深演智能的AI VOC智能体很大程度上提升了我们线上口碑管理的效率，过去我们要从几万条评论里找问题，现在系统直接告诉我们问题出在哪里，还能自动关联到具体门店。这套系统帮我们缩短了发现问题到处理问题的周期。——遇见小面信息技术部负责人 马松岩

最近在香港上市的“遇见小面”是一家以重庆小面为主打产品的川渝风味餐饮连锁品牌，门店已遍布北京、上海、广州、深圳、香港等多个城市，并已开始布局新加坡等海外市场。

同许多中大型餐饮连锁品牌一样，遇见小面在高速扩张的过程中，同样面临着线上口碑管理的挑战：每日从外卖平台（如美团、饿了么）涌入各个门店的评论数多达数千条，有对餐品、服务的肯定，有对配送、包装、口感等的不满，还有对门店的各种建议等，但传统分析方式效率太低，完全无法满足业务需求，挑战主要体现在三个方面：

•人工筛查成本高：运营团队需逐条阅读海量评论，难以快速定位问题；

•第三方工具效果不佳：原有供应商的标签模型准确率低，尤其无法处理方言、错别字及隐性评价（如“等餐半小时，真是高效率”这类反讽）；

•分析维度固化：静态分类标签无法捕捉如菜品反馈、包装破损等新兴问题，导致业务响应滞后。

因此，遇见小面非常需要一款基于AI能力的客户口碑分析系统， 能够帮助小面快速吸纳来自消费者的各种意见与建议，并通过AI对能力自动识别消费者声音指向，并且还能按照门店，具体商品，服务等多级别多维度来分类，提高餐品水平和服务质量。

深演解法

深演VOC 智能体 ，AI洞察客户声音

针对遇见小面的业务痛点，深演智能打造的 AI VOC（客户之声）智能体正好满足所需，一方面建立了动/静态 AI 智能双分类体系实现了科学的标签分类，一方面利用 AI 语义收敛技术和端到端的数据闭环能力，帮助遇见小面极大提高了线上口碑管理的效率：

AI也能生成标签。深演智能 AI VOC智能体将遇见小面在各渠道的评论数据做了精准分类：一方面用多层级固定分类体系来预置如服务、菜品、环境等业务核心维度，精准识别标准化问题；一方面对无法简单定义的数据采取动态标签生成：AI 自动挖掘评论中的新需求与风险点（例如发现“取餐动线欠佳”等高频语意），支持客户动态扩展分类，解决了标签体系科学完整的问题。

AI 语义收敛技术，统计结果可直接用于业务决策。深演智能AI VOC 智能体通过 AI 智能识别和合并评论中含义相近的表述，并可以将其自动归并到统一的业务标签下（如将“态度好”“服务员热情”归并为“服务积极”），避免同一问题被拆解成多个低频标签，极大程度上避免了标签碎片化，这使得统计结果能清晰反映核心问题分布，确保统计结果可直接驱动业务决策。

多层级识别标签能力。深演智能AI VOC 智能体支持多层级标签打标，对语料进行深度灵活的分类管理。系统深度融合大模型能力，可在任意层级上自主进行标签拓展，依据语义理解自动生成或推荐相关标签，极大提升了标签体系的适应性与丰富度。同时，系统还提供全层级标签数量约束功能，允许对每一层级设置最大标签数量限制，从而确保标签体系的结构清晰与规范管理，有效避免了标签的无序膨胀。

另外，基于深演智能成熟的端到端（End to End）能力，帮助遇见小面实现了端到端数据闭环。在合规的前提下，深演智能AI VOC 智能体支持从客户的数据库自动获取评论数据并进行分析处理；快速筛选出对优化业务有价值的评论数据后，将利用 AI 技术完成分类打标、菜品匹配等结构化数据工作；最后，结构化数据回传至客户系统，无缝对接其内部报表平台。

语料数据的统计与分析报告（图中数据仅为示例）

在深演智能AI VOC 智能体的支持下，遇见小面处理线上客户声音实现了巨大的效率升级：实现数千条评论全自动处理，人工审核工作量大幅降低；差评根因分析从“按天计算”提速至“分钟级响应”。 在业务决策上，深演智能AI VOC 智能体推动遇见小面从评论中快速查找出包装优化、菜品工艺改进等多项关键优化项；同时，门店客诉经深演智能AI VOC 智能体快速处理后可直接对接业务系统，客诉处理大幅提效，试点门店客诉率明显下降，系统也成为门店运营日报的核心数据源之一，支撑总部快速调整服务策略。

深演智能AI VOC 智能体除了帮助企业迅速识别客户声音中的各种业务问题，还能采用AI生成包括产品创新、竞品分析、人群画像等多个维度的AI洞察，极大程度挖掘消费者声音的价值，让客户的声音不再停留在舆情层面，而是成为帮助企业提高全方位的能力的发动机。 除了餐饮行业，深演智能AI VOC 智能体已经服务了快消、美妆、食品、汽车等多个行业的头部客户，成为AI赋能企业决策的必选产品。