DIA数皆智能体验监测平台_消费者声音洞察系统

DIA数皆智能体验监测平台

DIA 数皆智能体验监测平台，作为专业的消费者声音洞察系统、行业数据分析系统，以用户反馈数据驱动搭建用户体验闭环体系。精准采集、分析全渠道用户反馈信息，助力企业挖掘体验痛点、优化服务策略，真正实现 “以客户为中心” 的可持续运营，是提升用户满意度与品牌口碑的数智化决策工具。

立即咨询

什么是VOC，VOC给企业带来的价值是什么 icon

以用户反馈数据驱动的用户体验闭环系统，让企业真正实现可持续的“以客户为中心”的体系。

DIA客户之声平台：产品功能架构图 icon

倾听客户、智能驱动、行动导向、闭环验证。

核心3+1能力，保障了VOC平台的闭环运转 icon

完善的数据获取和数据管理能力

公域单项目平均接入超过40+平台，准实时的数据传输。同时具备对于私域用户旅程下非结构化数据理解，数据处理能力。

标签体系设计能力

单项目建立了四级标签体系，标签颗粒度达800+，产品质量体系标签，550+，行业覆盖度达到80%。

AI模型工程化能力

基于意图，观点，情感分类，等模型，对于语义识别准确率达95+%，结合问题聚类算法加持业务闭环。

全流程数据运营能力

全旅程的数据运营研究能力，核心问题的警示和报告分析，以及对于服务和产品体验的洞察分析。

数据获取能力 | 国内外公域数据接入 icon

数据接入能力 | 我们支持离线上传和API对接两种模式 icon

本地文件手工上传、标准API数据上传

·支持将本地文件CSV、Excel等离线数据通过界面手工上传，以满足更快速、效率、灵活的接入与处理场景。
· 标准API接口，支持上游系统通过API更加实时的将数据接入至系统中。

数据源管理与数据定时同步

· 支持常规数据库的连接管理，包括Mysq1、PGSQL、ORACLE等。

· 支持构建数据同步任务，通过定时调度任务，实现周期性从数据源的同步数据转化数据。同时支持公域数据&私域数据的对接与接入。

数据表管理能力、构建和维护VOC数仓 icon

· 支持数据表的分类、分层管理，针对ods层、dwd层等多层级的数仓分层管理，实现更规范、更健壮的数仓建设。
· 支持针对数据表的表结构与表记录维护与管理，并且记录在数据表变更履历中，让所有操作均可溯源。

标签体系设计能力 | 标签体系应用 icon

标签体系设计能力 | 10000+聚类问题标签库，配合严重等级，满足全流程管理需求 icon

标签体系设计能力 | 标签体系迭代策略 icon

1、静态核心 (保障追踪的稳定性)

基准标签：
建立一套覆盖"研发制造、销售、服务"全生命周期的核心标签体系 (如：动力家总成、智能座舱、号售服务等) 原则上不轻易改动。
目的：
用于跨车型、跨年度的性能和质量问题的长期追踪与趋势对比。

标签体系设计能力，平台支持标签管理的可拓展 icon

多层级话题标签管理

· 多层级 (主分类/一级/二级/三级..) 的话题标签管理，支持手工创建或批量导入创建。
· 作为后续AI任务识别客户原话提及话题的依据，约束模型输出结果，让AI更好的理解自然语言与客户原话中的语义。

识别维度管理

· 管理多种识别维度以及维度下的枚举值，例如产品、品牌、关键词、意图类型、情绪类型等，约束与规范模型最终的输出结果。
· 用于后续AI任务中识别客户原话的维度信息或关键词的依据：

产品实体提取：提取客户原话中提及的产品、品牌、子品牌等信息，用于后续的分析中进一步使用该维度进行下钻分析。

情绪类型、意图类型：用于维护与管理情绪类型(如正面、中性、负面)意图类型 (如投诉、咨询、建议..)

AI模型工程化能力 | 白盒工程化能力，支持各种商业大模型 icon

支持大模型的动态接入能力

1、支持接入本地化部署LLM与云端的主流商用模型，支持DeepSeek、通义干问、豆包、ChatGPT等诸多主流LLM。

2、大模型对接热插拔，可随时按需接入新的大模型或调整已有模型的接入配置，基于页面的可视化配置即可完成主流模型的对接。

具备先进性、前瞻性、可扩展性的平台

1、所选用的AI应用开发平台为业内热门且最新的平台，活跃的开发者社区提供持续目前沿的“造血”能力，具备一定的先进性与前瞻性。
2、具备可视化的工作流编排与可自主、动态调用工具API的智能体搭建能力，以便于支撑业务场景与AI模型能力的横向扩展性。

3、支持模型的调参、试运行、大模型质检等能力，以便于持续对于模型进行迭代升级。
4、 VOC应用层采用微服务架构，可以快速增加或减少服务实例以满足不同的负载需求，从而提高系统的可扩展性。

多源异构数据融合的知识库

1、具备标准化的知识库API接口，提供全量/增量等多种方式的更新知识库。
2、知识库中支持上传多种类型的文件，如TXT、PDF、CSV、DOCX等。
3、支持多种召回方式，如向量检索、全文检索、权重检索、Rerank召回等。

AI模型工程化能力 | 可视化的模型开发和优化迭代过程 icon

可视化提示词工程与模型能力选代升级
· 可视化的AI应用开发平台，支持通过界面的方式配置与管理提示词、模型相关参数，让模型配置与处理逻辑白盒化。
· 支持界面上的模型试运行与验证测试，同时能够回溯每一次模型试运行的记录与结果，能够更高效、更低使用门槛、更低成本的针对模型能力的迭代与提升。

AI模型工程化能力 | 通过清晰的流程保障模型的准确性 icon

1、数据清洗

· 无效文本清理

· 分词，分句

· 关键信息筛选。

2、外部词库 + 新词发现 +行业专家经验标注制

通过外部词库结合语境内词语pmi计算以及语境下的文本聚类算法实现新词发现加上行业专家经验得到数据标注

3、命名实体识别

有监算法Bert +Bilstm + CRF 模型训练得到实体、话题、品牌，情感等等。

4、标签人工解读

根据有监模型结果进一步新词整理，行业专家整理规则，算法实体消歧，知识推理，规模模块代码维护等等。

5、最终结果

· 输出最终的类标签结果；

· 对结果进行统计分析构建知识图谱。

全流程数据运营能力 | 数据分析模型 icon

用户旅程分析

通过私域调研数据和400工单数据，了解用户在每个交互触点发生了什么，对触点和环节有什么抱怨和建议。

聚类观点分析

了解主要问题在哪里，各观点之间的占比以及趋势变化。企业内部可以围绕聚类观点，找到优先改进的问题点。同时，也可以基于聚类观点，找到营销的机会点。

产品分析

基于完善的知识图谱，对比分析本竞品在产品各个维度的体验评价，挖掘产品优点，找到产品改进方向，为营销策略的及时调整提供支持。

话题标签分析

从公域和私域的角度，探索用户主要提及的话题内容是什么，占比多少，趋势如何。

聚类观点和问题清单分析，同时能结合AI产生一定的建议 icon

聚类观点总览

1、支持多维度筛选与下钻的聚类观点分析总览，以数据为驱动，以为引擎识别核心问题点或机会点。
2、支持情绪分析、意图分析、聚类观点排行/趋势、话题占比分析等多种分析主题与维度下钻。

聚类问题/机会清单

1、针对关键问题或机会，可派发任务并分配跟进团队进行下一步处理，支持通过配置聚类问题的预警，实现短期内问题数量激增的预警并通过多种方式通知到处理人。

2、可下钻查看单个聚类问题/机会点的详情，包括AI提炼的摘要、AI的建议处理方案与各个维度的占比情况。

同时基于VOC数据与AI分析结果，自助构建基于用户旅程和产品分析看板 icon

项目背景 | 构建车企全旅程的消费者声音反馈洞察，实现问题改进闭环 icon

项目目标：VOC数据洞察及聚类派单平台项目 (2024.9-2025.1，分2阶段)，旨在依托智能分析算法构建快速、准确聆听客户声音的能力，提升公司精益化运营及主动服务的能力，推进客户关注问题的解决落地，提升客户体验，助力品牌销售。

01 服务优化：从客户旅程的角度，支持业务构建服务类标签体系，形成相关数据分析看板，支持预警提醒及任务派发功能。并能支持业务快速发现并识别具体问题。
02 产品优化：从产品零部件的角度，支持业务构建产品类标签体系，形成相关数据分析看板，支持预警提醒及任务派发功能。并能支持业务快速发现并识别具体问题。
03 投诉处理：根据算法洞察结果，对于有與情风险的问题或客户，提供标签预警，辅助业务能快速识别问题优先级加速解决。
04 品牌传播：提供口碑分析、热点挖掘、竟品分析的数据看板，辅助业务决策。

能力要点
A 算法模型准确率：情感分析、多标签分类、观点/问题抽取聚类的线上试运行和项目验收从80%-90%
B数据时效性：处理时效≤12h,公域数据 T+24h完成采集
C数据源：本竟品车系≤80个，公域平台 (垂媒+社媒) 范围11个