一篇新论文详细介绍了如何使用 GPT-4.1 分析约 9,000 次客户支持对话，将满意度分解为五个维度：总体、客服代表、结果、产品和客户付出。研究发现，其中四个维度与客户自我报告的满意度密切相关，而产品满意度关联较弱。研究强调，对对话进行全面普查比传统调查显示出显著更低的满意度得分，这表明大型语言模型（LLM）的分解方法为理解客户体验驱动因素提供了有价值的归因和覆盖。 AI
影响 提供了一种使用大型语言模型（LLM）分析客户体验数据的新颖方法，有可能改进客户服务策略。
排序理由 该集群包含一篇详细介绍研究方法和发现的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.11026v1 Announce Type: new Abstract: We used a large language model (GPT-4.1) to annotate the text of about 9,000 support conversations at a global consumer-goods firm, decomposing customer-care satisfaction into component axes (overall, agent, outcome, product, and cu…
We used a large language model (GPT-4.1) to annotate the text of about 9,000 support conversations at a global consumer-goods firm, decomposing customer-care satisfaction into component axes (overall, agent, outcome, product, and customer effort), and validated the LLM annotation…