电销智能质检怎么做？规则、抽听、AI 三层怎么分工

昨天有人问我们：电销智能质检到底要花多少钱。我没报价格，先报了一组数：我们库里 1400 通通话记录，接通结果字段 1400 条全部有值，录音文件 678 条，转写出来的文本 23 条。三个数字连起来是一条 100% → 48.4% → 1.6% 的斜坡。任何一套号称「全量质检」的方案，站在这条斜坡上都藏不住——它只能盖住斜坡上它够得着的那一段。

这就是电销智能质检最容易被讲糊的地方。厂商演示的是「三层全上」的样子，你真正要先回答的是：我这批通话的数据，能撑到第几层。撑不到那层，买了也是空转；撑到了却只上第一层，等于每天花人力做机器能做的事。

这篇不评谁家好，只讲三件事：三层各自回答什么问题、每一层的数据前提在不在、以及先上哪一层的判据。数字是我们自己系统 2026-10-22 的快照，含测试租户，只说明字段结构和数据形态，不代表任何机构的经营规模。

一、电销智能质检怎么做：先把「质检」拆成三种不同的活

「质检」这个词在电销团队里被用得太宽，宽到三个人说同一句话，指的其实是三件事。

第一件，判「说了没有」。有没有自报身份、有没有念费用说明、有没有出现对结果的承诺、有没有冒充资金方名义。这一类问题有明确答案，答案可以写成一条条规则，机器判定就行。它判的是合规红线，不是水平高低。

第二件，判「说得好不好」。开场三十秒有没有把客户的问题接住、客户说「我再想想」的时候有没有问出真实顾虑、报价之后有没有停下来等回应。这一类没有标准答案，只有在具体客户、具体情境下的合理与不合理。机器判不了，只有人耳能判，而人耳有时间上限，所以只能抽样。

第三件，判「像不像、全不全」。把一千通电话按「客户异议类型」分堆，把每通电话的意图、情绪、关注点标出来，把可疑的那一批挑出来交给人工。这一类不需要判对错，只需要判归类，而这正是现在的大模型做得比较稳的部分。它判的是规模。

三层之间不是升级关系。规则再准，也判不出「这通电话打得漂亮」；AI 再强，也不能替你认定「这句话构成了误导」——那是需要人签字的事。所以正确的说法不是「用 AI 替代抽听」，而是三层各管一段，边界写清楚。

一句话的判据：凡是可以写成「说了／没说」的，交给规则；凡是要判「好不好」的，留给人；凡是要在几千通里找出「哪一批值得看」的，交给 AI。把这三句话摆在一起，你就知道自己的预算该往哪一层放。

二、先量一条线：你说的「全量质检」，全量在哪一层

回来看那条斜坡。1400 通通话记录里，能支撑质检的字段是分层的，而且断得很干脆。

第一段，判定字段，1400 条全覆盖。接通结果字段一条不缺：已接通 649 通、未接通 751 通；呼叫类型、坐席、开始时间、时长也都齐。这意味着「规则层」想跑，数据是现成的——你不需要为第一层做任何数据准备，只需要把规则写出来。

第二段，录音，678 条，占 48.4%。另外 722 条的录音同步状态是「待上传」，不是「没录」。这两个状态的区别很要命：前者是链路问题（上传失败、断点没续上、终端没回传），后者是设备或权限问题。把「待上传」当成「没有录音」去统计，会高估缺失；把它当成「有录音」去承诺，会在抽听时才发现听不到。抽听这件事的天花板，就是这 48.4%。

第三段，转写，23 条，占 1.6%。其中完成 22 条、处理中 1 条，剩下 1377 条根本没有转写状态。转写任务表里一共 32 条记录：成功 26 条，从提交到出结果平均 26 秒，最长 145 秒；失败 6 条，平均滞留 14452 秒，差不多 4 小时，最长的一条挂了 86454 秒——整整一天才判死。

这组失败数字比成功数字更有用。它说明「转写」不是一个开关，是一条会卡住的管道：卡住的时候没人知道，直到有一天你想做全量质检，才发现三个月里只有 1.6% 的通话有文本。要上第三层，先答一个问题：转写失败之后，谁来补、多久内补、补不上怎么记。答不出来，AI 层就只能停在演示环境。

还有一个更硬的发现：我们库里 74 张表，没有任何一张是「质检」表——没有质检单、没有评分表、没有命中记录表。唯一带「分数」含义的字段，是客户 AI 分析结果里的意向分，12 条记录里 12 条都填了。也就是说，「录音有了、转写有了、分析有了，但质检结论没有落库的地方」。

这不是我们一家的毛病。多数团队做质检的顺序是：先买一套带质检功能的工具，再发现自己的录音不全、转写不通、结论没处放。正确的顺序反过来：先决定「一条质检结论由哪几个字段组成」，再决定用什么工具去产生它。前者是一张表的设计题，后者才是采购题。

三、第一层，规则：管的是「必须说」和「不能说」，不是话术好坏

规则层最容易做，也最容易做废。做废的方式只有一种：把规则写成情绪，而不写成条件。

先说规则该管什么。两类。一类是「必须说」：自报机构与身份、说明服务内容与收费方式、告知资料用途与授权范围。另一类是「不能说」：对结果的承诺、绝对化表述、冒充资金方名义、以低门槛诱导、对费用含糊其辞。这两类都不是审美判断，都能落成一句话、一个词、一个句式。

再说一条规则要可执行，必须同时满足三个条件。第一，能定位到句——不是「这通电话有问题」，而是「第 2 分 14 秒这一句有问题」；第二，能判定归属——这句话是坐席说的还是客户说的，说反了就是冤案；第三，能说清依据——依据的是哪一版词库、什么时候生效的。三个条件缺一个，这条规则就只能在报告里出现，不能在处罚里出现。

命中的粒度要选。按「词」命中，误报最高，因为同一个词在否定句、引用句、客户口中都会出现；按「句」命中，误报明显下降，但需要上下文；按「段」命中，最接近人的判断，但边界模糊、复核成本高。实务上的折中是：红线词按句判，灰度词按段判，灰度段落只提示不判定。

规则的版本比规则本身更重要。词库一个月改两次是常态，但改了之后，历史通话不能按新词库重判，否则上个月的合格记录这个月变成不合格，谁都不服。版本化要做三件事：每条规则带生效时间、每次命中记录当时用的版本号、重判必须是一次显式的批量动作并留痕。这三件事做到，质检结论才能当证据用；做不到，它只是一份周报。

最后一条经验：第一层的规则不要超过三十条。超过三十条，坐席记不住，主管也维护不动，误报会把人逼到关提示。先上最硬的十条——身份、费用、承诺、冒充、诱导这五类各两条，跑一个月看误报率，再决定加不加。

四、第二层，抽听：抽多少条才有意义

抽听的问题从来不是「抽不抽」，是「抽谁」。随机抽二百条，抽到的多半是那些「接通 11 秒就挂」的电话，听完什么也学不到。

先分层，再抽样。四类必须抽满：入职三十天内的新人（口径最容易走偏）、有投诉或退单记录的通话（问题已经发生）、时长异常的通话（过短说明没接住，过长说明卡在某一步）、以及规则层命中的那批（机器已经筛过一遍，人只需要判性质）。剩下的人按比例随机抽，用来估整体水平。

抽样量怎么定，给一个可操作的做法，不给统计承诺。先用 AI 层把全量打标（这一层后面讲），按「可疑」与「正常」分成两堆；然后对可疑堆做 100% 抽听，对正常堆按 5%–10% 抽样做校验。这样人力的九成花在真正需要判的电话上，同时保留一个「机器有没有漏」的校验口。这个结构比「每天固定抽二十条」有效得多，因为固定抽样的分母是全部通话，而问题从来不在全部通话里均匀分布。

抽听表要有五列，不能只有分数。通话编号、评分项（按你团队真正在意的三到五项，不要十项）、判定结论（合格／需辅导／需处理）、原话摘录（必须粘一句原文，否则无法复盘）、整改动作（改话术、加培训、调名单）。第五列是最容易被省略的一列，也是唯一能产生改进的一列——只打分不整改的抽听，第二年还在打同样的分。

抽听真正的产出不是分数，是话术版本的修订记录。一个月抽下来，如果「客户说再想想」这一段的合格率一直低，那不是坐席不行，是话术本身不行。这时该动的是话术库，不是扣分表。判断标准很简单：同一类问题连续两个月出现在抽听结论里，就说明它不是人的问题。

还有一件常被忽略的事：抽听的人是谁。让主管抽自己下属，结论往往偏软；让质检岗抽，结论会硬但容易脱离现场。折中做法是交叉抽听——A 组主管抽 B 组的通话，每月一轮，结论由质检岗汇总。这一条不花钱，但能立刻改变抽听结论的分布。抽听还要挂在一个固定的运营节奏上，否则会变成「月底补作业」，班前、班中、班后的一天闭环那篇里的时间结构可以直接拿来用。

五、第三层，AI：能替掉哪些活，替不掉哪些活

把 AI 放在第三层，不是因为它最弱，是因为它的输入要求最高：它要文本。而文本恰恰是那条斜坡上最窄的一段。

能替掉的活，四类。一是全量打标：把每通电话的意图、情绪、异议类型标出来，人只需要看汇总；二是分堆：把几千通电话按「值得听」和「不必听」分开，这是它最值钱的地方；三是抽取：把客户提到的机构、产品、金额区间、时间要求抽成结构化字段；四是摘要：一通八分钟的电话压成三行，让人三秒进入状态。

替不掉的活，也是四类。定性判断（这句话是否构成误导）、责任认定（该不该处理、处理到什么程度）、申诉裁决（坐席不服时谁说了算）、以及对外表述（对客户、对合作方的解释）。这四件事的共同点是要有人签字，而机器不能签字。

成本要算清，算法很简单。第三层的钱花在两处：转写和推理。转写按音频时长计费，公开计价口径是录音文件识别 2.50 元/小时（阿里云官方计费文档，量大可降到 1.00 元/小时）。一个月一千小时的音频，按 2.50 算是 2500 元；如果只转写 60 秒以上的通话，金额会掉一个数量级——这也是为什么「按时长设门槛」是所有质检方案里最省钱的一个参数（这个门槛怎么设、为什么值得设，转写费占报价多大一块那篇算得更细）。推理成本取决于你打几个标、跑几次，通常和转写同量级。

还有一笔不写在报价单上的成本：等待。我们那 32 条转写任务里，成功的平均 26 秒出结果，失败的拖了 4 小时。质检是「当天要出结论」的活，如果转写会拖到第二天，AI 层就只能做周报，做不了日清。所以第三层上线前，必须先确认两件事：失败重试机制在不在、单条转写的超时阈值是多少。没有超时阈值的异步任务，等于没有 SLA。

最后一个提醒：AI 打标出来的「高风险」不等于「有问题」。它只说明「这一条值得人看一眼」。把 AI 的结论直接当处罚依据，第一次冤案之后，整套质检就失去信任，坐席会开始研究怎么让模型判成低风险——那才是质检真正的失效。

六、时点：实时拦和事后查，是两套东西

同一个动作，在通话进行中和通话结束后处理，需要的能力完全不同，很多方案把这两件事混着卖，买回来才发现只能用一半。

实时这一侧，只能跑规则，而且必须高置信。它要的是毫秒级判定和低误报。误报的代价不是「多看一眼」，是坐席把提示关掉——一旦被关掉，这条通道就永久失效。所以实时只该放两类：绝对红线（冒充身份、承诺结果）和高置信句式（固定话术缺失）。灰度词一律不进实时。

事后这一侧，才能定性、才能出报告、才能追责。它可以慢，但必须全、必须可回溯。事后质检的产出物是三样：一通电话的结论、一个坐席的趋势、一类问题的分布。三样都要能点回到原始录音的具体时间点。

顺序建议：先事后，后实时。理由是事后能积累判例——你先用一个月的事后质检，把「什么样的表述算越线」变成团队共识和一份判例集，实时拦截才有依据。反过来先上实时，等于在还没定义清楚红线的时候就去拦人，结果多半是全员抱怨、然后关掉。

别忽略「准实时」这个中间态。通话结束后五分钟内出结论，对电销团队已经够用：坐席还在工位上，主管可以立刻拉过来听；超过当天，辅导价值掉一半。准实时的技术门槛比实时低得多，收益却接近，这是性价比最高的一档。

七、命中之后：复核、申诉、归档，这一步决定质检会不会变成吵架

质检做成吵架，几乎都发生在「命中之后」这一段，而不是判定本身。

第一步，人工复核，而且必须是另一个人。机器命中之后，先进复核队列，由质检岗判定「成立／不成立／待定」。待定这一档必须有，否则复核人会被逼着二选一，最后选择「不成立」以省事。复核要记两样：判定人和判定依据（引用哪一句原文）。

第二步，申诉，要有期限和仲裁人。坐席不服，可以在三个工作日内提申诉，由上一级或跨组主管仲裁，结论要写理由。没有申诉通道的质检，第一次误判就会变成「系统在整人」，之后所有结论都会被当成针对。反过来，申诉率本身是个好指标：长期为零，说明大家不信这套东西；超过一成，说明规则或话术有问题。

第三步，归档，要能落到秒。一条质检结论至少带五个字段：通话编号、命中时间点（秒）、原文片段、判定结论、判定人。少一个，这条结论就只能在内部周报里用，不能作为对外说明的依据。这和合规留痕是同一件事——六类记录要能随时调出来那篇里讲的「10 分钟能拿出证据」，靠的就是这种颗粒度。

第四步，回到词库。复核和申诉的结论要能反哺规则：误报多的词降级、漏报多的句式补进去、判例变成新规则的说明。这个闭环不是技术问题，是流程问题——如果没有人负责「每月看一次误报率」，闭环就会断。行业里比较成熟的做法是把它写成一条固定动作：自动检测 → 人工复检 → 申诉复议 → 模型与词库迭代，四个环节各有责任人和时限（这一闭环的公开表述见 2026 年 10 月中国信通院 AIIA 人工智能先锋实践中的一个银行全量质检案例，公开报道口径，此处只引用其流程结构，不涉及具体厂商评价）。

顺带说一句政策上的事，只陈述要求不下结论：《金融产品网络营销管理办法》已于 2026 年 9 月 30 日施行，其中要求金融机构对网络营销内容的合法合规性负责并建立审核机制；五家协会 2026 年 10 月发布的《个人贷款业务明示综合融资成本自律规范》要求线上签约单独弹窗明示、强制阅读不低于 10 秒并留确认记录。这两条都指向同一件事：过程要留痕，而且要能调出来。质检记录属于这类过程记录的一部分——不是因为它好听，是因为它可被调取。

八、电销智能质检最常被问的四个问题

每天几百通电话，能不能做到全量质检？要看你说的是哪一层。规则层可以全量，它的输入是判定字段和（部分）录音，成本几乎为零；AI 层的全量依赖转写，而转写是一条会卡的管道，能不能全量取决于你的失败重试和超时机制；抽听层永远不可能全量，人耳有上限，只能靠 AI 先把分母缩小。所以「全量质检」这句话，只有配上「哪一层全量」才有意义。

智能质检能不能替代主管听录音？能替代「找哪条该听」，替不了「听完怎么谈」。主管的价值在听完之后的辅导动作：指出哪一句该改、当场演一遍、约定下次检查的点。这套动作目前没有系统能替。反过来说，如果主管现在的工作就是「随机点开听几条」，那这部分确实可以交给机器——而且机器比他抽得更准。

规则命中率越高，是不是说明质检越有效？大概率相反。命中率突然升高，常见原因有三个：词库加得太宽、坐席被逼着赶量、或者话术本身有问题。健康的状态是命中率稳定、误报率低、复核后「成立」的比例高。只看命中率，会把质检做成 KPI，然后坐席学会绕着词说——那比不质检更糟，因为你连真实情况都看不到了。

质检结果能不能直接扣钱？建议不要直接挂。质检结论适合做三件事：辅导依据、培训选题、以及累计到一定程度后的绩效参考。直接按条扣钱，会把坐席的行为导向「不出错」而不是「谈成」，而电销真正的问题是谈不成，不是不出错。要挂绩效，也要经过「复核成立 + 申诉期过 + 累计达阈值」三个条件，并且让人看得懂规则——考核指标与权重那篇里讲过，考核的每一分都要能追到一个可核对的记录，质检结论正好是其中最硬的一类记录。

回到开头那条斜坡。质检这件事的顺序，从来不是「先买工具再想怎么用」，而是：先把判定字段补齐、把录音接通率拉起来、把转写的失败重试和超时定下来，再去决定要不要买第三层。第一层今天就能上，成本是一个人的两天；第二层取决于你那 48.4% 能不能变成 90%；第三层取决于那 1.6% 愿不愿意变成 60%。三层的顺序对了，钱花得少还见效快；顺序反了，就是买了一套演示很漂亮、每天没人打开的系统。

想知道我们现在这套版本在录音、转写、质检记录上做到哪一步，可以查看价格与版本说明，对着自己那条斜坡量一遍再决定从哪层开始。相关的能力边界，还可以看通话录音怎么管理、通话录音分析怎么做、助贷AI外呼怎么选、权限怎么分级与五道筛子几篇，先后顺序按你手上数据的实际情况定。