光向量
ray vector
盈多多™智能对话分析平台
基于AI模型的新质检
光向量™ 智能质检解决方案
让企业在各个节点的SOP得到沉淀和积累
保证技术领先性
采用领先的AI技术，大幅提升质检效果，降低维护成本
可详细配置的系统功能，完美应对复杂业务场景
完整的AI质检工作流
基于自助式BI分析，快速搭建数据分析看板，形成对业务数据的深入洞察
✨ 新一代的智能质检系统 ✨
AI技术赋能沟通“新能力”
基于全业务流程的智能质检
分析商家业务流程、数据指标、考核标准，量身搭建线上智能化全监控 流程体系，将传统的人工处理转化为系统智能化识别，实现客服管理数字化转型升级。
将监控体系落实到一个个具象的、精细的检测点，配置在系统后台，就可以独立开始自动化检测。
基础接待标准，监控客服基本接待规范、服务礼仪，提供给消费者良好的沟通氛围，促进进一步深入交流，有助于提升店铺综合服务指标。
售前接待流程，监控客服售前流程的执行情况、完整性，售前接待能力的差异直接影响销售转化，需要及时且重点关注。
售后服务流程，监控客服售后服务专业性，问题处理流程的完整性，售后问题的及时有效处理，直接影响退款、差评。
客服风险智能监控
针对客服风险行为，如恶劣服务行为、引发售后风险行为等极端风险问题，同样需要及时精准定位。
预设客服风险监控项，系统则开始自动化检测，帮助商家快速发现客服风险行为。
详细、便捷的智能质检结果呈现
标签跳转，快速播放，典型录音收藏，录音分享，快速复检，搜索等
会话质检评分和质检结果
SOP违规扣分项目
客户洞察、接待信息、客户信息、对话批注集成侧边栏
自助式分析看板
可以通过自助方式，快速搭建BI分析看板，快速对业务数据进行挖掘分析，并能够通过二维码进行分享，支持手机端查看。
✨ 基于大模型的NLP语义点生产 ✨
传统质检系统建立在关键词和表达式基础上，难以结合上下文进行推理判断，对真实对话的检出率和准确率并不理想。
请问：客户是否已退休？
传统质检系统仅靠配置“退休”、“养老”这样的关键词或者表达式，无法从这样的对话中，正确推理出客户目前是52岁，要到55岁才能退休，因此目前处于未退休状态
盈多多™智能搭载了对话分析平台搭载了经过优化的大模型AI技术，是全新的NLP生产范式，在大部分场景下无需标注样本，只需要人类提供指令（Prompt）即可完成建模。
相较传统关键词、表达式方式可以明显提升质检准确率和检出率，同时大幅度地降低对话质检的建模门槛和维护成本；在大部分场景下，仅需通过少量样本（通常20-50条数据）进行微调，即可完成建模。
更重要的是，在新的NLP生产范式下，不需要AI专家的深度参与，普通员工经过培训后也可以借助对话式的交互界面，快速生产语义检查模型
与传统质检技术对比
| 关键词、表达式模型 | 传统分类器模型 | 新一代AI大模型 | |
|---|---|---|---|
| 所需标注样本量 | 无需标注样本，但需要维护大量手工编写的规则 | 每个检查点需要手工标注几百到上千样本 | 无需标注或标注少量数据即可投入生产 |
| 单个检查点模型生产用时 | 1~2天 | 2~4天 | 5分钟~1小时 |
| 准确率 | 70%~80% | 80~85% | 85%~90%时 |
| 检出率 | <40% | 70%~80% | 85%~90% |
| 后期维护工作量 | 高 | 高 | 低 |
✨ 完整的数据流程图 ✨
