方方环宇
Portfolio · AI Data Products

方环宇.

AI 数据分析产品 · 从业务现场到可用产品
浏览作品 →
Selected Works

三个可交互的产品 Demo

每个 Demo 都可以直接操作，数据均为合成或脱敏样本，用于展示产品形态、交互方式和对业务问题的理解。

01 客诉运营平台 · 已上线使用

知音 · 客诉分析平台

从咨询实践中沉淀的 AI 分析产品

业务方手里有海量热线录音，却很难回答“该先解决哪类问题、问题具体长什么样”。 平台把咨询中人工完成的分析流程固化下来：大模型对每条客诉做多维打标， 看板按“监测 → 选题 → 解题”组织，结论都能一路下钻回到客户原声。

  • 监测按产线、工单类型、时间监测客诉变化，定位增长最快的问题。
  • 选题标签树、TopN 与提及率 × 增长率象限图，帮助识别优先课题。
  • 解题对任一标签二次聚类下钻，把宽泛的问题拆成可行动的具体现象。
  • 工作流“摘录 → 概括 → 思考 → 打标 → 校验”五步打标，审核重打控制模型幻觉。
LLM 多维打标两轮聚类下钻分析AI 问数MCP 数据接口
进入 Demo → 脱敏样本 · 免登录演示
02 业务定制 · 2 周迭代 14 版

体验质量分析看板

根据业务需求深度定制 + 敏捷迭代

客诉看板擅长回答“哪类问题多”，但产品团队还想知道“哪类问题伤体验最深”。 在客诉平台的基础上，为新业务方从打标工作流到看板功能整体定制：新增情绪、产品功能等维度， 搭建从客诉视角到产品视角的下钻路径，层层定位高优先级的体验问题。

  • 多视角同一批客诉，可按客户问题、产品功能、质量特性、情绪切换查看。
  • 按程度排序综合情绪、功能重要性和问题后果计算体验得分，不只看数量。
  • 即时分析选定范围后一键生成问题分析，支持多任务并发与排队，标签上显示进度。
  • 回到原声现象组 → 工单 → 客户原声逐层展开，结论都有依据。
多视角标签体验得分现象聚类并发分析队列
进入 Demo → 问题分析实时调用大模型
03 客户之声 · 2 个月开发部署

问数 VOC ·
客户访谈问答

每个结论，都能追溯到客户的原话

团队的访谈资料散落各处，分析质量依赖个人经验。产品自动汇总访谈录音与纪要， 用自然语言即可检索、提问，并按 ODI 方法生成结构化分析报告，为访谈分析设一条质量底线。

  • 问答自然语言提问，回答中每条结论都标注引用，点击即可定位原文。
  • 报告按 ODI 方法输出结构化报告：客户画像、任务、痛点与机会。
  • 云地协同大模型在云端，原始数据留在客户侧，通过 MCP 只读检索，只回传获准片段。
RAG 检索问答引用溯源ODI 报告MCP · 云地协同
进入 Demo → 脱敏样例访谈
Approach

从现场问题，
到嵌入工作流的产品

上面三个作品，都是按同一条路径做出来的。

01 · 理解任务

扎进业务现场

听录音、读工单、访谈用户，用 JTBD / ODI 拆解业务方真正要完成的分析任务。

02 · 定义口径

设计标签体系

从真实文本中由细到粗聚类，与业务方共同校准，形成可复用、可下钻的分析维度。

03 · 构建产品

AI 工作流 + 看板

大模型批量打标、聚类与问答，配合监测、选题、下钻和溯源的交互设计。

04 · 闭环迭代

持续校准效果

固定样本 → 诊断 → 开发 → 测试 → 控制，只保留被验证有效的改动。