#通话分析数据逻辑

数据来源：call-analytics-prod-call-analysis-us-east-1（call-analysis 表） 统计时间：2026-03-11，共 44,151 条已完成 AI 分析的通话记录（§一~§八基于 30,122 条早期快照，§九基于 44,151 条全量数据） 分析目的：梳理 Per-Call AI 现有输出字段，为 Follow-up Task 生成逻辑（Cross-Call AI）提供数据基础

---

#一、现有 AI 输出字段总览

Per-Call AI（Layer 1）每通电话分析后写入 call-analysis 表，以下字段与 Follow-up Task 直接相关：

---

#二、customer_type — 客户身份分类

与 typeBadge 的映射关系：

---

#三、primary_category — 通话主分类

revenue_priority 按 category 分布：

发现：revenue_impacting 类通话集中了 99.5% 的 high priority（2,189/2,201），是 Follow-up Task 的主要来源。

---

#四、primary_subcategory — 通话子分类（32 值）

#4.1 完整枚举

#4.2 subcategory → typeBadge 映射建议

注：最终 typeBadge 由 Cross-Call AI（Daily Batch）综合多通通话判定，不是 Per-Call 单通直接映射。以上为映射方向参考。

---

#五、primary_outcome — 通话结果

与 Task 关闭的关系：

---

#六、follow_up_needed — 跟进需求

#6.1 follow_up_needed = yes 按 customer_type 分布

#6.2 follow_up_needed = yes 按 primary_subcategory 分布（Top 15）

发现：现有会员（existing_member）占跟进需求的 59.2%，主要是 billing_issue（191）和 membership_cancel（151）。潜在客户的跟进集中在 intro_booking（201）。

---

#七、revenue_priority — 营收优先级

注：这是 Per-Call AI 对单通通话的优先级判定。Follow-up Task 的 priority 由 Cross-Call AI 综合多通通话重新判定，不直接使用此字段。

---

#八、通话方向

---

#九、关键数据洞察

#9.1 高频组合（customer_type × subcategory）

#9.2 按业务目标归类（customer_type × subcategory）

综合 customer_type 和 primary_subcategory 两个字段，将 44,151 通通话按业务目标归类。每通通话只归入一个类别，所有数字之和 = 44,151。

#通话数据可直接驱动的业务目标

• 非客户通话：customer_type = other（vendor、wrong number、spam 等），不生成 Task。
• 其他无法归类：subcategory = other 中无法判定方向的通话。
• 子分类详见下方。

---

促进成交（19,720）按销售漏斗阶段分 3 个子类：

线索跟进 → 预约转化 → 购买推进 构成销售漏斗的三个阶段。

投诉挽留（11,799）按性质分 5 个子类：

说明：

• 归类基于 customer_type + subcategory 的组合映射。同一 subcategory 在不同 customer_type 下可能归入不同目标（如 membership_purchase_related：prospective_client 归"促进成交"，existing_member 归"促进升级"）。
• 边界模糊的场景需要 Cross-Call AI 根据对话内容动态判定，而非静态映射。例如：billing_issue 默认归"投诉挽留"，但如果客户在通话中表达了取消意向，AI 应将其升级为"避免流失"。

#9.3 对 Follow-up Task 生成的启示

1. 潜在客户占比最高（42.8%），intro_booking（8,779 通）是绝对主力，Cross-Call AI 需重点判定这类客户的漏斗位置
2. 会员取消风险是第二大 Task 来源：membership_cancel（917）+ membership_freeze（891）+ cancellation_fee_dispute（285）+ membership_downgrade（146）= 2,239 通
3. Win-back 有明确信号：former_member + reactivation_purchase = 578 通，数据量足以支撑 WIN-BACK typeBadge
4. 升级机会较少但明确：member_upgrade（123）+ member_package（199）= 322 通
5. 现有 follow_up_needed 仅 2.8%：Per-Call AI 判定保守，Cross-Call AI 综合分析后预计比例会更高