近期，DeepSeek大模型以“國產(chǎn)技術(shù)黑馬”之姿引發(fā)行業(yè)熱議，其多模態(tài)理解與復(fù)雜推理能力再次刷新公眾對AI技術(shù)邊界的認(rèn)知。從ChatGPT掀起的全民AI狂歡，到DeepSeek等本土技術(shù)力量的崛起，人工智能正以超乎想象的速度重構(gòu)商業(yè)生態(tài)。

醫(yī)療領(lǐng)域AI輔助診斷準(zhǔn)確率突破90%，金融行業(yè)智能風(fēng)控系統(tǒng)日均處理千萬級交易，教育賽道個性化學(xué)習(xí)方案覆蓋超2億用戶……這場技術(shù)革命已滲透至社會毛細(xì)血管，而企業(yè)客戶體驗(yàn)管理領(lǐng)域，正成為AI技術(shù)落地的重要戰(zhàn)場。

全文3851字，預(yù)計(jì)需時7分鐘。

圖源：unsplash

中國客戶體驗(yàn)管理進(jìn)入「智變時刻」

傳統(tǒng)CEM依賴人工調(diào)研與簡單數(shù)據(jù)分析，面對海量、高頻、碎片化的客戶反饋數(shù)據(jù)，往往陷入“信息過載、洞察滯后”的困境。AI技術(shù)的突破性應(yīng)用為行業(yè)帶來全新解法：通過自然語言處理（NLP）實(shí)時解析千萬條評論情感傾向，借助機(jī)器學(xué)習(xí)構(gòu)建客戶流失預(yù)警模型，運(yùn)用各類模型、 統(tǒng)計(jì)算法，結(jié)合各業(yè)務(wù)領(lǐng)域的分析方法，對客戶體驗(yàn)的多個切片環(huán)節(jié)數(shù)據(jù)進(jìn)行整合分析，挖掘得到其中可能存在的隱藏關(guān)聯(lián)——這些技術(shù)正在將客戶體驗(yàn)管理從“事后復(fù)盤”升級為“實(shí)時預(yù)判”。

作為國內(nèi)首個將AI技術(shù)深度植入客戶體驗(yàn)管理SaaS平臺的前瞻者，數(shù)闊早在行業(yè)尚未關(guān)注大模型潛力時，便啟動「AI+體驗(yàn)管理」的戰(zhàn)略布局。其核心產(chǎn)品之一的數(shù)闊云聽CEM已構(gòu)建起覆蓋全域整合、智能洞察、閉環(huán)行動的全鏈路AI解決方案。

自2022年ChatGPT發(fā)布以來，其巨大的業(yè)務(wù)價(jià)值被各行業(yè)所認(rèn)識，但隨之而來的巨大算力成本是橫亙在落地途中的一個巨大鴻溝。相較于之前的模型，大模型的單條數(shù)據(jù)處理成本可能高達(dá)數(shù)百倍 (取決于具體任務(wù)類型)。

因此，如何在大模型時代繼續(xù)實(shí)現(xiàn)成本可控的全網(wǎng)數(shù)據(jù)分析是一項(xiàng)新挑戰(zhàn)。數(shù)闊通過對各分析環(huán)節(jié)進(jìn)行詳細(xì)的梳理拆解，并逐一進(jìn)行模型的訓(xùn)練和驗(yàn)證， 最終得到了 "自研 + 通用大模型" 的混合設(shè)計(jì)方案，在充分利用大模型所帶來的紅利基礎(chǔ)上，相較粗暴的直接使用通用大模型進(jìn)行各項(xiàng)分析，節(jié)省了80%以上的算力成本。

在體驗(yàn)經(jīng)濟(jì)主導(dǎo)的新商業(yè)時代，這種將前沿技術(shù)與行業(yè)know-how深度融合的創(chuàng)新能力，正在成為企業(yè)構(gòu)建競爭護(hù)城河的關(guān)鍵密鑰。

2024年數(shù)闊通過“AI+大數(shù)據(jù)”技術(shù)持續(xù)創(chuàng)新，實(shí)現(xiàn)了數(shù)闊云聽CEM產(chǎn)品的多項(xiàng)突破，如通過數(shù)闊大模型將標(biāo)簽體系升級至千量級，驅(qū)動消費(fèi)者洞察顆粒度提升300%；推出智能AI助手，對話式交互輔助用戶進(jìn)行客戶體驗(yàn)數(shù)據(jù)的探索和分析等。本文將結(jié)合上述方面，深入探討AI技術(shù)在客戶體驗(yàn)管理上的創(chuàng)新應(yīng)用和價(jià)值潛力。

數(shù)闊云聽CEM AI助手：讓數(shù)據(jù)驅(qū)動決策更簡單、更高效

消費(fèi)者主權(quán)時代，體驗(yàn)即競爭力——卓越的客戶體驗(yàn)管理能直接驅(qū)動消費(fèi)者復(fù)購與口碑裂變，成為零售企業(yè)抵御同質(zhì)化競爭、構(gòu)建品牌護(hù)城河的核心生存法則，而消費(fèi)者反饋數(shù)據(jù)則是企業(yè)洞察市場需求、優(yōu)化產(chǎn)品體驗(yàn)的核心資源。

然而，面對海量的用戶評價(jià)、多平臺渠道的交互記錄以及復(fù)雜的非結(jié)構(gòu)化數(shù)據(jù)，傳統(tǒng)的"問卷回收-人工分析-事后優(yōu)化"的固化模式，已經(jīng)難以滿足企業(yè)快速決策的需求。如何從數(shù)據(jù)中高效提煉真知灼見？如何讓一線業(yè)務(wù)人員也能輕松挖掘數(shù)據(jù)價(jià)值？

數(shù)闊云聽CEM的智能AI助手深度融合多年積累的客戶體驗(yàn)管理方法論與大模型能力，實(shí)現(xiàn)了對海量消費(fèi)者反饋數(shù)據(jù)的高效總結(jié)和智能追問，進(jìn)一步提高了數(shù)據(jù)分析的便利性：

一鍵側(cè)邊欄總結(jié)，10秒解鎖消費(fèi)者原聲通覽

在數(shù)闊云聽CEM “消息”界面一鍵喚醒AI助手，可自動總結(jié)全渠道消費(fèi)者反饋原聲（如電商評論、社交媒體、客服對話、門店評價(jià)等），通過簡單的提問，用戶可快速獲取所需的數(shù)據(jù)信息和洞察，無需復(fù)雜的操作和專業(yè)的數(shù)據(jù)分析技能，即可進(jìn)行客戶體驗(yàn)數(shù)據(jù)的探索和分析。

對話式深度探索，激活非結(jié)構(gòu)化數(shù)據(jù)價(jià)值
數(shù)闊云聽CEM AI助手基于DeepSeek等通用大模型的超強(qiáng)推理能力，結(jié)合系統(tǒng)中的行業(yè)知識庫自動拆解問題，從海量消費(fèi)者反饋中提煉措辭、語氣等深層信息，生成包括：

1. 核心體驗(yàn)問題

2. 商業(yè)價(jià)值機(jī)會

3. 產(chǎn)品迭代方向

4. 用戶群體畫像

5. 未滿足需求挖掘等關(guān)鍵洞察。

智能追問打破使用門檻，讓業(yè)務(wù)人員成為分析專家

區(qū)別于簡單地把問題丟給AI，數(shù)闊云聽CEM AI助手的智能追問機(jī)制基于多年積累的行業(yè)know-how，通過專業(yè)的分析框架和方法論，引導(dǎo)用戶層層深入數(shù)據(jù)場景，無需掌握SQL或統(tǒng)計(jì)學(xué)知識即可完成數(shù)據(jù)篩選到結(jié)論輸出的全流程，結(jié)合對知識庫的學(xué)習(xí)，可自動適配行業(yè)術(shù)語（如“爆款”、“坪效”）與分析偏好，讓洞察結(jié)果更貼合業(yè)務(wù)實(shí)際，為企業(yè)制定客戶體驗(yàn)優(yōu)化策略提供有力支持。

目前數(shù)闊云聽CEM AI助手已接入包括DeepSeek在內(nèi)的國內(nèi)外主流模型（國內(nèi)用戶專屬調(diào)用國產(chǎn)大模型，確保合規(guī)可控）。結(jié)合DeepSeek-reasoner模型自帶思維鏈 (CoT)的特點(diǎn)，通過數(shù)闊云聽CEM AI助手的調(diào)用， 能結(jié)合行業(yè)知識庫（數(shù)據(jù)庫）進(jìn)行深層推理分析，對定性信息進(jìn)行行業(yè)化解讀，通過對話交互獲取更多商業(yè)機(jī)會挖掘、產(chǎn)品迭代方向等戰(zhàn)略級洞察。

數(shù)闊大模型：用領(lǐng)域智能破解消費(fèi)者數(shù)據(jù)價(jià)值密碼

事實(shí)上，自2016年深度學(xué)習(xí)框架問世以來，數(shù)闊就已投入對自然語言處理（NLP）的研究，有一套非常成熟的標(biāo)注、訓(xùn)練、校驗(yàn)、調(diào)優(yōu)的方法和工具，結(jié)合龐大數(shù)據(jù)量（數(shù)據(jù)庫）的樣本訓(xùn)練優(yōu)勢，早期聚焦在客戶體驗(yàn)管理場景的垂直領(lǐng)域小模型（DTM：Domain Task Model）的開發(fā)。

2018年，數(shù)闊云聽CEM系統(tǒng)正式上線，依托包括細(xì)粒度情感分析, 文本分類在內(nèi)的一系列領(lǐng)域小模型 （DTM）實(shí)現(xiàn)對客戶反饋的精準(zhǔn)分類與洞察，平均準(zhǔn)確率在85%±，在特定場景的準(zhǔn)確率甚至超出行業(yè)最高水平（Benchmark：70-90%）。

隨著2022年ChatGPT引爆大模型熱潮，數(shù)闊快速啟動大模型應(yīng)用探索：初期通過閉源模型驗(yàn)證客服質(zhì)檢、電商評論分析等場景可行性，2023年7月推出大模型驅(qū)動的客服對話質(zhì)檢功能。2024年，數(shù)闊進(jìn)入自研領(lǐng)域大模型（DLM：Domain Language Model）階段，同時持續(xù)優(yōu)化小模型的推理性能。
在AI技術(shù)路徑上，數(shù)闊針對不同應(yīng)用場景的需求以及各類模型的獨(dú)特優(yōu)勢，采取了“自研大模型與通用大模型”相結(jié)合的協(xié)同策略：
比如在數(shù)闊云聽CEM系統(tǒng)中，數(shù)闊大模型被用于處理復(fù)雜語義理解和執(zhí)行高并發(fā)的情感分析等任務(wù)；而AI助手則通過調(diào)用第三方通用大模型，結(jié)合行業(yè)領(lǐng)域知識對初步分析后的素材 (如標(biāo)簽等信息) 進(jìn)行量化分析和深層推理。后續(xù)，數(shù)闊還將重點(diǎn)完善領(lǐng)域數(shù)據(jù)管理體系、推動大模型訓(xùn)練標(biāo)準(zhǔn)化與機(jī)器學(xué)習(xí)平臺整合，持續(xù)平衡AI應(yīng)用的效能、成本與安全性。

講到這里，你或許會困惑，在DeepSeek以"類人思維"刷新大模型認(rèn)知的當(dāng)下，自研大模型還有必要么？能不能直接使用DeepSeek這樣的通用大模型來提升客戶體驗(yàn)管理系統(tǒng)（CEM）的性能？

我們可以從以下四個方面來回應(yīng)這些問題，數(shù)闊云聽CEM未直接采用DeepSeek等通用大模型提升性能，而選擇自研領(lǐng)域大模型，主要基于以下四方面原因：

領(lǐng)域適配性與數(shù)據(jù)一致性

通用大模型在細(xì)分領(lǐng)域存在標(biāo)簽漂移風(fēng)險(xiǎn)，未針對行業(yè)數(shù)據(jù)微調(diào)的模型會導(dǎo)致同一文本多次標(biāo)注結(jié)果不一致（如競品對比分析中的主體識別偏差）。數(shù)闊大模型通過融入500+行業(yè)客戶方法論，構(gòu)建了包含十余類社媒數(shù)據(jù)特征的訓(xùn)練集，在社媒“去水”（過濾無效數(shù)據(jù)）、電商評論主體識別、客服對話分析以及標(biāo)簽下探細(xì)化等任務(wù)中表現(xiàn)已超過了市面上的通用大模型。

圖片中行業(yè)右側(cè)括號中標(biāo)出的數(shù)字表示測試時使用的標(biāo)簽體系規(guī)模 (標(biāo)簽數(shù)量)；在實(shí)際業(yè)務(wù)中, 客戶可以基于行業(yè)的基礎(chǔ)標(biāo)簽體系進(jìn)行進(jìn)一步完善擴(kuò)充

系統(tǒng)化能力集成需求

數(shù)闊云聽CEM并非孤立的AI工具，而是將大模型能力嵌入客戶體驗(yàn)管理全鏈路：數(shù)闊大模型負(fù)責(zé)基礎(chǔ)數(shù)據(jù)清洗與標(biāo)準(zhǔn)化（如多級“去水”規(guī)則實(shí)施），再通過LLM-Pool平臺調(diào)用DeepSeek等通用大模型進(jìn)行深層推理。這種"領(lǐng)域模型+通用模型"的架構(gòu)既保證了高頻任務(wù)的穩(wěn)定性，又通過動態(tài)路由機(jī)制實(shí)現(xiàn)復(fù)雜分析的成本控制。

合規(guī)與知識沉淀要求
針對國內(nèi)企業(yè)客戶，數(shù)闊采用國產(chǎn)化模型架構(gòu)，并通過企業(yè)知識庫實(shí)現(xiàn)術(shù)語自定義，避免通用大模型因合規(guī)限制導(dǎo)致的輸出偏差。同時，系統(tǒng)內(nèi)置的AI助手智能追問機(jī)制和行業(yè)分析框架，也依賴于自研大模型關(guān)聯(lián)綁定的提問優(yōu)化體系：集合了大數(shù)據(jù)、人工智能算法、客戶體驗(yàn)管理等多方面技術(shù)和管理專家的智慧結(jié)晶，這是外部模型所無法直接取代的。

成本與效率的精準(zhǔn)平衡
DeepSeek模型參數(shù)量達(dá)671B，部署需16張A100顯卡，在需要處理海量數(shù)據(jù)（如每日百萬級文本打標(biāo)）的應(yīng)用場景中，成本之巨顯而易見；而數(shù)闊解決方案中，針對各種任務(wù)場景使用不同規(guī)格的大模型底座進(jìn)行訓(xùn)練，在獲得大模型準(zhǔn)確性提升的前提下，最大限度降低了系統(tǒng)的運(yùn)行成本。這種效率優(yōu)勢在需要快速完成大批量統(tǒng)計(jì)分析的場景（如電商評論初篩）中尤為關(guān)鍵。
不同于后來者的技術(shù)嫁接模式，數(shù)闊從底層架構(gòu)開始構(gòu)建AI原生系統(tǒng)。其自主研發(fā)的分布式計(jì)算框架支持千萬級數(shù)據(jù)實(shí)時處理，獨(dú)有的數(shù)闊大模型通過百萬級行業(yè)語料持續(xù)進(jìn)化，采用輕量化部署方案，在保障數(shù)據(jù)安全前提下，提升分析效率與個性化推薦精度，滿足企業(yè)降本增效與體驗(yàn)優(yōu)化的雙重需求。

如同DeepSeek展現(xiàn)的智能進(jìn)化，AI在體驗(yàn)管理領(lǐng)域的應(yīng)用邊界，正在持續(xù)突破想象。

AI賦能的客戶體驗(yàn)新范式
AI賦能的客戶體驗(yàn)管理正在迎來技術(shù)驅(qū)動的范式革新，隨著多模態(tài)大模型技術(shù)的進(jìn)一步成熟，客戶體驗(yàn)管理將呈現(xiàn)三大趨勢：
實(shí)時化決策：數(shù)據(jù)采集頻次從T+1向分鐘級演進(jìn)，結(jié)合動態(tài)知識圖譜實(shí)現(xiàn)風(fēng)險(xiǎn)即時預(yù)警；
個性化適配：企業(yè)自定義標(biāo)簽體系與AI訓(xùn)練模塊深度融合，構(gòu)建專屬分析范式；
生態(tài)化整合：CEM系統(tǒng)將從獨(dú)立工具升級為連接產(chǎn)品研發(fā)、服務(wù)優(yōu)化、營銷創(chuàng)新的中樞平臺。

當(dāng)AI技術(shù)從炫技走向務(wù)實(shí)，數(shù)闊云聽CEM印證了技術(shù)深耕者的長期價(jià)值——不是追逐熱點(diǎn)，而是創(chuàng)造價(jià)值。未來，數(shù)闊將持續(xù)打造靈活適配業(yè)務(wù)需求的標(biāo)準(zhǔn)化SaaS產(chǎn)品，將AI技術(shù)深度融入產(chǎn)品內(nèi)核，加強(qiáng)與行業(yè)優(yōu)質(zhì)伙伴的合作，共同推動AI技術(shù)在客戶體驗(yàn)管理領(lǐng)域的創(chuàng)新和發(fā)展。

在AI重構(gòu)商業(yè)邏輯的今天，企業(yè)亟需以客戶體驗(yàn)作為競爭力支點(diǎn)，積極擁抱AI，將海量客戶反饋轉(zhuǎn)化為持續(xù)增長動能，為消費(fèi)者打造更卓越的產(chǎn)品和服務(wù)體驗(yàn)。