一加:通过 Google Cloud 的 AI 模型提供准确的用户反馈分析

电信、媒体和娱乐

阅读数:103 2019 年 11 月 28 日 13:48

一加:通过 Google Cloud 的AI模型提供准确的用户反馈分析

一加(OnePlus)在 Cloud AutoML 上训练机器学习模型,以分析用户反馈,无需编写代码,通过用户反馈改进决策制定。

  • 通过实时分析快速响应用户建议
  • 通过检测并合并重复的问题反馈和用户建议,改进产品经理的工作流程
  • 减少用户服务人员 30% 的工作量,例如手动标记反馈

一加(OnePlus)是成立于 2013 年的领先智能手机制造商,2019 年旗舰产品包括 OnePlus 7T 系列及 OnePlus 7 系列。一加智能手机于 2018 年增长了 45%。该公司的座右铭“Never Settle”定义了其致力于为用户提供“品质科技”的宗旨。

“在新品发布及热销期,我们每天都会拉取报告以衡量产品发布成功率。我们发现很难通过问题的类别来跟进,以获取确切的反馈。有了 Cloud AutoML,我们再也不需要做出无谓的猜测。我们实时分析用户意见,并准确衡量用户的情绪。”- Gary Chen,一加(OnePlus)OS 产品部助理负责人。

“Cloud AutoML 大大减少了产品经理花在处理重复的错误报告和功能请求上的时间,因此他们更可以专注于核心工作。”- Gary Chen,一加(OnePlus)OS 产品部助理负责人。

“Google 让每个人都可以接触人工智能。我们不需要成为数据科学家就可以在 Cloud AutoML 上训练和部署人工智能模型,我们只需要相信产品可以让我们的生活变得更简单。”Gary Chen,一加(OnePlus)OS 产品部助理负责人。

一加所用的产品

  • Google Cloud
  • Cloud AutoML
  • Cloud Console

如何把产品从良好做到优秀?

智能手机制造商一加(OnePlus)认为,用户反馈有着非常重要的作用。这就是为什么该公司一直坚持以用户为中心的理念。

一加的 OS 产品部助理负责人 Gary Chen 说:“就是因为我们始终与用户共创,一加才能够在竞争中脱颖而出。我们倾听用户的意见,找出对他们最重要的因素,然后我们将其付诸实践。”

一加通过线上社区与粉丝互动, 来自世界各地的 220 多万用户在这里分享、建议和反馈问题。

由于论坛的规模,每天需要处理 1,000 到 10,000 个帖子,手动处理多种语言的用户反馈非常耗时。通过在 Google Cloud 上部署 AI 模型对内容进行分类,无需任何人工干预,这样一来开发团队可以专注于解决用户痛点,一加已经改变了反馈流程。

利用 Cloud AutoML 增强用户体验

根据贝恩公司的用户体验工具和 2018 年趋势报告,59% 的公司希望在三年內采用人工智能来增强用户体验。

Gary 表示:“人工智能是游戏规则的改变者。我们将业务价值与用户反馈相乘, 借助 Cloud AutoML,我们可以准确地评估用户情绪,并将资源投入到用户真正需要的功能上。”

此前,由四名客服人员组成的团队按类别收集整理论坛帖子。在论坛发现问题后,客服人员通过内部的公共管理平台手动建立工单并交给相关团队进行跟进,每人每天需要建立 30-40 单。论坛用户可能会持续发帖,同样的问题在论坛也会有不同用户进行反馈。产品经理最终会耗费相当多的时间在重复阅读已知问题上。

一加现在使用 Cloud AutoML 来进行英文和中文用户反馈的文本分析和情绪分析。人工智能模型会合并相同类别的评论,例如相机话题下的“提高清晰度”、“低光场景”、“亮度”。在将一个支持服务工单发送给相应的团队之前,客服人员会验证帖子的准确性。

Gary 说:“Cloud AutoML 大大减少了产品经理花在处理重复的错误报告和功能请求上的时间,因此他们更可以专注于核心工作。我们还将手动任务减少了 30%,例如标记论坛消息。这使我们可以在更短的时间内处理用户反馈。”

通过无代码的人工智能开发转换用户参与度

Gary 表示:“Google 让每个人都可以接触人工智能。我们不需要成为数据科学家就可以在 Cloud AutoML 上训练和部署人工智能模型。”

一加提供了 1 万个中英文用户的反馈示例,用于在 Cloud AutoML 上训练人工智能模型,以识別內容的分类。在将数据上传到 Google Cloud 平台之前,一加会使用“耗电”、“发热”、“相机”、“Wi-Fi”和“蓝牙”等标签对示例进行分类。

当人工智能模型完成训练时,一加就会使用“混淆矩阵”来测量模型的质量。该团队为具有最高混淆度的标签添加了更多示例,即最常被错误分类的标签。

Snow 表示:“我们花了 45 天的时间来创建和训练人工智能算法,在内容分类上准确率达到 85%,考虑到我们没有机器学习经验,这是一项相当了不起的成就。我们会继续对模型进行再训练,以更好地了解我们的业务和产品。”

人工智能平均每天处理上千个数据文件,相关结果可以生成为 CSV 文件,并以报告的形式与其他业务用户共享以进行资源规划。

用人工智能加速新产品开发

Gary 说:“使用 Cloud AutoML 进行用户反馈分析极大地改善了我们的工作流程。我们能够在更短的时间内识别和修复漏洞。

文章版权归作者所有,未经许可不得转载。

评论

发布