第二节大语言模型的引入助力全域VoC 的多元化应用

从2022 年11 月OpenAI 发布chatGPT3.5 以来，基础大语言模型的迭代和国内外基于大模型的应用实践已经如火如荼开展了2 年，并逐渐步入深水区，在客户之声（VoC）的采集、处理和分析上，结合全渠道的心声采集能力，得到了广泛、多元且深入的应用。作为率先拥抱大模型并开启商用的CEM 产品，倍市得很早便接入了chatGPT、通义千问、DeepSeek、Kimi、豆包等主流大模型，在VoC 领域已经积累了较多的案例实践。以倍市得的最佳实践为例，来探讨AI 下如何实现全域客户之声管理与多元化应用。

1. 全域的“域”有多大 —— 公域+ 私域的异构、多模态数据采集与整合

企业的内部私域体系内（如问卷、社群、联络中心客服电话、客服聊天会话、工单、在线意见栏等），以及外部广泛的公域渠道里（如社交媒体、电商平台、舆情平台、短视频平台、新闻站点、社区群组等），都驻留着海量的开放、多模态数据（文本、语音、图片、视频等）构成的VoC。这些数据资产如通过有效的采集、整合、发掘和利用，可以发挥其多方面的价值。

从数据来源与结构特点出发，倍市得将全域客户之声划分为以下3 类：

第一类：私域问卷及客服等

数据来源主要来源于企业内部直接与客户互动产生的资料，包括但不限于在线调查问卷、电话访谈记录、电子邮件往来、客服热线通话录音、营业厅窗口评价等。

数据结构这部分数据通常为结构化或半结构化的形式。例如，问卷调查结果往往以表格形式呈现，易于分析；开放题内容主要包括：消费动机、为什么推荐/ 不推荐、为什么满意/ 不满意、费力细节等答案；而客服沟通记录可能包含文本、语音等多种格式，需要通过技术手段转换成可分析的数据。

应用场景主要用于了解顾客满意度，发现产品/ 服务中的问题点，以便优化产品功能/ 服务。通过深入挖掘这些一手资料，企业能够更精准地把握客户需求，快速响应市场变化。第二类：公域交易舆情

数据来源涉及第三方电商平台上的商品评价、用户评分、购物论坛讨论等内容，还包括专门从事消费者权益保护机构发布的报告等。颗粒度可细到门店、品牌、SKU 及国家等。

数据结构多为非结构化文本信息，如评论、帖子等，但也包含了部分结构化元素，比如星级评分。

应用场景帮助企业监测品牌形象、评估市场竞争态势、识别潜在风险点。通过分析买家留下的真实反馈，商家可以获得宝贵的改进建议，并据此调整营销策略或改进产品。

第三类：公域社媒舆情

数据来源社交媒体平台是此类信息的主要来源，包括微博、微信公众号、抖音/ 快手短视频、小红书、知乎问答社区等社交网络。支持品牌/ 国家颗粒度，但门店、SKU 等颗粒度难以保证。

数据结构非结构化为主，涵盖文字、图片、视频等多种媒体形式。处理这类数据时需采用自然语言处理（NLP）、图像识别等先进技术。

应用场景适用于品牌建设、舆情管理、新品推广等多个领域。通过监控社媒上关于品牌的讨论情况，企业不仅能及时捕捉公众情绪的变化趋势，还能有效利用正面口碑增强品牌影响力。

第二节 大语言模型的引入助力全域VoC 的多元化应用