AI ჯერ კიდევ არ არის სლემ დანკი სენტიმენტების ანალიტიკით

როდესაც ჩვენ ვუყურებთ, თუ როგორ გააუმჯობესა დიდი მონაცემების ანალიტიკამ კლიენტი 360, ერთ-ერთი პირველი დისციპლინა, რომელიც გვახსენდება, არის სენტიმენტის ანალიტიკა. ის უზრუნველყოფდა კლიენტის ტრადიციული CRM ურთიერთქმედების ხედვის გაფართოების საშუალებას სოციალურ ქსელებში გაჟღერებული განცხადებებითა და ქცევებით.

და ბუნებრივი ენის დამუშავების (NLP) და ხელოვნური ინტელექტის (AI)/მანქანური სწავლების მიღწევებით, შეიძლება ვიფიქროთ, რომ ეს სფერო საკმაოდ მოწიფულია: მარკეტერებს უნდა შეეძლოთ მარტივად გაშიფრონ რას ფიქრობენ მათი მომხმარებლები ფეისბუქზე ან ტვიტერზე ჩართვით. კვებავს.

ერთი არასწორი იქნებოდა.

მიუხედავად იმისა, რომ სენტიმენტების ანალიტიკა არის დიდი მონაცემების ანალიტიკის ერთ-ერთი ყველაზე დამკვიდრებული ფორმა, მასში მაინც არის ხელოვნების საკმაოდ დიდი წილი. ჩვენი აღქმა წლევანდელიდან სენტიმენტ ანალიტიკის სიმპოზიუმი გასულ კვირას ნიუ-იორკში გაიმართა, რომ ჯერ კიდევ არსებობს უამრავი მითი იმის შესახებ, თუ რამდენად კარგად აუმჯობესებს ხელოვნური ინტელექტისა და დიდი მონაცემების სიცხადეს იმის ანალიზს, თუ რას ფიქრობენ და გრძნობენ მომხმარებლები.

სენტიმენტების ანალიტიკა წარმოიშვა ტექსტის ანალიტიკიდან, რომელიც მიზნად ისახავდა საკვანძო სიტყვების სიხშირის განსაზღვრას განწყობის ინდიკატორის მისაცემად. ამან წარმოქმნა სიტყვა ღრუბლები, რომლებიც ერთ დროს საკმაოდ ყველგან იყვნენ მთელს ქსელში.

თუმცა, ისეთ ენებთან, როგორიცაა ინგლისური, სადაც სიტყვებს ორმაგი და ზოგჯერ სამმაგი მნიშვნელობა აქვთ, მხოლოდ საკვანძო სიტყვები არ იყო ადეკვატური ამ ამოცანისთვის. გაჩნდა მითი, რომ თუ ჩვენ შევაგროვებთ საკმარის მონაცემებს, უნდა შეგვეძლოს უკეთ გავუმკლავდეთ იმას, თუ რას ფიქრობენ ან გრძნობენ ადამიანები. ამ დასაბუთებით, NLP-სა და AI-ში მიღწეული მიღწევები ტორტზე უნდა ყოფილიყო დადასტურებული.

არც ისე სწრაფად, თქვა ტროი იანიშმა, რომელიც ხელმძღვანელობს სოციალური შესწავლის გუნდს აშშ ბანკი. NLP სულაც არ განასხვავებს, iPhone-ის ხსენებები წარმოადგენს ხმაურს თუ კლიენტებს, რომლებიც ეძებენ რემონტს. თქვენ იფიქრებთ, რომ AI-ს შეეძლო კონტექსტის გამოვლენა, მაგრამ არცერთმა მომხსენებელმა არ მიუთითა, რომ ის ჯერ კიდევ ამოცანის შესასრულებლად იყო. იანიშმა განაცხადა, რომ თქვენ ჯერ კიდევ გჭირდებათ ადამიანის ინტუიცია კონტექსტის გასაანალიზებლად სწორი ლოგიკური მოთხოვნების ჩამოყალიბებით.

დიდი მონაცემების წვლილი იმაში მდგომარეობს, რომ ის ანალიტიკოსებს ათავისუფლებს მონაცემების შერჩევის შეზღუდვებისგან, და ამიტომ, ჩვენ ვთვლით, რომ თქვენ შეგიძლიათ გამოიყენოთ მთელი Twitter firehose, თუ ეს გჭირდებათ. მაგრამ ბევრი მარკეტერისთვის დიდი მონაცემები ჯერ კიდევ საშიშია.

ტომ ჰ. ანდერსონიტექსტის ანალიტიკის ფირმის დამფუძნებელი OdinText დაფიქსირდა, რომ ბევრი ფირმა ბრმად აგროვებდა მონაცემებს და უსვამდა კითხვებს მასზე მკაფიო მიზნის გარეშე, რათა შედეგი ქმედითუნარიანი ყოფილიყო. მან მიუთითა სოციალური მედიის ანალიტიკური ტექნოლოგიებისა და მეთოდოლოგიების ნაკლოვანებებზე, რომლებიც უზრუნველყოფენ საიმედო უკუკავშირის მარყუჟებს რეალურ მოვლენებთან ან მოვლენებთან.

ამ მიზეზით, თქვა ანდერსონმა, სოციალური მედიის ანალიტიკამ ვერ შეძლო მომავალი ქცევის პროგნოზირება. ჯერ კიდევ არსებობს უამრავი ადამიანის ინტუიცია, ვიდრე ხელოვნური ინტელექტი ჩართული წერტილების დაკავშირებაში და საიმედო პროგნოზების გაკეთებაში.

ბევრი ფირმა ჯერ კიდევ გადატვირთულია დიდი მონაცემებით და ზედმეტად „რეაქტიული“ არიან მასზე კირსტენ ზაპიეკი, ბაზრის კვლევის საკონსულტაციო ფირმის თანადამფუძნებელი bbb Mavens. მართალია, დიდმა მონაცემებმა დიდწილად მოძველდა შერჩევისა და ფოკუს ჯგუფებზე ან დეტალურ გამოკითხვებზე დაყრდნობა. მაგრამ, გააფრთხილა ზაპიეკი, რაც უფრო დიდი ხდება მონაცემთა ნაკრები, ზედმეტად ადვილი ხდება მონაცემთა მიღმა არსებული ადამიანური კონტექსტის და სიუჟეტის დაკარგვა. ამან გაგვაკვირვა, რადგან ეს ეწინააღმდეგება მონაცემთა მეცნიერების პარტიულ ხაზს.

ზაპიეკმა გააკეთა რამდენიმე მოწოდება მოქმედებისკენ, რომელიც ძალიან ნაცნობად ჟღერდა. ჯერ გადაამოწმეთ წყარო და შემდეგ გადაამოწმეთ იგი დამატებითი წყაროებით. მაგალითად, მხოლოდ Twitter-ის არხი აუცილებლად არ გეტყვით სრულ ამბავს. შემდეგ თქვენ უნდა მიუთითოთ მსახიობების როლები სოციალური გრაფიკებით, რათა დაადგინოთ არის თუ არა ხმა აზრის ლიდერი, მიმდევარი ან ბოტი.

Zapiec-მა შემდეგ გააკეთა მოედანი მონაცემთა ხარისხისთვის: კომპანიებმა მონაცემთა შეგროვებიდან მონაცემთა ინტეგრაციის რეჟიმში უნდა გადაინაცვლონ. ჩვენ შეგვეძლო გვესმოდა იგივე რჩევა, რომელიც გამოდიოდა 1990-იანი წლების მონაცემთა საწყობის კონფერენციებიდან. Ზოგიერთი რამ არასოდეს არ შეიცვლება.

რა თქმა უნდა, არსებობს შეშფოთება იმის თაობაზე, არის თუ არა სოციალური მარკეტინგის სიგნალები მათი მომხმარებლებისგან, სადაც ისინი ცხოვრობენ. მაგალითად, "კამერის კომპანია" Snapchat გთავაზობთ API-ებს მხოლოდ რეკლამისთვის და არა მოსასმენად. შეიძლება სხვა წყაროებმა ან მონაცემთა ელემენტებმა შეადგინონ განსხვავება? კეისუკე ინოე, მონაცემთა მეცნიერების ვიცე-პ ემოგი, დაამტკიცა, რომ emojis ხშირად ბევრად უფრო გამოხატავს გრძნობებს, ვიდრე სიტყვები.

მაგრამ ეს დამოკიდებულია იმაზე, შეძლებთ თუ არა მათ პირველ რიგში გაგებას.