問：還有其他例子嗎？
時間：2022-04-15 04:54:01 | 來源：行業(yè)動態(tài)
時間：2022-04-15 04:54:01 來源：行業(yè)動態(tài)
今時今日，怕是很難找到有人不想通過凈推薦值（NPS）或客戶滿意度調(diào)查達(dá)到改善客戶體驗質(zhì)量的目的。也有許多人在用觀察數(shù)據(jù)，觀察數(shù)據(jù)可以是簡單的跟蹤每月有多少宗投訴，復(fù)雜一點的可以是用文本分析，再結(jié)合社交媒體中提到自己品牌的字面評論。我再說一次，所有這些數(shù)據(jù)已經(jīng)在我們手里了。
但要注意過去發(fā)生的事。過去有一個客戶的經(jīng)歷頗為糟糕：你要怎么辦呢？最大的問題：你如何完成這個反饋循環(huán)？你怎么激活這個反饋循環(huán)？
那好，你無法實時回復(fù)每一個反饋或投訴。太多的互動需要跟蹤，要發(fā)的信號太多。知識工作者在不知不覺中就會開始忽略一切。
那么你需要的就是AI和ML，AI和ML可以學(xué)習(xí)將有些行動提高優(yōu)先級別，會在適當(dāng)?shù)臅r間將警報信號發(fā)給合適的人。舉個例子，有人現(xiàn)在在商店發(fā)的調(diào)查問卷里給了差評，值班經(jīng)理就會收到警報信號，本身是知識工作者的值班經(jīng)理就可以做出適當(dāng)?shù)幕貞?yīng)。當(dāng)然，可能有10個15個或20個客戶也交了調(diào)查問卷，而人工智能的作用是幫助知識工作者確定行動的優(yōu)先順序。管理人員和其他人可以將精力集中在重要的投訴上，而ML則專注于不斷改進(jìn)這些選擇和響應(yīng)。
事實上，也可以看到這個模型在相關(guān)領(lǐng)域也是有用到。飛行員和外科醫(yī)生被淹沒在警報信號里，其中的大多數(shù)警報信號并不是真的重要，這些警報信號只是某些人不想事后負(fù)法律責(zé)任的垃圾警報。同樣，AI和ML可以幫助過濾此類警報，讓飛行員和外科醫(yī)生可以更專注于更重要的事情。
在線咨詢