當您經(jīng)營當?shù)仄髽I(yè)時，很容易在現(xiàn)場收集反饋。但是當你有數(shù)千甚至數(shù)百萬的顧客分散在世界各地時，你會怎么做?傾聽客戶的聲音仍然很重要，尤其是當您的業(yè)務遍布幾大洲時。
但是，您需要正確的工具。希望只有擁有出色的客戶支持才能實現(xiàn)這一目標是不夠的。當比例是一個問題時，盡可能自動化是正確的答案。
在AI和機器學習之前，反饋的自動分析更多地關(guān)注定量指標，例如星級或評級的產(chǎn)品評論。通過單獨或搜索特定關(guān)鍵字，查看人們在論壇或投訴電子郵件中對產(chǎn)品的評論。
自然語言處理(NLP)的進步提供了一個聆聽客戶所說內(nèi)容的新世界。我們正在走向一個公司，以公司客戶體驗為競爭對手。在這個新的領(lǐng)域，客戶需要全天候的幫助和自助工具的可用性，盡可能少的等待時間和摩擦。如果公司能夠預見并預防未來的問題，那將成為客戶服務的下一步。
AI可以為客戶反饋分析做些什么?
AI在模式檢測和分類問題方面效果最佳。這對客戶支持來說是個好消息。如果您可以識別問題并將它們組合在一起，則可以提供適當?shù)慕鉀Q方案類。
將AI用于客戶反饋問題的優(yōu)勢在于，此方法可幫助您深入了解以人類語言表達為句子的客戶反饋。這比簡單的星級評級更具啟發(fā)性，因為它可以提供有關(guān)問題性質(zhì)的見解。
分析文本
在NLP之前，改善服務的唯一方法是記錄客戶與呼叫代理的互動，并重播它們以找到問題的根源，或掃描大量投訴電子郵件?，F(xiàn)在有一種基于文本分析的更好，更快的方法。
以這種方式查看客戶反饋的結(jié)果包括了解投訴的主題，問題的規(guī)模和客戶的主導情緒。TAI軟件通過查看某些單詞的頻率并對其進行分組來實現(xiàn)這一點。
理解文本的最簡單方法是查看關(guān)鍵字的頻率及其強度指標。可以涉及功能分析來識別單詞之間的關(guān)系，因為單詞對或組通常比簡單單詞更具表現(xiàn)力。這類似于longtail關(guān)鍵字，可以更深入地了解問題究竟是什么。如果相同的單詞組出現(xiàn)在具有相關(guān)強度指標的更多評論中，則顯示出值得研究的情況。
當客戶對某個主題有強烈(負面)意見時，他們通常會花時間提供反饋。情感分析提供了一種衡量客戶對品牌的熱情程度的方法。這種方法的唯一問題可能是使用諷刺，人工智能系統(tǒng)通常無法準確檢測到這種諷刺。
分類問題
由于AI適用于模式檢測，因此它具有很強的能力來創(chuàng)建問題組并自動標記它們。然后，基于標簽，軟件可以對個人投訴進行分類并將其置于相應的類別中。情緒分析顯示用戶認為問題的重要性。這可以為故障單分配優(yōu)先級。它應該謹慎應用，因為大多數(shù)客戶往往非常偏頗，并在遇險時夸大他們的問題。
在預定義類別中自動分類客戶票證也是允許自動解決票證或?qū)⑵睋?jù)傳遞給人工代理的選項。好消息是分類算法也可以用于同義詞。
識別異常
AI系統(tǒng)可以結(jié)合使用定性和定量分析。通過查看每組問題的頻率并將其與其他參數(shù)(例如tdays或周)進行比較，它可以在特定問題趨勢時觸發(fā)警報。
這種異?？赡鼙砻魈囟óa(chǎn)品或特征比其他產(chǎn)品或特征造成更多麻煩，因此需要特別注意。由于AI動態(tài)運行并且可以采用新輸入，因此可以識別系統(tǒng)設(shè)計人員首先沒有考慮的異常情況。
AI用例反饋客戶反饋
通過實時查看反饋，社交傾聽可以幫助公司始終掌握客戶的問題。
使用這種系統(tǒng)的一個很好的例子是游戲社區(qū)的反饋分析。一些在線游戲平臺聚集了數(shù)百萬不斷傳達他們對產(chǎn)品的意見的用戶。他們使用專門的論壇甚至是集成到游戲中的聊天。在這里，AI可以幫助自動反饋收集。NLP模型也可以訓練以理解特定游戲的俚語，從而以與玩家相同的方式沉浸在社區(qū)中。這是一個很好的工具，可用于評估新版本的執(zhí)行情況以及保持其無錯誤和最新版本。
另一個應用是分析從聊天機器人檢索到的信息。機器學習算法可以自動對問題進行分類，并智能地將呼叫路由到自動系統(tǒng)或人類呼叫代理。此外，通過查看先前交互的成功通信模式，聊天機器人甚至可以通過在現(xiàn)場建議最佳響應來協(xié)助新代理。此功能還可用于電子郵件營銷自動化軟件，這有助于創(chuàng)建更個性化的消息并改善客戶溝通。
自動社交聆聽正在崛起
雖然這聽起來像是老大哥的新聞，但社交聆聽已經(jīng)成為現(xiàn)實。隨著NLP和機器學習系統(tǒng)的不斷完善，這將成為客戶服務的常態(tài)。人工智能將影響企業(yè)經(jīng)營的幾乎所有方面，在競爭中發(fā)揮真正的作用。