VOC智能洞察在汽车领域的实践落地

VOC智能洞察在汽车领域的实践落地张柯｜阿里云，大模型技术服务专家张柯，阿里云智能AI技术服务专家，拥有10年阿里工作经验，专注于AI技术的落地与创新。从早期的数据挖掘到图像处理，再到自然语言处理（NLP直至当前的大模型时代，几化技术，在模型设计、调参和高效训练方面积累了独到的方法论和实践经验。主要擅长从数据到算法再到应用的全链路智能化解决方案设计与实施，能够精准识别业务痛点并提供定制化AI技术支持。在气象、金融、工业、税务、财政及汽车等多个领域，主导并成功交付了众多高复杂度的AI项目，展现了卓越的技术深度与场景适配能力，并申请了10+篇AI场景落地相关的技术专利。多年的跨领域实践使具备了敏锐的技术洞察力和高效的跨团队协作能力，始终致力于用AI推动行业智能化升级。01/VOC业务背景与价值02/汽车VOC核心技术方案03/汽车VOC典型落地案例04/VOC未来规划VOC业务背景与价值VOC场景定义–以用户为中心，倾听用户的“声音”场景定义场景定义核心理念核心理念+标准API标准APIOSSOSS语音识别说话人分离汽车领域模型语音转写质量清洗销售话术质检客户洞察辅助销售管理看板营销分析销售培训服务提升营销分析销售培训服务提升数据输入模型输出价值输出业务提升VOC场景对于AI汽车行业的重要性在汽车行业中，VOC的应用尤为重要。它相当于车企的“眼睛”和“耳朵”，随着消费者对汽车性能、安全性和舒适性的要求越来越高，汽车制造商需要不断改进产品和服务，以满足市场的多样化需求。通过有效的VOC管理，汽车企业可以更精准地把握消费者的需求变化，及时调整产品设计和生产流程，提高客户满意度，从而在竞争激烈的市场中脱颖而出。汽车VOC场景-整体业务流程问题发现问题发现声音洞察私域数据400语音…公域数据…声音采集/处理全流程专业咨询/运营服务任务分发处理建议跟进处理直达关联业务部门阿里云基础设施服务通义千问大模型阿里云基础设施服务通义千问大模型汽车VOC场景–汽车VOC场景–核心价值海量数据标签化点点点点意诉怨待满投抱期户户户户用用用用汽车VOC场景-常见任务与标签业务标签识别情绪与意图识别观点抽取业务标签识别情绪与意图识别观点抽取场景还原会根据业务需要对任务进行组合，例如【业务标签+情绪】，【品牌+观点】）， • …•驾驶场景：低速/高速/转弯/充电/…VOC核心技术方案VOC技术演进VOC技术路线演进•效率高：可以一次性处理多项任务优化，响应新需求•冷启动：可在无数据的情况下冷启动•理解能力强：能理解复杂的语义和逻辑大模型+“动态”智能系统大模型+PE工程师通用大模型统一处理各类任务•周期长：强依赖PE工程师的经验•效率低：一个工程师无法并行优化•不敏捷：无法快速响应动态变化NLP模型+人工辅助•泛化能力弱：单任务单模型•迭代成本高/周期长：新标签重新训练•无冷启动能力：需要数据训练质检员抽检•效率低成本高数据沉淀与挖掘报告质检任务设定模型推理告大模型技术完美解决了传统VOC的痛点准确率低准确率低迭代成本高迭代成本高运营成本高运营成本高业务人员投入高业务人员投入高汽车VOC核心场景0404标签质量评估体系02标签标注03新标签挖掘核心场景VOC标签标注技术方案VOC标签标注技术方案业务需求业务需求地理解客户的需求、期望以及对产品或服务的满意助车企改进产品设计、提升服务质量、优化用户体验传统方案挑战传统方案挑战技术亮点技术亮点样例原文样例原文向量原文TextRaw标签名称向量标签解释向量样例召回策略标签部分提示词组装样例部分提示词组装Sample-1Sample-2……Explain-1Explain-2…分词1、分词TextWord-1TextWord-2…TextWord-N标签综合比对筛选策略样例原文样例数据样例答案与解释标签名称标签解释原始标签VOC标签标注技术方案样例原文向量样例原文向量原文TextRaw标签名称向量标签解释向量样例召回策略标签部分提示词组装样例部分提示词组装Sample-1Sample-2……Explain-1Explain-2…分词1、分词TextWord-1TextWord-2…TextWord-N标签综合比对筛选策略样例原文样例数据样例答案与解释标签名称标签解释原始标签第一步，第一步，构建标签名称向量库量库。如原始标签集有“发动机”、“外观”、标签解释标签解释*************省略*****************省略*****************省略****标签外观VOC标签标注技术方案样例原文向量样例原文向量原文TextRaw标签名称向量标签解释向量样例召回策略标签部分提示词组装样例部分提示词组装Sample-1Sample-2……Explain-1Explain-2…分词1、分词TextWord-1TextWord-2…TextWord-N标签综合比对筛选策略样例原文样例数据样例答案与解释标签名称标签解释原始标签第二步，第二步，构建标签解释向量库第i个标签的解释向量为Explain-i标签解释标签解释*************省略*****************省略*****************省略****标签外观VOC标签标注技术方案样例原文向量样例原文向量原文TextRaw标签名称向量标签解释向量样例召回策略标签部分提示词组装样例部分提示词组装Sample-1Sample-2……Explain-1Explain-2…分词1、分词TextWord-1TextWord-2…TextWord-N标签综合比对筛选策略样例原文样例数据样例答案与解释标签名称标签解释原始标签第三步第三步，构建样例向量库样例原文标签答案VOC标签标注技术方案样例原文向量样例原文向量原文TextRaw标签名称向量标签解释向量样例召回策略标签部分提示词组装样例部分提示词组装Sample-1Sample-2……Explain-1Explain-2…分词1、分词TextWord-1TextWord-2…TextWord-N标签综合比对筛选策略样例原文样例数据样例答案与解释标签名称标签解释原始标签第四步第四步，对输入原文向量化第五步第五步，对输入原文向量化输入原文输入原文************，安全配置很齐全，包括了手机无线充电、全液晶仪表盘、上坡辅助、自动驻车、前驻车雷达、LED行车灯、VOC第六步第六步，对输入原文向量化TextWore-i表示当前输入文本原文第样例原文向量原文TextRaw标签名称向量标签解释向量样例召回策略分词1、分词TextWord-1TextWord-2…TextWord-N标签综合比对筛选策略标签部分提示词组装样例部分提示词组装Sample-1Sample-2……Explain-1Explain-2…样例原文样例答案与解释标签名称标签解释样例数据原始标签VOC标签标注技术方案第七步第七步，样例召回策略将原文向量TextRAW与样例原文向量TOP3作为样例放入到提示词中。同时为了#部分提示词示例#部分提示词示例###示例：输入1：四驱豪华版，动力强劲*************，当前正在促销中，到手价才###万元。输出1：[{“标签”:“动力”,“解释”:”提及了***”},[{“标签”:“优惠促销价”,“解释”:”提及了***”}]输入2：该车配备了疲劳提醒，***************，今天介绍这车空间上表现抢眼，不妨趁着周末去店里体验一下。输出2：[{“标签”:“安全性”,“解释”:”提及了***”},[{“标签”:“空间”,“解释”:”提及了***”}]根据原文召回的动态示例样例原文样例原文向量原文TextRaw标签名称向量标签解释向量样例召回策略标签部分提示词组装样例部分提示词组装Sample-1Sample-2……Explain-1Explain-2…分词1、分词TextWord-1TextWord-2…TextWord-N标签综合比对筛选策略样例原文样例答案与解释标签名称标签解释样例数据原始标签VOC标签标注技术方案样例原文向量样例原文向量原文TextRaw标签名称向量标签解释向量样例召回策略标签部分提示词组装样例部分提示词组装Sample-1Sample-2……Explain-1Explain-2…分词1、分词TextWord-1TextWord-2…TextWord-N标签综合比对筛选策略样例原文样例答案与解释标签名称标签解释样例数据原始标签第八步，提示词第八步，提示词“动态”组装##标签定义029：销售服务|详细介绍：*******标签解释******。061：产品体验|整体空间：*******标签解释******。128：售后服务|质量问题：*******标签解释******。……#任务要求******************************。要求限制#示例*********************************。将根据当前原文筛选出来的标签以及样例填入到提#角色你是**********************。第九步，调用并返回结果样例召回（动态）角色定义……VOC标签挖掘技术方案VOC标签挖掘技术方案大模型调用业务需求系的能力以及一种能够量化衡量标签生成质量的评测方传统方案挑战业务需求系的能力以及一种能够量化衡量标签生成质量的评测方传统方案挑战斜”标签语义A类旧标签1A类旧标签2B类旧标签1技术亮点标是B类旧标签1粗略生成定义一级标签二级标签分类……全否是是二级新标签体系生成二级标签名称总结二级标签开始否否VOC标签挖掘技术方案大模型调用第一步，定义一级标签第一步，定义一级标签第二步，粗略生成二级标签据文本中所提及的一级标签内容标注出二级标签即标签语义A类旧标签1A类旧标签2……全否是是是B类旧标签1B类旧标签1二级标签分类二级新标签体系生成粗略生成二级标签二级标签名称总结定义一级标签开始否否VOC标签挖掘技术方案大模型调用第三步，二级标签分类第三步，二级标签分类标签语义A类旧标签1A类旧标签2……全否是是是B类旧标签1B类旧标签1二级标签分类二级新标签体系生成粗略生成二级标签二级标签名称总结定义一级标签开始否否VOCVOC标签挖掘技术方案第四步，二级标签总结粗略生成二级标签将上一步被分类的标签利用大模型的总结能力分别进行标签名称的归二级标签分类标签语义第五步，标签相似检验与归一第四步，二级标签总结粗略生成二级标签将上一步被分类的标签利用大模型的总结能力分别进行标签名称的归二级标签分类标签语义第五步，标签相似检验与归一度大于0.n且值最大的新标签名称；如果该旧标签与所有新标签的相似度均二级标签名称总结全否A类旧标签1是否A类旧标签2B类旧标签1B类旧标签1开始定义一级标签集合-是t否二级新标签体系生成是t--…VOC标签挖掘技术方案大模型调用第六步，二级新标签体系生成第六步，二级新标签体系生成也解决了人工经验不一致以及精力投入大的标签语义A类旧标签1A类旧标签2开始定义一级标签二级标签分类是是t…全否二级新标签体系生成二级标签名称总结粗略生成二级标签B类旧标签1B类旧标签1否否VOC标签质量评估体系VOC标签质量评估体系数据全面性数据全面性语义独立性语义独立性标签平衡性标签平衡性VOC标签质量评估体系量化评估方法量化评估方法VOC典型落地案例浙江某头部车企–标签标注案例40%提升到了90%+，极大提升业务效果，并利用多种核心技术让日均百万级次的模型调用更加经济高效。40%+40%+→90%+百万级次通过动态提示词工程，融合业务逻辑、规则和样例，提高识别准确率和业务适用性。通过few-shot样例+RAG召回技术，提升标签识别推理能力，并提供快速高效bug修复能力。通过RAG等技术支持大规模标签扩展，大幅度减少大模型输入tokens，平衡价格和效果。通过区分细分和兜底标签，保证标签识别更精确效果，同时兜底标签保证识别有保底。上下文缓存通过ContextCache技术将公共前缀内容进行缓存，在推理时减少重复的运算量，提升响应速度，降低使用成本。动态提示词工程Few-shot样例技术标签RAG技术标签细分业务创新技术上海某头部车企–新标签挖掘案例数万级原文数据百万级新标签生成十万级测试数据数万级原文数据百万级新标签生成十万级测试数据预标注标签“归一化”新标签数十万级数据标签生成大模型数据归一数百级四级标签体系生成生成标签覆盖模型按周期自动调度，脱离人工干预纯大模型理解挖掘提升标签可信度按周期自动调度，脱离人工干预纯大模型理解挖掘提升标签可信度内容可以分别对应到经济性（如车辆价格和贷款相关标签。虽然没有直接提到产品体验或车辆性***代言***品牌***Pro***代言人***@***幽//@我俩的闲庭信步:***代言***品牌***Pro**牌代言人***一起越级而上！@***了粉丝经济的概念（利用明星的粉丝基础来促进销售）。 ？）（全款？可以啊。这些都与提供的标签'销售服务购买文本中提到了‘注册满***周年’和‘获得周年快乐文本打上'会员权益'以及更具体的'会员周年纪合理性筛查完整性完整性准确性可访问性准确性可访问性解释性时效性解释性时效性上海某头部车企–智能工牌质检案例标准标准语音工牌销售管理洞察客户画像洞察优秀实践洞察设备管理录音管理用户管理API场景区分服务质检标签提取录音转写实时转写角色分离某新势力车企–生成舆情分析总结案例某年某车上市后市场反馈报告（数据均为模拟）一、概述外观、设计、试驾体验、保养、中控台一、概述外观、设计、试驾体验、保养、中控台、智能控制、座椅、颜色