前言

4月25日，百度 Create AI 开发者大会举办，众多前沿技术与创新应用纷纷亮相。在《如何让Deepseek发挥实战价值》的分论坛，百度智能云资深研发工程师叶翔结合百度智能云客悦·ONE的落地实践，分享了DeepSeek深度融入服务营销场景的系统技术实践。

本文将对叶翔的分享进行整理，让更多朋友深入了解DeepSeek与智能客服、智能营销等产品深度融合的核心技术路线、业务逻辑和实际效果。

一、业务背景

客悦·ONE是百度智能云推出的服务与营销一体化应用，搭载了文心、DeepSeek等大模型，并通过百度多年在垂直行业沉淀形成的丰富行业小模型，通过「大小模型协作」的双重引擎，聚焦「客户营销全旅程AI化」，为企业提供智能客服、智能外呼、客户洞察等核心能力。目前该产品已经公测上线，并已在十余个行业的数千家企业进行应用。

客悦·ONE面向的行业较为广泛（金融、银行、快消、汽车等），主线非常清晰——面向企业营销和服务场景，围绕企业目标客群完整的生命周期来设计方案，即把用户细分为五大阶段，分别是认知期、成长期、成熟期、衰退期还有流失期，在不同的阶段提供不同的营销策略以及产品承接。

具体是怎么样的策略和产品呢？

举个例子，比如某品牌新发布一款智能读写办公本，面向办公族及大学生、考研族，希望吸引更多目标客群购买。那么，从客户营销全旅程设计，需要如下的能力：
 

①认知期：通过AI洞察能力寻找匹配人群进行公域引流；

②成长期：利用AI销售能力，通过多种渠道向感兴趣用户介绍产品优势和利益点，推动付费转化；

③购买后：通过AI客服提供售后服务并推荐复购或挽回流失用户。

二、基于客户营销全旅程的Agent设计

那么，如何基于客悦·ONE实现上述能力呢？DeepSeek模型又发挥了什么关键作用呢？

在这里，我们设计了一个聚焦服务营销的动态编排多Agent框架，简化企业客户配置流程，借助大模型实现子Agent自动化配置和迭代，具体如下：

1. 多Agent框架：该产品设计的多Agent框架聚焦服务营销，具备动态编排特性。
2. 客户输入：确认营销目标和场景，提供企业业务背景等私有知识。
3. 全旅程规划Agent：依据不同营销场景，自动推荐合适的营销策略方案。
4. 子Agent：客户分层Agent、智能客服/外呼Agent、洞察Agent，通过大模型自动化配置迭代。

举个例子，企业想推广年卡会员。这时候，客悦·ONE里负责全程规划的 “小助手”（全旅程规划agent），会根据这个推广目标，自动规划出需要几个不同 “小助手” 来帮忙，像用户分层 “小助手”（用户分层agent）、外呼 “小助手”（外呼agent）以及洞察 “小助手”（洞察agent），还会自动把营销流程搭建好。

其中，用户分层 “小助手” 会根据卖年卡的需求，自动把用户分成不同群体。针对每个群体，外呼 “小助手”就能自动生成跟他们聊天的话术和营销推广方法。而且，每次和用户聊完天，洞察 “小助手” 会把聊天数据存起来，变成有用的信息和标签。这样下次再和用户沟通，就能更精准、更高效。

三、与DeepSeek-R1的融合实践：对话仿真自迭代系统

在Deepseek-R1模型刚推出时，大家都尝试用它替换业务中现有的模型。

但在实际探索中，我们发现：要达到较好的对话效果，需要较长时间深度思考。这样的延迟一定是难以满足客户预期的。

所以Deepseek-R1模型更适合应用于离线场景，或对时延要求不高的复杂场景。其中值得关注的一个典型场景就是智能客服的对话配置场景。

过去，按传统方式配置对话机器人时，常面临棘手问题：配置时需要考虑的场景太多，需要大量效果调试和测试验证，耗费大量运营和测试人力。即便如此，上线后仍会发现许多未能解决的用户问题。

对此，我们基于Deepseek-R1设计了对话仿真自迭代系统，取得了不错的效果。

对话仿真自迭代系统是如何解决问题的？
如图所示，该系统包含对话agent、仿真agent、自迭代agent三大模块：对话agent直接面向客户进行对话；仿真agent， Deepseek R1、V3等模型驱动，其核心功能是扮演企业的不同用户群体，与对话agent进行大量离线对话演练，生成对话记录。根据仿真agent的数据，自迭代agent通过评估、反思、优化三个步骤，持续改进对话agent。

通过对话仿真自迭代系统，智能客服能在正式服务客户前实现了严格「演练」。而评估中发现的badcase，自迭代agent会自动提出优化建议，运营人员也能根据这些建议手动补充优化，进一步完善对话agent。

对话仿真自迭代系统的实践案例
以推荐重疾险的营销场景为例，过去，机器人通过通用话术与化工技术员沟通，并没有让他唤起对重疾险的兴趣。

基于之前的对话记录，对话仿真自迭代模块经过几轮迭代，优化了对话agent的效果。优化后的对话agent话术更能抓住客户痛点。

比如面对化工技术员时，开场就点明化工工作存在风险，并询问是否有头晕胸闷等常见症状，让客户感同身受，愿意继续交流；

接着，逐步引出客户可能感兴趣的内容，像强调生病后的高额治疗费用，以及保险日花费不高。最后结合真实案例，成功促使化工技术员采取行动。

以下是应用客悦·ONE对话仿真自迭代后的近十个内部项目统计。从数据能直观发现，不论从运营的效率还是最终的对话效果上，都有明显提升。

四、与DeepSeek-V3的融合实践：智能客服的人机协同实践

在传统客服模式下，人工客服通常只是被动的接收一些转人工的需求。那么，客悦·ONE中的人机协同是如何设计的呢？ 

以自动驾驶场景为例。遇到极端情况时，安全员要随时接管车辆中止自动驾驶。客服场景也是类似，当出现高风险对话（客户投诉等），系统需要自动识别风险点，切换人工客服介入。

还有一种情况，当用户购买高价产品时却在下单时遇到卡点而无法下单，也需要快速转换人工客服介入。

人工客服处理后，对话可以重新交回机器人，继续推进后续流程。

五、Deepseek之外：端到端语音语言大模型实践

客悦·ONE是百度端到端语音语言大模型在B端的首次落地。 

传统语音机器人工作流程为ASR识别->大模型生成文本->TTS播报，串行流程耗时久，TTS音色单一，拟人度差。

端到端语音语言大模型则大大改善上述问题，并具备两大特点：

• 速度快、灵活打断：在云识别时具备预存、预取、预推理能力，速度更快，且支持任意打断。
• 意图理解能力强：与大模型融合训练，可根据文本语义信息自动识别文本相关内容。

---------- END ----------

深度融合DeepSeek的产品客悦·ONE已经发布，有感兴趣的朋友可以点击 https://cloud.baidu.com/product-s/keyue_home到官网体验，或百度搜索“百度智能云客悦”体验。