差评处理率从60%提至100% 百度大脑NLP技术解决国美痛点

时间:2019-11-02 来源:www.mdjtour.com

?

随着互联网人口红利的减少,电子商务行业变得越来越复杂和智能。准确地构建产品和提高服务质量已经成为电子商务公司可持续发展的重中之重。了解用户评论并提高企业服务效率是该策略不可或缺的一部分。这也是百度电子商务评论的发展。重要场景。

在AI时代的背景下,AI技术正在逐渐深入到许多行业领域,并开辟了新的管理和服务方法。对于国美电器来说,聪明而精致的零售业巨头是在移动互联网时代帮助自身转型的重要机遇。

百度大脑帮助解决传统问题,让国美电器的服务质量更上一层楼

国美是中国最大的家电零售连锁企业之一。年销售规模超过1000亿。每天,来自各种渠道的数十万条评论,涉及在线商城,商店,物流,安装,维护,客户服务和其他业务链接。对于服务型企业,用户最不满意的评论是他们最关心的问题。传统的电子商务平台用户评估内容分析结果需要人工确认,效率低,人工低,遗漏了许多重要的负面问题;投诉只能在事后处理。我们无法通过评论提前发现客户的不满。定量评估机制仍缺乏各环节服务的优劣和鱼的回报。这些是国美电器技术总监高旭一直头疼的问题。

因此,行业需求反映在对更智能系统的需求上,而不是对用户评估的人工处理。另一方面,有必要基于对用户评估数据的智能理解,分析和量化整个链的服务水平。进行合理的监督评估,以更好地优化服务链,提高服务质量。高旭表示,在此前的研究中,国美电器对多家公司提供的AI技术解决方案进行了全面的比较,并认为百度大脑不仅可以满足上述一系列功能要求,而且应用简单,大部分功能不需要定制。这大大降低了系统开发成本,并减轻了国美电器的巨大压力。

据了解,北斗项目是“以服务成为选择国美的理由”战略下的国美重点项目。重要组件之一是与百度大脑合作创建的服务评分智能解决方案。它可以自动分析用户评论,自动处理分析结果并提升服务能力。

利用百度大脑的NLP能力,情感分析功能可以自动对包含主观信息的文本进行情感偏倚判断,为口碑分析,主题监控和舆论分析等应用场景提供基础技术支持,并支持用户。自定义模型效果调整,具有整体精度高,自定义能力强,垂直效果好等优点;并且评论提取功能可以自动提取和分析评论,帮助实现舆论分析,用户理解,支持产品优化和营销决策等。许多产品已采用了一系列措施来支持食品,酒店,汽车,景点等,还可以自定义不同的评论标签。

实际上,要实现服务评分智能解决方案,对人工智能NLP技术的需求很高。例如,首先,用户的评论通常很复杂,不一定是肯定的,也不一定是负面的。例如,在评论中,“价格稍贵”是消极情绪,“出色使用”,“水果非常精致”而“高价值”是积极情绪。这就要求该技术能够准确地理解评论文本的文本结构,并分析正面和负面情绪的比例,以掌握总体情绪趋势(向前)。

第二,通过提取用户的更详细的视图和用户的情绪,可以更好地理解用户的思想。在以下示例中,系统可以提取“精美的肉”和“高价值”的正面视图;负面看法是“价格稍贵”。最后,需要对每个视角进行分类,以将用户的观点与特定于业务的服务链接相关联。例如,“价格稍微贵一些”描述了“购物”的问题,而“肉的糊状”和“高颜值”应对应于“商品”类别。这样,我们才能真正理解用户的想法,贯彻负责任的主题,有针对性地进行改进,促进服务质量的提高。

百度大脑NLP技术增强了服务得分智能

借助百度大脑的NLP功能,国美电器已构建了完整的智能计分平台架构。高旭表示,由于百度大脑提供的技术解决方案,国美电器的业务人员可以通过看板随时关注用户的评论,查看用户的最新情感倾向,并直观地看到不良评论的各种原因和看法。筛选不良问题并及时采取措施;服务水平的进一步提高和各个环节人员的问题都可以被很好地记录在案,奖励是透明和量化的,服务质量得到大大提高。目前,国美的客户服务人力需求下降了40%,不良问题处理率从60%提高到100%,售后服务主管的不良评估率下降了7%。

人工智能授权后的服务评估与监督机制也得到了升级,用户的不良反馈将得到自动分析处理,大大提高了服务效率和服务质量。同时,可以更加直观地量化服务主管的服务满意度,从而进一步影响其派遣和排名奖励;对于服务主管,他们还可以看到有关其服务质量的预警,并敦促他们实现自我监控。和改进。

“百度的大脑在该智能评分平台中具有很高的准确率。评论提取的准确率在正向是93.3%,在负向是86.24%。情感取向分析的正确率高达91.% ,消极方向可以达到98%。”高旭还透露,智能服务等级已将国美客服的人力需求从每天5人减少到3人,消极问题处理率也从60%激增至100%总体上,不良评论率也降低了7%。

一方面,在技术效果方面,百度NLP技术团队基于ERNIE2.0预训练模型实现了训练数据的增强和扩展,有效地提高了语义模型的泛化能力和匹配精度;并设计了SimNet + CRF联合学习语义匹配模型,有效解决了文本的远程依赖和隐式视图理解问题,大大提高了观点提取的准确性和召回率。

另一方面,数据标记对于公司来说也是很大的成本和问题。百度技术团队使用无监督语料库挖掘技术来降低客户标签成本并改善域自定义。该技术方案是基于无监督和弱监督的方法来实现的,并结合了注释视点提取,视点级情感分类和可定制视点分类等多个功能模块,可以最大程度地降低用户的标签成本,更好地满足用户需求。

其中,评论视图提取模块基于情感匹配在线语义匹配的无监督挖掘,具有训练成本低,领域迁移能力强的优点。意见分类模块针对不同的用户视角类别而有所不同。我们提出了一种基于弱监督的观点分类方法,并支持用户定义的观点类别。该方法只需要标注少量情感匹配对应的视点类别数据,就可以自动构造视点分类训练数据,然后进行定制的视点分类训练。

随着Internet的逐步深入和普及,在新媒体,娱乐,舆论,教育等领域也有大量的用户评论,意见和情感,可以清晰地理解,描述和分析用户的意见。它是了解需求,掌握热点和了解风向的基础。未来,在以人工智能为首的工业革命4.0浪潮中,将会有更多的行业出现。在以百度为代表的人工智能公司的授权下,更多的公司将继续发展并在多种登陆场景中脱颖而出并发挥更大的作用。更多的商业和社会价值。

66.全国成人高考报考人数创新高