Analise avaliações de clientes com AI Functions

Visualização

Este artigo ilustra como usar o AI Functions para examinar as avaliações dos clientes e determinar se uma resposta precisa ser gerada. As AI Functions utilizadas neste exemplo são Databricks SQL internas do Databricks, alimentadas por modelos de IA generativos disponibilizados pelas APIs de modelo do Databricks Foundation. Veja Funções de IA no Databricks.

Este exemplo executa o seguinte em um dataset de teste chamado reviews com o AI Functions:

Determina o sentimento de uma revisão.
Para avaliações negativas, extrai informações da avaliação para classificar a causa.
Identifica se uma resposta é necessária para o cliente.
Gera uma resposta mencionando produtos alternativos que podem satisfazer o cliente.

Requisitos

Um espaço de trabalho em uma região com suporte de pagamento por token 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 sua equipe de conta Databricks se precisar de uma cota maior para seus casos de uso.

Analise o sentimento das avaliações

Você pode usar o ai_analyze_sentiment () para ajudar você a entender como os clientes se sentem com 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, você vê que a função retorna o sentimento de cada avaliação sem nenhuma engenharia de prompt ou resultados de análise.

Classificar avaliações

Neste exemplo, depois de identificar avaliações negativas, você pode usar ai_classify() para obter mais informações sobre as avaliações de clientes, como se a avaliação negativa se deve a uma logística ruim, 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 em rótulos personalizados para permitir uma análise mais aprofundada.

Extraia informações das avaliações

Talvez você tenha que melhorar a descrição do seu produto com base nos motivos dos clientes para suas avaliações negativas. Você pode encontrar informações importantes de um blob de texto utilizando ai_extract(). O exemplo a seguir extrai informações e classifica se a avaliação negativa foi baseada em problemas de dimensionamento com o 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:

Gere respostas com recomendações

Depois de analisar as respostas do cliente, você pode usar a função ai_gen () para gerar uma resposta a um cliente com base em sua reclamação e fortalecer o relacionamento com o cliente com respostas rápidas aos seus comentários.

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"