什麼是互動式語音回應（IVR）？

「如果您想與真人對話，請說『真人』。」

「真人。」

「很抱歉，找不到與『Cuban』相符的選項。如果您想與…」

嘆氣。

互動式語音回應（IVR）系統的好名聲，如今已經被拖下水。

說實話，這也不冤枉；你甚至可以說它是AI 語音代理人家族裡的醜小鴨。

它們笨重、過時又不實用。在手機上能用到最先進應用的時代，卻還要和機器人語音對話，實在是最不方便的選擇。

那我為什麼還要寫這篇文章？

啊，對。[清喉嚨]。

……但身為語音技術愛好者與極簡應用設計擁護者，我還是有一些自動化電話流程的見解想分享。

這是客戶支援門檻最低的方式，而相關技術——NLP（自然語言處理）與 ASR（自動語音辨識）——也已經大幅進步。

只要設計得當，誤判關鍵字與無止盡的選單都能成為過去式。

跟我一起來了解這套系統的組成、現今的應用方式，以及這項技術的獨特優勢吧。

因為你雖然肯定聽過 IVR，但我敢說你從沒真正深入思考過 IVR。

什麼是 IVR？

IVR（互動式語音回應）是一種自動化電話系統，企業用來作為選單，協助客戶在支援電話中導航。這些系統能回答常見問題、執行基本任務，並在需要時轉接真人客服。

IVR 讓真人客服不必處理基本查詢、分流與資訊收集，將真人資源保留給更複雜或敏感的案件。

透過一系列（通常是預錄的）語音訊息與讀取用戶輸入的能力，這些數位代理人能分擔大量客戶支援的人工工作。

IVR 系統如何讀取用戶輸入？

傳統系統使用（雙音多頻，DTMF）來讀取用戶輸入。也就是按鍵對應選項的方式。

（這也是為什麼按鍵時會有不同的聲音。）

你知道的，「如需英文服務，請按 1」。

有些系統還在用這種方式。但大多數情況下，現在已經豐富多了🌶️。

隨著語音技術進步，這些系統能整合更強大的機制來辨識關鍵字，甚至運用自然語言處理（NLP）來分析用戶語音的意義與情感。

IVR 怎麼運作？

1. 開始來電

當客戶撥打專線電話時，IVR 流程就會啟動。

2. 歡迎語與選單

客戶會聽到一系列選項，這些選項同樣是預錄的。

這些選項可能包括查詢銀行帳戶餘額、公司政策常見問答，或在轉接真人客服前先填寫基本資料等。

3. 用戶輸入

用戶選擇一個選項。系統有幾種方式可以讀取用戶輸入。

雙音多頻（DTMF）

DTMF 是經典做法，簡單明確。可以理解為什麼現在比較少用——畢竟打電話就是想說話。

但另一方面，它是資源消耗最少的用戶輸入方式。

政府服務常用這種方式——這些機構還沒建立完整的線上協助平台，且預期查詢最終還是會轉真人客服。

語音指令辨識

這種方式會請用戶說出對應選項的詞語，例如：「如果您想查詢帳戶餘額，請說『餘額』。」

這項技術自問世以來，這幾十年已經大幅進步。

你可能習慣了不準確又令人沮喪的辨識（就像前面舉的例子），但那其實是舊式 IVR 系統的問題，不是語音指令辨識本身的限制。

自動語音辨識（ASR）與 NLP

進階系統可能會採用完整的語音辨識搭配 NLP。

這時用戶可以直接用自然語言說出需求，深度神經網路演算法會將語音轉文字並分類，例如：「嗯，我想要存款。」

即使是資源有限的系統，也能運行相當快速且準確的 ASR 與 NLP 模型，企業也因此獲得極佳成效。

4. 分流

根據系統結構與客戶回應，接下來會將客戶導向下一步。

可能會請客戶輸入個人資訊，例如信用卡號或生日，也可能進入下一層更細的選單。

IVR 與 AI 語音代理人的比較

那麼，如果你在客戶支援聊天機器人外層加上語音功能，這就算是 IVR 系統嗎？

我想，技術上來說算是。

不過 IVR 通常指的是有預設流程與預錄語音訊息的系統。

這種情況下，代理人會用預錄訊息提示用戶選擇多個選項之一，然後依此分流。

而語音 AI 代理人則是用戶直接與代理人對話，回應會即時產生。代理人會自主判斷是否需要啟用某個工具。

IVR 透過預錄訊息與固定的用戶輸入，讓用戶依序選擇選項完成流程。每個步驟都會有一系列選項，必須選擇正確的那一個。

AI 語音代理人則能使用各種工具，並根據用戶輸入判斷要啟用哪一個，回應內容也是即時產生，而不是播放預錄訊息。

什麼時候該用 IVR 而不是語音代理人？

最明顯的問題：既然有先進、流暢的自動對話代理人，為什麼還要用一步步的語音選單系統？

如果你已經用 AI 來判斷 IVR 裡的用戶意圖，為什麼不直接用全自動系統？

這問題問得好。

當預算有限時

不算語音辨識（兩種系統都會用到），IVR 裡的 AI 主要是把用戶說的話分類成 n 種範例（通常超過 10 種）。

而自動化代理人則會多次呼叫大型語言模型（LLM）來判斷用戶意圖、產生回應，並用文字轉語音（TTS）產生語音，這些都會增加成本與回應時間。

這些額外成本有時是必要的，例如公司政策或 FAQ 很長、客戶詢問種類多達數百種時。

事先定義所有選項，還要讓客戶一個個聽錄音選單找答案，根本不切實際。這時就該用代理人。

當你的流程還沒完全定義時

自動化代理人功能更強大，但也更難預測。

記住，它們會自主決策。每一步都會執行一連串操作，錯誤也更難除錯。

我知道，因為我花過好幾個小時在除錯。

這沒什麼，這是開發的一部分，但這種時間投資最好留到你確定資料、流程結構與需求都已經成熟時再進行。

IVR 是一個很好的方式，能夠讓所有這些元素有條不紊地排列起來。

明確定義每個步驟，並一步一步引導使用者，是組織資料和理解流程更有效的方法。

我認為 IVR 有其優勢，處理簡單問題時甚至比全自動 AI 助理更合適。

但至少，你可以把它當作邁向完全自動化的墊腳石。

IVR 的好處

IVR 系統之所以普及，是有原因的。

即使現在有更強大、更先進的語音客服技術，我認為 IVR 仍然值得一試。

安全性

我們常常討論 AI 能做到和人類一樣的事情，卻忘了它其實在很多方面超越了我們。

其中一項就是語音辨識。像是「欸，這是 Tom 的聲音」和「這不是 Tom」的分辨。

對於像金融或個人資訊這類敏感事項，自動語音流程讓企業有機會將說話者的聲音與其身份比對，攔截原本可能被忽略的詐騙行為。

提升顧客體驗

當你沒有足夠人力接聽每一通來電時，就需要有東西來補上這個缺口。

有人協助總比一直等待好。

真人客服很棒。但如果真人客服事先了解來電顧客的需求，並且根據專長分派，那才是最理想的狀態。

降低成本

這點有兩個層面。

首先，把簡單的客服問題自動化，總是能節省成本。對於簡單問題的顧客，不需要特別客製化的服務，IVR 可以處理簡單任務或快速回覆。

雙贏局面

另一方面，IVR 是比 AI 助理和聊天機器人更便宜的選擇。

企業急於導入全自動 AI 助理來自動化客服，卻沒考慮到像 IVR 這樣更便宜的自動化方式。

機器人相關的成本不僅是工具和技術本身，還包括你投入在反覆測試和建置上的時間。

更有效的分流

利用明確的流程步驟（最好再加點 AI 技術）可以大幅提升分派效率。也就是說，真的讓顧客獲得所需的協助。

AI 很擅長在雜亂資料中找出規律。

AI 並不是 IVR 的必要元素，但加入機器學習來預測使用者行為其實很簡單。

透過 IVR，你可以收集顧客的資料、他們的問題，以及不同真人客服在處理這些問題時的成效。

在分流時，IVR 需要判斷要轉接給哪位真人客服。

也許某位客服對資料庫移轉問題比較熟悉，另一位則擅長處理登入帳號問題。不過第三位客服對企業方案用戶的帳號問題最拿手。

要學會所有客服／問題／顧客組合，可能要花上一輩子。

但對 AI 來說，這只是資料而已。

24/7 支援

真人客服不一定能全天候待命，但你可以在非上班時間收集必要資訊、安排回電時間，或處理簡單問題。

這能降低顧客端的摩擦，讓真人客服的工作時間更有效率，也有機會釋放資源，讓你能在離峰時段安排真人客服。

IVR 在各產業的應用案例

各行各業的企業都發現，特別是結合 IVR 與 NLP 後，效率和顧客滿意度都有明顯提升。

銀行業

我在文章中提過幾次銀行業，因為我認為這是 IVR 的絕佳應用。

不論怎麼看，確保交易安全就必須多次驗證使用者身份，然後再確認交易細節。

大部分都是簡單但敏感的資訊：信用卡號、存款金額。只要 IVR 可靠又安全，銀行業就是最佳應用場景。

事實上，導入自然語言 IVR 幫助銀行大幅提升自助解決率（不需轉真人客服），同時提升安全性。

醫療保健

COVID-19 期間的人力調度挑戰，顯示出醫療產業有效自動化的重要性。

GBANK Health，一家位於愛荷華州的藥局連鎖，導入針對個案的 IVR 後，來電轉接率下降了 24%。

這提醒我們，醫療是高壓又高風險的產業，有效自動化就是提升人們福祉。

客戶支援

大多數客服問題都是重複性事項。分類和篩選來電能節省時間，也提升滿意度。

同樣地，一家美國零售商透過自然語言 IVR，來電轉接率降低了 30%。

導入 IVR 也讓主導權回到你手上。

同一家零售商利用預測演算法推薦額外服務，成功率超過 70%，減少了後續來電需求。

如何避免 IVR 常見挑戰

IVR 並非萬無一失——確實會遇到一些問題。好消息是，你可以採取措施來解決。

保持選單簡潔

IVR 選單可能很長，選項也不夠明確。有時等到最後一個選項時，前面選項已經忘了；有時則不確定哪個才適合自己。

解決方法：反覆迭代、持續優化。收集使用數據，觀察使用者在哪些地方遇到困難。

這可能意味著要重新排序選項、刪除沒人用的，或合併類似的選項。

你的重點應該放在減少來電者等待時間、避免重複返回上一步，以及減少真人客服介入。

保持透明

IVR 不是人，這很正常。

但有些顧客還是偏好和真人對話。

因為無法讀懂或回應使用者情緒，不滿的顧客可能會覺得被忽略。

解決方法： 追求清楚明確，並盡早告知使用者如何轉接真人客服。

自動選單終究不如真人來得有溫度，使用者感受也會不同。

你無法控制顧客的感受，但可以隨時清楚告知他們的選擇。

解決瓶頸

即使是自動化系統也會有等待時間。畢竟 IVR 同時能服務的顧客數有限，真人客服的等待時間也會有所不同。

解決方法： 找出瓶頸並設法緩解。

設計 IVR 流程時，除了系統內部，也要考慮外部需求。

也許某些選單選項需求特別高，這時可以考慮調整人力資源來解決這些問題。

有可能顧客只是為了簡單問題來電，而這些答案其實網站上就有。務必讓這些資訊清楚且容易找到。

用 IVR 自動化電話服務

如果你還沒準備好全面導入 AI 自動化，IVR 絕對是最適合先試水溫的方式。

IVR 能讓你善用 AI 的力量，同時保持主控權。你可以收集資料，持續優化。

你只需要一個建置平台。Botpress 提供簡單的拖拉式編輯器、多種低成本模型可選，還能輕鬆整合電話服務，甚至會自動幫你收集分析數據。

立即開始打造。免費使用。

常見問題

現代互動語音應答（IVR）在理解自然語言和各種口音方面有多準確？

現代 IVR 系統針對支援語言的清晰語音，準確率可達 85–95%，這要歸功於先進的語音辨識和自然語言處理技術。遇到較重口音、方言或背景雜音時，準確率會下降，因此實際用戶測試很重要。許多平台也提供自訂模型調校，以提升特定口音和產業詞彙的辨識率。

IVR 技術對小型企業來說實施成本高嗎？

IVR 技術對小型企業來說已不再高不可攀；雲端解決方案的月費可低至 50 至 200 美元，實際費用取決於通話量與功能。若需加入語音辨識或與企業系統整合，成本會增加，而最大開銷通常是設計與設定所需的時間，而非軟體本身。

IVR 系統能與 CRM 整合以提供個人化回應嗎？

IVR 系統可以與 CRM 及後端工具整合，讓來電者享有個人化體驗，例如以姓名問候或根據客戶歷史進行路由。這些整合仰賴 API 或直接連接資料庫，因此需要一些技術設定，但在現代 IVR 平台中已越來越普遍。

IVR 系統能安全處理像信用卡號碼這類敏感資訊嗎？

只要設計時符合 PCI-DSS 標準並採用加密協議，IVR 系統就能安全處理敏感資訊。許多現代 IVR 供應商都提供安全的「付款資訊輸入」流程，讓敏感資料不會被人工人員看到，並全程加密。

從零開始部署一套 IVR 系統需要多久？

若使用雲端供應商的預設範本，公司最快幾天內即可部署簡單的 DTMF 式 IVR 系統。若需語音辨識及複雜流程的進階 IVR 系統，則可能需要數週才能上線。