Przetwarzanie języka - Komputery, które czytają i interpretują

Systemy analizy wydźwięku zazwyczaj generują następujące typowe wyniki po podaniu im danych tekstowych, które dają kategoryczną interpretację tekstu bazowego:

• Pozytywny — Treść tekstowa ma pozytywny podton i sentymentalizm
• Neutralny - Treść tekstowa ma negatywne zabarwienie i sentymentalizm
• Negatywny - Treść tekstowa ma negatywne zabarwienie i sentymentalizm

Warto zauważyć, że leksykony były przez lata kuratorowane przez ludzi, co podkreśla, że systemy sztucznej inteligencji wymagają wysokiej jakości danych, aby działać dobrze i osiągać zamierzone cele.

Przegląd wyzwania organizacyjnego

Biorąc pod uwagę wiele punktów końcowych komunikacji i skalę działania organizacji, trudno jest śledzić sentyment w całej organizacji. Pracownicy i klienci mogą być rozproszeni w różnych regionach, obszarach lub działach, gdzie interesariusze i klienci wyrażają pozytywny sentyment, podczas gdy inni reprezentują negatywny sentyment. Zatem określenie sentymentu w całym spektrum działania organizacji jest trudne.

Kluczowe jest zrozumienie ogólnych percepcji organizacyjnych zarówno wewnętrznych, jak i zewnętrznych. Tradycyjnie tę funkcję pełniły ankiety, choć mogą one być stronnicze w zależności od osób zmotywowanych do ich wypełniania. Wykorzystanie mediów społecznościowych i innych źródeł danych może przyczynić się do zrozumienia sentymentu organizacyjnego. Przykładowo, międzynarodowa i szeroko rozpoznawalna marka odzieżowa, taka jak Adidas, obecna w wielu krajach, prowadząca działalność w różnych językach i w wielu różnych środowiskach kulturowych. W różnych regionach prawdopodobnie zostaną zaobserwowane różne poziomy sentymentu. Identyfikacja negatywnego sentymentu to dobry sposób na zajęcie się jego przyczynami, co skutkuje większą sprzedażą, a tym samym przyczynia się do poprawy wyników finansowych.

Dane organizacyjne dostępne jako dane wejściowe AI

Poniższa lista potencjalnych źródeł danych, które można wykorzystać jako środek analizy wydźwięku:

• Platformy mediów społecznościowych, w tym Facebook, Twitter, Instagram, TikTok
• Systemy zarządzania relacjami z klientami, w tym Salesforce, Microsoft CRM
• Organizacyjne e-maile i listy wysyłane między pracownikami a klientami
• Systemy call center, takie jak Cisco i Google Voice, są w stanie dostarczać transkrypcje rozmów
• Agregatory recenzji, takie jak recenzje Google i Facebook, które oceniają wyróżnione firmy w skali od 1 do 5 gwiazdek

Niektóre problemy z danymi pojawiają się przy łączeniu informacji z wielu źródeł. Oczywistym problemem jest to, jak dokładnie powiązać klientów w różnych zbiorach danych. W tym studium przypadku sugerujemy traktowanie ich jako niezależnych podmiotów w celu odkrycia zagregowanego wydźwięku w całej organizacji, a nie na poziomie indywidualnym. Ze względu na długość danych wejściowych w formie tekstowej, struktury danych muszą być starannie dobrane zarówno w schemacie bazy danych, jak i w różnych skryptach używanych do przetwarzania samych danych.

Metodologia integracji

Poniżej znajduje się przegląd procesu, który przeprowadzilibyśmy na wysokim poziomie w celu analizy źródeł tekstowych w organizacji:

1. Zidentyfikuj odniesienia tekstowe i systemy, które je przechwytują, i ustal, który tekst jest odpowiednim kandydatem do analizy
2. Ekstrakcja źródeł tekstowych za pomocą REST API i przesyłanie ich do dostawcy chmury obliczeniowej w celu analizy w czasie rzeczywistym
3. Przekaż strumienie przez Telemus AI™ i zwróć rozszerzone strumienie wideo z powrotem do systemu monitorowania bezpieczeństwa
4. Skonfiguruj spersonalizowane alerty dla personelu ochrony na podstawie tego, co zostanie wykryte

Biorąc pod uwagę, że Telemus AI™ zajmuje się większością pracy, organizacja może skupić się na logice biznesowej i interpretacji wyników, a nie na implementacji technicznej.

Zastosowania organizacyjne

Poniższa lista innych potencjalnych zastosowań dla Twojej organizacji:

• Skanuj punkty końcowe mediów społecznościowych online w całej organizacji i określ ogólny wydźwięk.
• Monitorowanie notatek klientów w systemach CRM, takich jak Salesforce, w celu określenia treści notatek.
• Skanowanie wiadomości e-mail w celu uzyskania ogólnej zagregowanej miary wydźwięku w całej organizacji.
• Automatyczne przetwarzanie transkrypcji rozmów telefonicznych i identyfikowanie zarówno pozytywnych, jak i negatywnych doświadczeń klientów.
• Skanowanie opinii pozostawionych na stronach agregatorów recenzji, a także oceny.
• Automatyczne wykrywanie zachowań antyspołecznych podejmowanych za pośrednictwem mediów cyfrowych i przeciwdziałanie im, zanim uległy one eskalacji, co prowadzi do poprawy doświadczeń użytkowników.

Ponieważ organizacje zazwyczaj mają dostęp do wielu źródeł danych, zalecamy przekazywanie ich do jeziora danych przed wprowadzeniem do systemu sztucznej inteligencji; pomoże to zapewnić powtarzalność i audytowalność.

Potencjalne i zrealizowane korzyści

Bardziej szczegółowe zrozumienie ogólnych postrzegań organizacji zarówno wewnątrz, jak i za granicą, zapewnia znaczące korzyści w proaktywnym zarządzaniu relacjami. Interpretowanie i wdrażanie opinii może zapewnić lepszy produkt lub usługę dla udziałowców i klientów. W coraz bardziej cyfrowym świecie organizacje muszą rozumieć, co mówi o nich ich cyfrowy ślad. Dalsze zrozumienie demograficznego składu miejsc, z których docierają takie opinie, może również pomóc w poprawie doświadczeń wszystkich.

Telemus AI™ to australijska firma zajmująca się sztuczną inteligencją, dostarczająca zaawansowane rozwiązania dla administracji rządowej i przedsiębiorstw. Skontaktuj się z nami już dziś, aby uzyskać bezpłatną konsultację na temat tego, jak Telemus AI™ może być wbudowane w Twoją organizację.