准确率 90%+！大模型会话洞察平台来了

​

随着客户行为和需求加速改变，企业与客户在数字渠道沟通并交易的比重大幅提升。企业通过在线客服、社交媒体、短信、语音助手等数字化渠道与客户建立联系的方式，不仅拓宽了沟通途径，更显著提高了服务效率和质量。

与此同时，数字化渠道沉淀了大量交互、对话数据，其中蕴含着丰富的消费者信息和需求，如何挖掘和利用此类对话数据价值，反哺营销及客户服务，是企业数字化进程中的重要课题。

企业对话数据具有重要价值

全面了解对话情况，优化管理策略

分析员工与消费者之间的对话数据，不仅可以反映出员工的服务质量和工作效率，还可以暴露出服务过程中存在的潜在问题和所面临的业务挑战。通过深入分析，管理者可以在问题扩大之前及时介入，优化服务质量、提高客户满意度。

沉淀优秀经验与方法论，辅助员工快速成长

通过详细分析对话数据，管理者可以了解到哪些沟通话术更受欢迎，哪些沟通流程可以更加合理。沉淀此类经验不仅可以用于提高员工业务能力，还可以为优化工作流程、改进服务质量提供借鉴参考。

挖掘客户需求，精准制定商业策略

通过对话数据，企业可以了解到最新的客户状态、客户的消费意愿度、消费偏好以及服务满意度等重要信息，从而帮助企业制定更加精准的商业策略。

传统对话分析方式瓶颈需突破

对话数据需要企业重视及投入，但传统对话分析方式存在的瓶颈限制了数据价值的充分释放。

预设标签的局限性：存在片面性和不准确性

由于对话数据的复杂性和多样性，任何一组预设标签都无法完全覆盖所有的会话内容。分析师在标签分配过程中也可能会受到个人偏见和主观判断的影响，从而导致标签的不准确性和不一致性。

NLP 技术的局限性：无法深入理解会话含义

在真实的对话场景中，人们往往使用隐喻、比喻等修辞手法来表达自己的意图和需求，即使有 NLP 技术的加持，文本分析暂时亦无法准确把握对话的深层含义。

对话洞察的复杂性：传统方法难以综合理解

会话洞察面临的更大挑战在于，需要综合理解不同用户在不同背景下发表的不同观点，进而得出结论。传统方法通常是基于预设的标签和规则对会话内容进行分类和分析，这种方法在处理结构化数据时可能有效，但在处理复杂的非结构化数据时，无法准确理解对话内容的真实含义从而给出定性分析。

大模型会话洞察平台，破局传统对话分析局限性

大模型具有强大记忆力和深入理解力，为突破传统对话分析的局限性提供了可能性。通过大量的学习和训练，大模型不仅具备庞大的知识库，更掌握着丰富的语言模式和语义规则，能够精准地理解每一段对话的含义，为每一通对话进行全面、准确的标注。这样的标注能力是人类分析师难以比拟的。此外，大模型消除了主观判断和偏见的影响，让分析结果更加客观和准确。

更重要的是，大模型具备令人惊叹的上下文理解能力，不仅可以理解单个对话的表面语义，更能根据对话的上下文环境，自动推断出真实含义。这使得大模型可以更好地理解复杂的会话数据，对会话的深层含义和意图进行精准解读。无论是客户服务过程中常规的问题解答，还是营销场景下的销售推进，大模型都能高效理解和处理。

可以说，大模型为深入挖掘会话数据价值提供了有力的技术支撑。通过综合不同对话中的信息，大模型能够精准地捕捉到业务过程中的关键细节，准确挖掘出有效的话术，此外还能收集产品卖点、评估员工能力、分析客户状态等。这些曾经难以实现的任务，在大模型的帮助下变得轻松易解。

利用大模型完成会话数据打标

中关村科金基于大模型升级后的会话洞察平台，无需借助经验丰富的分析师花费数周时间建立会话分析体系、上传会话数据，平台可自动抽取部分数据交由大模型进行业务场景学习。完成学习后，会话洞察平台将自动构建会话标签体系，以及每个标签的定义。

​当有新数据传入时，会话洞察平台也能自动分析是否生成新的标签，并将新标签推荐给分析师，确保所有的数据都能全面、精准覆盖。

如果推荐的标签仍有遗漏，分析师只需提示大模型需要创建的标签名称，会话洞察平台即可自动生成该标签特征，包括标签的描述、标签需要符合的前序事件和包含事件、会话意图、情绪特征等。无需配置正则或训练 NLP 模型，便可快速建立对话分析标签。

​根据测试，中关村科金会话洞察平台在营销、客户服务、员工陪练、反诈宣防等不同行业、不同场景下，对话数据打标准确率、召回率均能达到 90%以上。目前，中关村科金已逐步提供并打通质检、CEM、智能工单等产品基于大模型的数据打标能力。

利用大模型进一步挖掘数据价值

除了上述功能外，基于大模型的会话洞察平台还能进一步挖掘数据价值。利用大模型提供的丰富且实时信息，根据不同场景的业务需求进行更深入的洞察分析。

​例如在营销场景下，销售主管可以根据对过往营销通话的分析，筛选出意向度更高的客户并制定更佳的销售策略。同时利用对通话内容的实时打标与客户状态的实时计算，匹配更精准的推荐话术和沟通建议。在通话结束后，还可通过对销售进程的判断与客户消费意愿的分析，为开展下一步行动提供数据支持。

​在陪练场景中，中关村科金会话洞察平台同样能发挥巨大作用。通过对过往通话记录的分析，提炼常见的对话场景以及每个对话场景中包含的流程话题等细节；从员工和客户角度分别分析过往通话内容中员工工作的短板、未接触到的业务场景，以及不同客户的性格特点、语言风格等，将这些特征数据提供给陪练系统，从而生成更有针对性、更加真实的陪练任务。

​随着大模型在各领域应用的日益成熟，中关村科金期望在实现人机协同工作之外，会话洞察平台能够独立完成诸如智能质检、智能客服、智能外呼、智能陪练等使用场景中更为复杂的任务，使当前的智能化应用从基于固定策略的感知智能化，升级为“一客一策”的认知智能化，为客户提供更为优质的体验，并帮助企业降低成本、 提高效率。

​