产品
AI 访谈专长：为什么选择 Elly，而不是 Copilot？
用 Copilot 几小时搭出来的聊天机器人，只在人们按预期回答时才管用。Elly 专为应对人们偏离脚本的各种情况而打造，因此不会落入可预测的套路。
示例Copilot 聊天机器人，几小时搭成
Elly
- 1突然换了话题未测试顺着聊，再深入追问
- 2想中途停下未测试提议暂停，稍后继续
- 3说出自己的感受未测试认真对待，再一起思考
- 4开了个玩笑未测试温和地拉回正题
- 5突然寻求建议未测试给出建议，再引回正题
分析
聚类：每个团队说了什么？
我们的分析把参与者所说的内容归纳为有名称的原因，并显示提出每个原因的参与者占比。然后按团队拆分每个原因，让您看清谁承担了什么。
示例
已命名的原因，按参与者占比
- 1工作量大，没有时间改进39%
- 2优先事项每周都在变33%
- 3团队之间的交接出问题29%
- 4成长空间太小27%
按团队，每个团队中提到它的比例
销售运营IT人力资源130%68%31%27%222%25%49%36%318%34%20%44%452%14%23%19%
每个团队自己的首要原因
- 销售 成长空间太小
- 运营 工作量大，没有时间改进
- IT 优先事项每周都在变
- 人力资源 团队之间的交接出问题
工作量大，没有时间改进，所以销售团队觉得成长空间太小。
分析
按团队交叉分析：选一个团队，看它承担了哪些原因。
每个已命名的原因都显示其背后的参与者占比，并按团队拆分。选一个团队，其余的会淡出。
示例，已匿名化
项目开始时客户需求不清晰，项目进行中范围变更过多
43% 的参与者
管理层和母公司一味推动更多项目和营收
21% 的参与者
没有首席工程师牵头制定并跨团队维护标准
21% 的参与者
来自 Controls & Automation 的参与者提到了三个原因中的两个。
来自 Procurement 的参与者提到了全部三个原因。
来自 Engineering 的参与者提到了三个原因中的两个。
来自 Production 的参与者提到了三个原因中的两个。
来自 Customer Support 的参与者提到了三个原因中的两个。
分析
AI 可能产生幻觉。我们逐字核对每一条引述。
繁重的工作由我们的分析完成。随后，我们的确定性校验层把每条引述与访谈记录逐一比对，可靠且一致。
一个示例。分析从 750 场对话中得出结论：创业者困在眼前的工作里，无暇布局明天的增长。分析为此找到了 1000 条引述。我们的确定性校验层把每一条都与访谈记录逐字比对，每一次结果都可靠且一致。几乎所有引述都找到了出处。少数几条没有任何人说过，比如“我们一年内就会破产”：这些就是幻觉，已被删除。
