客户之声(Voice of Customer)是消费者对品牌、产品、服务等内容的所有反馈,建立用户声音收集平台,通过用户声音分析,为研发、市场、服务等部门提供决策支撑,推动业务改进,以满足客户对产品及服务的合理需求,提升用户体验。
VOC统一收集成本高:客户声音涉及售后系统、客服系统、电话热线、邮件系统、渠道经销商体系、线下门店等企业内部渠道,同时大量的VOC数据广泛分布在互联网社媒阵地、垂直论坛等企业外部渠道,企业需要收集互联网的VOC数据带来巨大挑战。
理解客户声音难度高:客户反馈的内容大多是半结构化或非结构化的文本或语音数据,从海量客户声音数据仅靠人工准确理解几乎不可能完成,更不说洞察和分析用户声音数据。
VOC数据应用碎片化:企业内部各部门都有应用VOC数据的需求,但各自数据维度不完整,仅在有限的场景中使用且应用层次浅显。
全面收集VOC数据:统一的VOC收集平台,高性能收集海量互联网VOC和企业内部全渠道VOC数据。
先的客户声音语义理解:应用智能三元组专利NLP技术和用户意图知识图谱准确且全面理解客户声音,并结构化剖析用户谈及对象、特征、关系、观点和情感等关键属性,完成客户智能化标签。
端到端的全场景应用: 以企业级用户体验为核心应用方向,形成企业用户体验目标指标体系,建立预警机制,牵引产品研发、品牌公关、市场营销、渠道销售、售后服务、物流仓储、客户服务等部门高效完成关键指标并完成端到端的运营闭环。
产品体验感知
竞品分析
市场洞察
舆情危机控制
VOC知识图谱
用户声音归因挖掘
重大事件监测通告
物联网是智能家居应用的重要终端,它生产大数据,大数据支持智能家居,从数据化到智能化,构成了从感知到认知的全过程。大数据是智能硬件竞争的制高点,通过建设数据中台,可以挖掘用户的设备使用行为,让品牌厂商可以了解自己的用户、优化产品策略和市场策略。
数据增长迅猛冲击传统架构:随着智能家居用户持续攀升,传统的关系型数据库无法满足数据规模增量和非结构化数据的存储和计算要求。
用户黏性差:用户激活后,用户端智能家居APP用户低活跃,满意度不高,缺乏用户端的感知和反馈,是智能应用深化的巨大障碍。
运营缺乏数据分析:没有一套完整从用户行为数据收集、分析、闭环运营的分析模型和洞察工具,运营缺乏数据支撑,运营效果差。
一站式数据处理:实现从数据收集、清洗、融合、分析、挖掘的全链路数据处理能力,提升数据价值及数据应用的效率。
高性能架构:聚合百亿级数据,秒级响应;可弹性扩展的架构支持实时数据接入与计算。
低成本使用数据:通过自助分析平台,业务人员可定义业务部门不同的数据分析门户和大屏,完成对业务的实时监控。
以智能家居用户体验为核心,强化用户-场景-需求的连接,通过对用户数据挖掘分析,提供不同场景个性化的智能家居服务。
基于用户数据和设备数据的联合建模分析,为产品研发创新提供数据支撑,提升产品智能化水平。
依托数说中台强大的一站式全链路可视化数据处理平台,统一产品、运营、售后等多部门数据化运营指标体系,打造从全局经营决策-业务策略-触发行动逐级实时联动数据驱动的闭环运营,以优化运营效率,提高对客户响应力。
经营管理驾驶舱项目是企业数字化战略的直观体现,以数字化管理企业,形成整个企业的数字化文化。管理层通过数字实时,高效掌握企业运行与发展全貌并通过管理层的关注参与直接推动整个企业数字化变革进程,不断驱动企业数字化转型。
经营数据分散,企业在经营过程中,经营报表数据分散在多个应用系统中,尤其是事业部或集团分子公司等形态进行运作的则更为突出。
管理粗放无抓手,企业制定的经营目标层层分解后,执行角色横跨多个部门,部门之间往往聚焦在自身的指标,缺乏对于经营目标的体系化的认知和对上下游的联动响应,给企业高层纵向管理和横向管理带来巨大挑战。
缺乏经营管理的闭环支撑,当关键的经营指标出现异常时,不能及时触达对应的责任人,并且管理指令及时发出后,缺乏对管理指令执行的跟踪和监控,更多依赖人工或者流程驱动,成本高,效果差。
经营管理是一个动态管理的过程,提供指标定义、指标分层和指标血缘等能力,满足经营管理多样性分析追溯要求。
提供自定义查看监控指标功能,可多角度洞察经营指标的业务运营情况。
提供按不同的预警规则配置预警策略,并通过通知规则按事件类型、时间频次、通知方式等不同通知方式进行触达。
支持根据按指标或事件触发产生工单工单,并基于工作流支持对管理工单的闭环监控和跟踪。
完成从经营目标制定-分解-执行-监控全链路的数字化,提升企业整体运营效率。
企业高层可实时掌握企业整体运行情况,对关键指标和关键事件产生的各种风险问题可通过管理驾驶舱进行全局预警和控制风险措施的落地。
提供各经营场景的分析模型,对人力、财务、发展、风险、业绩、效率等维度进行指标归因分析和指标溯源能力,辅助支撑经营管理的精细化和智能化。
随着算法技术的发展,越来越多的企业希望利用算法+AI来进行数字化转型。算法可谓是基础数据到数据智能应用必不可少的桥梁,企业通过建设算法平台,可以快速让企业具备算法语料标注、算法智能训练、算法模型管理、算法模型服务API等多种算法能力,以此对实际的业务系统进行有力的算法支撑。
企业定制算法成本较高,需要业务人员、算法专家等多个角色的深入配合,其中可能会出现大量的沟通成本。
企业内部算法模型缺乏管理,也缺乏对底层硬件资源的复合利用,算法模型训练后也无法直接提供对应算法服务,调用量一旦过大很容易出现服务异常。
多样化数据支持弱,除了数值类型数据外,企业收集到图片、文本等非结构化数据也越来越多,传统的算法无法对这类数据进行有效的处理和建模。
算法训练成本高,算法调优离不开更多语料和数据的输入,如何快速对各类素材进行标注,如何管理标注效果也是业内一个老大难问题。
所有功能均可视化,业务人员能基于自己需求标注数据、训练算法、管理模型、发布服务。无需基于复杂的开发过程,此外,系统基于机器学习算法,可以协助用户自动判断模型当前是否达到可使用标准。
算法平台支持第三方模型的接入,通过技术手段可以让企业当前的内部算法模型接入平台进行管理,符合平台规范的模型还可以迭代调优和发布服务。
算法平台支持多种语料的标注,标注质量可视化展示。同时支持外包标注模式和对应的考核管理能力,确认算法训练输入的准确、有效。
支持模型多版本之间的切换和管理。算法接口服务基于微服务架构,支持多机部署和负载均衡策略。
通过算法服务把数据转化成应用服务
对企业内部算法模型资产进行统一管理
内置知识图谱构建,支持深度的数据应用