Customer Experience

客服情感分析

在愤怒的工单变成流失之前发现它。

客服情感分析 is 客服情感分析 for teams that want the reasoning shown, not hidden. Plans start at $49 a month with a 14-day free trial.

开始免费试用

情感分析名声不好，而且是应该的。常见工具返回一个 −1 到 1 之间的数字，在反讽和行业术语上出错，而且不给你任何办法去核查它为什么这样判定。Sentiment Pulse 换了个顺序：先出主题再出分数，每一次判定都能回溯到原文的具体段落，模型在没把握时会说出来。

先主题，后情感

一万条反馈得出 −0.3 的情感值，什么也说明不了。有用的是知道出现了哪些主题，以及每个主题内部的情感是什么样的——因为几乎总有两个主题方向相反，在平均里互相抵消。

反馈先按主题归并，每组附上示例引文，然后才按主题评估情感。一个价格被批评、服务被称赞的产品，在单一数字上看起来中性，在这样的拆解里完全是另一回事。

主题识别: 按议题归并反馈，附示例引文而不只是关键词。
按主题的情感: 给分布而不是平均值，让分裂的意见不至于显示为中性。
可回溯的判定: 每个分数都指向支撑它的原文段落。
不确定标记: 含义模糊、带反讽或过短的文本会被标记，而不是被自信地错判。

情感分析工具失手的地方

有三类错误反复出现，值得点名，因为没有工具能完全解决它们。反讽几乎总被读错。行业术语会把极性颠倒过来——"构建失败了"对开发者是中性的事实陈述。而跨越多个句子的否定，多数模型都会漏掉。

这里的处理方式不是做得更好，而是做得诚实：落入这几类的文本会被标记待核查，并且不以全额计入汇总。一个会把自己的疑难样本摆出来的情感指标是可用的；把它们算进去却不声明的，不可用。

来源与告警

反馈来自客服工单、应用商店评价、净推荐值调研的开放回答、问卷和社交媒体提及。归并是按主题而不是按渠道做的——因为同一个问题会在每个渠道以不同措辞出现，分开计数会稀释信号。

告警基于主题的位移触发，而不是总体分数的变化。一个新主题在 48 小时内从零升到总量的 3%，这是信号；总体分数从 −0.28 滑到 −0.31，这是噪声。

情感如何计算与举证

每个分数都必须可核查。在实践中这意味着模型会保留自己的证据，而不是只返回那个数字。

切分把文本切成观点单元，因为一条反馈常常在同一段里同时包含称赞和批评。
归入主题每个单元分配一个主题；当足够多的单元不属于任何现有主题时，就会形成新主题。
逐单元判定极性判定在单元层面进行，并把起决定作用的段落保存为证据。
标记疑难样本反讽信号、行业术语和跨句否定会立起不确定标记，并从汇总中扣除。
报告分布按主题给出正面、负面、中性和不确定的占比——不给单一平均值。

不给出一个总体数字是刻意的限制，有时也不方便——报告总想要一个数字。但显示"正面 40%、负面 35%"的分布，会导向与"平均 0.05"不同的决定，而正确的是分布。

适合谁

反馈量大的产品团队

每周有几千条反馈进来时，按主题归并才是真正的价值——读不过来，只计数也没用。

客服组织

从工单中抽出的主题，能在某类问题成为指标趋势之前就显示出它正在推高工单量。

应用与市场平台的发布方

跨版本按主题追踪评价，能看清哪次发布制造了哪种抱怨。

把净推荐值的开放回答放着不看的团队

那个数字出现在每份报告里，而文字没人看。在这里，它们正是主题的来源。