aifinlab 客户诉求抽取 Skill
数据来源
本 Skill 支持多种客户交互数据输入格式，核心数据来源包括：
1. 对话数据
- 客服对话：在线客服对话记录、电话客服录音转写
- 聊天记录：即时通讯聊天记录、社交媒体对话
- 邮件往来：客户邮件、回复邮件
- 工单系统：工单描述、工单回复、工单处理记录
2. 文本数据格式
- 纯文本格式：.txt 文件，UTF-8编码
- 结构化文档：JSON格式对话数据、CSV格式工单数据
- 数据库文本字段：从数据库直接读取的文本内容
- API接口数据：通过API获取的对话和工单数据
3. 元数据信息
- 客户信息：客户ID、客户类型、客户等级
- 时间信息：对话时间、工单创建时间、处理时间
- 渠道信息：对话渠道、工单来源、联系方式
- 标签信息：预设标签、分类标签、优先级标签
4. 数据格式要求
- 文件路径：本地文件路径或网络文件URL
- 文件编码：UTF-8、GBK、GB2312等
- 数据完整性：需要包含完整的对话上下文
说明：本 Skill 不包含数据采集功能，需要用户提供清洗后的对话和工单数据。建议数据包含完整的对话上下文，以便进行准确的诉求抽取。
功能
本 Skill 提供全面的客户诉求抽取能力，涵盖多种抽取功能：
1. 诉求类型识别
- 咨询类诉求：产品咨询、服务咨询、政策咨询
- 投诉类诉求：服务投诉、产品质量投诉、流程投诉
- 建议类诉求：产品建议、服务建议、流程建议
- 需求类诉求：功能需求、服务需求、定制需求
2. 诉求内容抽取
- 核心诉求提取：提取客户的核心诉求内容
- 诉求关键词：提取诉求中的关键词和关键短语
- 诉求描述：生成诉求的详细描述
- 诉求分类：对诉求进行分类和标签化
3. 情感分析
- 情感倾向：识别诉求的情感倾向（正面、负面、中性）
- 情感强度：评估情感强度等级
- 情绪类型：识别具体情绪类型（愤怒、满意、焦虑等）
- 情感变化：分析对话过程中的情感变化
4. 诉求优先级判断
- 紧急程度：判断诉求的紧急程度
- 重要性评估：评估诉求的重要性
- 优先级排序：对多个诉求进行优先级排序
- 处理建议：生成处理建议和响应策略
5. 实体信息抽取
- 客户信息：提取客户姓名、联系方式等信息
- 产品信息：提取涉及的产品名称、型号等信息
- 时间信息：提取时间相关信息和时间节点
- 金额信息：提取涉及金额和费用信息
6. 高级处理功能
- 诉求去重：识别和合并相似的诉求
- 诉求关联：关联相关的诉求和对话
- 诉求追踪：追踪诉求的处理状态和进展
- 诉求统计：统计诉求的分布和趋势
使用示例
输出示例
{
"source_info": {
"source_type": "customer_service",
"source_id": "CS20240315001",
"customer_id": "CUST001",
"channel": "online_chat",
"timestamp": "2024-03-15T10:30:00"
},
"intent_extraction": {
"primary_intent": "complaint",
"intent_category": "service_quality",
"intent_description": "客户投诉服务响应速度慢，要求改进",
"intent_keywords": ["响应慢", "服务", "改进"],
"intent_confidence": 0.92
},
"content": {
"original_text": "你们的服务响应太慢了，我已经等了很久，希望能改进一下。",
"extracted_text": "服务响应速度慢，要求改进",
"entities": {
"customer_name": null,
"product_name": null,
"time_reference": "很久"
}
},
"sentiment": {
"sentiment": "negative",
"sentiment_score": -0.75,
"emotion": "frustrated",
"intensity": "high"
},
"priority": {
"urgency": "medium",
"importance": "high",
"priority_level": 2,
"suggested_response_time": "24小时内"
},
"related_intents": [
{
"intent_id": "INT001",
"similarity": 0.85,
"description": "服务响应速度相关诉求"
}
]
}
注意事项与限制
1. 数据质量要求
- 对话数据需要完整且清晰
- 上下文信息有助于提高抽取准确率
- 噪音数据可能影响抽取结果
2. 诉求识别准确性
- 明确表达的诉求识别准确率较高
- 隐含诉求可能需要上下文分析
- 多诉求混合可能影响识别
3. 语言和表达
- 标准表达识别准确率较高
- 方言和口语化表达可能影响识别
- 专业术语需要建立术语库
4. 上下文依赖
- 诉求抽取受上下文影响较大
- 需要结合对话历史进行分析
- 单条消息可能无法准确识别诉求
5. 使用限制
- 本 Skill 不包含对话生成功能
- 抽取结果需要人工复核
- 复杂诉求可能需要人工分析
参考资料
- 见 references/ 目录中的相关文档，包括：
- 客户诉求抽取方法手册
- 情感分析算法说明
- 诉求分类体系指南
- 性能优化指南