統可以整合更強大的機制來識別關鍵字,甚至執行自然語言處理 (NLP) 來從使用者的語音中擷取意義和情感。
IVR 如何運作?

1.初次呼叫
當客戶撥打專用電話線時,即啟動 IVR 流程。
2.問候語和選單
客戶會看到一系列的選項。同樣地,這些選項都是事先錄製好的。
這些服務包括檢查銀行帳戶餘額、有關公司政策的簡單常見問題,或在交給真人客服人員之前填寫初步資訊。
3.使用者輸入
使用者選擇一個選項。系統有幾種不同的方式來讀取使用者的輸入。
雙音多頻 (DTMF)
DTMF 是經典。它簡單明瞭。可以理解的是,它不太受歡迎 - 如果您要打電話,您就想說話。
另一方面,這也是收集使用者輸入的最少資源需求方式。
政府服務機構使用得最多,因為這些機構尚未建立完整的協助入口網站,而且希望查詢最終都能交由即時服務人員處理。
語音指令識別
這是要求使用者說出與他們所選的選項相關的單字,例如:「如果您想檢查您的帳戶餘額,請說「餘額」」。
這項技術自面世以來,已在過去數十年間取得重大進展。
您可能習慣了令人沮喪的、低準確度的識別(就像開場白中的例子一樣),但這與過時的 IVR 系統有關,而不是語音指令識別的能力。
自動語音辨識 (ASR) 與 NLP
先進的系統可能會選擇使用 NLP 系統進行完整的語音辨識。
這就是使用者以純語言說出他們的選項,並使用以深度神經網路為基礎的演算法來轉錄使用者的輸入並加以分類,例如:「是的,呃,我要存款」。
資源相對較少的系統可以執行相當快速且精確的 ASR 與 NLP 模型,而公司也在這種設定下看到驚人的正面成果。
4.路由
根據系統的結構和顧客的回應,顧客隨後會被轉到下一個步驟。
他們可能會被提示輸入個人資訊,例如信用卡號碼或出生日期。他們也可能被分派到後續的選單,裡面有更多特定的選項。
IVR 對 AI 語音代理
因此,如果您在客戶支援聊天機器人上加上語音包裝,是否就能使其成為 IVR 系統?
我想,技術上來說。
雖然 IVR 是指具有預定流程和預錄訊息的系統。
在這種情況下,代理使用預錄訊息提示使用者從多個選項中選擇一個,並據此進行路由。
在語音 AI 代理的情況下,使用者對代理說話,代理會動態產生回應。代理可自主決定何時喚起什麼工具,如果有的話。
IVR 使用預先錄製的訊息和嚴格的使用者輸入來引導使用者完成一個流程。使用者在每一步都會看到一系列的選項,並且必須選擇適當的選項。
另一方面,人工智能語音代理可以使用某些工具,並能夠解釋使用者的輸入,以決定喚起哪一個。它還能動態產生回應,而不是播放預先錄製的訊息。

何時應該使用 IVR 而非語音代理?
房間裡的大象:當我們手邊有流暢、自主、會話式的代理時,為什麼還要煩惱一步一步的語音啟動系統?
如果您已經在 IVR 中使用 AI 對使用者的意向進行分類,為什麼不選擇完全自主的系統?
很高興你問了。
預算緊縮時
不算語音識別 (兩個系統都會有),人工智慧在 IVR 中的應用可歸結為將使用者的說話歸類為n 個範例(通常 >10)中的 1 個。
另一方面,自主代理會調用多個LLM (大型語言模型) 來判斷使用者的意圖、撰寫回應,並使用文字轉語音 (TTS)來產生相關的音訊,所有這些動作都可能成本高昂並增加回應時間。
例如,您可能有非常長的公司政策或常見問題頁面,以及數百個可能來自客戶的詢問。
預先定義這些問題,以及讓客戶坐在錄製的菜單中尋找他們的問題,都是不可行的。在這種情況下,代理人顯然是最好的選擇。
當您的流程尚未完全定義時
自主代理更強大,但可預測性較低。
請記住,它們會自行做決定。這意味著每次都會運行一系列的操作,使得錯誤難以調試。
我知道,因為我花了數小時來調試它們。
這是沒問題的。這是開發的一部分,但時間投資最好留到您確定資料、工作流程結構和需求已經存在時再花。
而 IVR 則是讓所有這些元素排成一線的好方法。
明確定義步驟並逐一指導使用者完成這些步驟,是更有助於組織資料和瞭解流程的方式。
我始終認為 IVR 有其優點,而且比完整的 AI 代理能更好地解决簡單的問題。
但是,如果不出意外,您可以將它視為邁向完全自動化的踏腳石。
IVR 的優點
IVR 系統如此普及是有原因的。
儘管我們所處的時代已經有更大、更壞、更聲音化的客戶支援技術,但我認為 IVR 仍然值得一看。
安全性
我們忙於談論人工智慧在哪些方面做得和人類一樣好,卻往往忘記了它超越我們的所有方式。
其中之一就是語音辨識。例如,「唉,那是 Tom 的聲音」與「那不是 Tom」。

對於金融或個人資訊等敏感事項,自動語音流程可讓公司有機會根據說話者的身份驗證其聲音,從而識別可能無法發現的詐欺行為。
改善 CX
當您沒有足夠的人力接聽每一通來電時,您需要一些東西來幫忙。
被幫助總比被擱在一旁好。
即時客服代表是很棒的。但是,如果即時客服代表已瞭解來電客戶的需求,並根據他們的專業知識進行派遣,那就最理想不過了。
降低成本
這個是兩方面的。
首先,卸下客戶服務的瑣事總是可以節省成本。查詢簡單的客戶不需要特別個人化的服務,而 IVR 可以執行簡單的任務或提供快速的回應。
雙贏
在另一端,它是 AI 代理和聊天機器人的廉價替代品。
企業急於全面導入 AI 代理來自動化客戶支援,卻沒有考慮 IVR 等較便宜的自動化方式。
與機器人相關的成本不只是工具和技術。
設計一個具備明確工作流程的低成本系統,是收集客戶需求資料的絕佳方式,並可在您準備啟動完全自主系統之前,學習如何以最佳方式自動化流程。
更有效的路由選擇
使用明確的工作流程步驟 (最好再加上一點人工智能的魔力) 可以大幅改善派遣工作。就像實際上提供客戶所需的協助一樣。
AI 擅長在嘈雜的資料中找出模式。
AI 並非 IVR 的固有部分,但加入一些機器學習來預測使用者行為模式是相對簡單的。
使用 IVR,您可以收集有關客戶資料、他們關心的問題,以及某些即時服務人員對該問題的協助程度的資料。
在路由時,IVR 必須決定要交給哪位即時代理。
也許一位代理更瞭解資料庫遷移問題,而另一位則更瞭解登入憑證問題。雖然代理程式 3 最適合處理企業方案使用者的憑證問題。
要學會所有不同的代理/關心/檔案組合將是一生的追求。
但對於 AI 而言,那只是資料而已。
全天候支援
即時客服代表可能無法全天候提供服務,但您可以在零散時間收集必要資訊、設定客服代表有空時的回電時間,以及回答快速的一次性問題。
這將降低客戶端的摩擦,使即時客服人員的工作時間更有效率,並有可能釋放資源,讓您可以在非高峰時段雇用即時客服人員。
跨產業的 IVR 使用案例
各行各業的公司都見證了效率與滿意度的提升,尤其是將 IVR 與 NLP 相結合的公司。
銀行
我在文章中多次提到銀行業,因為我認為這是 IVR 的一大用途。
無論如何,確保交易安全意味著至少要驗證使用者的身份數次,然後再指定交易的詳細資料。
大部分都是相對簡單但敏感的資訊:信用卡號碼、存款金額。只要 IVR 是可靠且安全的,它就非常適合銀行業。
事實上,實施以自然語言為基礎的 IVR 已協助銀行展現高水準的控制力(不需要交給真人客服人員),並改善安全性。
醫療
COVID-19 期間的人員配置挑戰顯示出在醫療照護領域實現有效的自動化是何等重要。
GBANK Health 是愛荷華州的一家藥房網路,在實施特定病例 IVR 之後,呼叫轉接減少了 24%。
這提醒我們,醫學是一個高風險、高度緊張的產業。而有效的自動化意味著改善人們的福祉。
客戶支援
大部分的客戶支援查詢都是重複發生的事項。對來電進行分類和篩選可節省時間並提昇滿意度。
在這方面,一家美國零售商利用自然語言 IVR 成功減少了 30% 的呼叫轉接。
實施 IVR 也會讓您的球在您的球場上。
同一家零售商使用預測演算法來推薦額外的服務,成功率超過 70%,減少了後續通話的需求。
如何避免 IVR 常見的挑戰
IVR 並非只有樂趣和遊戲 - IVR 可能會產生一些問題。好消息是,您可以採取一些步驟來解決這些問題。
保持菜單簡單
IVR 選單可能會很長,選項也可能不清楚。有時您在等待其他選項時會忘記第一個選項。還有時您不確定哪一個適用於您。
解決方案: 迭代、迭代、迭代。收集有關使用情況的資料,看看人們在哪些地方遇到困難。
這可能意味著重新排序選項、刪除不常用的選項或合併類似選項。
您的重點應該是縮短來電時間、使用者回到之前的步驟,以及即時服務人員的交接時間。
透明化
IVR 不是人類,這沒關係。
但有些客戶則偏好與真人客服人員交談。
如果無法讀取或回應使用者的情緒,心懷不滿的客戶就會覺得自己被低估了。
解決方案:優化清晰度,儘早讓使用者知道如何與即時客服人員交談。
自動化選單始終比不上人性化。而使用者對此會有不同的感受。
您無法控制客戶的感受,但您總是可以將他們的選擇透明化。
解決瓶頸
即使是自動化系統也有等待時間。首先,IVR 同時服務的客戶數量是有限制的。真人代理的等待時間也各不相同。
解決方案:找出瓶頸,並嘗試分散它們。
在設計 IVR 工作流程時,除了考慮系統內部的需求外,也要考慮系統外部的需求。
也許某些菜單選項比其他菜單選項更搶手。在這種情況下,請考慮重新調整您的勞動力,以解決這些問題。
客戶可能會來電詢問一些簡單的問題,而這些問題可以在您的網站上找到答案。請確保這些資訊清楚且容易找到。
使用 IVR 自動撥打電話
如果您還沒準備好深入人工智慧自動化的深淵,我想不出比實作 IVR 更好的方式讓您淺嚐其中的滋味。
IVR 是利用 AI 力量的好方法,同時又能保持控制。您可以收集資料,並持續改善。
您所需要的只是一個建置平台。Botpress 有一個簡單的拖放建置程式、大量低成本的機型可供選擇,而且電話整合也很容易。它甚至可以為您收集分析資料。
今天就開始建立。這是免費的。
常見問題
現代 IVR 在理解自然語音和不同口音方面有多準確?
先進的語音辨識和自然語言處理技術,讓現代 IVR 系統在支援的語言上達到 85-95% 的準確度。準確度會隨著強烈的口音、方言或背景噪音而下降,因此真實使用者測試非常重要。許多平台提供自訂模型調整功能,以改善特定口音和產業詞彙的辨識度。
對小型企業而言,IVR 技術的實作成本高嗎?
對於小型企業而言,IVR 技術不再昂貴得令人望而卻步;根據通話量和功能的不同,雲端解決方案的月費低至 50 至 200 美元。如果您增加語音辨識或與業務系統整合,成本就會增加,而最大的支出通常是設計和設定時間,而非軟體。
IVR 系統可以與 CRM 整合以個人化回應嗎?
IVR 系統可與 CRM 和後端工具整合,提供個人化體驗,例如以姓名迎接來電或根據客戶歷史進行路由。這些整合依賴於 API 或與資料庫的直接連線,因此需要一些技術設定,但它們已逐漸成為現代 IVR 平台的標準。
IVR 系統可以安全地處理信用卡號碼等敏感資訊嗎?
IVR 系統可以安全地處理敏感資訊,只要它們的設計符合 PCI-DSS 規範和加密通訊協定即可。許多現代的 IVR 供應商提供安全的「付款擷取」流程,在此流程中,敏感的輸入資訊會被遮蔽,不讓人工座席接觸到,並進行端對端的加密。
從零開始部署 IVR 系統需要多長時間?
如果使用具有預建模板的雲供應商,公司可以在短短幾天內部署一個簡單的基於 DTMF 的 IVR 系統。而使用語音辨識和複雜工作流程的更先進 IVR 系統則可能需要數週才能啟用。