Viable과 GPT-4를 활용한 대규모 질적 데이터 분석

Viable은 미세 조정 된 GPT-4 모델을 사용하여 대규모 질적 데이터에 대한 심층 분석을 수행하여, 수동 검토 없이 비즈니스가 구조화되지 않은 피드백에서 실행 가능한 인사이트를 추출할 수 있도록 합니다. 이 접근 방식은 기업이 Net Promoter Score(NPS)를 향상시키고, 지원 티켓 볼륨을 줄이며, 기존 요약 도구보다 더 효율적으로 제품 로드맵을 알 수 있게 합니다.

질적 데이터에서의 분석 vs. 요약

질적 데이터 분석은 단순한 요약과 다른 기술적 접근이 필요합니다. 요약은 정보 압축에 초점을 맞추는 반면, 분석은 고객 감정을 정확히 이해하기 위해 필요한 맥락을 추가합니다.

지원 티켓과 온라인 리뷰와 같은 구조화되지 않은 텍스트는 종종 모호함, 풍자, 부정을 포함합니다. 단순한 요약 도구는 이러한 뉘앙스를 간과할 수 있어 데이터를 왜곡하고 잘못된 비즈니스 결정을 초래할 수 있습니다. Viable은 OpenAI의 대규모 언어 모델(LLM)인 GPT-4를 미세 조정하여 질적 데이터 분석의 규모와 복잡성을 더 높은 정확도로 처리함으로써 이 문제를 해결합니다.

구조화되지 않은 데이터로부터의 인사이트 확장

Viable 플랫폼은 Zendesk, Intercom, Gong과 같은 데이터 소스와 통합하여 지속적인 동기화를 통해 자동 분석을 제공합니다. 이 플랫폼은 다음과 같은 기능을 통해 구조화되지 않은 피드백을 구조화된 인사이트로 변환합니다:

• 주제별 분류: 데이터는 몇 번의 클릭만으로 주제별로 자동 분류됩니다.
• 주간 대비 분석: 플랫폼은 시계열 분석을 제공하여 기업이 churn risk와 데이터 배경을 이해하도록 돕습니다.
• 사용자 프로파일링: 시스템은 특정 피드백을 제공하는 사용자의 프로파일을 식별합니다.
• 복잡한 쿼리: 고객은 특정 데이터 세트에 대해 AI에게 복잡한 질문을 하여 타겟된 인사이트를 받을 수 있습니다.

비즈니스 영향 및 운영 효율성

AI 기반 질적 분석을 구현하면 피드백 검토 및 태그 지정과 관련된 수동 노동이 크게 줄어듭니다. 플랫폼 사용자에 따르면 결과는 다음과 같습니다:

• 리소스 절감: 일부 고객은 질적 피드백 분석을 자동화하여 연간 거의 1,000시간을 절감했습니다.
• 운영 개선: 기업들은 지원 티켓 볼륨 감소 및 고객 이탈률 감소를 보고했습니다.

Sticker Mule의 고객 지원 부사장인 Kalie Bishop은 다음과 같이 말했습니다:

"우리는 Viable의 강력한 인사이트를 활용하여 개선 영역을 신속히 파악하고 관리자들에게 수백 시간을 절감함으로써 접근 방식을 혁신했습니다."\n Viable의 CEO인 Dan Erickson은 GPT-4의 고급 NLP 기능을 사용함으로써 플랫폼이 인간 분석에 필요한 시간의 일부만으로 미묘한 인사이트를 제공할 수 있다고 강조합니다.これにより, 정량적 KPI에만 의존하는 것이 아니라 회사의 데이터 전체를 기반으로 데이터 기반 결정을 내릴 수 있게 됩니다.