ChatGPT Claude Gemini做會話分析的實操技巧 讓客服質檢不再靠加班

客服聊天記錄一多，靠人工翻就很崩潰：漏掉高風險話術、統計口徑不一致、還容易被情緒帶跑。我自己更喜歡用「會話分析」思路來做質檢：抽取意圖、情緒、關鍵實體，再看解決率和回應速度這類指標，效率會高很多。

同一份對話分別丟給ChatGPT Claude Gemini怎麼問

你可以把一段對話貼進去，直接讓模型輸出結構化結果，後續丟表格就能統計。

• 通用提示詞：請提取用戶意圖、情緒(1-5)、涉及產品/價格/退款等實體、是否升級投訴、給出一句話改進建議，並用JSON輸出
• ChatGPT：適合把「規則」寫得很死，像質檢打分表、違規詞清單，輸出更穩定
• Claude：更擅長長對話歸納和「這段話為什麼會激怒用戶」的細膩分析，讀完會有點被教育到
• Gemini：適合順手做多語言與渠道歸因，比如把中英混雜對話統一成同一套標籤

把質檢做成可追蹤的KPI

參考常見會話分析做法，別只看「有沒有解決」，還要盯：高頻問題Top、負面情緒觸發點、首次回應時長、解決率。模型輸出欄位固定後，你的統計口徑就不會天天吵架。

Midjourney能幹嘛 不只是畫圖

我會讓Midjourney把「情緒趨勢」和「話術改進點」做成海報式視覺化，用來給老闆彙報很省口水。提示詞可以這樣寫：客服會話分析儀表板 負面情緒熱力圖 解決率折線圖 企業數據視覺化風格 簡潔高對比。

小提醒

對話數據記得去識別化，姓名、手機號、訂單號先替換掉；不然再強的模型也救不了你的合規風險。

如果你想把這套流程更順滑地落地，包含帳號與使用上的坑也一起少踩點，去Titikey逛逛，我把常用方案都整理在那邊了。