語言處理 — 能閱讀與詮釋的電腦

情感分析系統在輸入文本時通常會產生以下典型輸出，對底層文本給出分類解讀：

• 正面 - 文字內容具有正面的基調與情感
• 中性 - 文本內容帶有負面含義及感傷色彩
• 負面 — 文本內容帶有負面的基調與情感

值得注意的是，人們經過多年時間策劃了這些詞彙庫，這強調了人工智慧系統需要高品質的資料才能良好運作並達成預期目標。

組織挑戰概述

考量到多個通訊端點以及組織營運的規模，要追蹤整個組織的情感傾向是困難的。員工和客戶可能分佈在不同的地區、區域或部門，其中利害關係人和客戶可能表達正向的情感傾向，而其他人則呈現負向的情感傾向。因此，要確定組織營運整個範疇內的情感傾向是困難的。

了解內部與外部的一般組織認知至關重要。傳統上，問卷調查承擔了此一功能，儘管這些調查可能會因有意願填寫的個人而產生偏見。使用社交媒體及其他資料來源有助於了解組織的情感傾向。以 Adidas 為例，作為一家跨國且廣為人知的服裝品牌，其業務遍及多個國家，以多種語言在許多不同的文化背景下開展業務。在不同地區可能會觀察到不同程度的情感傾向。識別負面情緒是解決其根本原因的良好方法，能帶來更多銷售額，從而對盈利作出貢獻。

可作為 AI 輸入的組織資料

以下列出可用作情緒分析手段的潛在資料來源：

• 社群媒體平台，包括 Facebook、Twitter、Instagram、TikTok
• 客戶關係管理系統，包括 Salesforce、Microsoft CRM
• 員工與客戶之間發送的組織電子郵件和信函
• 如Cisco和Google Voice等呼叫中心系統能夠提供對話的轉錄文本
• 評論聚合器，例如 Google 和 Facebook 評論，將列出的企業評為 1-5 星

當結合來自多個來源的資訊時，會出現一些資料問題。一個顯而易見的問題是如何在各種資料集中準確地連結客戶。在本案例研究中，我們建議將其視為獨立實體，以發現整個組織的整體情緒，而非針對個人層級。考量到文字輸入的長度，必須謹慎選擇資料結構，這包括在資料庫架構中以及用於處理資料本身的各種腳本中。

整合方法論

以下是我們在組織內分析文字來源時，在高層級執行的流程概覽：

1. 識別文字參考資料及擷取這些資料的系統，判斷哪些文字適合進行分析
2. 透過 REST API 提取文字來源，並將其饋送至雲端運算供應商以進行即時分析
3. 透過 Telemus AI™ 執行訊號源，並將增強的視訊訊號源傳回安全監控系統
4. 根據檢測到的內容向安保人員設置自訂警報

由於 Telemus AI™ 負責大部分的工作，機構可以專注於業務邏輯和結果詮釋，而非技術實作。

組織應用

以下列出貴機構的其他潛在應用：

• 掃描組織內的線上社群媒體端點，並判斷整體情緒。
• 監控 Salesforce 等 CRM 系統上的客戶備註，以判斷備註的內容。
• 掃描電子郵件，以取得組織內整體情緒的彙總指標。
• 自動處理電話通話記錄，並識別正面及負面的客戶體驗。
• 掃描評論聚合網站上留下的反饋以及評分。
• 自動偵測透過數碼媒介進行的反社會行為，並在其升級前予以打擊，從而提升用戶體驗。

由於組織通常可存取許多資料來源，我們建議在將其輸入至人工智慧系統之前先傳入資料湖；這將有助於確保可重複性與可稽核性。

潛在與已實現的效益

更深入地了解組織在內部及外部的整體觀感，對於主動管理關係能提供顯著的效益。解讀並對回饋採取行動，能為股東和客戶提供更好的產品或服務。在日益數位化的世界中，組織需要了解其數位足跡傳達了什麼樣的訊息。進一步了解此類回饋來源的人口結構組成，也有助於改善所有人的體驗。

Telemus AI™ 是一家總部位於澳洲的人工智慧公司，為政府與企業提供進階解決方案。立即聯絡我們，免費諮詢 Telemus AI™ 如何能嵌入您的組織。