这里面是我们当前外呼这一块的服务框架，我们能力是偏向于在后端链路逻辑处理，像FS软交换服务器，我们当前也是在建设中，更多会希望外部的合作伙伴建立一些合作的机制，我们更希望借助与智能设备做整体大数据方面的解决方案。
这是当前的一个ASR识别和TS流程，我们引入话术，这样是有特征的逻辑在里面，进入之后我们会进行调用AI引擎。
这是一个当前的产品页面，这个页面上可以支持相应话术，可以有多个话术入口，以及特别的特征组合，我们可以有不同的针对性入口，他进来的话可以去到他相应不同的节点，在这上面我们对每一个节点也可以有多个下游，比如肯定意向，否定意向，未知意向。
这是我们的一个Demo，我们以后可以对望子成龙型的不同客户群体，根据他的特征做不同的话术营销，像期望留学型用户他们更偏重外教优势，会介绍有多种外教经验，如果是可能意向就会走到说给你提供相应体验课程，去体验体一下，下面会有转人进行跟进。像望子成龙型他们希望自己小学学习成绩好，可以在周围有一定地位，在这里会给他推出某个教育产品，如果方便的话，我们的师资配备或者我们历史经验会比较丰富。对于否定的意向，我们再进行一些挽留，并询问原因，希望在这一点让他们可以看到，可以把他们顾虑，他们关注的点抛给我们，我们可以做后续的分析。假如是费用顾虑，我们可能会自动做一些打折的模板去进行专门的呼叫进行服务。我们提供一个被动预语料库，我们很难预估到客户会说什么话，在这种情况下我们需要保证这样服务完整性，比较好的体验，我们增加被动语料库，这一部分是我们智能客服的能力。
这里刚才提到了客服，我们是用客服来做沟通，做技术支持相关东西，我们其实希望客服可以承担更多的角色，比如承担一些营销的任务，可以在产品售后让营销的触达之后，可以做一个营销的二次触达，产品售后之后可以做回访跟进，刚才提到一个点，我们一个用户在买一个课程之后，这个课程可能是十个课时，他只上了两三个课时，后面没有上，这个时候客服可以做后面的跟进，这种方式可以把我们用户关系稳定维护起来，也可以提高我们用户满意度，从而可以提高我们复购率的指标。
客户服务平台。当前其实我们很多客户端的渠道，像网页版或者APP，像H5，企业微信也打通了，还有微信公众号这块也比较成熟，我们是把多渠道可以提供客服售后给到最终C端用户，进行客服系统使用，这在一块汇集了这些数据，不仅仅是客服数据，还可以用来做后续其他的分析，整合出来之后可以做市场、销售、新的功能研发点一些启示，可以找到一些新的机会。
这是我们一个机器人AI客服的案例，当前是像我们公安、政企一些企业，还有像运营商的一些公众号。我们把微信的公众号和人工客服服务台数据进行打通，客服可以看到这个用户近期和机器人交互的环节，可以做出更精准的一些问答。
这是整个技术框架，在这里包括我们机器人客服和人工客服这两块，会有一些AI人工状态管理，多轮问答，上下文管理，在这里我们人工客服这块的数据扭转使用了。首先是说和微信H5或者网页端，这在块集成之后给用户侧数据会到服务器，到服务器和人工客服台是通过websocket做一个实时机制，外加异步消息处理提供高效能，更稳定性的保障。
