إلى أي مدى يجب أن يبدو الوكيل الصوتي بالذكاء الاصطناعي بشريًا كي يتمكّن من البيع؟



يحتاج الوكيل الصوتي بالذكاء الاصطناعي إلى أن يبدو بشريًا بما يكفي ليواصل العميل المحتمل الحديث، ويتوقّف القدر المطلوب من ذلك على نوع المكالمة: فالتذكير يحتاج إلى صوت واضح وتوقيت مضبوط، بينما تحتاج مكالمة المبيعات الباردة إلى أداء يتبدّل مع كل لحظة. وتعرف في أي جانب من هذا الخط تقف عبر تقسيم مكالمات صادرة حقيقية بين إعدادَين صوتيَّين ومقارنة معدّل التحويل. فالاستماع إلى عرض توضيحي يخبرك بما يعجبك أنت، لكنه لا يخبرك بما يفعله عملاؤك المحتملون.
هذا الدليل موجّه إلى المسؤول عن معدّل تحويل المكالمات الصادرة. وهو يفصل بين ما يغيّره الـ prompt وما تغيّره إعدادات الصوت والوكيل، ويحدّد معيارًا لكل نوع من المكالمات، ويعرض طريقة لاختبار ذلك في المكالمات الحية.
ماذا يقصد المشترون حين يقولون إن الصوت ليس بشريًا بما يكفي؟
يقصدون التنغيم (prosody): أي طبقة الصوت وسرعته وارتفاعه ووقفاته ومواضع النبر التي يستخدمها المتحدث، وكيف تتغيّر بحسب الموقف. فمندوب المبيعات الجيد يخفض صوته قبل ذكر السعر، ويبطئ حين يتردّد العميل المحتمل، ويزداد حيوية حين تكون الإجابة نعم. أما الوكيل فقد يقول الجملة الصحيحة بنبرة رتيبة أو بمرح ثابت لا يتغيّر، فيسمع العميل المحتمل نصًا مقروءًا.
والفرق التي تصطدم بهذا الحاجز تكون عادةً قد أعادت كتابة الـ prompt مرات عديدة. تحسّنت الصياغة وبقي الاعتراض قائمًا، لأن الصياغة والأداء يصدران عن أجزاء مختلفة من النظام.
ما الذي يستطيع الـ prompt تغييره، وما الذي لا يستطيعه؟
يغيّر الـ prompt ما يقوله الوكيل. أما طريقة قوله فيحدّدها الصوت الذي تختاره وإعدادات الكلام في الوكيل. وإذا واصلت تعديل الـ prompt لإصلاح مشكلة في الأداء، فأنت تعمل على الطبقة الخطأ.
في منصّة Retell، تبدو الطبقات على النحو التالي. أسماء الإعدادات هي المستخدمة في وثائق المنتج.
| الطبقة | ما الذي تتحكّم فيه | أين تضبطها | ما الذي لن تصلحه |
|---|---|---|---|
| الكلمات | طول الجمل، والصياغة، وكلمات الحشو، ولغة التعاطف، وطريقة صياغة الأرقام | الـ prompt، إضافةً إلى الإعدادات المسبقة في Agent Handbook: Default Tone (Professional + Conversational)، وNatural Filler Words، وHigh Empathy، وSpeech Normalization | الأداء الرتيب أو المتكلّف لجمل مكتوبة بإتقان |
| الصوت | من يتحدّث: جرس الصوت، واللكنة، والعمر، ومستوى الحيوية الأساسي | Select Voice: Platform Voices، أو Custom Providers، أو صوت مستنسخ | الصياغة، أو توقيت حديث الوكيل |
| الأداء | السرعة، وارتفاع الصوت، والعاطفة، والتشديد، والوقفات | Voice Speed، ومستوى الصوت، وExpressive mode، وعناصر التحكّم في الوقفات والنطق | صوت لا يناسب جمهورك |
| التوقيت | مدة انتظار الوكيل، ومدى سهولة مقاطعته، وأصوات الإصغاء الصغيرة | إعدادات الكلام: Response Wait time، وInterruption Sensitivity، وEnable Backchanneling، وBackground sound | النبرة العاطفية داخل الجملة |

تظل الإعدادات المسبقة في Agent Handbook أدوات على مستوى الـ prompt. إذ تصف الوثائق Professional + Conversational بأنها نبرة تعتمد أدوارًا قصيرة وسؤالًا واحدًا في كل مرة، وتناسب المبيعات. وهي تغيّر النص، لا الصوت المسموع.
ما الإعدادات التي تغيّر طريقة سماع الصوت؟
تغيّر أربع مجموعات من الإعدادات الصوت المسموع نفسه، ولكل منها حدّ موثّق.
اختيار الصوت. أصوات المنصّة هي المكتبة المنتقاة لدى منصّة Retell، وتصفها الوثائق بأنها مضبوطة بدقة للذكاء الاصطناعي الحواري عبر الهاتف ومعايَرة لتحقيق الوضوح بمعدّلات البت المستخدمة في الاتصالات. ويمكنك أيضًا إضافة صوت من مزوّد مخصّص أو استنساخ صوت. وفي وثائق الاستنساخ سطر مهم لفرق المبيعات: الصوت المستنسخ يعيد إنتاج الأداء الذي يسمعه، لذا سجّل بالنبرة والإيقاع والحيوية التي تريدها في المكالمات.
السرعة ومستوى الصوت. يتراوح Voice Speed بين 0.5x و2.0x. وعند تفعيل خيار "Dynamically adjust based on user input"، يتتبّع الوكيل عدد الكلمات في الدقيقة لدى العميل المحتمل ويعدّل سرعته تدريجيًا لتطابقها. أما مستوى الصوت فقيمة واحدة للوكيل. ولا تصف الوثائق أي إعداد يرفع مستوى الصوت أو يخفضه من لحظة إلى أخرى داخل المكالمة، فلا تبنِ خطتك على وجوده.
Expressive mode. هذا أقرب عنصر تحكّم موثّق إلى الأداء المتكيّف مع الموقف. فعند تفعيله، يضيف الوكيل وسومًا صوتية تعبيرية إلى الصوت الذي يولّده ويختارها بناءً على سياق المحادثة. وتشمل الوسوم المشاعر (متعاطف، متحمّس، سعيد، فضولي، مندهش)، والمؤثرات (تنهيدة، تنحنح، وقفة، وقفة طويلة)، والتشديد على الكلمة المهمة. وأنت تحدّد الوسوم المسموح بها، ويمكنك إعادة كتابة التوجيهات الخاصة بمتى ينطبق كل منها، ويمكنك وضع وسم يدويًا على سطر محدّد مثل جملة الافتتاح.
والحدود محدّدة بالقدر نفسه. فـ Expressive mode لا يعمل إلا مع أصوات المنصّة. وتنطبق الوسوم على 13 لغة، ويحتاج الوكيل متعدّد اللغات إلى أن تكون جميع لغاته ضمن تلك القائمة. ويستخدم الوكيل الوسوم باعتدال، ومعظم السطور تخلو منها. ولا يضع وسومًا على الأرقام أو الأسماء أو الأوقات أو الأسعار أبدًا، فلا تتوقّع تغييرًا موسومًا في الأداء عند ذكر السعر نفسه.
التوقيت. حتى الصوت ذو النبرة الجيدة يبدو غير طبيعي إذا ردّ بسرعة مفرطة أو تحدّث فوق كلام الآخرين. ويتحكّم في ذلك Response Wait time وInterruption Sensitivity والتفاعل الإصغائي (backchanneling)، ولـ تبادل الأدوار والتعامل مع المقاطعات دليل خاص به.
لا يوجد أي من هذه الإعدادات موثّقًا على أنه يجعل الوكيل غير قابل للتمييز عن الإنسان. لذا تعامل مع كل منها كمُدخل يجب اختباره. كما أن مسألة أن يبدو الصوت بشريًا منفصلة عن مسألة الإفصاح: فالإعداد المسبق AI Disclosure When Asked مفعّل افتراضيًا للوكلاء الجدد، أما الإفصاحات التي تتطلّبها مكالماتك فهي مسألة يُرجع فيها إلى مستشارك القانوني أو مسؤول الامتثال.
وإذا كنت تبيع بأكثر من لغة، فإن التحية تحمل وزنًا أكبر. اطّلع على أول 30 ثانية من الوكيل الصوتي متعدّد اللغات بالذكاء الاصطناعي.
ما مدى البشرية المطلوبة في الصوت لنوع مكالمتك؟
يرتفع المعيار بقدر الثقة التي يتعيّن على العميل المحتمل منحها قبل أن يقول نعم. والجدول أدناه نقطة انطلاق لاختبارك الخاص، مبنية على ما تطلبه كل مكالمة من المستمع. وهو ليس معيارًا مرجعيًا.
| نوع المكالمة الصادرة | ما الذي يقرّره العميل المحتمل | معيار الصوت | من أين تبدأ |
|---|---|---|---|
| التذكيرات، والتأكيدات، وإشعارات التجديد | التأكيد أو إعادة الجدولة | واضح ودقيق في الأسماء والتواريخ والمبالغ | صوت من المنصّة، وSpeech Normalization، ومدخلات نطق لأسماء العلامة التجارية والمنتجات |
| متابعة عميل محتمل طلب مكالمة | هل يجيب عن بضعة أسئلة | الصياغة الحوارية وتبادل الأدوار السلس أهم من العاطفة | نبرة Professional + Conversational، والتفاعل الإصغائي، وVoice Speed الديناميكي |
| مكالمة باردة لقائمة جهات اتصال | هل يبقى على الخط بعد جملة الافتتاح | مرتفع، ويتركّز في جملة الافتتاح | أضف Expressive mode مع مجموعة وسوم صغيرة، وضع وسمًا يدويًا على جملة الافتتاح، واختبر صوتين بالتقسيم |
| إغلاق استشاري أو عالي القيمة | هل يثق بالبائع في أمر مالي أو قرار حسّاس | أعلى مما ينبغي أن تفترض أن أي إعداد يحقّقه | دع الوكيل يؤهّل العميل ويحجز الموعد، ثم يحوّله إلى شخص عبر تحويل مُمهَّد حتى يثبت اختبارك خلاف ذلك |
الصف الأخير هو الأصدق. فإذا كانت الصفقة تعتمد على مسؤول إغلاق يقرأ الموقف، فاحتفظ به. والتحويل المُمهَّد يُبقي الوكيل على الخط ليطلع الشخص الذي يتسلّم المكالمة على التفاصيل، فلا يُطلب من العميل المحتمل تكرار كل شيء.
كيف تختبر بشرية الصوت في مكالمات حقيقية بدلًا من الاعتماد على أذنك؟
شغّل وكيلَين لا يختلفان إلا في إعداد الصوت على حركة المكالمات الصادرة نفسها، وقيّم كليهما بناءً على حدث تحويل تحدّده قبل المكالمة الأولى. فأذنك مستمع واحد، أما عملاؤك المحتملون فهم العيّنة.
استخدم قائمة التحقّق هذه:
- استبعد مشكلات الوصول أولًا. إذا لم يكن العملاء المحتملون يجيبون، فالصوت ليس السبب. راجع معدّلات الردّ على المكالمات الصادرة وقائمة التحقّق من أرقام الهاتف للمكالمات الصادرة قبل أن تمسّ إعدادات الصوت.
- لا تستخدم المحاكاة النصية للحكم على الصوت. يجري اختبار المحاكاة في صورة محادثة نصية، فهو يقيّم الصياغة والنتائج ولا يسمع شيئًا.
- استمع عبر مكالمة ويب، ثم عبر مكالمة هاتفية. تشير الوثائق إلى اختبار مكالمات الويب لمعرفة كيف يبدو الصوت فعليًا (الإيقاع، والنطق، وكلمات الحشو)، وإلى اختبار المكالمات الهاتفية لصوت شبكة الاتصالات.
- عرّف التحويل كحقل، لا كانطباع. أضف حقل Post Call Extraction مخصّصًا، مثل حقل Boolean لـ "تم حجز اجتماع" أو Selector لنتيجة المكالمة، بحيث تُصنَّف كل مكالمة بالطريقة نفسها.
- غيّر طبقة واحدة. انسخ الوكيل وغيّر الصوت فقط، أو Expressive mode فقط. وأبقِ الـ prompt مطابقًا، وإلا فلن تعرف ما الذي حرّك الرقم.
- قسّم حركة المكالمات الحية. يرسل A/B Testing على رقم الهاتف نسبة مئوية من المكالمات إلى كل وكيل، مثل 80/20 أو 50/50، وهو موثّق للمكالمات الصادرة والواردة على حدّ سواء.
- قارن في Analytics. صفِّ النتائج حسب الوكيل والإصدار، واعرض حقلك المخصّص في رسم بياني إلى جانب عدد المكالمات ومعدّل نجاحها ومدتها.
- قيّم الصوت المسموع إلى جانب النتيجة. يقيّم AI QA عيّنة من المكالمات الحقيقية، ويستخدم مقياس Agent Naturalness فيه كلًا من الصوت والنص المكتوب لرصد السرعة أو التنغيم غير الطبيعيين، والأخطاء في النطق، والخلل التقني. أما حقل
user_sentimentالمدمج فيُستنتج من النص المكتوب فقط، فلا تعدّه حكمًا على النبرة. - حدّد قاعدة التوقّف مسبقًا. قرّر الحد الأدنى لعدد المكالمات المتّصلة لكل متغيّر، والفارق الذي من شأنه تغيير قرارك. ودوّن الأمرين قبل الإطلاق.
إذا لم يحقّق المتغيّر الأكثر تعبيرًا معدّل تحويل أفضل، فالصوت لم يكن هو القيد. انظر بعد ذلك في القائمة والعرض وسؤال الافتتاح. وإذا حقّقه، فلديك رقم تدافع به عن اختيارك. وتنطبق الحلقة نفسها حين تنتقل من العرض التوضيحي إلى بيئة الإنتاج.
ماذا تسأل المورّد عن الصوت قبل بدء التجربة؟
اطرح أسئلة يمكنك التحقّق من إجاباتها داخل المنتج خلال التجربة:
- ما الإعدادات التي تغيّر الأداء، وما التي تغيّر الصياغة فقط؟
- هل يعمل الأداء التعبيري مع الصوت واللغات التي نعتزم استخدامها، بما في ذلك الصوت المستنسخ؟
- هل يمكن أن يتغيّر مستوى الصوت أو الإيقاع أو النبرة داخل المكالمة، وما الذي يحفّز هذا التغيير؟
- هل يمكننا تقسيم حركة المكالمات الصادرة الحقيقية بين إعدادَين صوتيَّين ورؤية معدّل التحويل لكل متغيّر؟
- ما مقاييس الجودة التي تستمع إلى الصوت، وما التي تقرأ النص المكتوب فقط؟
- حين تحتاج المكالمة إلى شخص، كيف يبدو التسليم بالنسبة إلى العميل المحتمل؟
المورّد الذي يجيب بتسجيل عرض توضيحي مصقول قد أجاب عن سؤال مختلف.
أثبت جودة الصوت في مكالماتك أنت
على خلاف الأنظمة المحسّنة لإنتاج كلام واقعي فحسب، صُمّمت منصّة Retell للمحادثة بأكملها: الصوت، والتوقيت من حوله، والتسليم إلى شخص، والقياس الذي يخبرك بما إذا كان أي من ذلك قد حقّق تحويلًا. اطّلع على كيفية تكامل هذه العناصر في صفحة الوكلاء الصوتيون بالذكاء الاصطناعي، وعلى كيفية تقييم AI QA للمكالمات الحقيقية. ثم أجرِ تجربة على مكالمات حقيقية بإعدادَين صوتيَّين وحدث التحويل الخاص بك، واتّخذ قرارك بناءً على ذلك الرقم قبل أن توقّع أي شيء.
See how much your business could save by switching to AI-powered voice agents.
Your submission has been sent to your email
ROI Result
Total Human Agent Cost
AI Agent Cost
Estimated Savings
Estimate your monthly voice AI cost
Read Other Blogs
أحدث ثورة في مركز الاتصال لديك مع Retell

ابدأ اليوم في بناء محادثات أكثر ذكاءً.




