Основываясь на нашем опыте в Kreato по применению методов машинного обучения, мы видим, что аналитика текста или автоматическая классификация текста могут использоваться в CRM для следующих случаев использования.
- Сегментировать данные о клиентах
- Выполните анализ настроений
- Выполнить анализ намерений
- Предлагайте контекстные ответы
- Направлять входящие лиды
По сути, концепции текстовой аналитики помогут классифицировать текстовые данные по некоторым категориям, определенным рудой, и соответствующим образом пометить их для использования в описанных выше случаях использования.
Перед применением классификации текста необходимо выполнить очистку данных и предварительную обработку текста. Обычно это включает в себя замену специальных символов и знаков препинания пробелами, нормализацию регистра, удаление повторяющихся символов, удаление определяемых пользователем или встроенных стоп-слов и корней слов.
Для случаев бинарной классификации, таких как анализ настроений, когда вы можете пометить входящее электронное письмо от клиента как положительное или отрицательное, можно попробовать алгоритмы двухклассовой логистической регрессии или двухклассовой машины опорных векторов.
Для нескольких случаев классификации, таких как анализ намерений, когда вы можете пометить входящее электронное письмо от клиента как запрос, запрос в службу поддержки или запрос графика демонстрации, можно попробовать алгоритмы многоклассовой логистической регрессии и многоклассового леса решений.
Чтобы повысить точность, мы могли бы лучше проверить результат, полученный, по крайней мере, с двумя алгоритмами для вариантов использования, которые мы хотели бы попробовать.
Узнать больше об ИИ-приложениях для продаж можно в Креато.
