要点速览
- 商家必须高效处理客户投诉，以避免高昂的人力成本。
- 人工智能可以帮助自动化分析大量客户反馈。
- 仅靠算法只能达到所需性能的20%，人类的专业知识不可或缺。
Cintellic咨询集团负责人Jörg Reinnarth谈到了愚蠢的算法、明智的沟通以及文本挖掘在面对抱怨客户时的局限性。
这样，商家就能了解客户想表达什么，或者发现许多客户面临相同的问题，这显然是一个需要迅速且全面应对的重大议题。单个客服中心员工根本无法识别和归类此类主题。但借助文本挖掘技术，商家可以可靠地识别出这些问题。
那么，机器是否比人类更聪明，并能取代人类呢？
尽管原则上几乎所有事情都可以自动化，但在此环节，人类比以往任何时候都更难被替代。因为算法只能做到它被教导的内容：它提供如何对文本进行分类和归类的建议，并说明其在分配结果上的置信度。通过这种方式，顾问可以将精力集中在那些关键或复杂的情况上。
那么，未来是否仍然需要人类专业知识与机器学习的结合？
是的，只有这样才能充分发挥文本挖掘的潜力。在实践中有一条准则：现成的算法仅能完成约20%所需的工作量，只有人类才能将其性能提升至100%。
商家如何具体准备应用文本挖掘？
通过所谓的预处理（Pre-Processing），正如程序员所称呼的那样。一位熟悉企业、其客户、产品以及相关主题的人员，在编程过程中将知识传递给算法。然而，这种知识转移并非一劳永逸，因为随着企业产品或服务组合中不断推出新内容，新的主题也会持续涌现。
此外，表达方式也在不断变化。只有经过量身定制并持续维护的算法，才能实现无错误运行，并得出具有普遍意义的结论，真正为商家提供帮助。
文本挖掘的边界在哪里？
在处理简单任务时，标准化解决方案可能有效。文本挖掘的核心在于将高频出现的词汇相互关联并据此得出结论，但这恰恰是纯依赖技术时的最大弱点，因为即使使用相同的词汇，文本也可能具有不同的含义。人类能立刻察觉这一点，而算法却不行；后者只能看到词汇及其数量，而人类却能理解其内涵。
如果让算法盲目运作，会发生什么？
主题会被错误解读，排序产生误导，回答也适得其反。例如，一位因错误账单而投诉的客户再次收到同样的错误账单，他生气是完全合理的；当一位客户对某种新茶的味道表示不满时，向其发送优惠券促使其购买更多该茶叶的做法则是适得其反的。如果消费者在投诉时感到未被认真对待，这将是商业关系的终结，此时不回应或许比这种错误的回应更好。
更多相关内容：