AI関数を使用して顧客のレビューを分析する
プレビュー
この機能は パブリック プレビュー段階です。
この記事では、 AI 関数 を使用して顧客のレビューを調査し、応答を生成する必要があるかどうかを判断する方法について説明します。 この例で使用されているAI関数は、Databricks 基盤モデルAPIによって利用できる生成AIモデルを活用したDatabricks SQL組み込み関数です。Databricks AI関数を用いたデータへのAIの適用 を参照してください。
この例では、AI関数を使用して、reviews というテスト用データセットに対して次の処理を実行します。
- レビューのセンチメントを決定します。
- 否定的なレビューについては、レビューから情報を抽出して原因を分類します。
- 顧客への応答が必要かどうかを識別します。
- 顧客を満足させられる可能性のある代替製品に言及した応答を生成します。
必要条件
- 基盤モデル内のワークスペース API トークン単位の従量課金がサポートされているリージョン。
- これらの関数は、Databricks SQL Classicでは使用できません。
- プレビュー中は、これらの関数のパフォーマンスは制限されています。ユースケースでより高いクォータが必要とされる場合は、Databricksアカウントチームにお問い合わせください。
レビューのセンチメントを分析する
ai_analyze_sentiment() を使用すると、顧客がレビューからどのように感じているかを理解するのに役立ちます。次の例では、センチメントは肯定的、否定的、中立的、または混合です。
SELECT
review,
ai_analyze_sentiment(review) AS sentiment
FROM
product_reviews;
以下の結果から、この関数はプロンプトエンジニアリングや解析結果なしに各レビューのセンチメントを返すことがわかります。
レビューを分類する
この例では、否定的なレビューを特定した後、 ai_classify() を使用して、否定的なレビューが物流の悪さ、製品の品質、またはその他の要因によるものかどうかなど、顧客のレビューについてより深い知見を得ることができます。
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"
この場合、ai_classify()はカスタムラベルに基づいて否定的なレビューを正しく分類し、さらなる分析を可能にします。
レビューから情報を抽出する
あなたは、顧客が否定的なレビューに対して持っていた理由に基づいて、製品の説明を改善したいと思うかもしれません。 テキストの塊から重要な情報を見つけるには、 ai_extract() を使用します。 次の例では、情報を抽出し、否定的なレビューが製品のサイズの問題に基づいているかどうかを分類します。
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
以下は、結果のサンプルです。
レコメンデーションを含む回答を生成する
顧客の応答を確認した後、 ai_gen() 関数を使用して、顧客の苦情に基づいて顧客への応答を生成し、フィードバックに対する迅速な返信で顧客との関係を強化できます。
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"
以下は、結果のサンプルです。
