发帖
雷达卡
我最近参加了一次内部讨论，目标是量化客户对他们收到的产品和服务的感受。随着我们继续讨论各种不同的指标并且对话持续进行，其中一位分析师开始失去耐心并脱口而出“我们为什么不直接问他们？” 事实证明，这是个好主意！然而，一旦达到一定规模，任何组织都面临的挑战是，接触每个客户并处理他们的所有反馈变得难以扩展，客户太多而支持人员太少。进入自然语言处理 (NLP)。
什么是自然语言处理？
数据多样性定义NLP 作为“一个分支人工智能 (AI)它可以自动识别和生成语言，以便计算机和人类可以无缝通信。” 在实践中，这意味着在客户（和潜在客户）通信上运行算法，例如与销售人员的电子邮件交流、论坛帖子、与聊天机器人的对话等。目标是确定客户的感受，而不是直接询问他们，以便企业可以做出反应。例如，如果客户不满意，客户成功团队可以收到自动警报以联系并纠正未解决的问题，从而有可能节省一个帐户。如果客户满意，可以提醒销售人员以推销追加销售/交叉销售机会，从而产生更多收入。
即使您计划对客户使用简单的评级式调查，也可以利用 NLP 更轻松地确定他们的确切痛点。例如，Yelp 使用 0 到 5 星评级系统以及文字。作为平台的用户，了解原因给予较低的评级通常比评级本身更重要。例如，如果我不关心餐厅的氛围或播放的音乐，但由于这些问题，许多用户对餐厅的评价很差，我可能会选择忽略负面评论，仍然喜欢这家餐厅。NLP 可用于抓取用户的反馈以及评分，以确定评分不佳的原因。在这个（并非如此）假设的案例研究中，使用该技术自动解释评分背后的原因可以为客户提供更好的体验。
从 NLP 到 CDP
这些都不是新想法。已经写了很多使用 NLP 了解客户反馈乃至用例示例在特定行业内。挑战在于，要使 NLP 的结果对销售和客户成功等业务团队产生任何真正的价值，它们需要集成到业务友好的数据存储中，其中 CDP 是最佳选择。然而，根据该公司创始人大卫·拉布（David Raab）的说法，CDP研究所，“可能是最大的挑战[对于 CDP] 正在处理非结构化和半结构化数据。” 不幸的是，NLP 系统生成的数据很少有可能是结构化格式。任何花费大量时间阅读 Yelp 评论的人都会告诉你，并非所有客户都会写出没有拼写错误的语法句子。因此，分析师/数据科学家的大部分时间都花在了数据清理和准备上。这包括拆分句子/单词/短语、识别命名实体和删除时态以使数据标准化（哇哦，语法！）。这必须以对多种文本来源和类型准确的方式完成，因此良好的数据治理实践以确保最终存储在 CDP 中的数据可用于分析。
除了数据清理之外，分析师还需要确定哪些文本和单词对于评估客户情绪很有价值。从那里，分析师和数据科学家可以使用他们知道的所有算法来分析这些数据并将其参数化为机器学习输入。然后训练机器学习模型，并在多次迭代后形成一个工作模型。但即使在模型经过训练和微调之后，也总是需要持续监控，因为模型可能会随着时间的推移变得不准确。管道永无止境。
结果是什么？
分析师和数据科学家是您最有限和最昂贵的员工，因此您需要明智地利用他们的时间。然而，一个有效的 NLP 到 CDP 计划的结果是非常值得的，因为它们允许大型企业做他们过去从未做过的事情：以具有成本效益的方式扩展客户反馈。有了这样的计划，高管们基本上可以问每个客户“我们做得怎么样？” 如果结果很好，它们可以用来寻找交叉/追加销售机会。如果不是，企业可以采取具体措施在客户流失之前解决问题。无论哪种方式，价值是明确的。
相关帖子DA内容精选
|
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
