1.客戶-語音→語音識(shí)別：機(jī)器人本身是無法完成識(shí)別語音的，因此第一步是將用戶的語音轉(zhuǎn)換為文本，該步驟需要依靠語音識(shí)別這一技術(shù)。單談?wù)Z音識(shí)別的話，是一項(xiàng)復(fù)雜、需要持續(xù)投資的技術(shù)，在當(dāng)今社會(huì)，這一塊做的好的也就那么幾家，科大訊飛、谷歌、微軟、阿里、百度、騰訊等。因此很多做電話機(jī)器人使用的都是這些大廠的語音識(shí)別技術(shù)(國(guó)內(nèi)主要使用科大和阿里的)。

2.語音識(shí)別-文本→自然語言理解：這時(shí)候用戶說的話已經(jīng)被語音識(shí)別轉(zhuǎn)化為文字了，機(jī)器人拿到文字后，利用自然語言理解，分析用戶的意圖，通俗來說，就是要知道客戶在說什么

3.語言識(shí)別-意圖→對(duì)話管理：此時(shí)，機(jī)器已經(jīng)識(shí)別出客戶的意圖，下一步機(jī)器需要知道應(yīng)該如何正確回答客戶的問題。

4.對(duì)話管理-觸發(fā)→預(yù)設(shè)話術(shù)：此時(shí)機(jī)器人已經(jīng)理解客戶在說什么，需要做的就是組織好語音回答客戶的問題，一般情況，這些回答都是提前預(yù)設(shè)，機(jī)器人會(huì)自動(dòng)調(diào)用然后回答客戶的問題，從而完成一次有效對(duì)話。

5.預(yù)設(shè)話術(shù)-呼叫→人工錄音：當(dāng)機(jī)器知道需要回答哪個(gè)話術(shù)時(shí)，就需要調(diào)用與該話術(shù)相對(duì)應(yīng)的錄音。此時(shí)，為了提高營(yíng)銷效果，大多數(shù)客戶都選擇播放真人錄音，但效果更逼真。因此，人工錄音的效果在很大程度上決定了前端用戶接電話時(shí)的體驗(yàn)。