37、可解释方式下的客户关系管理

可解释方式下的客户关系管理

1. 客户关系管理中的可解释性重要性

在客户关系管理中，可解释性对客户的影响程度远高于公司决策系统的错误率。例如，根据一些经验证据，即使决策系统的错误率额外增加 10%，客户受可解释性缺失的影响程度也会更高。与之前的研究相比，可解释性请求率降低了约 3%，这得益于修辞解析的改进、更丰富的语言模板以及更准确的解释表示方法。

对于客户而言，可解释性特征比识别准确性更为重要。因为客户明白所有企业都会犯错，通常当公司通过机器学习做出错误决策但能有效纠正时，客户不会产生投诉。而客户留存的最重要手段是与客户就正确和可能错误的决策进行恰当沟通。

然而，当对客户有重大影响的决策由缺乏可解释性和可解释特征的机器学习系统做出时，客户会强烈不满。深度学习方法的流行使得这些特征更难实现，进一步增加了客户的不满情绪，对客户留存产生负面影响。虽然深度学习和大数据方法在数据充足时能降低公司的开发成本，但客户满意度会下降。

2. 可解释性与元可解释性

2.1 基本概念

在关于解释和可解释性的研究中，通常研究的是对象级解释，它将事实和条款联系起来，例如将下雨与地面潮湿联系起来的解释链。但在对话形式的解释中，我们经常会看到关于解释的解释，即元解释。例如，“我向他解释他向老师解释的内容是错误的”。元解释是正式化客户与客户支持代理（CSAs）互动中出现的某些心理状态的重要概念。

2.2 语义表示与决策

对象级和元级可解释性的语义表示如下：一个解释动作可作为另一个解释动作的参数，类似于逻辑表示：explain(I, he, explain(he, teacher, wrong(tea