CI 对话智能知识体系

一、CI 核心架构(技术层)

通话/对话 → 录音采集 → 语音转录 → NLP分析 → AI洞察 → 业务行动
层级说明典型技术/工具
数据采集电话录音、视频会议、在线聊天、邮件RingCentral, Twilio, Zoom, Teams
语音转录 (ASR)自动语音识别,将音频转为文字Deepgram, AWS Transcribe, Google STT, Whisper
说话人分离 (Diarization)区分对话中不同说话人Deepgram Diarization, pyannote, AWS Transcribe
NLP 分析意图识别、实体提取、关键词检测spaCy, Hugging Face, AWS Comprehend
情感分析判断说话人情绪和语气声学特征分析、文本情感模型、多模态融合
LLM 深度分析结构化摘要、话题分类、质量评分、建议生成Claude, GPT-4, Kimi K2, Bedrock Converse API
集成与行动分析结果回写 CRM,触发工作流Salesforce, HubSpot, Slack, 自定义 Webhook

二、CI 分析框架

1. 分析维度(由浅到深)

层次核心问题方法
转录层说了什么?ASR 转录、说话人分离、时间戳对齐
理解层什么意思?意图识别、实体提取、话题分类
评估层做得怎么样?沟通质量评分、合规检查、流程遵循度
洞察层为什么这样?情感分析、异议模式识别、成功/失败归因
行动层接下来怎么做?AI 建议生成、实时话术提示、自动跟进触发

2. 通话分析指标体系(以 Retaintive 产品为例)

通话分析指标
├── 基础指标:通话时长、接通率、等待时间、挂断率
├── 内容指标:话题分类、客户意图、关键词命中率
├── 质量指标:沟通评分、流程遵循度、话术合规率
├── 情感指标:客户情绪变化、满意度信号、异议频率
├── 效能指标:有效沟通比、问题解决率、下一步明确率
└── 业务指标:Lead 温度判定、预约转化信号、流失风险信号

3. CI 与 BI 的协同关系

       CI(对话智能)                    BI(商业智能)
  ┌─────────────────────┐          ┌─────────────────────┐
  │ 通话录音             │          │                     │
  │   ↓                 │          │                     │
  │ 转录 + 说话人分离     │   数据    │  KPI 仪表盘          │
  │   ↓                 │ ──────→  │  转化漏斗分析         │
  │ AI 结构化分析        │   喂入    │  团队绩效对比         │
  │   ↓                 │          │  预警与决策建议       │
  │ 沟通质量 / 客户意图    │          │                     │ 
  └─────────────────────┘          └─────────────────────┘

  CI 回答:这通电话发生了什么?质量如何?
  BI 回答:这些通话数据汇总后,业务表现如何?趋势如何?
  CI + BI:从单通电话洞察 → 全局业务决策的完整闭环

4. 传统 CI vs 我们的 CI:从分析到决策

传统 CI 产品的边界是"分析完这通电话"就停了。我们的系统把 CI 的输出接入了策略引擎生命周期管理,形成 CI + 策略 + BI 三者联动:

模块职责回答什么
CI(沟通分析)分析每次对话的内容这通电话发生了什么?客户是什么态度?
策略引擎定义判断规则和行动阈值接下来应该怎么做?什么时候触发状态变更?
BI(商业智能)汇总展示业务指标整体转化如何?团队表现怎么样?
           CI 是眼睛              策略是大脑            BI 是仪表盘
         (看到了什么)          (怎么判断、怎么做)       (全局怎么样)

每通电话 ──→ CI 分析 ──→ 结构化输出 ──→ 策略引擎 ──→ 业务行动
              │                           │               │
              │  情绪/态度识别              │  跟进策略调整    │  KPI 仪表盘
              │  关键词/话题提取            │  隐性拒绝判断    │  转化漏斗
              │  客户顾虑识别              │  状态变更触发    │  团队绩效
              │  沟通质量评分              │  温度重新计算    │  预警建议
              ▼                           ▼               ▼
         单通电话洞察              客户生命周期推进       全局业务决策

典型联动场景:隐性拒绝判断

当客户多次跟进都能联系到,但始终无法推进时(不拒绝也不行动),系统需要判断是否视为拒绝:

每次跟进后

  CI 沟通分析 → 提取:客户情绪、顾虑关键词、互动积极度

  策略引擎检查 → 是否达到"S 次跟进无果"阈值?

  ├── 未达到 → 继续按策略跟进

  └── 达到阈值 → 触发隐性拒绝判断

        综合 CI 历史数据 + 客户画像

        ├── 有具体顾虑记录(CI 提取到价格/时间/距离等关键词)
        │     → 条件性拒绝(冻结),等待条件变化后重新激活

        └── 无具体顾虑记录(CI 历次分析均显示态度冷淡、无实质内容)
              → 绝对拒绝(终态),结束全部跟进
CI 提供的判断依据倾向条件性拒绝(冻结)倾向绝对拒绝(终态)
沟通内容提到过具体顾虑(价格、时间、距离)从未给出具体理由
互动态度愿意沟通,只是暂时不行动敷衍、冷淡、越来越短
客户画像符合目标客户特征不太符合目标客户特征
历史行为曾经主动询问过细节从未主动发起任何互动

三、2025-2026 CI 行业趋势

趋势说明
实时 Agent Assist从"事后分析"到"通话中实时提示",AI 在通话过程中提供话术建议和异议处理
Agentic CI对话智能从被动分析进化为主动执行——自动触发跟进、分配任务、更新 CRM
多模态分析不仅分析文字,还结合语音语调(声学特征)和视频表情进行综合判断
Generative AI 深度集成LLM 生成通话摘要、自动填写 CRM 字段、生成个性化跟进邮件
合规自动化AI 自动检测通话中的合规风险(PII 泄露、误导性承诺、监管违规)
嵌入式 CICI 能力嵌入 CRM/拨号器/客服工具内部,而非独立产品
隐私与数据主权GDPR/CCPA 合规、本地化部署、PII 自动脱敏成为标配

关键统计

  • 76% 的企业已将 CI 嵌入超过一半的客户互动场景(2025)
  • 使用 CI 的销售团队 win rate 平均提升 15%
  • 客服场景中,CI 使服务质量评分提升 69%
  • 手动记录工作量减少 90%

四、市场规模

  • 2025年全球 CI 软件市场约 $285亿
  • 预计2026年达 $322亿(CAGR 13.0%)
  • 预计2035年达 $557亿(CAGR 8.2%)
  • 更广义的对话式 AI 市场:2025年 $148亿 → 2034年 $825亿(CAGR 21.0%)
  • CI 是对话式 AI 中增长最快的细分赛道之一

五、竞争格局

1. 按场景分类

类别代表产品核心场景价格区间
销售对话智能Gong, Chorus(ZoomInfo), Clari销售通话分析、Deal Intelligence、预测$100-250/用户/月
客服/呼叫中心CallMiner, Observe.AI, Level AI质检、合规、Agent 绩效企业定价
通话追踪+归因CallRail, Invoca, CallTrackingMetrics营销归因、来电追踪$45-150/月
会议智能Otter.ai, Fireflies, Avoma会议记录、自动摘要$10-40/用户/月
全渠道 CITwilio CI, RingCentral RingSense跨渠道对话分析按用量计费
垂直行业Retaintive (我们)教育/服务行业 Lead 跟进 + 留存-

2. 头部玩家详细对比

能力GongCallMinerObserve.AIRetaintive (我们)
通话录音/转录
情感分析✅ (深度)
实时 Agent Assist部分规划中
Deal Intelligence✅ (强)规划中
合规监控部分✅ (强)基础
BI 仪表盘基础基础基础✅ (角色化)
Lead 生命周期管理✅ (核心)
垂直行业深耕❌ (通用)❌ (通用)❌ (通用)✅ (教育/服务)
定价模式高 ($250+/用户)企业级企业级中小企业友好

六、CI 技术栈选型

语音转录 (ASR) 对比

服务价格优势劣势
Deepgram Nova-3$0.0043/min高精度、低延迟、说话人分离、PII 脱敏非大厂
AWS Transcribe$0.024/minAWS 生态集成、异步批量贵5倍、异步延迟
Google STT$0.016/min多语言强说话人分离需额外付费
OpenAI Whisper开源/自部署免费、可定制需要 GPU、无实时
AssemblyAI$0.015/minLeMUR 集成、功能全中等价格

LLM 分析对比

模型输入价格输出价格优势劣势
Kimi K2$0.15/1M$0.60/1M极低成本、Thinking mode稳定性待验证
Claude Sonnet 4$3.00/1M$15.00/1M结构化输出可靠成本高
GPT-4o$2.50/1M$10.00/1M生态成熟中高成本
Claude Haiku$0.25/1M$1.25/1M低成本、快速分析深度有限

七、Retaintive CI 定位分析

定位:垂直型 CI + BI 融合平台,专注教育/服务行业的通话分析与客户留存

与纯 CI 公司的差异

维度纯 CI 公司 (Gong 等)Retaintive
核心价值分析通话内容通话分析 → 业务决策闭环
分析终点通话报告和指标角色化仪表盘 + 可执行建议
业务理解通用销售流程深度理解教育/服务行业获客→留存全链路
数据流向CI 数据停在 CI 平台CI 数据直接喂入 BI 指标体系
目标用户销售VP、RevOpsOwner / Manager / Staff 三层角色
定价策略企业级高价中小企业可负担

CI 核心能力路线图

Phase 1 (当前) ✅
├── 通话录音自动采集 (RingCentral/Twilio)
├── AI 转录 (Deepgram 主 + AWS 备)
├── LLM 结构化分析 (Kimi K2 主 + Claude 备)
└── 分析结果存储 (DynamoDB + S3)

Phase 2 (规划中)
├── 沟通质量评分模型
├── Lead 温度自动判定
├── 客户意图/异议识别
└── 跟进建议自动生成

Phase 3 (远期)
├── 实时 Agent Assist (通话中提示)
├── 自动 CRM 回写
├── 多语言支持
└── 预测性分析 (流失预警、转化预测)

八、CI + BI 融合:我们的独特价值

市场上绝大多数公司只做其中一个方向:

┌──────────────────────────────────────────────────────────┐
│                      市场格局                              │
├──────────────────────────────────────────────────────────┤
│                                                          │
│  纯 CI 公司                    纯 BI 公司                 │
│  ┌─────────────┐              ┌─────────────┐            │
│  │ Gong        │              │ Tableau     │            │
│  │ Chorus      │              │ Power BI    │            │
│  │ CallMiner   │              │ Looker      │            │
│  │ Observe.AI  │              │ ThoughtSpot │            │
│  └─────────────┘              └─────────────┘            │
│        ↓                            ↓                    │
│   懂对话内容                    懂数据分析                 │
│   不懂业务全局                  不懂对话内容               │
│                                                          │
│              Retaintive / CloudAudioAI                    │
│              ┌─────────────────────────┐                 │
│              │   CI + BI 垂直融合       │                 │
│              │                         │                 │
│              │  通话 → 理解 → 指标 →    │                 │
│              │  仪表盘 → 决策 → 行动    │                 │
│              └─────────────────────────┘                 │
│                       ↓                                  │
│            在垂直行业做到端到端闭环                         │
│                                                          │
└──────────────────────────────────────────────────────────┘

大厂做通用 CI,大厂做通用 BI,我们在垂直行业做 CI + BI 的深度融合。


参考资料