其他行业 · AI应用
利用 AI 分析客户反馈
Thematic 面临从海量客户反馈数据中提取有意义洞察的挑战，这对组织来说往往令人不知所措且耗时。为解决这一问题，Thematic 使用 Amazon Bedrock 实施了生成式 AI 技术，使其能够高效处理数百万条反馈评论。这种方法不仅通过提供可操作的洞察加速了决策，还以低延迟提升了数据处理性能。结果，Atlassian 和 DoorDash 等全球大公司受益于数据主权法规合规性的改善，最终实现了更明智的战略和更好的客户参与。
01
业务背景
Thematic 面临从海量客户反馈数据中提取有意义洞察的挑战，这对组织来说往往令人不知所措且耗时。为解决这一问题，Thematic 使用 Amazon Bedrock 实施了生成式 AI 技术，使其能够高效处理数百万条反馈评论。这种方法不仅通过提供可操作的洞察加速了决策，还以低延迟提升了数据处理性能。结果，Atlassian 和 DoorDash 等全球大公司受益于数据主权法规合规性的改善，最终实现了更明智的战略和更好的客户参与。
02
遇到的问题
Thematic 面临着两个主要挑战：一是需要更快速有效的方法处理来自调查、评论和支持对话的数百万条反馈评论，将其实时转化为清晰可操作的洞察；二是确保全球客户的安全与合规性，满足不同区域的数据主权法规，同时不牺牲洞察的速度和质量。
03
AI 解决方案
Thematic 利用 Amazon Bedrock 上现成的大型语言模型（LLMs）执行提取主题、应用过滤器、总结反馈等数百项任务，无需自建 LLM。它结合传统基于规则的系统与 AI 驱动的发现，根据行业需求定制洞察。此外，Thematic 依托 AWS 的弹性与安全基础设施，满足了客户严格的安全合规与数据主权要求。
04
实施结果
该案例未在来源材料中披露量化效果指标，具体成效请参考下方信息来源。
05
风险与边界
未披露
“Using Amazon Bedrock is just so easy. Whenever we design a solution we do test more than 10 LLMs.”
Nathan Holmberg · CTO and Co-Founder, Thematic
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。