38、以可解释的方式管理客户关系

以可解释的方式管理客户关系

1. 投诉管理中解释的有效性处理

投诉处理已成为大型公司和组织客户关系管理（CRM）的重要问题。投诉管理是记录和解决客户投诉的正式流程。尽管CRM系统，尤其是投诉处理系统成本高昂，但公司通过妥善处理投诉，能获取宝贵知识，对客户留存率和口碑推荐产生显著影响。若能将投诉转化为客户知识，可为企业提供有价值的商业智能。为利用这些智能，公司需设计、构建、运营并持续升级投诉管理系统。

近年来，出现了一些自动化投诉管理的方法。零售商和服务提供商可从相关软件服务中受益，因为这些服务能加快投诉处理速度，并基于投诉数据库提供反馈分析和数据挖掘功能。

典型的投诉包括对产品或服务故障的解释，以及客户解决问题的尝试描述。这些投诉既包含产品或服务故障的描述，也有客户与公司代表互动过程（如协商、冲突等）的描述。由于CRM人员几乎无法核实故障的实际发生情况，公司代表需根据客户解释中的沟通行为判断投诉的合理性。客户通常会尽力表达观点，因此解释中沟通行为的一致性和论点的恰当性是判断投诉有效性的重要线索。

目前，大多数CRM解决方案局限于使用关键词处理将投诉与特定领域类别关联，或在工作流软件平台中应用知识管理技术。现有的工业投诉管理平台未充分利用自然语言处理和机器学习技术来提高性能、保证质量和降低成本，大多数投诉处理功能仍需人工操作。尤其缺乏基于客户与公司代表对话评估投诉有效性的自动化解决方案。

2. 使深度学习具备可解释性

混合人工智能结合深度学习（DL）和基于规则的系统，能让深度学习具备可解释性。端到端的深度学习模型虽能解决复杂问题，但准确性和复杂性是以牺牲对模型内部运作的了解为代价的。而混合系统输出的编程指令可逐步追踪和