语言处理 - 阅读与解释的计算机

情感分析系统在接收文本输入时，通常会产生以下典型输出，对底层文本进行分类解读：

• 正面 - 文本内容具有积极的基调和情感色彩
• 中性 - 文本内容带有负面基调与感伤色彩
• 负面 - 文本内容带有负面的基调与情感色彩

值得注意的是，人们多年来精心编纂了这些词典，这强调了人工智能系统需要高质量的数据才能表现良好并实现预期目标。

组织挑战概述

鉴于存在多个通信端点以及组织的运营规模，很难跟踪整个组织的情感倾向。员工和客户可能分布在不同的地区、区域或部门，利益相关者和客户可能表达积极的情感倾向，而其他人则表现出消极的情感倾向。因此，确定组织运营的整个范围内的情感倾向是很困难的。

了解内部和外部的整体组织认知至关重要。传统上，调查问卷承担了这一功能，尽管这些问卷可能会因有积极性填写问卷的个人而产生偏差。社交媒体和其他数据源的使用有助于了解组织的情感倾向。例如，像Adidas这样一家跨国且广为人知的服装品牌，其业务遍及多个国家，使用各种语言开展业务，并跨越许多不同的文化背景。在不同地区可能会观察到不同程度的情感倾向。识别负面情绪是解决其根本原因的好方法，从而带来更多销售额，进而提升利润底线。

可作为 AI 输入的组织数据

以下列出了可用作情感分析手段的潜在数据源：

• 社交媒体平台，包括 Facebook、Twitter、Instagram、TikTok
• 客户关系管理系统，包括 Salesforce、Microsoft CRM
• 员工与客户之间发送的组织电子邮件和信函
• 呼叫中心系统（如Cisco和Google Voice）能够提供对话的文字记录
• 诸如 Google 和 Facebook 评论之类的评论聚合器，会对列出的企业进行 1-5 星评级

在合并来自多个来源的信息时，会出现一些数据问题。一个明显的问题是如何在各种数据集中准确地关联客户。在本案例研究中，我们建议将他们视为独立实体，以发现整个组织的总体情感，而不是针对个人层面。鉴于文本输入的长度，无论是在数据库模式中还是在用于处理数据的各种脚本中，都必须谨慎选择数据结构。

集成方法论

以下是我们在组织内分析文本来源的高层级流程概述：

1. 识别文本引用及其捕获系统，确定哪些文本适合作为分析候选
2. 通过 REST API 提取文本源，并将其馈送至云计算提供商以进行实时分析
3. 通过 Telemus AI™ 运行数据流，并将增强后的视频流返回至安全监控系统
4. 根据检测到的内容向安全人员设置自定义警报

鉴于 Telemus AI™ 负责大部分工作，组织可以专注于业务逻辑和解读结果，而非技术实现。

组织应用

以下列出了贵组织的其他潜在应用：

• 扫描组织内的在线社交媒体端点，并确定整体情绪。
• 监控 Salesforce 等 CRM 系统上的客户备注，以确定备注的内容。
• 扫描电子邮件以获取组织内整体情绪的综合指标。
• 自动处理电话通话记录并识别正面和负面的客户体验。
• 扫描评论聚合网站上留下的反馈以及评分。
• 自动检测通过数字媒介发生的反社会行为，并在其升级之前予以应对，从而改善用户体验。

由于组织通常可以访问许多数据源，我们建议在将它们输入人工智能系统之前，先将它们传入数据湖；这将有助于确保可重复性和可审计性。

潜在和已实现的收益

更详细地了解组织内部和外部的普遍看法，对于主动管理关系具有显著的益处。解读并采取行动反馈可以为股东和客户提供更好的产品或服务。在日益数字化的世界中，组织需要了解其数字足迹所传达的信息。进一步了解此类反馈来源的人口统计构成也有助于改善所有人的体验。

Telemus AI™ 是一家总部位于澳大利亚的人工智能公司，为政府和企业提供先进的解决方案。立即联系我们，获取关于如何将 Telemus AI™ 嵌入您的组织的免费咨询。