在負面產品評論實際發生之前，如何利用大數據和人工智能對其進行 “捕捉”
在這個電子商務快速發展的時代，在線產品評論對消費者購物行為有著巨大的影響力。
在線評論實質上起到產品或業務本身的實際推薦作用，被視為客戶最終購買行為的看門人(參見明鏡研究中心的《在線評論如何影響銷售》)。
消費者在網上購買商品之前的第一件事就是仔細審查它的評論，并衡量整體情緒。如果平均情緒是負面的，他們會尋找其他選擇。另一方面，如果市場人氣轉向正面，他們就更有可能繼續買進股票。因此，評論在產品本身是否被銷售方面起著重要的作用。
獲得一致的積極評價的困難
對產品的質量以及各種相關因素，如運輸速度、包裝、下訂單的難易程度、在線信息的可獲得性等，通常都會給予評價。每天都有數百萬人在網上購物，我相信，從我幾年前短暫的個人經歷來看，從長遠來看，不可能得到100%的好評。如果產品和服務是好的，你將不可避免地有杰出的正面評價，但它永遠不會100%完美。俗話說，你不可能讓每個人都滿意。
一個主要是壞的評論可能會嚴重影響產品的銷售。通常情況下，公司的支持部門通過與客戶合作來解決問題，從而快速地對負面評論作出反應。然而，這并不能保證客戶會回來更新負面評論，即使是在及時交貨或退款的情況下。
一些賣家也選擇取消他們的上市，如果負面評論攀升過高，但他們失去了銷售歷史的可見性，這也是一個大的驅動因素，影響銷售。
處理負面評論
已經就如何處理負面評論進行了各種研究，在這方面可在網上獲得大量相關資料。就我個人而言，當你放大到一定規模后，首先要防止負面評論的出現，而不是等負面評論發布后再加以糾正，這要重要得多，效率也高得多。
當然，人們可以爭辯說，實現這一點的明顯方法是簡單地提供高質量的產品和相關服務，這將自動導致積極的評價。然而，一個經驗豐富的網上賣家會同意，遲早，你會遇到一個不高興的客戶。
如果我們以某種方式提前知道客戶對他/她的購買不太滿意，并且在評論實際被放到網站上之前就有很高的負面評論的可能性，那該怎么辦?這個信息對賣家有利嗎?賣方是否可以選擇對這些信息進行處理，以糾正這種情況并避免負面評論?
避免負面評論對未來的買家來說可能不公平，但是要記住，不管情況如何，客戶仍然保留著發布他/她的全部經驗的可怕權力。此外，賣家還可以通過展示所采取的補救措施來提高反饋頁面的透明度。
如何利用人工智能和大數據“捕捉”潛在的負面評論
在這篇文章中，我想從理論上說明我們怎樣才能在這種潛在的負面評論實際發生之前“抓住”它，這樣一個誠實的賣家就有機會在它影響業務之前糾正錯誤。
每當一次購買出錯時，典型的顧客可能會做出以下幾種反應:
- 再次瀏覽同一產品的網頁，查看評論，看看是否有人有類似的問題，以及是否有賣家對同樣的問題作出了有益的回應。
- 與客戶服務部門聯系，提出投訴。
- 在同一個網站或不同的網站上瀏覽其他品牌的類似產品。
- 改變他們的購買模式(主要是下降趨勢)。
- 繼續在相同的網站上訂購相同的產品，或者從當地的零售商店購買
- 討論社交媒體中的不良購買行為。
現在，如果該公司使用在云上的大數據分布式處理引擎上實現的人工智能軟件，不斷掃描上述所有數據點，尋找客戶直接或間接表達對特定購買不滿的實例，該怎么辦?
實際上，在發布糟糕的評論之前，可能只有幾分鐘到幾個小時的時間。但是，今天超快的光纖互聯網速度和蓬勃發展的大數據技術應該為自動化系統提供充足的時間來明智地利用這一時間框架啟動糾正行動，從而提高客戶滿意度并保持相當好的產品評論。
大數據系統是如何工作的
下面是一個非常高層的圖表，以及關于這個大數據系統如何工作的步驟:
- 來自不同來源的數據包含客戶的數字足跡，這些數據定期被提供給大數據分布式處理系統，比如 ApacheSprark或云中的 Hadoop。
- 然后，大數據處理系統將處理這些數據，并迅速提取決策者所需的見解。然后將結果轉發到“Action”系統。
- 然后，“Action”系統將分析這個提要，并決定在適當的時候與客戶聯系，采取可能的補救措施。
賣方根據數據可以采取的行動
大數據系統可能會產生所有需要的結果，但是一旦軟件確定存在錯誤的購買，賣家又能做什么呢?
- 立即與客戶聯系，索要關于購買的反饋和/或提供解決方案的聯系方式(如有)。
- 如果客戶要求更換產品，請將客戶指向更換部門。
- 為將來的購買提供優惠券或折扣。
你認為當今技術的復雜程度允許這樣的實現嗎?你認為實現這樣一個大數據系統的挑戰是什么?
了解更多IBM AI解決方案，請訪問IBM數據與人工智能專區
