互聯網平臺的AI智能外呼真實數據：68.9%接通率，每6通電話撈出1個意向用戶

　　記者 ｜ 產業觀察

　　用戶在APP里看了半天，選了服務，填了地址——然后退出了。

　　這是互聯網裝維平臺最熟悉、也最無奈的場景。流量已經花了錢買進來，用戶已經表現出明確興趣，但就是差那“臨門一腳”。

　　為什么沒下單？是價格問題？時間不合適？還是在等家人商量？

　　傳統做法是靠人工坐席逐一回訪。但面對每天成百上千的瀏覽未下單用戶，人力根本覆蓋不過來。不打，流量白白浪費；打了，成本高、效率低。

　　一家同時服務C端業主、B端商家和線下師傅的互聯網裝維平臺，近期嘗試了一個新方案：用大模型AI外呼，對瀏覽APP但未完成下單的用戶進行自動回訪。

　　日前，該平臺向記者披露了一組最新運營數據。

　　一組數據：68.9%接通率，近16%有效意向

　　2026年5月6日，該平臺的使用玖云平臺大模型AI系統向瀏覽過APP但未下單的用戶發起呼叫4240次。

　　結果如下：

　　接通2920次，接通率68.9%

　　平均通話時長37.3秒

　　5秒內掛斷率僅2.8%

　　在“未下單回訪”這個天然帶有打擾感的場景中，超過97%的用戶愿意聽完AI的第一句話——這個容忍度超出行業普遍預期。

　　更關鍵的是意向識別結果。在2920通有效接聽中，AI自動對用戶進行分類：

　　A級 明確意向，可立即轉化 323 人 占比11.06%

　　B級 可能意向，需后續跟進 139 人 占比4.76%

　　A級和B級合計462人，占接通總量的15.82%。

　　這意味著：在每6-7個接起電話的瀏覽未下單用戶中，就有1個被識別出有真實轉化價值。其中超過11%的用戶（A級）更是可以直接推進到派單或銷售跟進環節，無需人工再篩選。

　　為什么“未下單回訪”值得關注？

　　該平臺運營負責人向記者分析了這一場景的獨特性。

　　“裝維服務不是沖動消費品。用戶很少看完就下單，他可能在比價、在確認師傅能不能來、在等家人商量。這時候如果有一個電話過去問一下，很多單子是可以救回來的。”

　　但人工回訪的困境顯而易見：

　　時效性差：用戶剛退出APP時意愿最強，人工坐席往往幾小時后甚至第二天才打過去，黃金窗口期已過

　　成本高：每天上千個瀏覽未下單用戶，需要專門的外呼團隊，人力成本難以承受

　　覆蓋不全：現實情況往往是“挑著打”，只回訪那些看起來最有可能下單的用戶，其余的直接放棄

　　“我們試過發短信、發APP推送，打開率極低。打電話是有效的方式，但傳統人工模式打不起、也打不全。”

　　大模型的能力：聽懂“猶豫”，而非掛斷“猶豫”

　　該平臺此前也嘗試過傳統語音機器人，但在未下單回訪場景中遇到兩個硬傷。

　　其一，聽不懂用戶猶豫的真實原因。

　　傳統機器人靠關鍵詞匹配。用戶說“我再看看”，機器人往往回答“好的那就不打擾了”，直接掛斷。但實際上用戶可能是在猶豫價格、想看師傅評價、或者只是習慣性拖延。

　　大模型AI能夠理解“再看看”背后的多種可能，并主動追問：“是價格問題還是時間不合適？”——把模糊信號轉化為可打標的明確信息。A級（明確意向）和B級（可能意向）的區分，正是基于這種深度對話能力。

　　其二，無法處理打斷和自然對話。

　　未下單回訪中，用戶常常主動提問：“你們師傅有證嗎？”“最晚什么時候能來？”“能不能先報價再看？”

　　傳統機器人遇到這些問題大概率卡殼。而從該平臺的實際數據來看，平均通話時長達到37.3秒，AI完成了多輪有效對話，而非簡單的“念完腳本就掛”。

　　成本賬：每天4240通電話背后的經濟模型

　　該平臺給記者算了一筆賬。

　　按每天4000+個瀏覽未下單用戶的回訪規模計算，如果用人工坐席覆蓋，需要至少15-20人專門負責，月成本超過10萬元。現實情況是——根本不可能。

　　改用大模型AI外呼后：

　　全覆蓋：每個瀏覽未下單的用戶都能在幾分鐘內收到回訪

　　低成本：同等規模的月度成本約為人工的十分之一

　　可識別：2920通接通中，AI自動篩出462個有效意向線索

　　AI完成初步篩選后，A級客戶（323人，占比11%）轉給人工銷售做精準跟進——這些人只需要打300多個電話，而不是4000個。B級客戶進入自動化培育流程。C級客戶不再浪費任何人力。

　　“以前我們是打不起、打不全。現在是全部打、打得起、還能打準。人只做最關鍵的跟進工作。”

　　行業視角：未下單回呼或成大模型外呼首個規模化落地場景

　　過去一年，大模型外呼行業的討論集中在“替代人工電銷”上。但多位業內人士向記者指出，瀏覽未下單用戶回訪可能是一個更具落地價值、更快見效的場景。

　　原因是：這類用戶已經完成了最高成本的動作——打開APP、瀏覽服務、產生興趣。他們距離下單只差臨門一腳。在這個場景里AI外呼的價值不是“從零挖掘線索”，而是“把已有的流量撿回來”。

　　對于裝維、家政、維修、搬家等低頻本地服務類互聯網平臺而言，流量獲取成本越來越高，瀏覽未下單用戶的流失就是廣告費的直接浪費。

　　“一個用戶可能花了你50塊錢買進來，他看了沒買就走了。現在用幾毛錢的AI電話把他拉回來，這筆賬怎么算都合算。”一位關注產業AI的投資人表示。

　　寫在最后

　　該平臺負責人向記者透露，基于本輪4240次呼叫的驗證結果，他們正在將玖云平臺的大模型AI外呼系統常態化運行：把它當成一個AI數字人員工來使用——

　　每日自動回訪全部瀏覽未下單用戶

　　從“瀏覽未下單”擴展到“加購未支付”

　　從C端業主延伸到B端商家的流失預警與續費提醒

　　“我們不是要用AI取代人。恰恰相反，AI幫我們篩出了真正有意向的人，讓人去做更有價值的溝通——而不是把時間花在那些隨便看看就走的用戶身上。”

　　從試用到常態化當成AI數字人員工來使用，這家平臺的實踐正在回答一個問題：大模型技術在最務實的商業場景中，到底能創造多少價值？

　　答案至少是：每天從4000多個流失邊緣的用戶中，撈出400多個可以跟進的機會。

　　這或許正是技術紅利從“講故事”走向“算賬本”的開始。