从海量客户评价直达质量决策，数据平台需要哪些硬实力？

一个不争的事实是，互联网时代，客户评价越来越重要了。

新兴技术改变了商业格局，信息透明度的提升推动企业生产经营逐步转向“以客户为中心”。如今，无论消费者对产品是非常满意还是存有抱怨，都纷纷发表在网上——电商网页、社交媒体、兴趣论坛等平台为他们提供了充足的表达空间。丰富的数据来源构成了企业“数据驱动决策”转型中的“富矿”。

一直以来，企业需要收集客户评价为产品质量管理和功能提升提供参考，然而，网络平台的客户评价往往数据量大、发布广泛，且包含不少重复、无意义的内容。不少企业虽然布局了大数据平台，但在数据处理、分析方面依旧存在瓶颈，数据分析结果对业务的参考性较弱，难以深入挖掘数据价值，将其转化为真实的生产力。

不少企业已经意识到，要打通质量管理从数据到决策的通道，需要一套集数据采集、数据存储、质量分析、质量决策于一体的全价值链数据分析体系。这样的数据平台应具备以下四种核心能力。

调研过客户反馈的人都明白，人们在网上的留言就像日常对话一样随意，这些表达习惯在日常交流的时候几乎察觉不到，但如果想要从中摸出规律，必然是一项巨大的工程，仅仅依靠人工分类是完全不够的。这里就需要强大的自然语言处理技术对语料进行编码，尤其需要配备出色的情感分析算法，才能顺利开展下一步规范化的数据分析工作。

在这方面，联想的PSI（Product Satisfaction Index）产品满意度指标数据平台在业界处于领先水平。联想基于自身独创的PSI产品满意度指标开发了PSI指标数据平台，利用大数据挖掘和人工智能等技术为质量管理提供了新方法。其中，强大的自然语言处理能力是PSI指标平台的核心。

PSI指标平台通过稳定的分布式互联网数据收集获得客户在各大目标平台的公开评论，对数据进行清洗、过滤、转换、对齐、存储等操作，利用以细粒度情感分析算法为代表的自然语言处理技术，从海量原始文本中识别出评价对象以及正面、负面、中性等不同的情感倾向，并基于情感标记结果实现属性细化、优缺点摘要、趋势分析等丰富功能。情感分析模型构建主要采用基于CRF的序列标注+规则的混合模型，准确性在90%以上。

数据不是目的，解决问题才是。对企业质量管理来说，完成客户评价的情感标记，仅仅是数据洞察的第一步。当前，部分数据平台分析结果参考价值较低，主要原因就在于数据分析结构和现实业务逻辑相脱节。未来的数据平台发展应该向真实的业务需求靠拢，根据具体工作场景，设计科学的数据分析结构。

联想PSI指标平台根据企业业务改善的规律，总结归纳了三种分析方法，分别能够满足企业在产品的生命周期管理、产品的迭代升级、产品的市场竞争三个核心业务上的数据分析需求。具体而言，PSI指标平台在业务层面可以进行产品属性细化、产品优缺点摘要、产品客户满意度、产品趋势分析、产品质量预警、竞品对比等多维度分析。

同时，联想还基于客户需求研究的经典Kano模型，融合K-means聚类、多元线性回归等算法创新了KKMA回归模型（KKMA 全称 Kano,K-means,MDS,Adaboost），用于计算客户对某件、某系列产品或指定产品部件不同属性的期望程度，进而将属性划分为魅力型、期望型和必备型，为产品的设计、采购、制造、销售等提供科学指引。例如，如果一台笔记本电脑的“做工”是魅力型属性，“运行速度”是期望型属性，“开关机速度”是必备型属性，那么企业在改进产品时，可以重点关注如何让电脑的开关机速度稳定提升，兼顾提高运行性能，并将外观、材料方面的改进纳入中长期规划。

在数据分析流程中，优秀的可视化效果越来越成为提升决策效率的重要细节。清晰的可视化能帮助管理者更加直观地了解客户对产品各项属性的反馈情况，降低数据洞察和决策的错误。

联想PSI指标平台配备了实用性很强的数据可视化系统，能全面呈现上述业务层面的数据分析结果，且操作简便，管理者使用鼠标即可一键收集数据，用户关注点及改善方向直接在系统页面完整呈现。系统主要对产品各项指标进行灵活多维可靠的监控和分析，通过灵活互动、垂直钻取，完整展示用户对产品不同指标的满意程度，帮助管理者直达改善方向。

◎ Olympia PSI Intelligent

当前的市场环境瞬息万变，数据更新速度快，产品迭代周期短，企业数据分析平台应具备较高的灵活性和适应性，通过自身迭代优化保持高水平的服务能力。联想从2007年开始，就将复盘的方法应用于质量管理中，在此基础上的PSI指标平台拥有优秀的可持续优化能力。

◉ 一方面，机器学习驱动算法自我完善。联想应用于产品评论分析的情感分析模型首先需要人工标注大量训练语料，利用自然语言处理及机器学习技术针对标注语料进行模型训练，在使用过程中，模型会将发现的情感分析错误反馈给系统，通过机器学习让情感分析模型持续优化改进。

◉ 另一方面，PSI指标计算模型支持长期复盘和改进。联想正在探索将PSI指标平台基于单一数据源（公开评论数据）的结果型分析转化成基于多维数据集（公开评论数据，研发数据，生产数据，产品参数，客户画像，客户行为记录等）的因果型分析，从而提升 PSI 分析方法，完善 PSI 指标体系。

未来，联想将通过智能化的变革实现质量体系的持续优化升级，进一步完善产品质量标准，提高生产效率，为用户打造产品、服务和解决方案的最佳体验。

直播预告

一起发现更好的联想

ONE LENOVO

 📝 编辑｜空空

 📷 排版｜古月

推荐阅读