Analisar as avaliações dos clientes usando AI Functions
Visualização
Esse recurso está em Prévia Pública.
Este artigo ilustra como usar o AI Functions para examinar as avaliações dos clientes e determinar se é necessário gerar uma resposta. As AI Functions usadas neste exemplo são funções Databricks SQL integradas, alimentadas por modelos de IA generativos disponibilizados pelas APIs do Databricks Foundation Model. Consulte AI Functions em Databricks.
Este exemplo executa o seguinte em um teste dataset chamado reviews
usando AI Functions:
Determina o sentimento de uma avaliação.
Para avaliações negativas, extrai informações da avaliação para classificar a causa.
Identifica se é necessário dar uma resposta ao cliente.
Gera uma resposta mencionando produtos alternativos que podem satisfazer o cliente.
Requisitos
Um workspace em uma região compatível com pay-per-tokens das APIs do Foundation Model.
Essas funções não estão disponíveis no Databricks SQL Classic.
Durante a visualização, essas funções têm restrições em seu desempenho. Entre em contato com a equipe da Databricks account se precisar de uma cota maior para seus casos de uso.
Analisar o sentimento das avaliações
O senhor pode usar a IA() para ajudá-lo a entender como os clientes se sentem com base em suas avaliações. No exemplo a seguir, o sentimento pode ser positivo, negativo, neutro ou misto.
SELECT
review,
ai_analyze_sentiment(review) AS sentiment
FROM
product_reviews;
Nos resultados a seguir, o senhor vê que a função retorna o sentimento de cada avaliação sem nenhuma engenharia de prompt ou resultados de análise.
Classificar as avaliações
Nesse exemplo, depois de identificar as avaliações negativas, o senhor pode usar IA() para obter mais percepções sobre as avaliações dos clientes, como, por exemplo, se a avaliação negativa se deve à logística deficiente, à qualidade do produto ou a outros fatores.
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"
Nesse caso, ai_classify()
é capaz de categorizar corretamente as avaliações negativas com base no rótulo personalizado para permitir uma análise mais aprofundada.
Extrair informações das avaliações
Talvez o senhor queira melhorar a descrição do produto com base nos motivos apresentados pelos clientes para suas avaliações negativas. O senhor pode encontrar key informações em um bloco de texto usando IA(). O exemplo a seguir extrai informações e classifica se a avaliação negativa foi baseada em problemas de tamanho do produto:
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 seguir, uma amostra dos resultados:
Gerar respostas com recomendações
Depois de analisar as respostas dos clientes, o senhor pode usar a função IA() para gerar uma resposta a um cliente com base em sua reclamação e fortalecer o relacionamento com o cliente por meio de respostas imediatas ao seu feedback.
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 seguir, uma amostra dos resultados: