У тебя на руках явно есть куча переписок службы поддержки, личных сообщений и тикетов, а на разборе в итоге остаётся лишь «все жалуются». Это типичный случай, когда анализ диалогов так и не заработал: не извлекли намерения, не сгруппировали, не оцифровали — не говоря уже о поиске первопричин. Я обычно использую связку ChatGPT + Claude + Gemini, чтобы «выжать» из текста максимум, а затем прошу Midjourney сделать визуальные материалы — по эффективности это топ.
Шаг первый: сначала преврати диалоги в чистые данные
Неважно, источник — онлайн-служба поддержки или сообщество: сначала сделай минимальную очистку — убери номер телефона, номер заказа и другие чувствительные данные; сохраняй контекст по схеме «одна реплика пользователя + одна реплика поддержки». В NLP для анализа диалогов больше всего мешает шум: добавится куча лишних слов — и результаты начнут «плыть».
Шаг второй: используй ChatGPT для системы тегов и распознавания намерений
Я прошу ChatGPT сначала сгенерировать дерево тегов, а затем проставить теги по каждому диалогу. Часто использую такой промпт: Пожалуйста, для следующих диалогов сгенерируй: намерение, эмоцию, ключевые сущности, решено ли обращение, рекомендацию следующего шага — и выведи в виде столбцов CSV. Он хорош для «быстрого построения каркаса», но минус в том, что на бизнес-сленге иногда делает вид, будто всё понял.
Шаг третий: используй Claude для атрибуции и инсайтов по длинным текстам
Claude стабильнее на длинных диалогах и больших тикетах: я загружаю туда записи за целую неделю и прошу сделать кластеризацию топ-проблем + гипотезы первопричин + проверяемые точки данных. Он гладко пишет отчёты для ретроспективы, но нужно следить, чтобы «предположения» он не выдавал за «факты».
