文本分析是一門(mén)強(qiáng)大的學(xué)科，能夠發(fā)現(xiàn)和注釋客戶(hù)意見(jiàn)的每個(gè)示例，而不用考慮客戶(hù)采用哪一種語(yǔ)言。

對(duì)于正在意識(shí)到圍繞其業(yè)務(wù)具有大量非結(jié)構(gòu)化數(shù)據(jù)的企業(yè)高管來(lái)說(shuō)，人工智能在文本分析方面不受語(yǔ)言限制的可能性是一個(gè)至關(guān)重要(但很容易被忽視)的問(wèn)題。

畢竟，非結(jié)構(gòu)化數(shù)據(jù)(UD)并不是以電子表格等格式結(jié)構(gòu)化的數(shù)據(jù)，通常是在各種社交媒體、博客、網(wǎng)站評(píng)論、呼叫中心電話(huà)、私人聊天等的大量數(shù)據(jù)——而這些數(shù)據(jù)對(duì)于有興趣改善客戶(hù)體驗(yàn)(CX)的企業(yè)來(lái)說(shuō)意味著具有更多價(jià)值的大量資源。

大多數(shù)數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)。根據(jù)麻省理工學(xué)院的估計(jì)，如今80%～90%的數(shù)據(jù)是非結(jié)構(gòu)化數(shù)據(jù)，并且正在快速增長(zhǎng)。而這一事實(shí)意味著，客戶(hù)的所有意見(jiàn)都可以供那些投資于技術(shù)和專(zhuān)業(yè)知識(shí)的企業(yè)進(jìn)行整理和分析。

這是文本分析人工智能發(fā)揮的作用。這導(dǎo)致在任何平臺(tái)上對(duì)企業(yè)品牌發(fā)表評(píng)論的每一位客戶(hù)都可以前所未有地了解他們的想法、觀(guān)點(diǎn)和想法。它可以讓企業(yè)準(zhǔn)確而快速地發(fā)現(xiàn)優(yōu)先解決的客戶(hù)痛點(diǎn)，從而減少客戶(hù)流失。

鑒于這種普遍性，認(rèn)識(shí)到語(yǔ)言不可知論的價(jià)值就顯得尤為重要。將分析和注釋僅限于英語(yǔ)的觀(guān)點(diǎn)(當(dāng)其他觀(guān)點(diǎn)存在時(shí))會(huì)破壞非結(jié)構(gòu)化數(shù)據(jù)的規(guī)模和這種文本分析的普遍性。

因此，有必要了解多語(yǔ)言人工智能分析的工作原理，以及其收集客戶(hù)意見(jiàn)綜合概述的潛力。

自然語(yǔ)言處理的力量

人工智能驅(qū)動(dòng)的文本分析的基礎(chǔ)是機(jī)器學(xué)習(xí)(ML)和自然語(yǔ)言處理(NLP)的結(jié)合。

機(jī)器學(xué)習(xí)是一種旨在模仿人類(lèi)學(xué)習(xí)的人工智能方法。雖然傳統(tǒng)的編程需要執(zhí)行人類(lèi)創(chuàng)建的規(guī)則，但機(jī)器學(xué)習(xí)使用數(shù)據(jù)分析來(lái)學(xué)習(xí)可用于推斷的極其復(fù)雜的模式，這使得機(jī)器學(xué)習(xí)非常擅長(zhǎng)解決問(wèn)題和執(zhí)行復(fù)雜的任務(wù)。

與此同時(shí)，自然語(yǔ)言處理(NLP)屬于處理語(yǔ)言。實(shí)際上，它可以理解為是機(jī)器學(xué)習(xí)支持的復(fù)雜任務(wù)之一。

在這種情況下，自然語(yǔ)言處理(NLP)的用途是多種多樣的。它可以用于更簡(jiǎn)單的目標(biāo)，例如計(jì)算給定的術(shù)語(yǔ)或單詞在文本中出現(xiàn)的頻率。或者可以承擔(dān)更艱巨的挑戰(zhàn)，即確定給定文本的情緒甚至情感。

顯然，這兩者對(duì)于希望詳細(xì)了解所有可用客戶(hù)意見(jiàn)的企業(yè)都有很大的用處。

自然語(yǔ)言處理(NLP)的這些用途使企業(yè)能夠評(píng)估大量數(shù)據(jù)，以發(fā)現(xiàn)他們的品牌在網(wǎng)上或線(xiàn)下被談?wù)摰念l率，以及了解是積極的還是消極的評(píng)論，還是與一系列更細(xì)微的情緒有關(guān)。

多語(yǔ)言的方法

至關(guān)重要的是，這種方法的好處在于其包含所有客戶(hù)意見(jiàn)的能力——文本分析適用于每種意見(jiàn)，而不是樣本或選擇。

然而，為了實(shí)現(xiàn)這一目標(biāo)，不能限制表達(dá)給定意見(jiàn)的語(yǔ)言，而是需要人工智能完全與語(yǔ)言無(wú)關(guān)，特別是如果一家企業(yè)是跨國(guó)組織的話(huà)。

可以通過(guò)使用無(wú)監(jiān)督和有監(jiān)督的機(jī)器學(xué)習(xí)來(lái)實(shí)現(xiàn)這一點(diǎn)。監(jiān)督機(jī)器學(xué)習(xí)意味著所涉及的算法由人類(lèi)對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行注釋“訓(xùn)練”，在涉及大量數(shù)據(jù)(也稱(chēng)為大數(shù)據(jù))的任務(wù)時(shí)，人工智能可以比人類(lèi)做得更好。

為了確保滿(mǎn)足所有語(yǔ)言的需求，研究人員利用了一個(gè)由大約300名以各種語(yǔ)言為母語(yǔ)的人員組成的團(tuán)隊(duì)，他們對(duì)非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行閱讀、理解和人工注釋。例如，確定某條推特是正面還是負(fù)面的，其主題是否存在諷刺意味，甚至是電子郵件或聊天消息的內(nèi)容所暗示的客戶(hù)旅程。

一旦人工智能接受母語(yǔ)訓(xùn)練(不需要翻譯成英語(yǔ)和使用英語(yǔ)的機(jī)器學(xué)習(xí)模型)以非常準(zhǔn)確地實(shí)現(xiàn)其目標(biāo)(無(wú)論是建立情緒還是識(shí)別主題)，其結(jié)果可以很容易地使用英語(yǔ)可視化，以客戶(hù)可以理解的語(yǔ)言為客戶(hù)體驗(yàn)(CX)專(zhuān)業(yè)人員、客戶(hù)保留經(jīng)理等解鎖所有客戶(hù)的意見(jiàn)。

最重要的是，人工智能精度還可以不斷提高。例如，當(dāng)一個(gè)人用某種情緒對(duì)一小部分推文進(jìn)行注釋時(shí)，就可以衡量其準(zhǔn)確性。可以看到80%～90%或更多內(nèi)容與算法匹配，無(wú)論這些推文是用什么語(yǔ)言寫(xiě)的。

考慮到表達(dá)情感的主觀(guān)性，這表明這些人工智能技術(shù)已經(jīng)變得多么強(qiáng)大。

在非結(jié)構(gòu)化數(shù)據(jù)中大海撈針

非結(jié)構(gòu)化數(shù)據(jù)(UD)無(wú)處不在，它代表了一個(gè)了解所有客戶(hù)意見(jiàn)的機(jī)會(huì)，而不是像民意調(diào)查那樣，根據(jù)定義只能提供基于樣本的客戶(hù)意見(jiàn)。

然而，為了真正實(shí)現(xiàn)這種不受限制地獲取消費(fèi)者意見(jiàn)的能力，跨國(guó)公司不僅需要聘請(qǐng)人工智能專(zhuān)家和技術(shù)人員，還需要確保他們的人工智能系統(tǒng)在所有相關(guān)語(yǔ)言的數(shù)據(jù)上都得到與英語(yǔ)相同的高精度訓(xùn)練。

這樣一來(lái)，文本分析不僅與源無(wú)關(guān)，而且與語(yǔ)言無(wú)關(guān)。讓企業(yè)領(lǐng)導(dǎo)可以自信地?cái)嘌裕麄儗?duì)客戶(hù)的觀(guān)點(diǎn)、痛點(diǎn)和收獲點(diǎn)的理解是詳細(xì)、精確以及全面的。