معالجة اللغة - أجهزة كمبيوتر تقرأ وتفسر
أصبحت وسائل التواصل الاجتماعي جزءاً لا يتجزأ من كيفية تفاعل الناس وتواصلهم. تُرسل مليارات الرسائل يومياً عبر منصات متعددة، سواء عن طريق النشر العلني أو المراسلة المباشرة. شارك الشخصيات العامة والمنظمات وكيانات أخرى بيانات وآراء تتعلق بمواضيع مختلفة ووجهت الخطاب العام بين عامة الناس. بالنظر إلى الكمية الهائلة من التعليقات والرسائل الموجهة نحو حسابات وسائل التواصل الاجتماعي، من الممكن اكتشاف المشاعر العامة.
تتاح فرصة لقياس المشاعر المعبر عنها على المستوى الكلي عبر وسائل التواصل الاجتماعي. ستستكشف هذه المقالة الذكاء الاصطناعي وتطبيقه على وسائل التواصل الاجتماعي ومصادر أخرى للمعلومات النصية التي تحمل في طياتها تلميحات عاطفية وكيفية تنفيذه داخل مؤسستك.
حل المشكلة عبر الذكاء الاصطناعي
تنتج أنظمة تحليل المشاعر عادةً المخرجات النموذجية التالية عند تغذيتها بمدخلات نصية تقدم تفسيرًا فئويًا للنص الأساسي:
- إيجابي - المحتوى النصي ذو نبرة إيجابية وعاطفية
- محايد - المحتوى النصي ذو نبرة سلبية وعاطفية
- سلبي - المحتوى النصي ذو نبرة سلبية وعاطفية
من المهم ملاحظة أن الأشخاص قاموا بتنسيق المعجمات على مدار سنوات عديدة، مما يؤكد على ضرورة وجود بيانات عالية الجودة لأنظمة الذكاء الاصطناعي لتعمل بشكل جيد وتحقق الأهداف المرجوة.
نظرة عامة على التحدي التنظيمي
بالنظر إلى نقاط نهاية الاتصالات المتعددة وحجم ما تديره المؤسسات، يصعب تتبع المشاعر عبر المؤسسة. قد يكون الموظفون والعملاء منتشرين عبر مناطق أو مجالات أو أقسام مختلفة حيث يعبر أصحاب المصلحة والعملاء عن مشاعر إيجابية بينما يمثل آخرون مشاعر سلبية. وبالتالي، فإن تحديد المشاعر عبر الطيف الكامل لما تديره المؤسسة أمر صعب.
من الضروري فهم التصورات التنظيمية العامة سواء داخلياً أو خارجياً. تقليدياً، كانت الاستطلاعات تؤدي هذه الوظيفة، على الرغم من أنها قد تكون متحيزة بناءً على الأفراد المتحمسين لملئها. يمكن أن يساهم استخدام وسائل التواصل الاجتماعي ومصادر البيانات الأخرى في فهم المشاعر التنظيمية. على سبيل المثال، علامة ملابس متعددة الجنسيات ومعروفة جيداً مثل Adidas، بحضور عبر دول متعددة تزاول أعمالها بلغات مختلفة عبر العديد من الخلفيات الثقافية المختلفة. من المرجح أن تُلاحظ مستويات مختلفة من المشاعر عبر المناطق المتنوعة. يعد تحديد المشاعر السلبية طريقة جيدة لمعالجة أسبابها، مما يؤدي إلى المزيد من المبيعات وبالتالي المساهمة في صافي الأرباح.
البيانات التنظيمية المتاحة كمدخلات لـ AI
القوائم التالية لمصادر البيانات المحتملة التي يمكن استخدامها كوسيلة لتحليل المشاعر:
- منصات وسائل التواصل الاجتماعي بما في ذلك Facebook و Twitter و Instagram و TikTok
- أنظمة إدارة علاقات العملاء بما في ذلك Salesforce و Microsoft CRM
- رسائل البريد الإلكتروني والخطابات التنظيمية المرسلة بين الموظفين والعملاء
- أنظمة مراكز الاتصال مثل Cisco و Google Voice قادرة على توفير نسخ للمحادثات
- مواقع تجميع المراجعات مثل مراجعات Google و Facebook التي تُقيّم الشركات المُدرجة بتقييم يتراوح بين 1-5 نجوم
تظهر بعض مشكلات البيانات عند الجمع بين المعلومات من مصادر متعددة. وتتمثل إحدى المشكلات الواضحة في كيفية ربط العملاء عبر مجموعات البيانات المختلفة بدقة. في دراسة الحالة هذه، نقترح معاملتهم ككيانات مستقلة لاكتشاف المشاعر الإجمالية عبر مؤسسة بأكملها وليس على مستوى فردي مستهدف. ونظراً لطول المدخلات النصية، يجب اختيار هياكل البيانات بعناية في كل من مخطط قاعدة البيانات وداخل البرامج النصية المختلفة المستخدمة لمعالجة البيانات نفسها.
منهجية التكامل
فيما يلي نظرة عامة على العملية التي سنقوم بها على مستوى عالٍ لتحليل المصادر النصية داخل مؤسسة:
- تحديد المراجع النصية والأنظمة التي تلتقطها، وتحديد النص المناسب كمرشح للتحليل
- استخرج المصادر النصية عبر REST APIs وقم بتغذيتها إلى مزود حوسبة سحابية للتحليل في الوقت الفعلي
- قم بتمرير الخلاصات عبر Telemus AI™ وأعد خلاصات الفيديو المعززة إلى نظام مراقبة الأمان
- قم بإعداد تنبيهات مخصصة لموظفي الأمن بناءً على ما يتم اكتشافه
نظرًا لأن Telemus AI™ يتولى معظم العمل، يمكن للمؤسسة التركيز على منطق العمل وتفسير النتائج بدلاً من التنفيذ التقني.
التطبيقات التنظيمية
القائمة التالية لتطبيقات محتملة أخرى لمؤسستك:
- امسح نقاط نهاية وسائل التواصل الاجتماعي عبر مؤسسة وحدد المشاعر العامة.
- مراقبة ملاحظات العملاء على أنظمة CRM مثل Salesforce لتحديد محتوى الملاحظات.
- مسح رسائل البريد الإلكتروني للحصول على مقياس إجمالي مجمع للمشاعر عبر مؤسسة.
- معالجة نصوص المحادثات الهاتفية تلقائياً وتحديد تجارب العملاء الإيجابية والسلبية على حد سواء.
- مسح التعليقات المتروكة على مواقع تجميع المراجعات بالإضافة إلى التقييم.
- الكشف التلقائي عن السلوك المعادي للمجتمع الذي يتم عبر الوسائط الرقمية ومواجهته قبل تفاقمه مما يؤدي إلى تحسين تجربة المستخدم.
نظراً لوجود العديد من مصادر البيانات التي يمكن للمؤسسات الوصول إليها عادةً، نوصي بتمريرها إلى بحيرة بيانات قبل تغذيتها في نظام ذكاء اصطناعي؛ سيساعد ذلك في ضمان التكرار والقابلية للتدقيق.
الفوائد المحتملة والمتحققة
يوفر الفهم الأكثر تفصيلاً للتصورات العامة لمؤسسة سواء من الداخل أو في الخارج فوائد كبيرة في إدارة العلاقات بشكل استباقي. يمكن أن يوفر تفسير التعليقات والتصرف بناءً عليها منتجًا أو خدمة أفضل للمساهمين والعملاء. في عالم رقمي بشكل متزايد، تحتاج المؤسسات إلى فهم ما يقوله بصمتها الرقمية عنها. يمكن أن يساعد الفهم الأعمق للتركيبة الديموغرافية للأماكن التي تصل منها مثل هذه التعليقات أيضًا في تحسين التجارب للجميع.
Telemus AI™ هي شركة ذكاء اصطناعي مقرها أستراليا تقدم حلولاً متقدمة للحكومات والمؤسسات. اتصل بنا اليوم للحصول على استشارة مجانية حول كيفية دمج Telemus AI™ في مؤسستك.
