Анализ отзывов клиентов
Автор: Ai Flowi · Опубликовано
Анализ отзывов клиентов превращает предоставленные комментарии в данные для понимания повторяющихся проблем. Определите вопрос, на который должен ответить анализ, сохраните исходные ответы и размечайте темы по единым правилам, прежде чем подсчитывать их. Тональность — лишь один из признаков комментария; сама по себе она не объясняет причину проблемы.
Этот метод создаёт проверенный реестр тем с фрагментами источников и подсчётами за сопоставимые периоды. Он дополняет стартовый сценарий анализа тональности из раздела сценариев использования методом разметки и историей проверки, а не трактует сгенерированные метки как измеренные показатели клиентского опыта.
1. Зафиксируйте вопрос и единицу анализа
Определите, нужно ли вам понять сложности онбординга, проблемы продукта или опыт обслуживания. Чёткие границы вопроса помогают отличить тему, по которой можно принять меры, от постороннего наблюдения. Запишите вопрос в задании на анализ до того, как кто-либо начнёт читать комментарии.
Выберите одну единицу отчёта: ответ, респондент или отдельный случай. Иначе несколько комментариев одного человека могут завысить результаты подсчёта. Сохраняйте response_id, source, collection_period и original_text в рабочем файле. Храните утверждённый псевдонимный ключ респондента только тогда, когда он действительно нужен для обработки повторных ответов.
Укажите, из каких каналов и групп получена выгрузка. Добровольный опрос, очередь обращений в поддержку и форма отзыва о продукте содержат отзывы о разных видах клиентского опыта. Подсчёты по этим источникам описывают предоставленные записи; они не показывают настроения всей клиентской базы.
По теме: Сегментация клиентов с помощью ИИ.
2. Создайте справочник тем с чёткими границами
Вручную прочитайте разнообразную выборку и назовите темы понятными для рабочих задач словами. Для каждой метки задайте правило включения, правило исключения и место для неоднозначных записей. Отделяйте предмет жалобы от тональности: «понятность начислений» может встречаться и в похвале, и в критике.
Каждую таблицу справочника можно прокручивать горизонтально в области, доступной для фокуса с клавиатуры, чтобы видеть определения тем рядом с вопросами проверяющих.
| Поле | Назначение | Вопрос для проверки |
|---|---|---|
| theme_id | Стабильный идентификатор повторяющегося предмета обсуждения. | Применят ли два проверяющих одно и то же правило включения? |
| evidence_excerpt | Короткий фрагмент, скопированный из предоставленного комментария. | Подтверждает ли именно эта формулировка предлагаемую тему? |
| sentiment_target | Продукт или опыт, который оценивают. | Не путают ли похвалу сотруднику с удовлетворённостью продуктом? |
| unclear_reason | Пояснение для случая, когда метку нельзя обосновать. | Достаточно ли контекста, знания языка или подробностей для решения? |
| taxonomy_version | Справочник, использованный в этом проходе. | Можно ли сравнить эту запись с более ранним отчётным периодом? |
Допускайте несколько тем, если ответ действительно затрагивает несколько вопросов. Для оценки распространённости учитывайте ответ один раз в каждой теме и сообщайте, что группы ответов по разным темам могут пересекаться. Различайте «неясно» и «нейтрально»: неуверенность в значении отличается от отсутствия положительной или отрицательной тональности.
3. Подготовьте входные данные без потери подтверждений
Удалите персональные сведения, не нужные для ответа на вопрос анализа. Сохраните исходный файл с ограниченным доступом и создайте отдельную копию для анализа с документированным преобразованием. Не удаляйте незаметно пустые ответы, повторные выгрузки или строки без дат; указывайте причину исключения, по которой позднее можно подсчитать исключённые ответы.
Используйте справочник Load CSV для выбора источника и уточнения ограничений импорта.
4. Настройте предложения по темам для проверки
пример конфигурации, а не результаты испытания
Подготовьте разрешённую выгрузку ответов; для небольшого или чувствительного набора данных ручной разметки со справочником в таблице уже может быть достаточно.
Для разметки тем с помощью модели укажите учётные данные собственной учётной записи провайдера, включая API-ключ, отдельно оплатите его услуги и следуйте инструкциям по настройке Language Model.
| Компонент | Входы из каталога для настройки | Заявленный выход и его проверка |
|---|---|---|
| Load CSV | Задайте csv_file как выгрузку отзывов с удалёнными чувствительными данными; альтернативные источники CSV оставьте незаданными. | data_list: JSON; Перед разметкой сравните импортированные идентификаторы ответов с выгрузкой. |
| Data → DataFrame | Задайте data_list из проверенных объектов загрузчика. | dataframe: Table; Проверьте столбцы original_text и периода; сама метка JSON не подтверждает ожидаемую структуру, содержащую строки данных. |
| Table Operations | Подключите проверенную таблицу Data → DataFrame.dataframe Table к обязательному входу df; выберите operation Select Columnsи columns_to_select для response_id, original_text и collection_period в формате списка, поддерживаемом редактором. | output: Table; Подтвердите, что в представлении для анализа отсутствуют столбцы с идентифицирующими данными. |
| Structured Output | Поместите пакет данных с одним проверенным комментарием в input_value. Примените справочник через system_prompt и задайте имя структуры ответа feedback_codes через schema_name. Таблицу схемы Table на входе output_schema нужно проверить на наличие theme_ids, evidence_excerpt, sentiment_target и unclear_reason. Обязательный вход model использует порт model_output компонента Language Model. | Прочитайте structured_output как JSON с предлагаемой разметкой. Таблица dataframe_output Table предоставляет ещё одно представление для проверки; сравните каждую предложенную тему с исходным комментарием. |
| Batch Run | Для отдельного пакетного варианта подключите выход Language Model model_output к обязательному входу model. Передайте разрешённую таблицу ответов Table на df; используйте original_text для column_name. Поместите утверждённый справочник в system_message и задайте имя поля предложений suggested_codes через output_column_name. | Проверьте batch_results как таблицу Table на соответствие ответов и кодов; проверьте её фактические столбцы вместо предположений о схеме по типу порта. |
Structured Output — вариант для одного пакета, а Batch Run — отдельный пакетный вариант. Не предполагайте, что их обязательно нужно соединять последовательно или что Batch Run применяет схему Structured Output. Каталог указывает разные входы и выходы; проверьте возвращаемую структуру выбранного варианта.
5. Согласуйте метки и сравните периоды
Поручите проверяющему сверить каждый фрагмент и отметить принятые темы. Храните предложения модели отдельно от accepted_codes, чтобы отклонённые предложения оставались доступными для проверки. При разногласиях проверяющих уточните определение или сохраните неоднозначность вместо попытки добиться согласия ещё одним сгенерированным ответом.
Подсчитывайте принятые пары «ответ — тема» детерминированными формулами таблицы или другим проверенным методом. В отчёте вместе указывайте число ответов, включённых в анализ, число исключённых ответов и результаты подсчёта по темам. При сравнении периодов согласуйте метод сбора и длительность периода; изменение формулировок опроса или состава каналов может изменить наблюдаемое распределение.
6. Как проверить различие между темой и её причиной при анализе обратной связи?
Рассмотрим вымышленный комментарий: «Сотрудник понятно объяснил счёт, но я всё равно не смог найти страницу отмены». Разметьте объяснение счёта как похвалу, а поиск страницы отмены — как затруднение, указав для каждого свой фрагмент. Не размечайте высказывания о сотруднике как негативные только потому, что ответ в целом упоминает проблему. Комментарий также не доказывает неисправность страницы отмены: он сообщает о трудности её поиска. Полезный следующий шаг — проверить путь навигации, а не объявлять подтверждённый дефект программы.
Если другой ответ хвалит страницу отмены, оба наблюдения должны попасть в реестр. Перед объединением их в одну рекомендацию проверьте, использовали ли респонденты разные версии продукта или пути входа. Если новая версия классификации разделяет «управление учётной записью» на более узкие темы, до сравнения результатов подсчёта по старой и новой классификации нужна запись о соответствии категорий или повторная разметка.
7. Превратите реестр в решения
Результат должен включать таблицу тем со ссылками на идентификаторы исходных ответов, список неразрешённых вопросов разметки и журнал действий. Назначьте каждому действию ответственную команду и укажите, какие дополнительные данные его обоснуют. Сохраняйте редко встречающуюся тему, даже если она не преобладает в таблице.
Используйте шаблоны ответов для повторяющихся недостатков коммуникации и контроль качества обслуживания для проверки разговоров по критериям. Этот анализ не подходит для доказательства причинности, прогнозирования поведения каждого клиента или необоснованных выводов об удовлетворённости всей клиентской базы. Обратитесь к каталогу за требованиями к интерфейсам компонентов перед расширением конфигурации.
По теме: Разговорная аналитика: что это такое.
Статус проверки и расход токенов на выполнение узлов
Эта предлагаемая схема анализа отзывов клиентов описана в каталоге; Ai Flowi не проверяла её в производственной среде.
Тарифы: Go от USD8 в месяц при годовой оплате (USD10 помесячно), Plus от USD16 (USD20 помесячно), Pro 100 от USD80 (USD100 помесячно), Pro 200 от USD160 (USD200 помесячно) и Pro 500 от USD400 (USD500 помесячно), от 5,000 до 250,000 Flowi Tokens в месяц с возможностью пополнения; 1 токен за каждый запуск узла; использование сторонних API и моделей не включено.