คุณมีบันทึกการสนทนาการบริการลูกค้า ข้อความส่วนตัว และใบแจ้งปัญหาอยู่มากมาย แต่เมื่อสรุปผลกลับเหลือเพียง 'ทุกคนกำลังบ่น' นี่คือตัวอย่างที่ชัดเจนของการที่การวิเคราะห์การสนทนาไม่เกิดขึ้น: ไม่ได้แยกความตั้งใจ ไม่ได้จัดกลุ่ม ไม่ได้วัดผล และยิ่งไม่ต้องพูดถึงการหาเหตุผลรากฐาน ฉันใช้ ChatGPT, Claude, และ Gemini ในการแยกข้อมูลออกจากข้อความอย่างละเอียด แล้วใช้ Midjourney สร้างสื่อภาพ可视化 ซึ่งช่วยเพิ่มประสิทธิภาพอย่างมาก
ขั้นตอนที่ 1: ทำให้ข้อมูลการสนทนาสะอาดก่อน
ไม่ว่าข้อมูลจะมาจากการบริการออนไลน์หรือชุมชน ให้เริ่มด้วยการทำความสะอาดพื้นฐาน: ลบข้อมูล sensitive เช่น เบอร์โทรศัพท์ หรือหมายเลขคำสั่งซื้อ จัดรูปแบบตามบริบท "ผู้ใช้หนึ่งประโยค + เจ้าหน้าที่หนึ่งประโยค" การวิเคราะห์การสนทนาด้วย NLP จะได้รับผลกระทบจากสัญญาณรบกวน easily หากมีข้อมูลที่ไม่เกี่ยวข้องมากเกินไป ผลลัพธ์อาจคลาดเคลื่อน
ขั้นตอนที่ 2: ใช้ ChatGPT สร้างระบบแท็กและระบุความตั้งใจ
ฉันมักให้ ChatGPT สร้างโครงสร้างแท็กก่อน แล้วจึงติดแท็กให้แต่ละรายการ แพรมต์ที่ใช้บ่อย: โปรดสร้างข้อมูลต่อไปนี้จากการสนทนา: ความตั้งใจ อารมณ์ entities สำคัญ การแก้ไขแล้วหรือไม่ คำแนะนำขั้นตอนต่อไป และส่งออกเป็นคอลัมน์ CSV มันเหมาะสำหรับ "การสร้างโครงสร้างอย่างรวดเร็ว" แต่ข้อเสียคืออาจเข้าใจศัพท์เฉพาะธุรกิจแบบผิดๆ บ้างบางครั้ง
ขั้นตอนที่ 3: ใช้ Claude วิเคราะห์สาเหตุและ Insights จากข้อความยาว
Claude ทำงานได้ดีกับบทสนทนายาวหรือใบแจ้งปัญหาขนาดใหญ่ ฉันมักป้อนบันทึกข้อมูลทั้งสัปดาห์เข้าไป แล้วให้มันทำการจัดกลุ่มปัญหายอดนิยม + สมมติฐานสาเหตุรากฐาน + จุดข้อมูลที่สามารถตรวจสอบได้ มันเขียนรายงานสรุปได้ลื่นไหล แต่คุณต้องคอยดูไม่ให้มันเขียน "การคาดการณ์" เป็น "ข้อเท็จจริง"
