Transforming the Voice of the Customer: Large Language Models for Identifying Customer Needs
यह शोध पत्र यह प्रदर्शित करता है कि सुपरवाइज्ड फाइन-ट्यून्ड लार्ज लैंग्वेज मॉडल्स गुणात्मक डेटा से ग्राहकों की आवश्यकताओं की पहचान और उनके निरूपण को प्रभावी ढंग से स्वचालित कर सकते हैं, जो पेशेवर विश्लेषकों के प्रदर्शन के बराबर या उससे बेहतर है और साथ ही उत्पाद नवाचार के लिए स्केलेबल, उच्च-लीवरेज इनसाइट्स को सक्षम बनाता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक रहस्य सुलझाने वाले जासूस हैं जो एक पहेली को हल करने की कोशिश कर रहे हैं: आपके ग्राहक वास्तव में क्या चाहते हैं?
व्यापार की दुनिया में, इसे "ग्राहक की आवाज़" (Voice of the Customer) खोजना कहा जाता है। दशकों से, कंपनियों ने विशेषज्ञ जासूसों (मार्केटिंग एनालिस्ट) की टीमें काम पर रखी हैं ताकि वे हजारों उलझे हुए, भ्रमित करने वाले ग्राहकों के रिव्यूज, इंटरव्यू ट्रांसक्रिप्ट और शिकायतों को पढ़ सकें। उनका काम इन उलझे हुए मानवीय आक्रोश को उत्पाद डिजाइनरों के लिए स्पष्ट, कार्रवाई योग्य निर्देशों में अनुवाद करना है।
समस्या: यह एक घास के ढेर में एक विशिष्ट सुई खोजने जैसा है, लेकिन घास का ढेर आग की लपटों में है, और सुइयां अदृश्य स्याही से बनी हैं। इसमें बहुत समय लगता है, भारी लागत आती है, और आप थक जाने से पहले रिव्यूज के केवल एक छोटे से हिस्से को ही पढ़ पाते हैं।
नया समाधान: यह शोध पत्र एक सरल प्रश्न पूछता है: क्या एक सुपर-स्मार्ट AI (एक लार्ज लैंग्वेज मॉडल या LLM) हमारे लिए यह जासूसी का काम कर सकता है?
लेखक, जो MIT और Northwestern के शोधकर्ता हैं, उन्होंने केवल AI से "अनुमान लगाने" के लिए नहीं कहा। उन्होंने इसे एक विशेष ट्रेनिंग कैंप दिया। यहाँ उनकी खोज की कहानी है, जिसे सरल शब्दों में समझाया गया है।
1. "रॉ" (Raw) AI बनाम "ट्रेन्ड" (Trained) AI
शोधकर्ताओं ने दो प्रकार के AI का परीक्षण किया:
- "रॉ" AI: यह एक सामान्य-उद्देश्य वाला AI है (जैसे एक बहुत बुद्धिमान कॉलेज छात्र जिसने पूरा इंटरनेट पढ़ रखा है)। यदि आप उससे पूछते हैं, "इस ग्राहक को क्या चाहिए?" तो वह अक्सर एक सामान्य, सतही उत्तर देता है। वह कह सकता है, "ग्राहकों को एक बेहतर टूथब्रश चाहिए।" यह सच है, लेकिन यह मददगार नहीं है। यह एक जासूस के ऐसा कहने जैसा है, "चोर ने कुछ चुरा लिया।" ठीक है, लेकिन उसने क्या चुराया?
- "टled" AI (SFT): शोधकर्ताओं ने उसी AI को लिया और उसे हजारों उदाहरणों का उपयोग करके एक "बूट कैंप" दिया कि कैसे पेशेवर मानव जासूस इन मामलों को सुलझाते हैं। उन्होंने AI को पेशे के विशिष्ट नियम सिखाए: मुझे समाधान मत दो; मुझे अंतर्निहित आवश्यकता बताओ। अस्पष्ट मत बनो; विशिष्ट बनो।
परिणाम: "रॉ" AI इस विशिष्ट कार्य के लिए आपदा था। वह बहुत सामान्य था। लेकिन "ट्रेन्ड" AI? उसने मानव विशेषज्ञों के समान प्रदर्शन किया, और कभी-कभी उनसे भी बेहतर।
2. "फाइन-ट्यूनिंग" का जादू (खाना बनाने का रूपक)
एक बुनियादी AI को एक मास्टर शेफ की तरह समझें जो दुनिया में लगभग कुछ भी पकाना जानता है। वह एक परफेक्ट स्टेक, एक नाजुक सूफ़ले या एक मसालेदार करी बना सकता है।
लेकिन यदि आप इस शेफ से एक विशिष्ट, अजीब क्षेत्रीय व्यंजन (जैसे कि एक "कस्टमर नीड स्टेटमेंट") बनाने के लिए कहते हैं, तो वह इसे बिगाड़ सकता है क्योंकि वह उस सटीक स्थानीय रेसिपी को नहीं जानता। वह बहुत अधिक नमक या गलत मसाला इस्तेमाल कर सकता है।
फाइन-ट्यूनिंग (Fine-Tuning) उस मास्टर शेफ को केवल उस एक विशिष्ट व्यंजन के लिए एक 50-पृष्ठ की रेसिपी बुक देने जैसा है। आप उन्हें फिर से खाना बनाना नहीं सिखा रहे हैं; आप बस उन्हें दिखा रहे हैं कि यह विशेष परिवार अपना खाना कैसे पसंद करता है।
- शोध पत्र में पाया गया कि आपको एक विशाल, महंगी रेसिपी बुक की आवश्यकता नहीं है। एक छोटी सी किताब (लगभग 600 उदाहरण) उस सामान्य शेफ को एक विशेषज्ञ में बदलने के लिए पर्याप्त थी जो हर बार उस व्यंजन को पूरी तरह से बना सके।
- इससे भी बेहतर: आपको एक "सुपर-शेफ" (एक विशाल AI) की आवश्यकता नहीं है। एक छोटा, सस्ता शेफ भी काम को उतना ही अच्छी तरह से कर सकता है जब उसके पास सही रेसिपी हो।
3. क्या AI ने "रट्टा मारकर" धोखाधड़ी की?
एक बड़ी चिंता यह थी: क्या AI केवल ट्रेनिंग बुक के उत्तरों को याद कर रहा है और उन्हें वापस उगल रहा है?
शोधकर्ताओं ने AI को एक प्रसिद्ध पुस्तक (जैसे ए टेल ऑफ़ टू सिटी्स) का एक उद्धरण देकर और उससे उसमें एक "ग्राहक की आवश्यकता" खोजने के लिए कहकर इसका परीक्षण किया।
- रॉ AI ने चतुर बनने की कोशिश की और मुक्ति (redemption) के बारे में एक गहरा, दार्शनिक उत्तर दिया।
- ट्रेन्ड AI ने गहरे अर्थ को नजरअंदाज कर दिया और अपने प्रशिक्षण का सख्ती से पालन किया। इसने टेक्स्ट को देखा और कहा, "यह प्रारूप (format) में फिट नहीं बैठता," या एक बहुत ही शाब्दिक, संरचित उत्तर दिया।
पाठ: AI एक मानव दार्शनिक की तरह "सोच" नहीं रहा था। इसने एक पैटर्न सीख लिया था। इसने सीखा कि कैसे बिखरे हुए टेक्स्ट को एक साफ, संरचित "नीड स्टेटमेंट" में बदला जाए। यह एक सामान्य विचारक के बजाय अनुवाद के लिए एक विशिष्ट मशीन बन गया।
4. यह सब कुछ कैसे बदल देता है
जूते बनाने वाली एक फैक्ट्री की कल्पना करें।
- पहले: वे 1,000 रिव्यूज पढ़ने के लिए 10 विशेषज्ञों को काम पर रखते हैं। इसमें एक महीना लगता है। वे 50 जरूरतें पाते हैं। वे 51वीं जरूरत को मिस कर देते हैं क्योंकि उनके पास समय खत्म हो जाता है।
- बाद में: वे ट्रेन्ड AI का उपयोग करते हैं। यह एक घंटे में 1,00,000 रिव्यूज पढ़ लेता है। यह 500 जरूरतें ढूंढ निकालता है। मानव विशेषज्ञ फिर केवल काम की दोबारा जांच करने और उन जरूरतों के लिए रचनात्मक समाधान सोचने के लिए आते हैं।
बड़ी जीत: AI उबाऊ, थकाऊ, "घास के ढेर में सुई खोजने" वाला काम इंसानों के प्लेट से हटा देता है। यह मानव विशेषज्ञों को वह करने के लिए मुक्त करता है जिसमें वे सर्वश्रेष्ठ हैं: रचनात्मक होना और समस्याओं को हल करना।
निचोड़
यह शोध पत्र सिद्ध करता है कि हमें मानव विशेषज्ञों को AI से बदलने की आवश्यकता नहीं है। इसके बजाय, हम अपने मानव विशेषज्ञों को एक सुपर-पावर्ड असिस्टेंट दे सकते हैं।
एक मानक AI को थोड़े से पेशेवर उदाहरणों के साथ "फाइन-ट्यून" करके, कंपनियां अब अपने ग्राहकों की आवाज को स्पष्ट रूप, तेजी से और कम लागत में सुन सकती हैं। यह एक जासूस को एक्स-रे चश्मे देने जैसा है जो बिखरी हुई शिकायतों के ढेर में छिपी जरूरतों को तुरंत प्रकट कर देता है।
संक्षेप में: AI जासूस को बदल नहीं रहा है; यह जासूस को एक बेहतर आवर्धक लेंस (magnifying glass) दे रहा है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।