蒙特雷人工智能将客户的声音转化为即时的产品洞察

联合创始人蒋纯（音译，Chun Jiang） 和本·克莱默(Ben Kramer)解释了蒙特雷如何将用户在支持日志、聊天消息和社交帖子中的反馈转化为可操作的产品设计见解，以及他们为什么加入康卡斯特NBCUniversal LIFT实验室生成式人工智能加速器。

作为旧金山一家高增长公司的产品设计师，蒋纯同时处理了许多项目，朋友们常常想知道她是如何完成的。她渴望有一天人工智能能帮上忙。

“我痴迷于自动化我的工作，”联合创始人蒋纯说

具体来说，她希望简化分析来自各种不同来源的用户反馈的过程——但是这个过程是手动的、费力的、容易出错的。

因此，她与同事本·克莱默合作推出了蒙特雷人工智能(Monterey AI)，这是一个产品开发副驾驶，帮助组织收集用户反馈，推动见解，并采取行动，带来更好的客户体验。它的工作原理是分析用户反馈数据，如客户支持日志、聊天消息、社交帖子和直接提交的反馈，允许团队使用自然语言与这些数据进行交互。

例如，一家游戏公司使用Monterey筛选Discord上的数千条用户信息，标记有关错误和故障、玩法问题和新功能请求的通信。它还可以获取每个用户的元数据，以了解他们是否经常玩游戏，以及他们在游戏上花了多少钱。

“这是关于使用自然语言来获得有意义的见解，并进行数据驱动的产品升级”——蒋纯

“数据收集后，产品经理可以问这样的问题:用户最常见的抱怨是什么?上个月客户发现了哪些bug ?然后，他们可以迅速将这些信息发送给工程团队来改进产品。”

两位创始人申请了康卡斯特nbc环球LIFT实验室加速器，因为它专注于帮助初创企业与康卡斯特nbc环球建立战略合作伙伴关系。现在，蒙特雷正在与康卡斯特的多个团队合作，为全公司提供可扩展和可操作的产品分析解决方案。

“我从未见过专门为帮助你获得企业客户的试点项目而设计的加速器。价值是如此明确。”有机会更多地了解业务，了解顶级组织的领导者如何与初创企业合作，这是非常宝贵的。”

设定优先级和管理目标

在蒙特雷会议之前，产品团队很难收集、分类和分析用户反馈——这意味着他们只能根据高管或销售人员的轶事意见进行升级。倾听最响亮的声音并不总是可靠的产品设计策略。

“我们的工具分析了大量数据，解释了最终用户真正想要什么和需要什么。”

——Ben Kramer，联合创始人

“产品团队很难理解该做什么，什么时候做，”克莱默说。“我们帮助团队找出问题所在，这样他们就可以进行产品更新，吸引新用户，最大限度地减少流失。”在不久的将来，Monterey计划继续改进安全性、规模和用户体验。随着时间的推移，越来越多的公司使用这项技术，他们计划将其能力扩展到新的数据集和垂直领域。

“我们最初并没有意识到这个平台的应用范围有多广，”蒋说。“在我们之前的经验中，我们总是先专注于一个垂直领域，然后再扩展到其他领域。但我们实际上可以同时服务于很多垂直领域，所以这种大型语言模型技术带来的可扩展性是非常令人难以置信的。我们对即将到来的一切感到兴奋。”