车企的客服部门每天都会收到大量的用户反馈，这些声音可能来自呼叫中心、在线客服等不同的渠道，通过富通自研的算法模型，可以实时提炼关于用户反馈声音的关键信息（如：情感、意图、观点、用户ID、车型…），快速聚焦并发现问题，再结合车企自身的问题处理机制，形成处理闭环，最终解决问题，提升客户体验。

要提升客户服务的体验，就必然要对客户反馈有真实准确地了解，并且有针对性地对问题进行解决：

• 用户的反馈是否被如实、准确、完整地记录？

• 用户投诉的根本原因和真实诉求是否被准确挖掘？

• 问题是否被真实解决？用户体验是否得到了提升？

每个人的理解能力和职业素养不尽相同，因此，在记录反馈、挖掘根因、处理跟进的过程中，难免会出现各种偏差，这也会最终导致标准不统一。通过算法模型以统一的标准、“不夹杂私心”的方式来做记录、分析、跟进、晾晒，不仅可以最大程度地还原真实状况，还能提升业务效率。  

自动总结对话摘要

在客户服务场景中，总结对话摘要不仅费时费力，而且“自由度”很高。人工总结出来的内容千人千面，甚至会出现一些故意隐瞒或篡改的情况。这一方面会导致效率低下，另一方面可能会导致用作后续使用和分析的用户声音数据与真实情况出现偏离。

使用富通的汽车行业模型来做对话摘要的自动总结，提炼出故事线及核心信息，能够较大程度地提升摘要总结的效率（据富通实践，平均可节省约60%的时间）；此外，以同一个标准来总结，可以排除人为因素的干扰，大大提升标准化程度。

自动标注关键信息

客服部门的管理者在进行客户体验管理的过程中会关注很多指标，其中NSR（Net Sentiment Rate，净情感值）就是一个常见的指标。为了计算出NSR，我们必须知道用户反馈的情感属性是正向的、中性的，还是负向的；此外，我们也需要知道用户反馈的诉求是什么，他是在咨询、投诉，还是抱怨或建议？富通的汽车行业模型可以对这些内容进行自动标注。

（示意图）

不仅如此，品牌、车系、场景、评价对象、类别、评价内容等信息都可以自动抽取出来，为后续的多维分析打好基础。

直观洞察风险问题

基于自动标注的数据，富通客户之声VOC洞察平台可以自动统计出用户咨询最多、投诉最多的内容，以及这些投诉是关于哪些部件、用户提出了哪些建议等。这些信息可以帮助管理者及时掌握用户的实时反馈情况，了解近期的高频投诉内容，以便提前准备相关话术，帮助客服人员更充分地做好面客准备，提升客户的体验感。

（示意图）

当需要针对具体某一个客户开展相关服务时，富通客户之声VOC洞察平台不仅可以打通OneID，还支持逐层下钻，定位到用户ID、用户原声、涉及车型、问题类型、具体问题、问题来源、重要性等级、关联指标等核心的具体信息，帮助客服人员快速、直观地掌握相关用户所遇到的问题和诉求，以及目前的处理进度等信息，避免给客户带来“更换了客服人员就从头开始”的欠佳体验。

（示意图）

风险问题闭环管理

每家车企都遵循其自有的问题处理标准流程。富通客户之声VOC洞察平台支持与车企自身的问题处理机制相结合，建立反馈驱动改进的业务闭环，形成从问题识别、问题审核、任务派发、处理跟进、结果晾晒的闭环流程，在用户与客服之间形成有效连接，通过严格的流程及权限管理，更精细化地管理进度及客户体验。

富通智数洞察引擎专注于服务汽车行业，帮助车企治理海量的用户声音数据，构建车企视角的标签体系，运用汽车行业AI模型，深度分析用户声音，解析出用户的观点、情感和意图，洞察潜在风险与机会，并结合车企自身的问题处理机制形成处理闭环，赋能运营、产品、营销等多个业务及应用场景，以数据驱动决策，用数据监控行动，助力车企业务质效提升。

合作垂询：zhoupp@futong.com.cn   
如有转载或引用，请及时与我们联系（zhishu@futongdf.com.cn），并注明出处【富通智数舆情】。