AI可以从消费者对话中解开可行的见解(VB Live)

 
Zendesk高级数据科学经理Chris Hausler说：“我们有兴趣使用AI来高水平地了解客户对话中发生的事情。” “ AI理解出现的模式，并且以比个人阅读所有模式所获得的可扩展性大得多的方式来实现。”
Hausler说，评论，支持票务和聊天是聆听您公司客户的好方法。这是如何在您的产品上保持客户情绪的最高水平。评论是面向外部的，顾客可以与可能购买该产品的其他顾客分享对产品的感受。
内部和外部信号
他说：“客户评论非常有影响力。” “原则上，这是人们在有意购买产品时正在寻找的不偏不倚的信号。对于那些潜在客户做出购买决定而言，了解其他人已经购买产品的感觉，他们认为是好的，他们认为是负面的是一个非常重要的信号。”
Zendesk的Gather产品是一个论坛，通过该论坛，公司的客户可以讨论产品，寻求帮助，以公开的方式对产品进行反馈，这是公司收集客户情绪信号并确定痛苦，方式的主要方式需求，并收集请求。
他说：“论坛并没有像五分之四的星级或五星级的评级那样明确地发出信号，但是那里仍然有大量的信息需要收集，如果您只是想了解一下，专门关注评级类型的反馈。”
但是，无论是评论，论坛中的评论还是支持请求，从技术角度来看，挑战都是要使人们能够撰写并理解核心主题的所有文本非常困难。人工智能是关键。
人工智能的作用
“我们使用AI来深入研究这些文本并进行缩放，并了解推动这些评论的模式，” Hauser说。 “作为一家公司，做到这一点并从个人反馈中退一步并了解人们正在谈论的广泛主题非常重要。人工智能是一种能够找到这些模式并将其提供给公司的方式，这样他们就可以了解人们的喜好，并在计划产品的未来迭代时将其考虑在内。”
公司还可以查看他们的支持请求，并使用AI在其中找到组或主题，以总结客户的痛点，并将其冒泡给管理员，以帮助完善和迭代其知识库内容，从而确保他们拥有关键点客户不需要的代理商就可以找到的可用信息。
豪斯勒发现，公司所冒出的反馈和话题通常令人惊讶-他们没有意识到客户正在谈论一些已经发现的问题或领域，或者不知道他们没有提供足够的信息。
怎么运行的
他说，在幕后，人工智能非常复杂。直观地讲，合成信息是人类擅长的事情。他以人们如何轻松分类书籍为例。给每个人一组有关不同主题的书，并要求他们将这些书分成几组，然后解释每组的内容。几乎任何人都可以完成该任务-但是对于一台机器而言，这实际上是一个很大的挑战。要实现这一目标并使其大规模实现，需要采取许多步骤。
在一个非常高的层次上，第一件事是要能够找到一种理解两段文本的相似度的方式，这需要深度学习有效地将每一段文本映射为一组可以比较的数字。弄清楚文本如何形成组需要聚类，或者确定哪些文本彼此相似而与其他文本不相似。在类比书中，将科幻小说归类于此，将19世纪历史的书归类于角落。在AI世界中，这需要大量的数学运算。
对于支持凭单，他们改进了凭单分组的过程，然后以管理员可以访问的方式对其进行了汇总-主题列表，每个组中的凭单数量等，以便他们可以理解在出现问题的地方采取行动。
从客户开始
Hausler说，这全是着迷于客户或以客户为中心。这必须是所有这些的起点。
他解释说：“只有当您专注于要获取这些信息并对其进行处理时，收集所有这些信息才很重要。” “能够从您获得的单个评论或支持请求中退后一步，并整体上理解人们在您的产品中谈论的核心内容是什么？是什么使他们感到高兴或不高兴，并能够使之适应您的业务运作方式并为客户提供更好的服务？
要了解更多有关如何保持与客户沟通的领先地位如何推动公司成功，如何利用这些对话，确定关注的模式或需要改进的领域以及如何利用AI使其大规模实现的信息，请不要错过本次VB Live活动。