AI 电话机器人案例：没有 logo 墙，只有四个真实项目
去掉可识别信息后，每个项目都保留了「卡住的地方」—— 因为那才是你真正会遇到的。技术验收指标全部可复现，业务效果数字我们有意不写，原因下面说清。
关于这一页的说明
这里没有客户 logo 墙，原因是真实的
企业级项目的合同里通常有保密条款，客户名称与业务数据未经许可不能公开。 所以我们看到一个行业惯例：官网上放一排「合作伙伴」logo， 但那些往往只是「用过试用版」或者干脆是没打招呼的引用。
我们选择另一种做法：把项目去掉可识别信息后写成场景型案例。 每个案例写清四件事 —— 原来卡在哪、做了什么、怎么验收、最后学到什么。
这样做的好处是：你能对照自己的情况判断「这个是不是和我像」， 而不是看一个 logo 猜「他们大概也做这个行业」。
为什么也不写「提升 300%」这类数字
因为外呼的效果几乎完全由三个变量决定：名单质量、产品竞争力、话术水平。 同一套系统，换一份精准名单效果能翻几倍；换一个没有竞争力的产品，什么系统都救不了。
把某个项目的结果数字拿出来当承诺，是在暗示「你也能得到同样的结果」—— 这是不负责任的。我们只在验收环节写可复现的技术指标（延迟、识别准确率、并发成功率）， 业务指标由你自己在试跑里测。
企业级项目的价值往往在「不再出事」，而不在某个漂亮的增长数字。
场景型案例
四个真实项目去掉可识别信息后的样子
每个案例都保留了「卡住的地方」—— 因为那才是你真正会遇到的。
逐个拆解
每个案例的背景、做法与验收
验收部分都是可复现的技术指标，你可以要求在自己的项目里测同样的项目。
案例一：教育培训机构的试听邀约
背景。一家区域性的K12与成人技能培训机构，线索主要来自线上表单与地推。 线索进来后由班主任电话邀约试听。问题在于班主任白天要上课， 能打电话的只有晚上两小时，导致线索积压 —— 一批线索从进来到被拨打平均要四天， 而这类线索的有效期通常只有两天。
做法。把第一轮触达交给 AI，只做三件事： 确认是不是家长本人、确认孩子年级与关注科目、约试听时间。 三个要素确认完就结束，不在电话里讲课程详情。 试听前一天再做一次到访提醒，客户临时有事就改约。
关键细节。开场第一句必须说清线索来源。 家长的防御心理极强，如果说不清「我在哪留过信息」，后面说什么都会被当成骚扰。 系统在名单里带了来源字段，AI 会说出具体渠道与时间点。
验收。① 客户说完到首句出声 ≤ 2 秒；② 年级与科目两个要素的识别准确率 按人工抽听核对；③ 到访前一天提醒的触达率；④ 家长明确拒绝后的退订登记率必须 100%。
学到的。这类场景真正的瓶颈不是打电话的速度，是 线索有效期很短。AI 的价值在于把「四天后才联系」压缩到「当天联系」， 而不是把话术说得更漂亮。
案例二：城商行的贷后提醒
背景。贷后提醒电话量大、坐席流动性高、口径不统一。 出现过个别通话在客户情绪激动时表述不当的情况，虽然最终没有形成投诉， 但内部评估认为这是明确的风险点。
做法。把 AI 的职责限定在非常窄的范围内： 核验是否本人（不向非本人透露任何欠款信息）、提醒账单金额与到期日、 确认还款意愿与预计时间、记录客户提出的困难。 一旦客户提出协商、减免、分期方案，立刻转人工 —— 这类对话涉及实质性利益安排，不该由机器谈。
关键细节。全量质检。所有通话都转写并做违规表述识别， 重点抓「威胁性表述」「联系第三人」「不当承诺」三类。 这不是为了考核坐席，是为了留存自证材料。
验收。① 本人核验通过率；② 违规表述识别的召回情况（用人工标注集核对）； ③ 转人工的交接完整率（坐席接起时是否已看到上下文）； ④ 禁呼时段零拨打。
学到的。金融场景里 AI 最容易被误解的方向是「提高催回率」。 实际上一旦 AI 开始施压，风险立刻超过收益。它的正确位置是 标准化提醒 + 可追溯留痕，把压力施加的环节交给人且留证据。
案例三：机械制造企业的展会跟进
背景。参加一场行业展会，收回六百多张名片，其中大约一半带手写备注。 销售工程师只有四个人，展会后的两周正是他们处理报价与技术方案最忙的时候， 名片跟进普遍拖延到两周以后，那时客户对展会的印象已经淡了。
做法。AI 在展会后三天内完成首轮触达，只确认四个要素： 具体产品型号或应用场景、用途、年用量量级、交期要求。 四要素齐全的才约技术交流，要素不全的记录缺失项，不强行补全。
关键细节。话术必须专业。技术人员接电话最反感外行， 所以开场直接说明「我是某某公司的技术销售，看到您在展会上关注过某型号」， 并准备好该型号的三个关键参数，一句话证明自己不是乱打的。
验收。① 四要素的确认完整率；② 有意向客户从触达到交给工程师的时长； ③ 工程师对「交接信息是否够用」的评价；④ 名单去重后是否有重复拨打。
学到的。B2B 的转化逻辑和 B2C 完全不同：数量少、单通价值高、 决策链长。所以 AI 不该追求「说服」，而该追求 「尽快筛出真正有需求的那几十个，并把需求问清楚」。
案例四：本地生活服务商的售后回访
背景。服务完成后需要回访，但客户要么不接，要么接了敷衍两句挂掉。 原来的回访话术是一条长问卷，客户在第三题就失去耐心。
做法。把回访拆成「三个封闭问题 + 一个问题才需要人说」： 服务是否按时到达、师傅是否穿工装、有没有乱收费（三个是/否）， 然后问一句「还有什么需要我们处理的」—— 这一句才真正需要人说， 一旦客户抱怨就转人工或升级给店长。
关键细节。整通控制在 60 秒以内。超过 90 秒的问卷式回访基本无效， 客户会直接挂断或者随便应付。
验收。① 平均通话时长；② 三个封闭问题的有效回收率； ③ 差评倾向的通话升级时效；④ 客户明确表示不需要回访后的退订登记。
学到的。回访类场景的价值不在「问全」，在 「把少数有意见的客户及时捞出来」。 问得越多，有效信息反而越少。
共同点
这四个项目都做对了同一件事
复盘下来，成功的项目做法高度一致；失败的也高度一致。
都从小范围试点开始
一条业务线、一份名单、每天几十到两百通，跑一到两周再全量。
都把 AI 的职责划得很窄
只做信息确认与邀约，不做说服与谈判。边界窄了，出错的空间也小了。
都在试点期改了话术
没有一个项目是第一版话术直接上全量的。第一周最大的产出是「答不上来清单」。
都定义了转人工的承接
转人工之后真的有人接、真的能看到上下文。否则不如不承诺转人工。
都把验收指标写成技术项
延迟、识别准确率、交接完整率、退订登记率 —— 都是可复现的，不靠感觉。
都没指望 AI 单独完成成交
AI 负责把对的人找出来、把需求问清楚，成交仍然靠人。
常见问题
关于案例常被追问的三条
如果你想要更具体的同行信息，可以在演示时当面聊 —— 有些能说，有些确实不能说。
能不能告诉我具体是哪几家客户？
不能在这里公开写，这是保密条款的要求，也是对客户的尊重。
但在正式沟通（比如演示或方案会）中，如果我们判断你的场景与某个客户高度相似， 会在征得对方同意的前提下安排交流。是否同意由对方决定，我们不代为承诺。
这些案例里的效果数字为什么不全？
业务效果数字（转化率、意向率）我们有意不写。原因前面说过： 它们由名单质量、产品竞争力、话术水平共同决定，换一个客户就不成立。
技术指标则都写全了（延迟、识别准确率、交接完整率、退订登记率）， 因为这些是可复现的，你可以在自己的项目里测同样的项目、要求同样的标准。
我的行业不在这些案例里，怎么判断适不适合？
用两个问题自测：
- 电话是不是主要触点？如果客户主要通过微信或线下接触， AI 外呼能起的作用有限。
- 你的名单是有对应关系的存量客户，还是陌生名单？ 存量客户（留过咨询、买过产品）适合用 AI 做回访与二次触达； 陌生名单的合规风险与反感度都高得多。
两个问题都是「是」的话，基本值得试跑；有一个「否」，建议先解决名单问题再谈系统。
失败的形状
没做成的项目，长什么样
只讲成功案例是不够的。下面这三种失败形态比成功经验更有参考价值， 因为它们出现得更多。
系统在跑，但没有一个客户听完整过
典型症状：接通率正常、通话时长普遍在 20 秒以内、没人在意。 根因通常是第一个月没人改话术 —— 第一版话术在第三轮就答不上来， 客户听到「我确认一下」就挂了。
这类项目失败得最安静：所有技术指标都正常，报表也有数字， 只是业务方不再提这件事了。
转人工承诺了，但没人接
典型症状：系统把「需要人工」标得很准，但坐席那边没有对应的待办， 或者接起来完全不知道客户刚才说了什么。
客户体验是「被推来推去」，比直接不承诺转人工更糟。 这类问题的修复成本其实不高（打通工单 + 交接上下文）， 但它需要业务方与坐席团队一起改流程，不是技术单方面能解决的。
名单本身是坏的
典型症状：接通率很低、接通后大量「你打错了」「我没咨询过」。 这类项目无论系统多好都救不回来 —— 问题在名单， 而名单问题的根源往往是「买来的」或者「几年前的沉睡数据」。
这种情况下正确的做法不是换系统，是停下来清理名单： 哪些是有效客户、哪些是空号、哪些是当年被骚扰过的。 这份清理工作没人愿意做，但它决定了后面所有投入是否有效。
三个形态的共同点
它们都不是「技术没实现」，而是业务流程没跟着改： 话术没人维护、人工承接没安排、名单没清理。
这也是为什么我们在方案阶段会反复问这三件事 —— 不是拖延，是因为这三件事决定了项目会不会变成上面三种形态之一。
时间线
一个项目从接触到稳定运行，大致是什么节奏
给这条时间线是为了让你做资源安排 —— 真正占时间的往往不是技术工作。
第 1 周：概念对齐与真机演示
把「外呼、接听、质检」三个概念分清，跑一通真实演示。 这一周的产出是一个判断：这件事值不值得往下走。
第 2–3 周：边界确认与方案
确认禁用表述清单、通话目标、名单来源与合规状态。 这几件事需要业务与法务参与，往往是整个项目里最慢的一段 —— 不是技术慢，是内部确认慢。
第 4–6 周：配置与部署
话术、知识库、闸门参数、结果字段。私有化还要加上机器到位与离线安装。 这一段技术工作量最大，但可控。
第 7–8 周：小流量试点
一条业务线、真实名单、每天几十到两百通。每天听几通真实录音， 把「答不上来」的点记下来，每周改一轮话术。
第 9 周之后：逐步放量与稳定运行
试点达标后逐步放量。进入稳定期后，重心从「调话术」转向「维护知识库」与 「看质检结果」—— 这两件事是长期的，需要有人负责。
整条时间线大约两个月。如果有人告诉你「一周就能上线全量」， 要么他省略了试点，要么他没打算改话术 —— 两种情况后面都要返工。