Spracovanie jazyka - Počítače, ktoré čítajú a interpretujú

Systémy analýzy sentimentu zvyčajne produkujú nasledujúce typické výstupy, keď sa im dodajú textové vstupy, ktoré poskytujú kategóriovú interpretáciu základného textu:

• Pozitívne - Textový obsah má pozitívny podtón a sentimentalitu
• Neutrálny - Textový obsah má negatívny podtón a sentimentálnosť
• Negatívne - Textový obsah má negatívny podtón a sentimentálnosť

Je dôležité poznamenať, že ľudia kurárovali lexikóny po mnoho rokov, čo zdôrazňuje, že na to, aby systémy umelej inteligencie dobre fungovali a dosiahli požadované ciele, sú potrebné vysokokvalitné údaje.

Prehľad organizačnej výzvy

Vzhľadom na viacero komunikačných koncových bodov a veľkosť toho, čo organizácie prevádzkujú, je ťažké sledovať sentiment v rámci organizácie. Zamestnanci a zákazníci môžu byť rozptýlení v rôznych regiónoch, oblastiach alebo oddeleniach, kde zainteresované strany a zákazníci vyjadrujú pozitívny sentiment, zatiaľ čo iní reprezentujú negatívny sentiment. Určenie sentimentu v rámci celého spektra prevádzky organizácie je teda náročné.

Je nevyhnutné pochopiť všeobecné vnímanie organizácie zvnútra aj zvonka. Tradične túto funkciu plnili prieskumy, hoci tieto môžu byť skreslené na základe jednotlivcov, ktorí sú motivovaní ich vyplniť. Využitie sociálnych médií a iných zdrojov údajov môže prispieť k pochopeniu sentimentu organizácie. Ako príklad možno uviesť nadnárodnú a dobre známu značku oblečenia, ako je Adidas, ktorá pôsobí vo viacerých krajinách a podniká v rôznych jazykoch v mnohých rôznych kultúrnych prostrediach. V rôznych regiónoch sa pravdepodobne pozorujú rôzne úrovne sentimentu. Identifikácia negatívneho sentimentu je dobrým spôsobom, ako riešiť jeho príčiny, čo vedie k vyššiemu predaju a tým prispieva k zisku.

Organizačné údaje dostupné ako vstup pre AI

Nasledujúci zoznam potenciálnych dátových zdrojov, ktoré možno využiť ako prostriedok analýzy sentimentu:

• Platformy sociálnych médií vrátane Facebook, Twitter, Instagram, TikTok
• Systémy na správu vzťahov so zákazníkmi vrátane Salesforce, Microsoft CRM
• Organizačné e-maily a listy odoslané medzi zamestnancami a zákazníkmi
• Systémy kontaktných centier, ako sú Cisco a Google Voice, sú schopné poskytovať prepisy konverzácií
• Agregátory recenzií, ako sú recenzie Google a Facebook, ktoré hodnotia uvedené podniky medzi 1-5 hviezdičkami

Pri kombinovaní informácií z viacerých zdrojov sa objavujú niektoré problémy s údajmi. Zrejmým problémom je, ako presne prepojiť zákazníkov naprieč rôznymi súbormi údajov. V tejto prípadovej štúdii navrhujeme považovať ich za nezávislé entity, aby sa zistil agregovaný sentiment v rámci celej organizácie, a nie na úrovni jednotlivca. Vzhľadom na dĺžku textového vstupu musia byť dátové štruktúry starostlivo vybrané, a to ako v schéme databázy, tak v rámci rôznych skriptov používaných na spracovanie samotných údajov.

Metodika integrácie

Nasleduje prehľad procesu, ktorý by sme na vysokej úrovni vykonali na analýzu textových zdrojov v rámci organizácie:

1. Identifikujte textové odkazy a systémy, ktoré ich zachytávajú, určite, ktorý text je vhodným kandidátom na analýzu
2. Extrahujte textové zdroje prostredníctvom REST API a zadajte ich poskytovateľovi cloudových služieb na analýzu v reálnom čase
3. Spustite kanály cez Telemus AI™ a vráťte rozšírené video kanály späť do systému monitorovania bezpečnosti
4. Nastavte prispôsobené upozornenia pre bezpečnostný personál na základe toho, čo je detekované

Vzhľadom na to, že Telemus AI™ sa stará o väčšinu práce, organizácia sa môže sústrediť na obchodnú logiku a interpretáciu výsledkov, a nie na technickú implementáciu.

Organizačné aplikácie

Nasledujúci zoznam obsahuje ďalšie potenciálne aplikácie pre vašu organizáciu:

• Skenovanie online koncových bodov sociálnych médií v rámci organizácie a určenie celkového sentimentu.
• Sledovať poznámky zákazníkov v CRM systémoch, ako je Salesforce, na určenie obsahu poznámok.
• Skenovanie e-mailov na získanie celkovej agregovanej metriky sentimentu v rámci organizácie.
• Automaticky spracovávať prepisy telefonických konverzácií a identifikovať pozitívne aj negatívne skúsenosti zákazníkov.
• Skenovanie spätnej väzby zanechanej na webových stránkach agregátorov recenzií, ako aj hodnotenia.
• Automatická detekcia asociálneho správania prejavujúceho sa prostredníctvom digitálnych médií a jeho potlačenie pred eskaláciou, čo vedie k zlepšeniu používateľského zážitku.

Keďže organizácie zvyčajne majú prístup k mnohým zdrojom dát, odporúčame ich preniesť do dátového jazera pred vložením do systému umelej inteligencie; to pomôže zabezpečiť opakovateľnosť a auditovateľnosť.

Potenciálne a realizované výhody

Podrobnejšie pochopenie všeobecného vnímania organizácie, a to zvnútra aj zo zahraničia, prináša významné výhody pri proaktívnom riadení vzťahov. Interpretovanie a realizácia spätnej väzby môže poskytnúť lepší produkt alebo službu akcionárom a zákazníkom. Vo čoraz digitálnejšom svete sa organizácie musia pochopiť, čo o nich hovorí ich digitálna stopa. Ďalšie pochopenie demografického zloženia miest, odkiaľ takáto spätná väzba prichádza, môže tiež pomôcť zlepšiť skúsenosti pre všetkých.

Telemus AI™ je austrálska spoločnosť zaoberajúca sa umelou inteligenciou, ktorá poskytuje pokročilé riešenia pre vládu a podniky. Kontaktujte nás ešte dnes pre bezplatnú konzultáciu o tom, ako možno Telemus AI™ zabudovať do vašej organizácie.