Análisis de reseñas de clientes mediante Funciones de IA
Importante
Esta característica está en versión preliminar pública.
En este artículo se muestra cómo usar Funciones de IA para examinar las reseñas de los clientes y determinar si es necesario generar una respuesta. Las funciones de IA que se usan en este ejemplo son funciones SQL integradas de Databricks, con tecnología de modelos de IA generativa disponibles por las API de modelo de Databricks Foundation. Consulte Funciones de IA en Azure Databricks.
En este ejemplo se realiza lo siguiente en un conjunto de datos de prueba denominado reviews mediante Funciones de IA:
- Determina la opinión de una reseña.
- Para las reseñas negativas, extrae información de la reseña para clasificar la causa.
- Identifica si se necesita una respuesta al cliente.
- Generar una respuesta en la que se mencionan productos alternativos que puedan satisfacer al cliente.
Requisitos
- Un área de trabajo en una región compatible con las API de Foundation Model de pago por token.
- Estas funciones no están disponibles en Azure Databricks SQL Classic.
- Durante la versión preliminar, estas funciones tienen restricciones de rendimiento. Póngase en contacto con el equipo de la cuenta de Databricks si necesita una cuota mayor para los casos de uso.
Análisis de opinión de las reseñas
Puede usar ai_analyze_sentiment() para ayudarle a comprender cómo se sienten los clientes a partir de sus reseñas. En el ejemplo siguiente, la opinión puede ser positiva, negativa, neutra o mixta.
SELECT
review,
ai_analyze_sentiment(review) AS sentiment
FROM
product_reviews;
A partir de los siguientes resultados, verá que la función devuelve la opinión de cada reseña sin ingeniería de mensajes ni ningún resultado de análisis.
Clasificación de reseñas
En este ejemplo, después de identificar reseñas negativas, puede usar ai_classify() para obtener más conclusiones sobre las reseñas de los clientes, como si la reseña negativa se debe a una logística deficiente, a la calidad del producto o a otros factores.
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"
En este caso, ai_classify() puede clasificar correctamente las reseñas negativas en función de etiquetas personalizadas para permitir un análisis adicional.
Extracción de información de las reseñas
Es posible que quiera mejorar la descripción del producto en función de los motivos de los clientes para sus reseñas negativas. Puede encontrar información clave de un blob de texto mediante ai_extract(). En el ejemplo siguiente se extrae información y se clasifica si la reseña negativa se basa en problemas de tamaño con el producto:
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
A continuación se muestra un ejemplo de resultados:
Generación de respuestas con recomendaciones
Después de revisar las respuestas de los clientes, puede usar la función ai_gen() para generar una respuesta a un cliente en función de su queja y reforzar las relaciones con los clientes mediante respuestas rápidas a sus comentarios.
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"
A continuación se muestra un ejemplo de resultados:
