随着人气的上升聊天机器人和简单的会话接口，还有周围的其他兴趣与日俱增自然语言处理在（NLP）的能力银行业，金融和保险行业。
通常情况下，大企业发现这具有挑战性从客户支持坟新的见解。举例来说，一个大的保险公司可能会在客户支持活动每年收到数以百万计基于文本的消息的客户反馈和互动的形式。
大企业可能会发现它很难有通过对客户数据的人爬的员工规模在确定关键客户问题。这些传入邮件的数量庞大，难以对银行可能从客户数据中得出一致的洞察。
对于那些正在寻找加纳的洞察力从数以百万计的历史与客户的互动，自然语言处理和机器学习技术可以帮助客户什么可能会谈论自动识别业务。
我们采访了彼得Hoopes，副总裁全球销售的Gamalon公司，谁制定了一些NLP可能带来客户服务的行业，如保险和金融的价值。
据胡普斯，机器学习和NLP可以帮助从想客户之所谈论与支持代表交流时，评论社会化媒体，或填写客户满意度调查提取的见解。不仅如此，机器学习可以帮助代表以结构化格式的数据有可能使企业采取行动。正如胡普斯所说的那样：
我们寻找那些能够在企业中被蒸馏成可操作的见解，从两个主要方面的数据。（1）客户支持交互：在许多情况下，唯一的互动，一个企业可能有一个客户是当他们有问题需要解决。（2）正文调查：开放式问卷调查，客户可以提出他们对自然语言的产品或服务的意见。
自然语言处理保险 - 概述
保险业历史上一直占主导地位由行动缓慢的大型企业提供。然而，近年来，人工智能在保险领域的应用越来越受到重视，这可能是由于它可以获取该行业的大量客户数据和资源。
一些前瞻性的保险公司似乎将AI客户分析。据胡普斯，正确识别和这座山的数据提取的客户洞察力比它可能会出现更硬了，培养了计算机软件特别是当了解人类的沟通方式。
对于具有跨越通信信道的多个产品类型的相互作用，难的是复合一家大型保险公司的客户基础的公司。
NLP和机器学习可以使保险公司获得大量的文本客户交互数据，并在其中找到模式来对这些消息进行分类和集群。在大多数情况下，这仍然需要人们阅读数据的一部分来标记每条消息，然后才能将其输入到机器学习算法中。
这些标记的信息允许算法更好地“理解”句子中的上下文。根据Hoopes的技术，NLP软件可以通过分析一个句子开头的常用词或者几个句子中同时出现的单词来自动对新信息进行分类。
一些NLP软件，如由Gamalon提供，工作方式略有不同。相反的人的邮件标记为“退款”或“取消请求，”例如，软件背后的算法通过监督学习的方式。
无监督学习不需要人们在输入到机器学习算法之前给信息贴上标签。相反，该算法将遍历原始文本数据并对消息本身进行分类。之后，人类的主题专家可以调整算法创建的类别，从而继续训练算法。
Hoopes提出了两个方面的问题NLP可以争取为保险公司投资回报率最高：
- 客户支持
- 调查分析
下面我们将更详细地讨论这两个用例:
为客户提供保险方面的NLP支持
据胡普斯，有助于为什么保险公司会在AI投资为客户服务的一个重要因素是，客户有大部分与保险公司的互动时，他们有一个问题，如果出了问题。
胡普斯认为，对具有与客户互动水平低的企业会发现它最吸引人的开始NLP措施，以改善客户服务。
他解释说在赢得来自客户的反馈与见解健康保险例子的挑战。如果一个大型健康保险公司收到索赔有关的应用程序或作为反馈上百万客户信息，它面临的一个挑战是确定哪些短语指的是同样的事情。胡普斯说，保险的客户可能会说，在许多不同的方式同样的事情：
比方说，一个企业接收来自客户的每年一百万的消息，在许多渠道。假设这些人的50％正在寻找一个医生，可能有50万点的方式，使人们都在问医生。例如，客户可能会使用我在找一个医生来讲，我正在寻找一个专家或我正在寻找一个医学专家，所有这些都意味着客户正在寻找医生。
在一家保险公司希望通过大量的客户服务门票阅读可以用NLP来自动分类的客户所面临的首要问题和地图行动项相关部门。人工智能软件可以通过客户服务票证运行，并列出正在谈论的最多，大约每个问题的进一步细节沿东西。
例如，NLP算法可以识别出几个客户都提到一个特定的保险产品一起这是显着的负面情绪方面。此外，该软件还可以识别单词“价格”中有关该产品的投诉被经常使用。然后，保险公司可以识别的产品，顾客不喜欢，在这种情况下，可能是由于它的价格，以提醒相关部门。
也有可能存在其中一个客户打电话反馈，并指出该客户服务代表粗鲁的情况下，但网上的经验是好的。在这种情况下，识别包含正和围绕两个或多个不同的概念消极情绪如何消息可能没有任何标记或的调整的显著量通过根据训练算法所采用的方法主题专家可以具有挑战性的NLP算法（监督或无人监督）。
此外，还NLP可能允许保险公司以实时监控传入的客户数据，以帮助识别问题，它们影响了大批客户的之前采取行动。
例如，一个大型健康保险企业可能能够使用自然语言处理软件来自动分类客服票塞进水桶。其结果是，客户经理可能会发现，在统计最近一个月归类投诉的25％以上是关于帐号和密码的问题，例如。
然后，公司可以主动地采取行动，并在问题影响更多的客户之前，根本上给保险公司，以防止复利问题的能力提醒他们的IT团队。
NLP在保险调查分析
在保险业，企业可能没有通过客户支持渠道与客户定期互动。胡普斯解释用一个例子：
如果您使用的互联网连接和失败，互联网服务供应商都知道，客户面临的问题。这是可能的，了解顾客感受轻松了许多。在保险，企业可能不会对客户如何谈论自己的产品多的信息。汽车保险提供商可能会看到一个客户的服务帐户中的交易，但可能需要调查的客户找到什么对品牌和产品的共同客户的看法是见解。
因此，许多保险大型保险企业将不得不从哪些员工是不太可能能够收集到可操作的见解调查数据的积压;有太多的调查，通过进行筛选。
据胡普斯，保险公司可以通过使用自然语言处理和机器学习使他们的调查反馈的更好的感觉。
例如，一个汽车保险公司可能只与它的客户进行互动时，他们索赔或当客户达到了客户支持。为了解决这个问题，他们可能会收集想客户所想他们的品牌和产品，通过开放式的文字调查，他们向客户发送数据。如果他们无法预料他们将有多少接受调查，他们可能会发现成本通过所有这些筛选，争取任何有意义的见解是承受了太多。
由于大量的调查回复，车险公司可以使用无监督NLP自动分类这些反应。那么主题专家会审查类别，获得的客户如何看待自己的品牌和产品的一般意义。如果他们有工作人员的数据科学家或与供应商，允许它在工作，他们也可以调整算法，以便它归类回应，他们希望它的方式。
胡普斯说Gamalon有重大医疗保险球员合作，从数以百万计的客户调查的消息挑选出最优秀的客户问题。
据Gamalon，健康保险公司正面临着越来越从他们的调查反馈，由于大量调查数据的有价值的见解挑战。似乎现有的规则为基础的调查分析工具将失败于提供见解。
该供应商与保险公司合作，分析该公司收集到的客户反馈。数据以非结构化的开放式客户调查回复的形式呈现。Gamalon称，他们帮助健康保险公司将调查结果分类，为销售团队提供了可操作的见解。
监督学习NLP方法也对这样的情景的工作，但它需要在标签调查反馈为保险企业想要的算法来排序的响应为以下类别事先花费的时间。
总结NLP对保险客户洞察的思考
综上所述，投资NLP以提供客户支持和生成保险客户分析的核心价值主张包括:
- 分类客户支持票
- 分类调查回复
- 将客户支持票发送到适当的部门
- 了解客户对保险公司的品牌或产品的看法
对于什么样的保险可能与NLP的全部范围，企业领导人可能需要阅读我们的报告全文在话题。
保险公司是目前应用NLP，以提高他们的客户服务业务，并告知产品的开发。任何这样的努力可能仍然是最相关的大中型企业有足够的数据访问，资本和数据的科学人才。本地保险公司将需要等待一段时间AI之前，一般来说，变得更容易得到。
对于保险企业希望通过NLP为他们的客户服务流程，出了各种见解，他们是从他们的客户支持数据看，以争取他们首先需要的身影。要做到这一点，他们经常会需要他们的主题专家与数据科学家的工作，无论是那些工作在公司本身或那些工作在AI供应商公司。
保险企业可能会与提供无监督的NLP软件的供应商合作，该软件可以在购买软件后相对快速地开始对客户消息进行分类，但这种供应商相当少见。在这些情况下，例如在Gamalon中，主题专家不需要给数据贴上标签，而是调整算法自己创建的类别。
在大多数情况下，NLP厂商提供监督学习，这需要一个整合过程，包括主题专家（在这种情况下，可能在保险公司客户支持人员），以标签的客户信息为某些类别。这背后的软件算法训练准确消息进行分类本身。
NLP软件现在也许能帮助大型保险公司得到一个什么样的客户是最经常谈论的或有问题有更深的了解。这一点很重要，然而，开始AI的举措，明确目标。在这种情况下，保险公司在与人工智能供应商合作或雇佣一组数据科学家来构建算法之前，应该了解他们希望从NLP软件中获得的见解。
这篇文章由Gamalon赞助，并与我们的《透明》杂志一起编写、编辑和出版Emerj赞助内容指南。了解更多关于实现我们的AI-专注于执行我们的观众Emerj广告页面。
标题图片来源：生活范式
