当您经营当地企业时，很容易在现场收集反馈。但是当你有数千甚至数百万的顾客分散在世界各地时，你会怎么做?倾听客户的声音仍然很重要，尤其是当您的业务遍布几大洲时。
但是，您需要正确的工具。希望只有拥有出色的客户支持才能实现这一目标是不够的。当比例是一个问题时，尽可能自动化是正确的答案。
在AI和机器学习之前，反馈的自动分析更多地关注定量指标，例如星级或评级的产品评论。通过单独或搜索特定关键字，查看人们在论坛或投诉电子邮件中对产品的评论。
自然语言处理(NLP)的进步提供了一个聆听客户所说内容的新世界。我们正在走向一个公司，以公司客户体验为竞争对手。在这个新的领域，客户需要全天候的帮助和自助工具的可用性，尽可能少的等待时间和摩擦。如果公司能够预见并预防未来的问题，那将成为客户服务的下一步。
AI可以为客户反馈分析做些什么?
AI在模式检测和分类问题方面效果最佳。这对客户支持来说是个好消息。如果您可以识别问题并将它们组合在一起，则可以提供适当的解决方案类。
将AI用于客户反馈问题的优势在于，此方法可帮助您深入了解以人类语言表达为句子的客户反馈。这比简单的星级评级更具启发性，因为它可以提供有关问题性质的见解。
分析文本
在NLP之前，改善服务的唯一方法是记录客户与呼叫代理的互动，并重播它们以找到问题的根源，或扫描大量投诉电子邮件。现在有一种基于文本分析的更好，更快的方法。
以这种方式查看客户反馈的结果包括了解投诉的主题，问题的规模和客户的主导情绪。TAI软件通过查看某些单词的频率并对其进行分组来实现这一点。
理解文本的最简单方法是查看关键字的频率及其强度指标。可以涉及功能分析来识别单词之间的关系，因为单词对或组通常比简单单词更具表现力。这类似于longtail关键字，可以更深入地了解问题究竟是什么。如果相同的单词组出现在具有相关强度指标的更多评论中，则显示出值得研究的情况。
当客户对某个主题有强烈(负面)意见时，他们通常会花时间提供反馈。情感分析提供了一种衡量客户对品牌的热情程度的方法。这种方法的唯一问题可能是使用讽刺，人工智能系统通常无法准确检测到这种讽刺。
分类问题
由于AI适用于模式检测，因此它具有很强的能力来创建问题组并自动标记它们。然后，基于标签，软件可以对个人投诉进行分类并将其置于相应的类别中。情绪分析显示用户认为问题的重要性。这可以为故障单分配优先级。它应该谨慎应用，因为大多数客户往往非常偏颇，并在遇险时夸大他们的问题。
在预定义类别中自动分类客户票证也是允许自动解决票证或将票据传递给人工代理的选项。好消息是分类算法也可以用于同义词。
识别异常
AI系统可以结合使用定性和定量分析。通过查看每组问题的频率并将其与其他参数(例如tdays或周)进行比较，它可以在特定问题趋势时触发警报。
这种异常可能表明特定产品或特征比其他产品或特征造成更多麻烦，因此需要特别注意。由于AI动态运行并且可以采用新输入，因此可以识别系统设计人员首先没有考虑的异常情况。
AI用例反馈客户反馈
通过实时查看反馈，社交倾听可以帮助公司始终掌握客户的问题。
使用这种系统的一个很好的例子是游戏社区的反馈分析。一些在线游戏平台聚集了数百万不断传达他们对产品的意见的用户。他们使用专门的论坛甚至是集成到游戏中的聊天。在这里，AI可以帮助自动反馈收集。NLP模型也可以训练以理解特定游戏的俚语，从而以与玩家相同的方式沉浸在社区中。这是一个很好的工具，可用于评估新版本的执行情况以及保持其无错误和最新版本。
另一个应用是分析从聊天机器人检索到的信息。机器学习算法可以自动对问题进行分类，并智能地将呼叫路由到自动系统或人类呼叫代理。此外，通过查看先前交互的成功通信模式，聊天机器人甚至可以通过在现场建议最佳响应来协助新代理。此功能还可用于电子邮件营销自动化软件，这有助于创建更个性化的消息并改善客户沟通。
自动社交聆听正在崛起
虽然这听起来像是老大哥的新闻，但社交聆听已经成为现实。随着NLP和机器学习系统的不断完善，这将成为客户服务的常态。人工智能将影响企业经营的几乎所有方面，在竞争中发挥真正的作用。