(2)客戶服務(wù)商業(yè)銀行每天都會從不同渠道接收到海量的客戶心聲，包括客戶的投訴、抱怨、建議等，而這些正是銀行提高客戶服務(wù)效率和質(zhì)量的基礎(chǔ)。以前都是通過監(jiān)測分析人員隨機(jī)抽查來分析客戶到底具有什么樣的需求，但這種處理方式不僅容易遺漏一些重要的建議和投訴，而且其龐大的工作量也難以保證這些建議和投訴的合理分類和正確處理。如何處理這些非結(jié)構(gòu)化數(shù)據(jù)，才能獲得客戶的真正需求，才能提高服務(wù)質(zhì)量和降低成本，是銀行使用非結(jié)構(gòu)化數(shù)據(jù)價值的一個挑戰(zhàn)。一般來說，可以通過下面的步驟和方式來實現(xiàn)客戶需求的深度洞察。

1)對客戶意見進(jìn)行分類：對客戶意見進(jìn)行分類可以分析各類別意見的發(fā)生趨勢，提升對應(yīng)部門處理效率。但是，在分類時要結(jié)合具體業(yè)務(wù)處理流程和實際場景。簡單來說，其實就是要給各類意見打上標(biāo)簽，比如這類意見反映的是哪類產(chǎn)品，如銀行卡、自助服務(wù)等。

2)對熱詞進(jìn)行分析：熱詞分析就是要從客戶反饋中提取最頻繁使用且意義較明確的詞匯，從而形成可視化的意見詞云，但是有時候無法精準(zhǔn)表達(dá)客戶意見，存在一詞多義和多詞一義的情況，例如柜員、工作人員等，因此需要將紛繁雜亂的描述語句進(jìn)行歸并、抽象、提煉，從而形成統(tǒng)一、概括的表示方式，例如對象-屬性一評價。

3)選擇貼合業(yè)務(wù)場景的分析模型：文本分析模型有很多種，商業(yè)銀行要選擇適合自己的模型進(jìn)行文本分析和挖掘，如是用樸素貝葉斯模型，還是LDA模型？或者抽象出本體模型。選擇出合適的模型后再根據(jù)實際情況進(jìn)行訓(xùn)練。一般來說，只有文本數(shù)量較多時才會使用合適的模型進(jìn)行自動化訓(xùn)練。