我的2021,客户反馈分析的AI智能之旅|社区征文

社区征文
1、背景介绍

2021年,随着企业数字化转型的持续推进,该浪潮迅速将客户体验触点打散,由此产生多渠道、多类型的反馈数据。要做好客户体验,就需要将分散在不同渠道的反馈数据进行整合分析,透过数据理解客户的需求痛点。然而实际推行过程并不是很顺利。原因有以下五个方面:

图片 1.png

  1. 团队规模偏小。大部分客户体验团队人数不超过10人,面对海量数据,显得力不从心。

  2. 抽样存在偏差。传统客户体验以问卷调查为载体,这类调研中实际受访的人数往往只占到客户总量的7%,由此得到的客户体验分析难免有失偏颇,容易造成抽样偏差。

  3. 分析标准不统一。人工分析数据时,容易受主观情绪的影响,缺乏客观的评判依据,造成分析标准不统一、分析结果不一致。

  4. 反馈类型多样。大量非结构化数据(文本、图片、音视频等)相对于结构化信息而言,更难被标准化、被解析,这类数据需要大量人工进行处理,投入回报率偏低。

  5. 角色面临边缘化。一系列的困境导致客户体验团队难以证明其对公司的价值,导致角色面临边缘化,形成恶性循环。

2、解决思路

随着AI能力的不断进步,针对海量非结构化数据的处理已经可以不依赖大量手工劳动,便可以挖掘出数据潜在的价值。针对客户反馈分析这一垂直领域,我们通常是利用AI中的NLP技术。它是计算机和人工智能的一个重要领域。顾名思义,该领域研究如何处理自然语言。自然语言就是我们人类市场交流所使用的语音和字符系统。 针对这一场景,可以借助多种NLP能力,多维度分析客户反馈数据,确保分析结论的准确性、全面性,主要应用到的NLP能力包括以下几类:

  • 情感分析:分析客户反馈过程中的情感倾向,包括正向、反向、中性三个倾向。“正向”代表客户对服务的认可,“反向”代表客户对我司发展提出了宝贵意见,“中性”代表客户的反馈是以咨询为目的。

  • 反馈分类:精准理解反馈数据,提高归因分析能力。每一条数据都将以--“反馈客户来自于XX,反馈问题归属于XX部门,反馈的产品名是XX,反馈的产品问题是XX”的形式进行归类。

  • 信息抽取:通过分析客户反馈数据,从中摘取出关键的词、短语或者句子,以词云的方式将反馈数据直观地呈现出来,以便业务人员快速了解客户的“惊喜点”和“吐槽点”。

  • 故障检测:对特定时间段负向反馈中的热点词汇进行趋势分析,及时发现潜在功能方面、服务方面的问题,并对故障演变趋势做出精准预测。

  • 文本摘要:提炼反馈要点,降低处理成本。

3、系统设计

客户之声洞察系统.png

该系统依托于数据平台、AI能力平台、分析平台三大数据中台,具备灵活伸缩、迭代周期短、易于扩展等主要特点。其中,数据平台负责底层数据存储,AI能力平台提供NLP标准能力,分析平台负责前端展示。

AI能力展示:

客户之声示例 (1).png

4、总结与展望

客户洞察系统借助AI能力和数据中台构建而成,是用于辅助业务人员提升客户体验的轻量级系统。数据是不会说谎的,有了该系统,我们可以结合业务特点、产品自身特点,更快找到提升客户体验的方向。客户反馈分析任重而道远,是一个极具潜力的业务场景。未来,系统的优化方向主要有:

  • 优化算法能力,提高模型识别准确率。
  • 持续扩充反馈数据来源,包括一些外部数据,同时支持更多类型的反馈数据,比如音频,图片,视频等。
  • 尝试挑战一些新的任务,比如说将AI能力嵌入到实时业务流中,对于客户反馈实时分析,生成建议供客服人员参考。
182
11
0
0
关于作者
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论