AI 现在在互联网内的应用已经十分广泛，成为一种提效的工具。但还是有不少同学难以理解 AI 能做哪些事情，或者有那些使用场景。这篇文章，我们一起来分析一下。

近 2 年，AI 已成为超级热点之一，在很多岗位的日常工作中，都得到了比较多的运用，成为一个重要的提效工具，比如说：

撰写各类文档—提供思路和框架，AI 可以最主要的是能提供思路和框架，特别是很多标准化格式的文档，如市场调研报告、运营方案等。我的一般使用是先不依赖 AI 先自己进行思考，写一个框架，然后利用 AI 进行思路扩展和补充

撰写各类文档—辅助编辑和校对，AI 可以根据提供的场景、语音风格、字数要求等进行内容的完善，这个就可以用在平时写作过程中，通过 AI 去进行改写、找出不恰当的表达或漏洞等

办公助手，AI 自动生成 PPT，已经 AI 产出 excel 计算公式也是日常用得比较多的场景，将原有耗费时间的重复的工作由 AI 先做执行，然后在此基础上进行提效

翻译软件，在负责国际化一部分业务之后，AI 就成了翻译高效工具，无论是翻译成哪一种语音。比其他翻译软件更智能的是，可以让 AI 依据对方的问题给出不同的答案，或者考虑对方国家的一些习惯忌讳对回答的内容进行改写

其他使用场景，我会用 AI 改写创意标题，取队名，取口号，电影或歌曲推荐，商品对比和推进等 AI 的应用已经融入了每一件日常的生活和工作中

现在形成了一种惯性思维，AI 能为我做什么。那从 SaaS 公司（或并不局限）来看，AI 能做哪些事情，有哪些使用场景呢，一起期待吧。

注意，本文的应用场景都是偏场景应用，不会对 AI 技术本身做太多的说明。

一、AI- 自动生成 SEO 营销内容

看到这个标题，很多人会说，AI 生成 SEO 内容已经是老生常谈了，生成的文章质量也不会高，而且经常被搜索引擎列为抄袭，所以这个使用场景不需要再聊，而在这里我想说的时，AI 只是一个工具，是否能生成逻辑清晰、有价值、能吸引用户的、并且不会触发搜索引擎的各类防御规则的文章，要看怎么利用 AI 的能力。

1.1 适应场景介绍

自动化的文章生成能产出一定的效果，对公司有一定的要求，比如公司内部本身有一定的内容积累，不管是文章、操作手册、帮助中心，且公司有产研能力能搭建运营管理平台，并有一定的 SEO 专业人员和算法专业资源。

且更适合的专业类的网站，用户对于本公司、业务、产品的科普类、介绍类等浅度内容诉求比较多，而这部分刚好是自动生成文章的强项，能以不同的内容来源，按不同用户诉求生成不同内容的文章，成本低、产量高

1.2 产品设计简述

刚有提到，通过 AIGC 生成内容过程中，AIGC 只是工具之一，需要用于其本身的优势，结合产品能力搭建和运营人工的介入，以实现整体目标。

包括以下几个部分

1.2.1 内容输入模块

1）文章内容部分

深入了解公司的核心业务，包括公司产品、竞争优势、产品特点，以及目标受众等，可以参考……官网，为后续的内容创作提供方向

梳理公司内部已有的内容资源，或者是如何从海量数据中抓取 " 特定 " 内容的逻辑，只有这部分与 AIGC 自动生成的素材结合，才能产出 " 竞争力 "" 差异化 " 的文章内容。这部分也是不断根据模型和数据不断迭代的

2）SEO 相关部分

SEO 是一门专业，虽然不同的渠道不同的搜索引擎的 SEO 规则不同，但常用的渠道对 SEO 的要求少不了关键词、TDK、内链等配置，而这部分每个都有专门的逻辑。关键词 AI 抓取，来源之一是过往的搜索数据、成交数据，来源之二是抓取各网站的搜索关键词、长尾关键词、热点关键词，与公司优势、产品特点、核心用户进行匹配。除了自动生成，也可以将历史的高频关键词、产品运营手动获取的关键词进行导入

1.2.2 内容生成模块

1）文章生成规则

文章分类和框架内容，可以对文章进行不同的分类，每个类别有特有的文章框架。包括主标题、副标题、段落标题、图文等

SEO 规则与要求，实现合理分布关键词，避免过渡堆砌；内链布局规则，处理不突兀；TDK 生成规则，自动生成 TDK 内容等

2）AIGC 自动生成

选择合适的 AIGC 内容生成工具，比如 OpenAI 的 GPT 系列、百度的文心一言等。在这些工具上，运用 prompt 指令并结合文章生成的规则，给出明确、清晰的指令和要求，以引导 AIGC 工具生成符合需求的内容。同时，也可以提供人工撰写的或者历史的参考资料，以便更好地理解需求并进行生成。

并且指令和要求是不断迭代和升级的，这部分就会提到，在长期的方案中，需要建立数据获取与内容生成之间互动关系，不断调优

1.2.3 内容发布模块

这部分不属于 AI 的能力范围，属于 AI 自动生成营销内容整个项目的一部分。因为 AIGC 生产的内容需要结合文章二次编辑能力、页面配置能力、SEO 基建能力才能达成最终的项目结果

1）文章二次编辑能力

针对 AIGC 生产的内容需要进行审核和优化，特别是功能上线的前期，需要人工对内容的准确信、逻辑性等进行审核和修改、表达的优化，以确保内容符合公司官网调性和产品优势

2）页面配置能力

包括聚合页、内容页、留资组件的配置能力，AIGC 的内容需要有页面来呈现才能发挥价值。这里 AI 生产的内容类型（如一级标题、二级标题、三级标题、图、文、视频、动画等都需要可以对应支持）

3）SEO 基建能力

SEO 的基建能力，包括 TDK 的配置、内链、外链的呈现，也包括页面渲染、自动源码更新、sitemap 自动更新、网站响应速度等相关基础能力

1.2.4 数据评估模块

先是埋点和渠道识别，这个部分是付费的搜索引擎类似，不过多的阐述，核心是在官网的关键页面和用户环节进行埋点，以收集用户行为数据。

然后是关于数据指标和看板，通过建立数据指标链路，定期关注核心指标，以反推 AIGC 内容生成规则和指令的优化

生成文章数

页面收录数

关键词排名

页面 UV

留资按键点击数

AQL 线索量

SQL 线索量

二、AI- 售前智能客服

智能客服是 AI 最常用的使用场景之一，包括售前客服（了解用户意图和咨询，给予售前购买建议）；售后咨询（针对售后的咨询、投诉等初筛）；帮助中心（常见问题的解答）等。本处核心以售前客服进行举例

2.1 适应场景介绍

售前客服有其特殊性，作为 SaaS 公司的售前客服，其主要的工作包括以下几个

流量分发，针对个人购买咨询、企业购买咨询、售后咨询、投诉等进行流量分发

常见咨询，针对产品、价格、优势、解决方案等场景问题进行回复

线索创建，针对用户表达、咨询内容来判断意图，标记咨询类型，创建线索

对 AI 有一定的了解都会知道，以上几个事情都可以利用 AI 实现自动化回复，从而提高回复的及时性、效率

2.2 产品设计简述

2.2.1 智能客服

为了更好地利用 AI 作为售前客服的重要技术，需要建立一个完善的知识库管理系统。该系统将作为智能售前客服回答用户问题的核心依据，确保信息的准确性和时效性，同时方便公司内部人员对知识库内容进行维护和管理。

1）问题分类及分发

虽然功能入口是企业版售前客服咨询，但是在实际业务中也会有其他类型的咨询进来，所以第一步是需要对咨询进行分类

个人版购买咨询，流量分发，提供对应链路

企业版售后咨询，调用对应的智能客服。（售前客服与售后客服会有不同的知识库）

企业版售前咨询，本次需求的对应智能客服

2）知识库内容输入

针对售前客服，需要有专属的持续维护和更新的知识库，作为 AI 回答问题的核心依据。

售前客服工作梳理，按人工处理流程和逻辑进行整理，怎么一步一步进行判断，这个部分可以作为输入的一部分

历史人工会话同步，在做 AI 智能客服之前，客服工作是一直都有的，这部分是知识库的宝贵资源。一般的售前客服都是有购买三方的服务（如美洽、七鱼等），这部分可以从三方系统，将历史会话的数据同步过来。针对未来的人工会话，也可以持续进行同步

其他内部系统，线上系统自动对接的资料，如商品库商品包装和定价信息、帮助中心、用户手册等信息自动同步

人工导入内容，支持上传 word、pdf、PPT 等线下资料的导入

3）知识库的更新维护

问答录入，除以上的导入功能外，可以手动添加问答，通过输入题目和答案，以丰富知识库

问答编辑，针对已有知识库内容的编辑功能，用于运营人员的日常管理

问答删除，删除不再需要或错误的问答内容

业务词的管理、同义词管理、禁用词管理、敏感词管理、版本管理、权限管理等相关功能

2.2.3 应用模块

智能售前客服的应用，因为 SaaS 公司企业版售前的流量来源非常不易，且成本较高，所以一个无法判断准确率的智能客服软件是很难在公司说服市场团队进行使用的，可以按以下的节奏进行推进，降低风险的同时提高问题解决率

推进节奏一：人工客服为主，智能客服辅助。在第三方在线客服的聊天界面，可以嵌入智能客服的咨询，当用户进行问题咨询时，智能客服给到答案，由客服人工来选择是否进行采纳。同时，针对未采纳的问题直接人工回复，并将人工答案及未采纳原因同步至智能客服，由此来评估智能客服的答案准确性（采纳答案数 / 问题咨询总数）

推进节奏二：AB 测试，少量智能客服主导。切出 20% 的流量，由人工客服替换为智能客服，需要观测的数据，一个是智能客服的解决问题率；一个是人工客服和智能客服的线索转化数据（UV →点击数→ AQL → SQL），要避免因为提效而降低了线索量，是需要达到整体 ROI 的最大化

推进节奏三：智能客服为主，人工客服为辅。经过人工判断、AB 测试的结果，可以以较高准确率的智能客服进行更大范围的推广，但是一定要注意的一点是，转人工客服的操作要明显和直接

2.2.4 数据评估模块

关于 AI 智能客服的数据评估，需要从三个维度。维度一，提效，依据解决问题率来评估提效情况；维度二，需要以线索转化数据（UV →点击数→ AQL → SQL）作为重点参考指标。售前客服的核心目标是线索量，不能因为提效而降低了线索量

总来访量

AI 有效会话量

AI 解决问题率

AI 转人工窗口量

AI 会话占比 =AI 解决问题数 / 全部会话数

三、AI- 电话语音转文字

3.1 应用场景介绍

语音转文字也是应用比较广的一种 AI 技术，比较适合在语音通话内容比较单一、标准的场景，比如售前客服语音通话，电销团队语音通话、售后客服内容分析等，本文以售前客服语音通话做主要的介绍。那在一家 SaaS 公司，AI 电话语音转文字在售前客服的应用场景主要是：

售前客服质量评估，售前客服一般以接通数和线索产出数等作为考核指标，但是客服沟通内容的真实性、准确性需要靠人力核查，而 AI 语音转文字可替代核查工作，通过查看通话转写文本评估客服人员的表现，包括沟通技巧、问题回答准确性等，也可以以此优化售前服务流程

客服需求自动记录，客服在与客户语音通话过程中，需要将通话内容转化为 CRM 的线索记录，将通话内容及时、准确的记录下来，而 AI 转化 + 人工核对的准确度大于边通话边记录的准确度

减少团队间的扯皮，售前的线索是需要交付到销售团队的，而双方常出现的一个争议点就是一方认为满足线索标准，而另一方认为客户并没有购买需求是凑数，而通过 AI 转文字与 CRM 系统内记录的内容核对，可以减少部门之间的扯皮

3.2 产品设计简述

AI 语音转文字 - 售前客服应用主要有以下几个部分的工作 :

3.2.1 AI 语音转文字能力对接

1）语音转文字

语音转文字，如果是系统能力搭建，则会存在数据收集与预处理、模型选择和训练、语言理解与处理、音频处理等非常多的能力建设，在非专业这类的公司，这个部分可以从外部进行采购，比如科大讯飞、阿里云、百度智能云等，都有非常专业能力，其语音转文字准确率比较高，而且一般可以支持多语音和方言，并且提供了丰富的 API 接口，方便企业进行集成和二次开发

2）关键词提取

语音转文字之后就是关键词提取，而像科大讯飞等公司本身就能提供关键词提取的能力。具体的使用场景在于，SaaS 公司针对线索管理是有标准的字段搜集要求的，可以利用关键词提取的能力将文字与 CRM 字段 / 选项之间做匹配，而线索的信息一般会包括：

客户基本信息：客户名称、联系人、联系电话、地址、公司主营业务等

客户购买需求：客户痛点、购买诉求、预算范围、购买意向度等

其他客户信息：是否有了解过竞品、下一步推进计划等

3.2.2 与 CRM 系统打通

那以上的语音转文字和关键词提取怎么实现与 CRM 的交互，如果运用到售前客服的工作当中，会包括以下几种

1）自动创建线索及信息填充

售前通话进来，系统根据来电类型自动创建线索，在接通之后，根据语音通话内容自动填充线索信息。在这个基础上，可以提供以下能力，（1）AI 内容填充之后客服可以修改字段；（2）线上内容填充的准确性或修改记录通过埋点或日志记录下来，便于评估 AI 识别的准确性；（3）提供暂停 / 继续转写功能，客服在需要集中精力处理某个问题或记录信息时，可以暂停转写，之后再继续。

2）售前客服通话看板

提供给售前主管 / 经理提供通话记录查询和管理页面。通过日期、客服人员、客户名称等条件查找特定通话记录。通话记录包括以下几个部分内容

通话基本信息：来电号码、通话市场、接听人等

原始的通话记录，语音转文字的原始记录，线索与 AI 识别内容的匹配度（按 AI 识别内容未修改字段 / 全部线索字段）

3.2.3 其他注意事项

1）实时转写的及时性，实时转写需要注意识别的延迟时间应控制在 ** 秒以内，确保客服能够及时看到转写内容。

2）多语音与方言支持，如果公司是全球或全国的业务，会涉及到多语音与方言的支持，这个外采的三方公司都会有相关的能力

3）AI 与人工的结合，通话环境和内容是非常复杂的，所以会存在各种的情况发生，比如背景噪音、多人对话、前后回答矛盾等，所以需要在 AI 转写能力的提升的同时，针对复杂场景需要依赖人工的介入

本文由 @亚亚的半亩产品田 原创发布于人人都是产品经理。未经作者许可，禁止转载

题图来自 Unsplash，基于 CC0 协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务