欧美,精品,综合,亚洲,好吊妞视频免新费观看,免费观看三级吃奶,一级a片女人自慰免费看

您當(dāng)前的位置是:  首頁 > 新聞 > 文章精選 >
 首頁 > 新聞 > 文章精選 >

深度學(xué)習(xí)如何能讓你更深層次地理解客戶的聲音?

2018-06-14 10:29:26   作者:   來源:CTI論壇   評論:0  點擊:


  CTI論壇(ctiforum.com)(編譯/老秦):在當(dāng)今競爭激烈的商業(yè)環(huán)境中,理解客戶的聲音是關(guān)鍵所在,培養(yǎng)以客戶為中心的管理風(fēng)格,專注于理解和保持對客戶有吸引力的、積極的高質(zhì)量體驗。
深度學(xué)習(xí)如何能讓你更深層次地理解客戶的聲音?
  互聯(lián)網(wǎng)和內(nèi)部網(wǎng)通信允許企業(yè)與他們服務(wù)的人進行持續(xù)的對話。這讓他們獲得了大量潛在的有價值的信息。自然語言理解和深度學(xué)習(xí)是挖掘這些信息和揭示如何更好地為他們的客戶服務(wù)的關(guān)鍵。
  在這個博客中,我將討論深度學(xué)習(xí)的不同方式,讓你了解客戶的聲音,包括:定性數(shù)據(jù)的重要性(非結(jié)構(gòu)化反饋);分析在定性數(shù)據(jù)分析中對客戶的聲音(VoC)的作用;以及應(yīng)用程序的深度學(xué)習(xí)的作用和承諾(包括人工智能助手)。
  定性數(shù)據(jù)(非結(jié)構(gòu)化反饋)對提高客戶的聲音的重要性
  今天,調(diào)查仍然是收集客戶反饋的最常用的方式之一,僅僅是因為它在結(jié)構(gòu)化信息方面很適合。封閉式問題、評級得分和NPS都是對客戶滿意度進行量化分析的方法。統(tǒng)計、平均數(shù)和趨勢可以很容易地從定量調(diào)查的答案中被計算,從而得出報告。
  不幸的是,調(diào)查在客戶中越來越不受歡迎。調(diào)查的回應(yīng)率正在下降,部分原因是客戶被要求回答冗長的、復(fù)雜的調(diào)查,而這些調(diào)查可能根本沒有關(guān)注對他們來說最重要的事情。
  我們也看到了不請自來的反饋,比如社交媒體上分享的客戶反饋,以及評論平臺作為商業(yè)信息的來源變得更有價值,因為它提供了不帶偏見的、自由格式的文本,在這些文本中,用戶的意見可以被分享。
  與結(jié)構(gòu)化反饋不同,非結(jié)構(gòu)化客戶反饋很難被編譯成數(shù)字。自由格式文本可以混亂和可以提供不符合語法的表達(dá)意見和情緒,這些很難被翻譯成數(shù)字或“一個模子”的形式,適合所有的規(guī)模,很難轉(zhuǎn)換為結(jié)構(gòu)化表示,而結(jié)構(gòu)化數(shù)據(jù)很容易聚集成數(shù)字和統(tǒng)計業(yè)務(wù)關(guān)鍵性能指標(biāo)。
  為什么自然語言理解是一項復(fù)雜的任務(wù)?
  自然語言理解是人工智能中最具挑戰(zhàn)性的領(lǐng)域之一,因為它涉及到以文本格式或語言表達(dá)的語言信息來重新生成認(rèn)知任務(wù)。
  文本是一種具有挑戰(zhàn)性的交流媒介,因為信息可以用不同的詞語、不同的語法形式來傳達(dá),單詞和句子的意思是會受語境影響的。
  文本分析在客戶的聲音(VoC)定性數(shù)據(jù)分析中的作用
  第一條原則:并非所有的文本分析都是平等的。
  文本分析在將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)方面起著中心作用。這是自上世紀(jì)90年代以來在商業(yè)應(yīng)用中使用的一種技術(shù)。應(yīng)對自然語言固有的復(fù)雜性可以以各種方式解決,如基于關(guān)鍵字的方法或機器學(xué)習(xí)(包括深度學(xué)習(xí))方法。
  關(guān)鍵字基本方法
  最常用的方法是依賴關(guān)鍵詞查找來查找可能相關(guān)的語句。在句子中發(fā)現(xiàn)的積極的關(guān)鍵詞和消極的關(guān)鍵字被用來量化客戶反饋的滿意程度和不滿意程度。
  本體和詞匯是這些方法的基石。他們定義了特定行業(yè)或企業(yè)的詞匯。然而,關(guān)鍵字提供了有限的洞察力,不能涵蓋諸如“如果房間更大,我將給酒店評為5星級”之類的復(fù)雜句子。匹配關(guān)鍵詞“5星”會產(chǎn)生錯誤的情緒評分,因為客戶實際上并沒有給出“5星”評級。
  構(gòu)建語言資源來支持這些方法往往是一項耗時的任務(wù),并且定義一個完整的模型領(lǐng)域知識詞匯表是很難實現(xiàn)的。這些方法有三個問題:
  • 他們不考慮句子的上下文,這影響了分析的準(zhǔn)確性。
  • 首字母縮略詞“LoL”、符號“:-)”和其他特殊符號定義了一套全新的詞匯表,這些詞匯隨時代變化而變化(千禧一代、年輕人、老年人)。使用詞匯表來處理這些變化是很困難的。
  • 在表達(dá)問題時,很難預(yù)測客戶會使用什么類型的詞匯。
  機器學(xué)習(xí)方法
  為了應(yīng)對這些挑戰(zhàn),統(tǒng)計機器學(xué)習(xí)算法似乎給出了一些答案,因為它們在語言資源(詞匯表)方面往往更加健壯,要求也更低。這是在編碼語言資源時克服大量認(rèn)知工作和潛在人為錯誤的一種方法。
  統(tǒng)計模型是基于在文本中觀察到的模式綁定數(shù)據(jù)點(如單詞)的數(shù)學(xué)模型。這些模式可以是語法關(guān)系,也可以是其他類型的關(guān)系,如語義關(guān)系或討論關(guān)系。超過15年的統(tǒng)計模型,如馬爾可夫(Markov)模型和條件隨機字段等,被用來執(zhí)行文本分析。這些算法往往能很好地捕捉“簡單”的模式。
  文本分析的深入學(xué)習(xí)
  對于統(tǒng)計模型而言,定義文本的預(yù)期意義的建模語言水平具有挑戰(zhàn)性。一些模型在簡單的語言關(guān)系建模中表現(xiàn)良好,但為了考慮所有影響文本意義的語言現(xiàn)象,需要考慮豐富的統(tǒng)計模型。深度學(xué)習(xí)算法是一種多層次的神經(jīng)網(wǎng)絡(luò),是一組能夠模擬不同模式的統(tǒng)計模型,以及它們之間可能存在的關(guān)系。此功能允許模型學(xué)習(xí)文本中觀察到的復(fù)雜模式。
  由于多層次的表達(dá)能力,在語義層次和領(lǐng)域知識的處理上可以更好地進行深度學(xué)習(xí)。
  用于客戶聲音(VoC)的深度學(xué)習(xí)的承諾
  復(fù)雜的統(tǒng)計模型,例如深度學(xué)習(xí),能夠捕捉語言的細(xì)微之處,并提供高準(zhǔn)確度的細(xì)粒度洞察力。這意味著文本分析技術(shù)將能夠從一種淺薄的NLU(自然語言理解),集中于廣泛的分類,如快樂和不快樂的客戶,以更細(xì)粒度的和更深入的理解客戶動機,支持忠誠和流失。
  捕捉語言的微妙之處,以及提供高精確度的細(xì)粒度洞察力,對于允許文本分析技術(shù)從報告能力轉(zhuǎn)向預(yù)測它們,并提出改進客戶體驗(CX)的建議至關(guān)重要。
  在不久的將來,我們將會看到CX-AI助手的大量增加,這些助手使用的是說明性分析模型,不僅能夠理解客戶的反饋,還能通過基準(zhǔn)測試和比較來生成建議和評估業(yè)務(wù)性能。
Narjes Boufaden博士
  Narjes Boufaden是Keatext公司的首席執(zhí)行官和創(chuàng)始人,該平臺是一個人工智能平臺,可以解釋客戶的自然表達(dá)意見,都是主動征求和主動提出的。在計算機科學(xué)專業(yè)畢業(yè)后,她專攻自然語言處理,并于2005年完成了博士學(xué)位。她的專長開發(fā)新的算法來分析和挖掘人類對話。在這一新興領(lǐng)域的首批研究人員中,她發(fā)表了許多關(guān)于NLP、機器學(xué)習(xí)和文本挖掘的文章。
  聲明:版權(quán)所有 非合作媒體謝絕轉(zhuǎn)載
  作者:Narjes Boufaden博士
  原文網(wǎng)址:http://customerthink.com/how-deep-learning-can-take-you-to-the-next-level-of-understanding-the-voice-of-your-customer/
 
【免責(zé)聲明】本文僅代表作者本人觀點,與CTI論壇無關(guān)。CTI論壇對文中陳述、觀點判斷保持中立,不對所包含內(nèi)容的準(zhǔn)確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考,并請自行承擔(dān)全部責(zé)任。

專題