放弃支付、申请退款、购后差评……消费者在电商平台的每一项操作背后，其实都有原因。
而这些原因，往往深藏于消费者与商家客服沟通的十几条甚至几十条对话之中。
在杭州语忆科技有限公司 CTO 魏志成看来，消费者与商家客服的沟通内容，其实是品牌商的一项重要数据资产，“一个愿意跟你沟通的消费者，一定是带着某种强烈需求来的，充分洞察这项需求并完成大项归类，可以反哺包括生产、营销，以及售前、售后服务等多个商品链路环节。”
早在 2016 年 9 月，杭州语忆科技有限公司（以下简称“语忆科技”）就聚焦于电商行业为超 3000 家头部品牌商家提供针对企业销售与客服岗位的数字化全流程解决方案，服务内容包括但不限于通过自研「客户之声」平台，帮助企业识别多平台客服场景下的对话语义，提炼核心信息完成自动化归因和标签设定，同时还能设置并统计客服响应速度、客诉解决完成率等多项指标数据，进行可视化展现并支持在授权条件下的即时调用。
魏志成介绍，「客户之声」平台其实有过一次大的升级，“第一版本核心解决的是企业在客服场景下的通用问题，关注到的指标相对标准化，但随着企业业务的发展以及对消费市场的进一步探索，客服场景下的个性化数据洞察需求越来越多，这也倒逼着我们平台进行升级。”
升级后的「客户之声」平台能够支持企业用户依据自身业务特征，以“拖拉拽”形式完成数据看板搭建，即便是缺少数据技术能力的一线运营岗位员工，也能轻松完成所需要的数据看板搭建并借助平台自带的工具完成数据分析；而在语义识别方面，也引入了包括火山引擎豆包等在内的国内主流大模型，进一步提升平台语义识别能力。
此外，在平台升级过程中，语忆科技还引入了火山引擎数据飞轮模式，通过火山引擎云原生数据仓库 ByteHouse 和火山引擎云原生开源大数据平台 E-MapReduce，持续加强数据处理能力。
“现在双 11 期间，「客户之声」平台日均处理的对话量级在超千万通，”魏志成解释道，“数据的稳定性和实时性，既是企业对我们平台的基础要求，也是核心要求。”
这两项要求，正是 ByteHouse 的强项。
ByteHouse 在 ClickHouse 的基础上进行重构和优化，在架构上遵循了新一代云原生理念，可支持容器化、存储计算分离、多租户管理和读写分离等功能；同时支撑实时数据分析和海量数据离线分析，尤其对高吞吐、高并发、复杂查询等多种实时数据分析场景进行优化，能为企业带来极速分析体验。
目前，基于 ByteHouse 的应用，「客户之声」平台的数据反馈基本能够控制在 2-3 秒，可以保障客户的日常诉求。
但同时，魏志成也表示，语忆科技成立第 8 年，在各个行业都积累了丰富的实践经验并沉淀出成熟解决方案，但企业客户的需求不断变化，大模型技术不断发展，这都对「客户之声」平台提出了更高要求，“比如我们正在探索的，对话数据与结果数据绑定，这就需要持续提升客服对话场景中的归因挖掘能力，帮助品牌商去判断为什么消费者会出现放弃支付、申请退款、购后差评等操作。”
这也体现在对 ByteHouse 的更高要求上，“下一阶段，我们也会和 ByteHouse 探索在大型数据分析的场景上，如何去更进一步地缩短所需时间，把秒级响应做到极致。”魏志成补充道。
