问：还有其他例子吗？
时间：2022-04-15 04:54:01 | 来源：行业动态
时间：2022-04-15 04:54:01 来源：行业动态
今时今日，怕是很难找到有人不想通过净推荐值（NPS）或客户满意度调查达到改善客户体验质量的目的。也有许多人在用观察数据，观察数据可以是简单的跟踪每月有多少宗投诉，复杂一点的可以是用文本分析，再结合社交媒体中提到自己品牌的字面评论。我再说一次，所有这些数据已经在我们手里了。
但要注意过去发生的事。过去有一个客户的经历颇为糟糕：你要怎么办呢？最大的问题：你如何完成这个反馈循环？你怎么激活这个反馈循环？
那好，你无法实时回复每一个反馈或投诉。太多的互动需要跟踪，要发的信号太多。知识工作者在不知不觉中就会开始忽略一切。
那么你需要的就是AI和ML，AI和ML可以学习将有些行动提高优先级别，会在适当的时间将警报信号发给合适的人。举个例子，有人现在在商店发的调查问卷里给了差评，值班经理就会收到警报信号，本身是知识工作者的值班经理就可以做出适当的回应。当然，可能有10个15个或20个客户也交了调查问卷，而人工智能的作用是帮助知识工作者确定行动的优先顺序。管理人员和其他人可以将精力集中在重要的投诉上，而ML则专注于不断改进这些选择和响应。
事实上，也可以看到这个模型在相关领域也是有用到。飞行员和外科医生被淹没在警报信号里，其中的大多数警报信号并不是真的重要，这些警报信号只是某些人不想事后负法律责任的垃圾警报。同样，AI和ML可以帮助过滤此类警报，让飞行员和外科医生可以更专注于更重要的事情。
在线咨询
