Обробка мови - Комп'ютери, які читають та інтерпретують

Системи аналізу настроїв зазвичай генерують такі типові результати при отриманні текстових вхідних даних, які дають категоріальну інтерпретацію базового тексту:

• Позитивний — Текстовий контент має позитивний підтекст і сентиментальність
• Нейтральний — Текстовий контент має негативний підтекст і сентиментальність
• Негативний — Текстовий контент має негативний підтекст і сентиментальність

Важливо відзначити, що люди створювали лексикони протягом багатьох років, що підкреслює необхідність високоякісних даних для того, щоб системи штучного інтелекту працювали добре і досягали бажаних цілей.

Організаційний виклик: огляд

З огляду на наявність багатьох кінцевих точок зв'язку та масштаб діяльності організацій, відстежувати емоційне ставлення в межах організації складно. Співробітники та клієнти можуть бути розподілені по різних регіонах, зонах або відділах, де зацікавлені сторони та клієнти висловлюють позитивне емоційне ставлення, тоді як інші демонструють негативне. Таким чином, визначити емоційне ставлення в усьому спектрі діяльності організації є складним завданням.

Важливо розуміти загальне організаційне сприйняття як внутрішнє, так і зовнішнє. Традиційно цю функцію виконували опитування, хоча вони можуть бути упередженими залежно від осіб, які мотивовані їх заповнювати. Використання соціальних мереж та інших джерел даних може сприяти розумінню організаційних настроїв. Наприклад, транснаціональний і широко відомий бренд одягу, такий як Adidas, має присутність у багатьох країнах, веде бізнес різними мовами в багатьох різних культурних середовищах. Різні рівні настроїв, ймовірно, будуть спостерігатися в різних регіонах. Виявлення негативних настроїв є хорошим способом усунення їх причин, що призводить до збільшення продажів і, таким чином, впливає на кінцевий фінансовий результат.

Організаційні дані, доступні як вхідні дані для AI

Нижче наведено списки потенційних джерел даних, які можна використовувати як засіб аналізу тональності:

• Платформи соціальних мереж, включаючи Facebook, Twitter, Instagram, TikTok
• Системи управління відносинами з клієнтами, включаючи Salesforce, Microsoft CRM
• Організаційні електронні листи та листи, надіслані між співробітниками та клієнтами
• Системи кол-центрів, такі як Cisco та Google Voice, здатні надавати транскрипти розмов
• Агрегатори відгуків, такі як відгуки Google та Facebook, які оцінюють зареєстровані компанії від 1 до 5 зірок

Деякі проблеми з даними виникають при об'єднанні інформації з кількох джерел. Очевидна проблема полягає в тому, як точно пов'язати клієнтів у різних наборах даних. У цьому кейсі ми пропонуємо розглядати їх як незалежні сутності, щоб виявити загальні настрої в межах усієї організації, а не на рівні окремої особи. Враховуючи довжину текстових вхідних даних, структури даних повинні бути ретельно відібрані як у схемі бази даних, так і в межах різних скриптів, що використовуються для обробки самих даних.

Методологія інтеграції

Нижче наведено огляд процесу, який ми б виконали на високому рівні для аналізу текстових джерел в організації:

1. Визначте текстові посилання та системи, які їх фіксують, визначте, який текст є придатним кандидатом для аналізу
2. Витягуйте текстові джерела через REST API та передавайте їх провайдеру хмарних обчислень для аналізу в реальному часі
3. Пропустіть потоки даних через Telemus AI™ та поверніть доповнені відеопотоки назад у систему моніторингу безпеки
4. Налаштуйте спеціалізовані сповіщення для персоналу безпеки на основі того, що виявлено

Оскільки Telemus AI™ бере на себе більшу частину роботи, організація може зосередитися на бізнес-логіці та інтерпретації результатів, а не на технічній реалізації.

Організаційні застосування

Нижче наведено інші потенційні додатки для вашої організації:

• Скануйте онлайн-кінцеві точки соціальних мереж у межах організації та визначайте загальні настрої.
• Моніторинг нотаток клієнтів у CRM-системах, таких як Salesforce, для визначення змісту нотаток.
• Сканування електронних листів для отримання загального агрегованого показника настроїв у межах організації.
• Автоматична обробка транскриптів телефонних розмов та виявлення як позитивного, так і негативного досвіду клієнтів.
• Сканування відгуків, залишених на сайтах агрегаторів відгуків, а також оцінок.
• Автоматичне виявлення асоціальної поведінки через цифрові носії та протидія їй до її ескалації, що призводить до покращення користувацького досвіду.

Оскільки організації зазвичай мають доступ до багатьох джерел даних, ми рекомендуємо передавати їх у озеро даних перед введенням у систему штучного інтелекту; це допоможе забезпечити повторюваність та можливість аудиту.

Потенційні та реалізовані переваги

Більш детальне розуміння загального сприйняття організації як всередині, так і за її межами, забезпечує значні переваги в проактивному управлінні відносинами. Інтерпретація та реагування на відгуки можуть забезпечити кращий продукт або послугу для акціонерів та клієнтів. У все більш цифровому світі організаціям необхідно розуміти, що говорить про них їхній цифровий слід. Подальше розуміння демографічного складу тих, звідки надходять такі відгуки, також може допомогти покращити досвід для всіх.

Telemus AI™ — це австралійська компанія з розробки штучного інтелекту, яка надає передові рішення для уряду та бізнесу. Зв'яжіться з нами сьогодні для безкоштовної консультації щодо того, як Telemus AI™ можна впровадити у вашу організацію.