Keeletehnoloogia - Arvutid, mis loevad ja tõlgendavad
Sotsiaalmeedia on saanud lahutamatuks osaks sellest, kuidas inimesed suhtlevad ja suhtlevad. Iga päev edastatakse miljardeid sõnumeid mitmel platvormil, olenemata sellest, kas postitatakse avalikult või sõnumid saadetakse otse. Avalikud tegelased, organisatsioonid ja muud üksused on jagatud avaldusi ja arvamusi erinevatel teemadel ning suunanud avalikku arutelu üldsuse seas. Arvestades sotsiaalmeedia kontode poole suunatud kommentaaride ja sõnumite tohutut hulka, on võimalik tuvastada üldist meelsust.
On võimalus hinnata sotsiaalmeedia kaudu makrotasandil väljendatud meelsust. See artikkel uurib tehisintellekti ja selle rakendamist sotsiaalmeedias ning muudes tekstiteabe allikates, mis sisaldavad meelsuse alatoone, ja kuidas seda teie organisatsioonis rakendada.
Probleemi lahendamine tehisintellekti abil
Meelsusanalüüsi süsteemid toodavad tavaliselt järgmised tüüpilised väljundid, kui neid varustatakse tekstiliste sisenditega, mis annavad aluseks oleva teksti kategoorilise tõlgenduse:
- Positiivne - Tekstiline sisu on positiivse alatoon ja tundlikkusega
- Neutraalne - Tekstiline sisu on negatiivse alatooni ja sentimentaalsusega
- Negatiivne - Tekstiline sisu on negatiivse alatooni ja sentimentaalsusega
On oluline märkida, et inimesed on leksikone aastate jooksul koostanud, rõhutades, et tehisintellekti süsteemide heaks toimimiseks ja soovitud eesmärkide saavutamiseks on vaja kvaliteetseid andmeid.
Ülevaade organisatsioonilisest väljakutsest
Mitme side lõpp-punkti ja organisatsioonide tegevuse mahu tõttu on keeruline jälgida meelestatust kogu organisatsioonis. Töötajad ja kliendid võivad olla levinud erinevatesse piirkondadesse, aladesse või osakondadesse, kus huvigrupid ja kliendid väljendavad positiivset meelestatust, samas kui teised esindavad negatiivset meelestatust. Seega on meelestatuse määramine kogu organisatsiooni tegevuse spekteris keeruline.
On hädavajalik mõista üldisi organisatsioonilisi tajusid nii sise- kui ka väljastpoolt. Traditsiooniliselt on seda funktsiooni täitnud uuringud, ehkki need võivad olla moonutatud vastajate isiklike motiivide tõttu. Sotsiaalmeedia ja muude andmeallikate kasutamine võib aidata kaasa organisatsiooni meeleolude mõistmisele. Näiteks rahvusvaheline ja tuntud rõivabränd nagu Adidas, mis tegutseb mitmes riigis ja tegeleb äritegevusega erinevates keeltes ning paljudes erinevates kultuurilistes taustades. Erinevatel piirkondadel on tõenäoliselt erinevad meeleolude tasemed. Negatiivse meeleolu tuvastamine on hea viis selle põhjuste kõrvaldamiseks, mis viib suurema müügini ja seeläbi panustab kasumisse.
AI sisendina kättesaadavad organisatsioonilised andmed
Järgnev on potentsiaalsete andmeallikate loend, mida saab kasutada meeleolu analüüsi vahendina:
- Sotsiaalmeedia platvormid, sealhulgas Facebook, Twitter, Instagram, TikTok
- Kliendisuhete haldussüsteemid, sealhulgas Salesforce, Microsoft CRM
- Töötajate ja klientide vahel saadetavad organisatsioonilised e-kirjad ja kirjad
- Kõnekeskuse süsteemid nagu Cisco ja Google Voice suudavad pakkuda vestluste transkriptsioone
- Ülevaateagregaatorid nagu Google ja Facebook, mis hindavad loetletud ettevõtteid 1-5 tärni vahel
Mitmest allikast pärit teabe kombineerimisel esineb teatud andmeprobleeme. Ilmne probleem on see, kuidas siduda kliente erinevates andmekogumites täpselt. Selles juhtumiuuringus soovitame käsitleda neid sõltumatute üksustena, et avastada kogu organisatsiooni üldine meelsus ja mitte keskenduda üksikisikutele. Arvestades tekstisisendi pikkust, tuleb andmestruktuurid valida hoolikalt nii andmebaasi skeemis kui ka erinevates skriptides, mida andmete töötlemiseks kasutatakse.
Integreerimise metoodika
Järgnev on ülevaade protsessist, mida me teeksime kõrgel tasemel tekstiliste allikate analüüsimiseks organisatsioonis:
- Tuvasta tekstilised viited ja süsteemid, mis neid hõlmavad, ning determineeri, milline tekst on analüüsiks sobiv kandidaat
- Eralda tekstilised allikad REST API-de kaudu ja edasta need pilvearvutuse teenusepakkujale reaalajas analüüsiks
- Jooksuta voog Telemus AI™ kaudu ja tagasta täiustatud videovoog turvaseiresüsteemile
- Seadistage kohandatud teavitused turvameeskonnale tuvastatu põhjal
Kuna Telemus AI™ teeb enamus tööst, saab organisatsioon keskenduda äriloogikale ja tulemuste tõlgendamisele pigem kui tehnilisele rakendamisele.
Organisatsioonilised rakendused
Järgnev loetleb teie organisatsiooni muud potentsiaalsed rakendused:
- Skaneeri organisatsiooni veebi sotsiaalmeedia otspunkte ja määra üldine meeleolu.
- Jälgida kliendimärkmeid CRM-süsteemides nagu Salesforce, et määrata kindlaks märkmete sisu.
- Meilide skaneerimine, et saada üldine koondmeeter meeleolust kogu organisatsioonis.
- Telefonivestluste transkriptsioonide automaatne töötlemine ning nii positiivsete kui ka negatiivsete kliendikogemuste tuvastamine.
- Ülevaateagregaatorite veebilehtedele jäetud tagasiside ja ka hinnangute skaneerimine.
- Digitaalsete vahendite kaudu esineva asotsiaalse käitumise automaatne tuvastamine ja selle vastu võitlemine enne eskaleerumist, mis viib parema kasutajakogemuseni.
Kuna organisatsioonidel on tavaliselt juurdepääs paljudele andmeallikatele, soovitame need suunata andmejärve enne tehisintellekti süsteemi sisestamist; see aitab tagada korratavuse ja auditeeritavuse.
Potentsiaalsed ja realiseerunud eelised
Organisatsiooni üldiste tajumiste üksikasjalikum mõistmine nii sees- kui ka väljaspool annab olulisi eeliseid suhete proaktiivses juhtimises. Tagasiside tõlgendamine ja sellele reageerimine võib pakkuda aktsionäridele ja klientidele paremat toodet või teenust. Üha digitaalsemas maailmas peavad organisatsioonid mõistma, mida nende digitaalne jalajälg neist räägib. Samuti aitab sellise tagasiside saabumise demograafilise koosseisu sügavam mõistmine parandada kõikide kogemusi.
Telemus AI™ on Austraalias baseeruv tehisintellekti ettevõte, mis pakub valitsusele ja ettevõtetele arenenud lahendusi. Võtke täna meiega ühendust tasuta konsultatsiooni saamiseks selle kohta, kuidas Telemus AI™ saab teie organisatsiooni integreerida.
