机器学习：可以分析客户情绪

romanaislam2024

用户体验和客户对品牌的感觉是当今两个非常流行的元素。业务数字化转型的一大支柱是内部和外部数据的使用，因为它能够分析有关品牌的真实意见。了解其他人对我们的产品或服务的看法、完善商业策略以及个性化为客户提供的待遇是基于 机器学习启动营销和销售策略的主要结果，正如 Logicalis 已经在多个用例中所展示的那样，您可以短短六周内就获得结果。

此类项目的出发点是根据许多公司在自 手机号码数据 己的呼叫中心进行的调查，对用户意见进行详尽的分析。咨询通常有封闭式和开放式字段，前者有简单的标点符号，后者有客户评论，可以通过书面或口头方式通过对话提出。这就是分析的价值所在：机器学习允许您从非结构化数据中提取价值，而这些数据迄今为止尚未被客户体验部门使用。

后端系统也发挥了作用，因为它们存储有关客户的非常有价值的信息。此外，他们还负责查看和分析封闭式回复，并通过手动分析文本，按标准建立分类。通过自然语言解释技术，情绪可以自动按类别分类，并且可以处理封闭式和开放式调查，扩大了响应分析的范围。



在这种情况下，从内部或外部非结构化内容中提取价值的最简单、最灵活的方法是使用某些IBM Watson API来解释数据的语言、语音、对话、视觉和知识。与它们一起，视觉识别以及数据检测和分析解决方案完成了客户意见的机器人画像。



这些技术允许您查找类别、实体和关键字，识别关系类型，然后将其转换为用于定义情感的自动模型。这些类别可以手动细化，以进一步微调最终模型，并借助稍后可以集成到分析解决方案中的数据和元数据。例如：利用IBM SPSS技术进行行为分析和行为模式提取。

所有这些，集成到一个将所有部分组合在一起的项目中，使得可以报告每个客户的详尽分析，并结合公司及其业务的内部数据，对于解决方案的配置和后续培训至关重要必须管理它的专业人员，以及审查和完善其结果的行动。将创新应用于客户情绪的解决方案，这是一个相当抽象的实体，但在这些技术的帮助下，可以得到可以分析的具体数据，并为任何当前业务提供重要信息。