Обработка языка - Компьютеры, которые читают и интерпретируют

Системы анализа тональности обычно выдают следующие типичные результаты при получении текстовых входных данных, которые дают категориальную интерпретацию лежащего в основе текста:

• Положительный — Текстовое содержание имеет положительный подтекст и эмоциональную окраску
• Нейтральный — Текстовое содержание имеет негативный подтекст и эмоциональную окраску
• Негативный — Текстовое содержание имеет негативный подтекст и эмоциональную окраску

Важно отметить, что люди составляли эти лексиконы на протяжении многих лет, что подчеркивает необходимость высококачественных данных для эффективной работы систем искусственного интеллекта и достижения желаемых целей.

Обзор организационной проблемы

С учетом множества конечных точек связи и масштабов деятельности организаций отслеживать тональность настроений внутри организации затруднительно. Сотрудники и клиенты могут быть распределены по различным регионам, зонам или отделам, где одни заинтересованные стороны и клиенты выражают позитивную тональность, в то время как другие демонстрируют негативную. Таким образом, определение тональности во всем спектре деятельности организации является сложной задачей.

Крайне важно понимать общее восприятие организации как внутри, так и снаружи. Традиционно эту функцию выполняли опросы, хотя они могут быть искажены в зависимости от лиц, мотивированных на их заполнение. Использование социальных сетей и других источников данных может помочь в понимании настроений в организации. Например, транснациональный и широко известный бренд одежды, такой как Adidas, присутствующий во многих странах, ведущий бизнес на разных языках в различных культурных условиях. В разных регионах, вероятно, будут наблюдаться разные уровни настроений. Выявление негативных настроений — хороший способ устранения их причин, что приводит к увеличению продаж и, таким образом, влияет на итоговую прибыль.

Организационные данные, доступные в качестве ввода для AI

Ниже перечислены потенциальные источники данных, которые могут быть использованы в качестве средства анализа тональности:

• Платформы социальных сетей, включая Facebook, Twitter, Instagram, TikTok
• Системы управления взаимоотношениями с клиентами, включая Salesforce, Microsoft CRM
• Организационные электронные письма и письма, отправляемые между сотрудниками и клиентами
• Системы колл-центров, такие как Cisco и Google Voice, способны предоставлять расшифровки разговоров
• Агрегаторы отзывов, такие как отзывы Google и Facebook, которые оценивают включенные в список предприятия от 1 до 5 звезд

При объединении информации из нескольких источников возникают некоторые проблемы с данными. Очевидная проблема заключается в том, как точно связать клиентов между различными наборами данных. В этом примере использования мы предлагаем рассматривать их как независимые субъекты, чтобы выявить совокупную тональность во всей организации, а не на уровне отдельного человека. Учитывая длину текстового ввода, структуры данных должны быть тщательно выбраны как в схеме базы данных, так и в различных скриптах, используемых для обработки самих данных.

Методология интеграции

Ниже представлен обзор процесса, который мы выполнили бы на высоком уровне для анализа текстовых источников в организации:

1. Определите текстовые ссылки и системы, которые их фиксируют, определите, какой текст является подходящим кандидатом для анализа
2. Извлечение текстовых источников через REST API и передача их поставщику облачных вычислений для анализа в реальном времени
3. Пропустите потоки данных через Telemus AI™ и верните дополненные видеопотоки обратно в систему мониторинга безопасности
4. Настройте персонализированные оповещения для сотрудников службы безопасности на основе того, что обнаружено

Учитывая, что Telemus AI™ берет на себя большую часть работы, организация может сосредоточиться на бизнес-логике и интерпретации результатов, а не на технической реализации.

Организационные приложения

Ниже перечислены другие потенциальные области применения для вашей организации:

• Сканирование конечных точек онлайн-социальных сетей в организации и определение общего настроения.
• Мониторинг заметок клиентов в CRM-системах, таких как Salesforce, для определения содержания заметок.
• Сканирование электронной почты для получения общей агрегированной метрики настроений в организации.
• Автоматическая обработка расшифровок телефонных разговоров и выявление как положительного, так и отрицательного клиентского опыта.
• Сканирование отзывов, оставленных на сайтах-агрегаторах отзывов, а также оценок.
• Автоматическое обнаружение антисоциального поведения в цифровых средах и противодействие ему до его эскалации, что приводит к улучшению пользовательского опыта.

Поскольку у организаций обычно есть доступ ко многим источникам данных, мы рекомендуем передавать их в озеро данных перед загрузкой в систему искусственного интеллекта; это поможет обеспечить воспроизводимость и аудируемость.

Потенциальные и реализованные преимущества

Более детальное понимание общего восприятия организации как внутри, так и за ее пределами, дает значительные преимущества в проактивном управлении отношениями. Интерпретация и применение обратной связи может обеспечить лучший продукт или услугу для акционеров и клиентов. Во все более цифровом мире организациям необходимо понимать, что говорит о них их цифровой след. Дальнейшее понимание демографического состава там, откуда поступает такая обратная связь, также может помочь улучшить впечатления для всех.

Telemus AI™ — это австралийская компания в сфере искусственного интеллекта, предоставляющая передовые решения для государственных учреждений и предприятий. Свяжитесь с нами сегодня для бесплатной консультации о том, как Telemus AI™ может быть внедрена в вашу организацию.