Sdílet prostřednictvím

Analýza zákaznických recenzí pomocí funkcí AI

  • Článek

Důležitý

Tato funkce je ve verzi Public Preview.

Tento článek ukazuje, jak pomocí funkcí AI prozkoumat recenze zákazníků a určit, jestli je potřeba vygenerovat odpověď. Funkce AI používané v tomto příkladu jsou vestavěné funkce SQL Databricks, které využívají generativní AI modely zpřístupněné prostřednictvím rozhraní API modelů Foundation Databricks. Viz Funkce umělé inteligence v Azure Databricks.

Tento příklad provede následující kroky u testovací datové sady s názvem reviews pomocí funkcí AI:

  • Určuje sentiment recenze.
  • V případě negativních recenzí extrahuje informace z recenze, aby klasifikovala příčinu.
  • Určuje, jestli je třeba zákazníkovi odpovědět.
  • Vygeneruje odpověď se zmínkou o alternativních produktech, které můžou zákazníka vyhovět.

Požadavky

  • Pracovní prostor v rozhraní API základního modelu ve podporované oblasti s platbou za token .
  • Tyto funkce nejsou dostupné v Azure Databricks SQL Classic.
  • Ve verzi Preview mají tyto funkce omezení jejich výkonu. Pokud potřebujete vyšší kvótu pro případy použití, obraťte se na svůj tým účtu Databricks.

Analýza mínění recenzí

Pomocí ai_analyze_sentiment() můžete lépe pochopit, jak se zákazníci cítí na základě jejich recenzí. V následujícím příkladu může být mínění kladné, záporné, neutrální nebo smíšené.

SELECT
  review,
  ai_analyze_sentiment(review) AS sentiment
FROM
  product_reviews;

Z následujících výsledků vidíte, že funkce vrací sentiment pro každou recenzi bez použití návrhů pro vytvoření modelu nebo zpracovávání výsledků.

Výsledky pro funkci ai_sentiment

Klasifikace recenzí

V tomto příkladu můžete po identifikaci negativních recenzí použít ai_classify() k získání lepšího přehledu o kontrolách zákazníků, jako je to, jestli je negativní kontrola způsobená špatnou logistikou, kvalitou produktu nebo jinými faktory.

SELECT
  review,
  ai_classify(
    review,
    ARRAY(
      "Arrives too late",
      "Wrong size",
      "Wrong color",
      "Dislike the style"
    )
  ) AS reason
FROM
  product_reviews
WHERE
  ai_analyze_sentiment(review) = "negative"

V tomto případě ai_classify() dokáže správně kategorizovat negativní recenze na základě vlastních popisků, aby bylo možné provádět další analýzu.

Výsledky pro funkci ai_classify

Extrakce informací z recenzí

Možná budete chtít vylepšit popis vašeho produktu na základě důvodů, které zákazníci měli kvůli negativním recenzím. Klíčové informace z textového bloku můžete najít pomocí ai_extract(). Následující příklad extrahuje informace a klasifikuje, zda byla negativní recenze založena na problémech s velikostí produktu:

SELECT
  review,
  ai_extract(review, array("usual size")) AS usual_size,
  ai_classify(review, array("Size is wrong", "Size is right")) AS fit
FROM
  product_reviews

Následuje ukázka výsledků:

Výsledky pro ai_extract funkce

Generování odpovědí s doporučeními

Po prověření odpovědí zákazníků můžete pomocí funkce ai_gen() vygenerovat odpověď zákazníkovi na základě jejich stížnosti a posílit zákaznické vztahy s rychlými odpověďmi na jejich zpětnou vazbu.

SELECT
  review,
  ai_gen(
    "Generate a reply in 60 words to address the customer's review.
    Mention their opinions are valued and a 30% discount coupon code has been sent to their email.
    Customer's review: " || review
  ) AS reply
FROM
  product_reviews
WHERE
  ai_analyze_sentiment(review) = "negative"

Následuje ukázka výsledků:

Výsledky pro funkci ai_gen_results

Další zdroje informací