藉助 AI，使用資料來講述故事
非結構化資料為獲得新的客戶見解提供了巨大的機會。如果組織可以將該資料轉換為易於理解的客戶故事，他們就可以採取行動來幫助提高客戶滿意度並減少客戶流失。
可用的非結構化資料並不缺乏。實際上，據一些人估計，90% 的資料都是非結構化資料，並且其增長速度明顯快於結構化資料。構成非結構化客戶資料的文字、影像、音訊及其他類型的內容，正在 Discord、Reddit、Slack 和 X 等眾多平台上快速增長。收集所有這些資料並將其轉化為可執行的見解雖然具有挑戰性，但潛在的價值讓這項努力物超所值。
當我在 Google 擔任使用者體驗工程師時，我親眼見證了將生成式 AI 能力與客戶資料結合，能如何提升數位體驗。我曾隸屬於一支非常出色的團隊，負責優化行銷網頁，包括 cloud.google.com 的首頁。我們的部分專案涉及為銷售與客服團隊打造對話式使用者介面，這些介面能部分自動化 Salesforce 的工單處理流程。透過半自動化的客服回覆，我們能迅速解決客戶問題，持續提升客戶滿意度。
然而，對大多數組織來說，客戶回饋的傳遞鏈條往往是斷裂的——而在 Sushidata，我們正努力修復這一問題。作為公司的聯合創辦人兼執行長，我正與我們優秀的團隊攜手合作，透過將 AI 套用至非結構化資料，幫助企業深入洞察客戶需求，並提升客戶體驗。在我們公司至今的發展歷程中，我們學到了幾個重要的經驗，關於應該將努力聚焦在哪裡，以及如何充分發揮資料的價值。
最大化現有客戶的價值
專注於現有客戶的體驗通常能夠帶來最大的效果。獲取新客戶所需的資源遠比留住現有客戶所需資源多得多。雖然您永遠不會停止開發新客戶的工作，但滿足現有客戶的需求應該是您的首要任務之一。
透過從非結構化資料中發現見解，您可以及早發現潛在的問題。例如，我們為客戶收集的一些資料包括客戶的投訴，這些客戶對支援服務解決問題的 時間很不滿意。我們目前正在開發一種警示機制，該機制利用自然語言處理技術，透過任何必要的媒介（Slack、電子郵件甚至簡訊）向合適的團隊發出警示。借助這種機制，我們的客戶能夠在其客戶決定探索其他解決方案之前解決問題。
同時，即時瞭解客戶需求可以創造新的追加銷售機會。如果客戶在 Slack 上描述特定的業務挑戰，或在 Discord 上發佈功能需求，您或許能夠提供滿足其需求的解決方案。以下是一些值得思考的問題：當有人詢問企業定價時，您該怎麼做？對我來說，答案是與客戶互動，並盡可能為潛在客戶提供協助。
利用 AI 的力量
如何在海量客戶資料中找到黃金？充分利用非結構化資料需要 AI。利用大型語言模型 (LLM)，您可以有效地從多個來源收集客戶資料，連接從不同地方獲取的資料片段，統一跨平台使用者，分析資料以瞭解情緒，發現即時趨勢，並以視覺化格式呈現新見解。
如果沒有 AI，這項工作幾乎無法完成。假設您希望將來自多個線上論壇的對話資料整理成關於您產品的連貫的客戶描述文件。您不僅需要找到所有提及您產品的對話，還需要一個能理解上下文的系統，能夠辨識眾多訊息之間的關聯性，將特定資訊串聯起來，並產生一個邏輯清晰、有條理的整體故事。鑑於人類溝通本質上具有細微差異且常常模稜兩可，這個過程需要高度精密的 AI 能力，即使在對話內容交織複雜、語意流動性強的情況下，也能持續保持對上下文的理解與掌握。
解決關鍵策略決策
如何運用 AI 方法，從非結構化資料中獲取客戶見解？在開始利用這些大量資料之前，您需要做出一些重要決策，並克服一些挑戰。
資料收集
無論您的組織規模如何，Discord、Slack、X 和 Reddit 等社群平台通常是挖掘客戶情緒和回饋的最佳場所。除了您的團隊可能在這些平台上與客戶直接對話之外，客戶還會與他們的同行（即潛在客戶）討論您的公司和產品，從而提供潛在的關鍵資訊。
您需要確定哪種技術能夠讓您快速且有效率地收集所有相關資料，同時遵守平台規則和資料隱私權法規。在 Sushidata，我們使用 OAuth 而不是 Zapier 來促進資料收集，因為我們不希望使用者在連接平台時遭遇摩擦。我們特別關注每個來源，並確保盡可能快速且有效率地連接到該來源。OAuth 是一個開放標準，它使我們以及我們的客戶能夠從各個平台連接到 API。借助 OAuth，組織可以輕鬆存取客戶訊息，而無需踏入從公共論壇抓取資料的道德灰色地帶。
統一
統一來自多個來源的資料是分析客戶資料的最大挑戰之一。一方面，您希望將所有這些孤立的資料整合在一起。另一方面，您也需要瞭解哪些資訊來自哪個平台，以便能夠在正確的時機採取行動。
Sushidata 會為每個來源平台指派 ID。如果有人想要深入瞭解特定的產品問題、錯誤或功能請求，只需按一下即可直接找到來源。
儲存
如果您主要收集文字資料，則可以使用傳統的資料庫。在 Sushidata，我們使用 Cloudflare 的無伺服器資料庫，並為每個租用戶提供單獨的資料庫執行個體，以確保每個組織的資料與其他組織的資料相互獨立。
如果您也收集其他類型的資料（例如影像），則向量資料庫（將相關資料儲存在緊密關聯的資料庫中）可以幫助提高效能。Cloudflare 的開發人員平台讓我們能夠確定哪些資料應該包含在向量資料庫中。
此外，選擇物件儲存體（例如Cloudflare R2）可以幫助您儲存大量各種各樣的資料，包括文字、影像、影片以及記錄和事件資料等等。
分析
如今，組織可以存取大量資料，但要利用這些資料做出明智的決策，還需要進行分析。AI 在這一過程中扮演著核心角色，它能夠對大量資料進行標記、分析，並產生可執行的見解。
找到或建立合適的 AI 模型是關鍵。Sushidata 提供多種 AI 模型的接入選項，讓使用者能夠靈活探索新推出的模型。我們採用 Cloudflare Workers AI 來執行嵌入與文字產生模型，這些模型在靠近使用者的邊緣執行。
借助合適的模型，您可以分析所收集非結構化資料的上下文，然後執行多維情緒分析。當我和 Sushidata 共同創辦人 Victor Sanchez 及 Victor Ilisei 一起構思如何衡量客戶情緒時，我們的目標遠不止於判斷顧客是「開心」還是「難過」這麼簡單。事實上，顧客的情緒遠比這更為複雜與多元。
我們決定使用 AI 進行五維情緒分析。這有助於我們的客戶更好地理解他們的顧客是表達自信還是恐懼、困惑還是明瞭等等。精準定位正確的情緒，能夠讓您更能確定最佳行動方案。
視覺化
在大多數情況下，使用客戶見解的人並不是資料科學家，而是來自顧客體驗或社群管理團隊的成員。因此，您需要找到一種解決方案，能以視覺化的方式向他們呈現見解，從而快速便捷地傳達訊息。
透過適當的視覺化功能，這些團隊可以立即看出公司是否收到更多回饋意見、功能請求、錯誤報告，或是其他問題提及。顧客體驗團隊能夠繪製出顧客旅程地圖，並據此進行最佳化。此外，他們也能利用視覺化工具，將見解分享給公司高層領導，促進更有效的決策。
安全性
保護客戶資料並遵守資料隱私權法規至關重要。為了保護個人客戶的隱私，您需要在資 料收集過程中採取去識別化措施，刪除個人識別資訊 (PII)。您還需要遵守平台的資料收集規則。正如我之前提到的，多租用戶對於資料保護至關重要。
如果您正在訓練自己的 AI 模型，您還需要確保輸入模型的資料沒有遭到入侵或損壞。例如，我們看到一些公司使用 Reddit 資料（包括公司員工和客戶之間的對話）來訓練生成式 AI 模型。他們計劃在論壇中部署這些模型，以代表他們解答客戶的問題。但他們需要確保擁有乾淨、準確的資料。如果有人進入論壇並冒充使用者，基於這些資料的模型將無法提供準確、建設性的回應。
展望 AI 驅動敘事的未來
將 AI 套用至非結構化資料具有巨大的潛力，可以更好地瞭解您的客戶——他們對您的產品的感覺、他們遇到的問題等等。有了這些訊息，您就可以採取行動來提高客戶滿意度、減少流失並最終提高收入。
我們展望這樣一個未來：您只需前往 Sushidata，輸入問題「為什麼我的使用者正在流失？」，AI 就能根據您自己的資料講述一個故事。這個故事可以透過動態圖表或儀表板呈現，只需點擊一個「播放」按鈕，就能以一種前所未有的方式瞭解資料。
是的，要實現這樣的願景確實面臨一些挑戰。整合來自多個來源的資料、分析這些資料、確保資料安全，以及建立引人入勝的故事機制，這些都是 複雜的任務。但我們創立 Sushidata 的初衷，正是為了將這個願景轉化為現實。
Cloudflare 在幫助我們建立和管理平台方面發揮了關鍵作用。使用 Cloudflare 產品，我們能夠成功分析和分類來自線上論壇的數以萬計的對話，將資料轉化為連貫的客戶故事。各組織正在利用這些故事來滿足客戶需求，並制定長期策略，以從客戶身上創造最大價值。
Cloudflare 就影響當今技術決策者的最新趨勢和主題發表了一系列文章，本文為其一。
深入探討這個主題。
閱讀《提高開發人員速度》電子書，進一步瞭解現代應用程式開發的三個障礙，並瞭解如何最大限度地提高開發人員生產力。
作者
George Portillo — @georgeportillo
Sushidata 執行長兼共同創辦人
重點
閱讀本文後，您將能夠瞭解：
分析現有客戶資料可以帶來哪些好處
為什麼 AI 對於釋放非結構化資料的價值至關重要
將非結構化資料轉換為可執行見解的主要挑戰與策略