Invoca《Broken Funnel》报告：衡量 AI 对话之后的实际结果

营销团队应该如何衡量一段可能带来销售或预约的 AI 对话？首先定义结果，追踪请求交接给运营团队之后的进展，并明确显示还有多少案例的最终状态未知。智能体处理大量对话可能有用，但仅凭对话量，无法解释符合条件的客户是否获得了所需服务，也无法说明企业是否因此增加了业务。

Invoca 新近公布的《Broken Funnel》报告，为检查这条链路提供了一个及时的契机。调查结果需要谨慎解读，尤其要区分主要绩效指标与团队可能追踪的全部指标。下面先简要说明已核实的事实，随后提出独立的衡量框架。本文不描述 Invoca 额外的产品功能，也不声称展示任何实际实施成果。

这项新研究实际衡量了什么

Invoca 于 2026 年 11 月 10 日宣布这份报告。其解释性博客标注的日期是 11 月 9 日，因此不能把公告日期描述为研究首次可能公开出现的时间。Invoca 公告；带日期的解释性博客。

Invoca 委托 Gather 在 2026 年 9 月 14 日至 10 月 5 日期间调查美国 B2C 营销负责人。经质量筛查后的样本包含 451 名经理及以上级别受访者，所在企业至少有 100 名员工，来自汽车、医疗与牙科、家庭服务、金融与保险、电信这五个行业。智能体相关问题使用的是 323 人的子样本，其企业已正式使用或正在试点智能体。

在这个子样本中，27% 将收入、预约或对话转化率选为智能体的主要 KPI。因此，其余 73% 并不能证明这些团队从不衡量销售。报告还称，19% 能将智能体结果作为转化信号回传广告平台。这是供应商委托的自报调查，而非经过审计的集成结果，也不是对海湾地区市场的估计。报告与研究方法。

先决定智能体承担什么工作

从互动目的出发。回答营业时间问题的智能体，与帮助客户申请报价的智能体，承担着不同的工作。服务流程优先关注问题解决、信息准确或能否联系到人工人员，可能完全合理。面向销售的流程还需要商业结果。对每段对话统一设置收入目标，可能鼓励不必要的推销，并掩盖客户是否真正得到了有用帮助。

为选定流程写一段简短的决策说明：服务哪些人、处理哪类请求，以及成功完成意味着什么。在比较绩效之前，记录资格条件。服务范围以外的客户、重复咨询，以及查询既有订单的老客户，不应自动进入同一个获客指标的分母。应保留这些类别的可见性，而不是从运营视图中删除它们。

接着选择一个主要指标及相应保障指标。对于报价请求，主要结果可以是已接受且能够提供服务的请求最终转为完成的订单。辅助指标可以包括回复质量、放弃流程、人工转接失败和投诉。这是编辑层面的示例，不是通用评分表。企业应选择能反映实际工作的指标，并说明每个指标为何需要纳入。

在连接系统之前定义结果

为每一种结果制定运营和财务团队都能理解的明确定义。预约可能意味着排期系统中有一个已确认的时段；到场则需要后续事件。已完成的销售仍可能发生取消或退货。当不同团队用同一个词描述不同阶段时，即使数据传输技术上准确，也可能生成在商业意义上误导决策的仪表板。

为每个阶段指定权威记录系统、责任人和事件时间。区分事件实际发生的时刻与报告系统收到事件的时刻。延迟导入的数据，不应被呈现为客户需求突然激增。记录更正和撤销，使此前已计入的结果可以调整，同时保留解释变动原因的历史，而不是悄悄将其抹去。

约定如何处理部分完成的情况。一个人可能申请多项服务、改变服务地点，或重新安排同一次预约。明确报告单位是个人、咨询、订单还是预约，并保持这一选择稳定。一个指标的价值，在于其他团队能够依据已记录的规则复算，而不仅仅是仪表板显示了一个好看的数字。

建立小规模、可复核的结果台账

实用的起点是选取一个有限的客户群组，记录可识别的咨询记录、获准使用的来源信息、对话状态、交接状态，以及最终运营结果。同时添加时间戳与各字段的责任人。目的是让请求的完整过程能够被检查，而不是收集所有可获取的个人信息，或把完整对话复制到权限广泛的营销数据库。

在系统支持时使用稳定标识符，并记录每个标识符代表什么。为每一次跨系统匹配保留理由。当记录无法被可靠关联时，应保留“未解决”类别，而不是依据相似姓名或接近的时间强行建立连接。匹配规则应能够向日后负责更正记录的人解释清楚。

先检查足够数量的案例，以暴露常见故障：重复提交、客户从另一渠道返回、转接遗漏，以及后续取消。在扩大集成之前，人工审查整个路径。这项工作能帮助判断问题出在对话、运营交接，还是报告流程。如果尚未找到断点就增加更多数据，可能只会扩大混乱。

Karim Elganainy 创作的概念示意图，并非 Invoca 界面或调查结果展示。三个面板分别表示智能体活动、符合条件的行动和已核实价值，用于说明本文提出的衡量框架；评估新增价值仍需要独立比较。研究背景：Invoca《Broken Funnel》报告。

把缺失结果视为衡量问题

报告符合条件的记录中，有多少能够追踪到一个定义清楚的阶段。在旁边同时显示尚未解决的比例，以及已知的主要原因。缺失结果可能源于尚未接入系统的分支机构、延迟更新、标识符问题，也可能是互动确实没有产生结果。这些情况需要不同的修复措施，不应统统归入一个方便的“失败”标签。

在数据和权限允许时，按渠道、地点、设备或流程检查缺失情况。如果一家分支机构可靠记录完成事件，另一家却没有，其表面的转化差异可能主要来自报告质量。总体平均值会掩盖这种不平衡。在比较达到足以支持决策的一致程度之前，不宜据此在这些群组之间调配预算。

通过获准的访问权限，与运营责任人一起审查一部分尚未解决的案例。记录发现，并判断匹配规则是否需要修改。不要假定未匹配案例与已匹配案例具有相同行为。转移渠道、需要人工帮助或决策时间更长的人，可能存在系统性差异，从而限制了已观察到的子集对整体受众的解释能力。

阅读计算示例时不要过度解读

假设有一个包含 1,000 条合格咨询的群组。团队能够将 800 条咨询连接到后续记录，另外 200 条仍未解决。在已连接的案例中，观察到 160 次预约和 120 次已完成的到诊。这些数字完全是假设，仅用于说明计算方法，并非 Invoca 的研究发现、绩效基准或某家医疗机构的实际结果。

在已连接的咨询中，记录到的预约比例为 160 除以 800，即 20%。若以全部合格咨询为分母，则是 160 除以 1,000，即 16%。全部合格咨询中的已记录完成比例为 120 除以 1,000，即 12%。每个计算回答的都是不同问题。展示数字时，应同时标明分子、分母及尚未解决的案例。

16% 是该群组中已经观察到的预约比例，并不意味着其余咨询都失败了。同样，160 次预约与 120 次完成之间的差额，也不能自动标为未到诊：其中部分预约可能尚未到时间，或已重新安排。在解释绩效之前，应先检查这些状态。算术正确并不能弥补对所计事件的错误理解。

给结果足够时间显现

选择适合该流程的跟踪窗口，并在评价群组之前明确规定。同日完成的购买与数周之后的预约，需要不同的时间才能成熟。把最近的群组与已经完整观察的较早群组比较，可能让新流程看起来更差，仅仅因为新客户尚没有足够时间完成预期行动。

将初步结果与成熟结果分开。周报可以分别展示新增预约、后续完成和未解决记录，而不假装这些数字都属于同一条已完成旅程。如果退货或取消会影响价值，应等待相应观察期结束，再把结果认定为保留下来的价值。记录数据截止日期，使其他分析人员知道究竟纳入了哪些后续事件。

随着新信息到来，重新检查之前的群组，但应保留原先视图，并解释重要变化。修正后的结果应该更新管理层的理解，而不是消失在一张被覆盖的图表里。这也能避免团队庆祝随后被撤销的短期收益，或在预期结果尚未有时间出现之前，过早否定有用的流程。

向广告系统发送可负责任使用的信号

向广告平台回传任何结果之前，应与负责隐私和技术的团队确认获准的数据、接收方、用途和实施方式。内部业务记录有效，并不意味着其中每个字段都适合广告用途。仅使用该项集成所必需、且已获批准的最少信息，并把敏感对话内容排除在常规营销导出数据之外。

在受控流程中测试事件投递、去重、时间戳和结果撤销。比较运营系统的记录与接收平台的报告。成功的传输回执，只能证明请求在那个阶段被接受，不能证明匹配正确、报告完整、优化合理或带来了额外销售。在扩大信号对决策的影响之前，应分别验证这些问题。

根据事件的商业含义与可靠程度选择信号，而不只是看记录量。优化一个频繁发生的初步行动，可能会增加这种行动，却未改善最终完成结果。如果最终事件延迟太长或记录质量不足，应解释其中的折中，并持续监测下游质量。不要用更漂亮的事件名称掩盖衡量限制。

区分归因与新增影响

关联后的记录可以解释某段对话之前出现了哪项活动，以及之后产生了什么结果。这种关联对运营和报告很有用，但它本身不能说明，没有智能体或没有广告时会发生什么。客户可能本来就打算购买，一些客户也会先在多个渠道之间移动，再决定通过何种方式完成交易。

若要测试增量影响，应明确正在评估的决策，并建立可信的比较。在可行且合适的情况下，将合格案例随机分配到拟议流程或现有流程，同时保留必要的服务可及性。提前规定结果观察窗口、排除条件和保障措施。如果无法随机分配，应记录替代设计，以及两组仍可能存在差异的原因。

同时评估收益与成本。新增完成订单可能被折扣、人力、集成或服务成本抵消。回复更快即使没有改变销售，也仍可能有价值，但必须准确描述这项收益。不要把所有归因收入都称为增量收入。最有力的管理结论，是比较能够支持的结论，其中也包括证据仍不足以支持扩大实施的情况。

在海湾地区医疗场景中谨慎应用

对于海湾地区的医疗机构，一个边界清楚的示例，是使用经过批准的公开服务信息，提供非临床的预约咨询。这是本文框架的拟议应用，并非来自美国调查的本地结果。衡量过程可以区分咨询、确认预约、完成就诊及未解决案例，同时把临床判断和紧急就医分流交由合适的专业流程处理。

语言和运营背景都值得明确审查。检查阿拉伯语和英语旅程是否使用相互等价的服务描述、地点名称和预约规则。在比较表面绩效之前，先检查呼叫中心与分支机构之间的交接。两种语言在已记录完成率上的差异，可能反映排期方式或数据质量，而不是客户意愿或 AI 回复质量的不同。

请具备资质的隐私、法律和临床负责人，确定在相关司法辖区和机构内允许怎样实施。除非已经建立经过专项审查的合法用途，否则不要把健康信息和可识别身份的对话内容用于广告反馈。本文不证明监管合规，也不建议按健康状况定向投放。当前任务是改进一项已获批准的运营衡量流程。

为衡量流程明确责任人

明确谁负责定义、源记录、匹配逻辑和报告决策。营销团队可以解释活动意图，运营团队可以验证实际结果，财务团队可以说明什么构成已确认或保留的价值。技术和隐私专家同样需要清楚的职责。如果企业从未在运营规则中解决分歧，共享仪表板也无法代替这些决定。

事件定义、集成或匹配规则发生变化时，应保留简明的变更记录。标注受影响的日期，以及历史数据是否仍可比较。如果新规则突然增加了归因结果，应把衡量方式的变化与业务增长分开展示。否则，可见性改善可能被误认为绩效改善，进而导致证据不足的预算决策。

通过定期审查解决影响最大的缺口，而不是不断堆积更多指标。优先处理那些阻止客户获得服务、扭曲重要决策，或导致不可接受数据暴露的故障。为每个问题指定责任人和下一次检查时间。一小组可信指标，比一整套关键结果无法核查的大型仪表板更有用。

让下一步决定与证据相称

第一份有价值的交付物，是明确记录的结果定义、经过复核的群组，以及透明的缺失记录说明。它可能揭示智能体运行良好，但分支机构交接不完整；也可能显示数据流转正确，而客户很难联系到人工人员。这是不同的发现，也应导向不同的行动。

只有在选定流程满足服务保障要求，且证据支持预期收益时，才扩大实施。如果衡量仍不完整，就修复具体缺口，并保持有限范围。如果可靠的比较没有发现值得投入的收益，应保留这个结果，而不是寻找更好看的指标。能够阻止不必要支出的测试，同样改善了决策。

Invoca 报告最有价值的用途，是推动上述实际检查。它的标题不应取代对调查的认真阅读，美国受访者也不应代表每个市场。战略任务是把对话连接到定义清楚、可以核查的结果，再通过独立比较，判断新流程是否创造了足够价值，值得继续。