当前我们已经建成实现使用LLM从客户与坐席（AI）的对话内容中挖掘营销线索的能力，并经过业务线下验证使用，实现了新促借款金额的大幅提升。

1.基于LLM营销线索促进电销借款存在的问题

以目前应用的情况来看，当前使用营销线索标签进行电销存在如下主要问题：

• 运营同事需基于自己的经验，并使用LLM提取的营销线索标签进行客户筛选
• 运营同事需基于筛选出的客群，基于策略库配置或者使用相应策略进行AI营销或人工营销
• 对于AI营销，运营人员需基于确定的营销策略配置流程节点和话术

从这三个问题来看，当前整个电销过程中，运营人员手工参与程度非常高。电销结果的好坏对于营销人员本身的经验和能力要求较高，且整个流程耗时较大。

2.基于LLM的端到端智能电销机器人

随着LLM能力的提升，当前是否可以使用构建LLM Agent的能力来实现以上三个问题的解决，从而实现构建一个基于LLM的端到端智能电销机器人呢？

从能力结构来看，大致如下：

1.LLM营销Agent

该Agent应该实现：

• 使用LLM自动从用户对话中提取营销线索
• 使用获取的营销线索，结合用户历史对话内容、征信、消费记录等获取用户具体的营销数据，例如营销时机、审批额度、利率、优惠折扣、还款期数等
• 结合营销策略库中的策略知识，LLM生成最终的针对该用户的营销策略

2.AI电销系统

该系统应实现：

• 基于LLM营销Agent生成的特定用户或者用户群的营销策略，结合金牌电销业务的经验和历史的电销流程配置知识，自动生成营销流程树
• 基于流程树实现话术内容的自动生成
• 结合ASR和超拟人TTS，情感TTS等能力实现AI电销

整个系统的实现对LLM的能力要求较高，目前语音方面我们已经具备相应的ASR流式识别、打断承接、话术裂变、意图识别、超拟人TTS等能力。因此，未来可重点探索LLM在整个电销过程中的自动化和标准化，从而实现基于LLM的端到端自动电销智能机器人。