每年，“反季节”销售都会为电子商务和零售行业带来可观的利润。为客户提供了多种选择。此类销售的计划，营销策略和执行需要长达一年的过程。但是，最艰巨的任务取决于零售商，即了解客户的需求和偏好。
零售商可以获取有关消费者需求和消费者反馈的大量数据。但是，由于技术有限的“混合数据”分析的复杂性，通常会将客户反馈的部分图片呈现给零售商。这变得难以理解客户需求的工作方式。通常，只有正面的反馈会显示在零售商面前，并且改善的范围变得有限。
为了使任何业务成功，必须了解客户的需求。它不仅有助于估计在交付和开发产品时可以部署的改进量，而且还使零售行业能够为这些需求提供新的变化。
但是，手动进行整个过程非常耗时且费力，尤其是在客户的需求和反馈达到历史最高水平的时候。因此，可以借助人工智能简化此复杂的任务。
理解NPS的AI文本分析
Mckinsey Insight的一份报告指出，人工智能可以在全球业务中产生1.4万亿美元至2.6万亿美元的营销价值，在供应链管理中可以创造1.2万亿美元至2万亿美元的价值。
AI Text Analytics是检查文本数据，电子邮件和在线聊天形式的客户反馈的过程，无需任何数据设置和维护即可检查大量数据。
净促销员分数(NPS)是一个介于-100到+100之间的指数，用于衡量客户评估或推广公司产品和服务的意愿。
NPS中的AI文本分析了解反馈和得分之间的相互关系，并帮助零售商检测NPS内的波动。
