您在此处：
主题分类
使用 Data 360 中的主题分类将非结构化文本（例如评论、个案评论或调查回复）组织成有意义的类别。为了评估分类记录，该模型将经过训练的语言模型应用到选定的字段。对于每个记录，模型会分配一个主题标签和一个置信度分数。Data 360 将这些输出添加到数据集。在报表和查询中应用主题分类。
备注
所有主题分类模型和算法都使用新的运行时。
查看这些主题分类目标。
- 将文本分类为多个类别，例如，开单、产品问题或功能请求。
- 标准化文本数据跨数据集的组织方式。
- 按主题确定趋势和模式。
- 根据有针对性的参与主题对数据进行细分。
- 使用主题标签和置信度分数丰富数据集。
用例
预测支持各种用例。
| 类型 | 用例 | 它解决了什么问题 |
| 市场营销 | 细分受众 | 要创建更具针对性的市场活动，请按兴趣或主题对客户进行分组。 |
| 分析市场活动 | 要了解消息传递的共鸣，请按主题对响应和参与进行分类。 | |
| 策略内容 | 识别电子邮件、Web 和社交渠道中的主题。 | |
| 服务 | 跟踪问题 | 为了加快解决速度，自动对支持个案进行分类，例如计费或技术问题。 |
| 路由个案 | 为了加快解决速度，自动对支持个案进行分类，例如计费或技术问题。 | |
| 管理升级 | 为了更快地处理个案，请标记敏感或高优先级主题，例如投诉或中断。 | |
| 销售 | 分析交易见解 | 要确定关键主题，例如定价、异议或竞争对手，请分析电子邮件和通话记录。 |
| 路由潜在客户 | 要将潜在客户分配到正确的团队，请按产品、行业或用例对入站查询进行分类。 | |
| 追加销售和交叉销售 | 显示高意图主题，例如演示请求或定价讨论。 |
注意事项
在应用主题分类模型之前，请查看这些注意事项。
- 类别重叠或不明确会降低准确性。
- 非常短或不清楚的文本更难分类。
- 模型性能取决于输入数据的质量和相关性。
- 该模型是多语言的，支持多种语言的文本。
限制
在使用主题分类之前，请查看这些限制。
- 定义清晰而独特的主题类别，以提高准确性。
- 使用反映实际客户语言的文本数据。
- 随着业务需求的发展，定期审查和完善类别。
- 将主题分类与情绪分析相结合，以获取更丰富的见解。
- 在通过模型之前，对长文本进行分块。主题分类最适合于最多 512 个标记的简短、意图丰富的文本
本文章是否解决您的问题？
请与我们共享您的想法，以便我们进行改进！
