4. AI 大模型与知识图谱助力客户之声分析的“深度”

AI 大语言基础模型的语义归纳理解、语音、图片、视频等多模态能力，结合服务商在行业的knowhow 沉淀，能更加深入地洞察客户，识别出顾客表达中的情感倾向、需求痛点以及关键主题。例如，AI 可以准确判断顾客评价是正面、负面还是中性，并进一步提取出具体的评价内容，如产品的某个功能缺陷或服务的某个环节不满。

行业知识图谱的独特优势在于，它能够巧妙地将顾客反馈、行业知识以及企业内部业务知识相融合。当顾客在产品评价中提到某一技术参数方面的问题时，行业知识图谱便开始发挥关键作用。它一方面助力企业将该问题与同行业竞品的情况展开对比剖析，另一方面迅速关联企业内部从研发、生产到销售等一系列环节的详细信息。通过这种全方位的信息整合与分析，行业知识图谱为分析成果赋予了更充裕的背景信息与深入的关联分析，使得企业能够更透彻地把握问题的严重程度以及影响范围，进而为制定精准有效的改进措施提供科学、量化的坚实依据。

4.1 高效率开展用户共创，助力产品创新

在社交媒体或内部社群等公私域渠道，顾客会分享使用感受和创意想法。品牌方可通过监测这些内容，直接收集用户对于产品功能、外观、使用场景或服务体验等方面的期望，并根据互动数据了解这些期望的热度和人气值，评估其在产品或服务定义中的优先级，针对性地进行创新。相比传统深度访谈、线下工作坊等形式，更为轻量和高效。

比如，源于“雷总，可不可以出一款这样的洗衣机，非常需要！”这条普通网友的留言，小米双区洗烘洗衣机应声而出，在2024年11月发布上市，发布即大火。在洗衣机这样一个高度成熟的品类里，树立了一个基于VoC 开展用户共创并大获成功的典范。

4.2 基于公域的顾客视角开展竞品对标

在合规范围内开展公域平台的竞品数据采集，是有效获取竞品细节数据的方法。比如电商平台、社交媒体等存在着海量的竞品的数据。包括各个主流品牌、品类、产品型号、价格、销量及竞品的评价、体验分享和对比讨论。这些数据涵盖了产品功能、质量、价格、服务等方方面面。

利用倍市得VoC 等平台提供的预置行业模型，可以在同一维度口径上，对收集的数据进行情感分析和主题提取，开展本品竞品的对标细查。对于正面评价较多的竞品功能或服务，品牌可以研究其优势所在，思考自己的差距，设法弥补短板或放大自身的其他长板。根据对标结果，调整自身品牌的产品和服务策略。

4.3 挖掘社交线索，跟进销售机会（Social to Leads）

用户在公域和私域的互动，往往不乏潜在或明确的销售机会。比如品牌评论区的互动询问、私域反馈里的意向表达或兴趣，都可以通过大模型的意图识别能力，转化为不同等级、区域的销售线索，并通过VoC 平台自带的自动化工单等能力，分派跟进和转化，做到全天候不遗漏。