Hoe natuurlijke taalverwerking digitale marketing beïnvloedt

“Natural Language Processing” (NLP) klinkt ingewikkeld, maar de toepassingen zijn eenvoudig. De kans is groot dat u NLP al tientallen of zelfs honderden keren per dag gebruikt. Bijvoorbeeld: wat is natuurlijke taalverwerking precies? Wat moet je erover weten? Welke impact heeft het op digitale marketing? Laten we het uitzoeken.
Wat is natuurlijke taalverwerking (NLP)?
Taal is natuurlijk voor mensen, maar hetzelfde geldt niet voor computers. Het begrijpen van de context achter onze woorden is een enorme uitdaging voor hen. NLP heeft alles te maken met het veranderen van dat. Natural Language Processing is een gebied van kunstmatige intelligentie (AI) dat steunt op disciplines als informatica en computationele taalkunde om computers in staat te stellen de vaak willekeurige, regelloze wereld van menselijke taal te interpreteren, te begrijpen en te manipuleren. Als zodanig is het uiteindelijke doel om computers te helpen de dingen die we zeggen te begrijpen op een manier die waarde toevoegt. Zoals ik hierboven opmerkte, heeft NLP een heleboel gebruiksscenario’s, waarvan er vele volledig zijn ingebed in ons dagelijks leven. Bijvoorbeeld:

  • Vertaaltools zoals Google Translate gebruiken het om vertalingen tussen talen te produceren die zinvol zijn, in plaats van alleen een letterlijke woord-voor-woordvertaling
  • Tekstverwerkers (denk aan Microsoft Word en Google Docs) gebruiken het om de grammaticale nauwkeurigheid van geschreven tekst te beoordelen
  • Callcenters gebruiken interactieve voice-response-applicaties om te reageren op bepaalde verzoeken van klanten

Het is ook de drijvende kracht achter zoekmachines zoals Google die ‘slimmer’ worden. Hoewel zoekwoorden nog steeds zeer waardevol zijn, wordt zoekgedrag complexer omdat we verwachten dat zoekmachines begrijpen wat we bedoelen. Overweeg de volgende zoekopdracht: Als mensen begrijpen we dat de zoeker Braziliaans is en wil weten of ze een visum nodig hebben om de VS te bezoeken. Eerder had Google moeite om de ware betekenis te onderscheiden, dus het had een onbehulpzaam resultaat voor Amerikaanse burgers die Brazilië bezochten. Door vorderingen in NLP kan het nu echter het belang van het gewone woord “naar” in deze zoekopdracht begrijpen, waardoor het een relevanter resultaat kan geven. NLP vs. AI vs. machine learning Voor een niet-computerwetenschapper lijkt NLP veel op machine learning en AI. In werkelijkheid zijn ze alle drie nauw met elkaar verweven, maar subtiel verschillend. Om hun relatie te begrijpen, moet u een derde term begrijpen: diep leren.

  • Kunstmatige intelligentie omvat alles wat we doen om machines slimmer te maken, of dat nu een softwareapplicatie, een slimme koelkast of een auto is.
  • Machine leren is een subset van kunstmatige intelligentie die alles omvat dat te maken heeft met systemen die voor zichzelf leren, zonder menselijke tussenkomst.
  • Diep leren is een subset van machine learning, specifiek toegepast op grote datasets.

Waar past natuurlijke taalverwerking in? Nou, het is een onderdeel van AI, maar het overlapt ook met zowel machine learning als deep learning. De evolutie van natuurlijke taalverwerking Hoewel het hypermodern klinkt, bestaat natuurlijke taalverwerking al tientallen jaren in de een of andere vorm, hoewel er sinds het begin een lange weg is afgelegd.
De geschiedenis van natuurlijke taalverwerking

  • Begonnen in de jaren vijftig als machinevertaling, toen taalkundige Leon Dostert van Georgetown University een IBM 701-computer gebruikte om Russisch naar Engels te vertalen.
  • De Sovjet-Unie lanceerde al snel haar eigen concurrerende machinevertalingsproject om Engels in het Russisch te vertalen. In 1964 was de USSR de wereldleider op het gebied van automatische vertaling geworden.
  • In 1966 programmeerde Joseph Weizenbaum de eerste chatbot, genaamd Eliza. Het was slechts in staat om zeer beperkte gesprekken te voeren, meestal gebaseerd op het herschikken van de input van de gebruiker om vragen te vormen.
  • Terwijl deze vroege voorbeelden van NLP werden tegengehouden door de noodzaak om complexe sets van handgeschreven regels en parameters te ontwikkelen, werd het veld eind jaren tachtig gerevolutioneerd door vroege vormen van machine learning.

Hoe het nu is: de effecten van NLP op digitale marketing
Marketing ging altijd over context; in de hoofden van ons publiek kruipen om te begrijpen wat ze ons wel (en niet) vertellen. Het helpt ons vragen te beantwoorden als:

  • Wat heeft hen overgehaald om op onze advertentie te klikken?
  • Wat zorgde ervoor dat ze van de bestemmingspagina stuiterden?
  • Wat zorgde ervoor dat ze aan de winkelwagen toevoegden en vervolgens stopten?

NLP geeft ons meer context door ons te helpen niet alleen de exacte woorden te begrijpen die worden gebruikt, maar ook wat ze betekenen. Dat maakt het enorm toepasbaar op marketing. Spraakgestuurd zoeken is bijvoorbeeld volledig afhankelijk van NLP, omdat het complexe algoritmen gebruikt om de opdrachten van een gebruiker te begrijpen en de meest nuttige reactie te onderscheiden.
Hoe natuurlijke taalverwerking in marketing te gebruiken
Inmiddels ben je waarschijnlijk begonnen te begrijpen hoe nuttig NLP is voor marketeers, maar in werkelijkheid zijn de use-cases waarschijnlijk groter dan je had gedacht! Hier zijn enkele van de meest relevante en fascinerende.
Inzicht in klantensentiment
Of je nu een begrip bent of een kleine start-up, je moet weten wanneer mensen online over je praten en wat ze zeggen. NLP-software helpt door sociale berichten, recensies en door gebruikers gegenereerde inhoud met betrekking tot uw merk te analyseren. De sentimentanalyse-tool van Hootsuite, die de taal analyseert die wordt gebruikt in merkvermeldingen op sociale media, is een supereenvoudig voorbeeld van hoe dit er in de praktijk uitziet: er zijn veel meer complexe, speciale tools die natuurlijke taalverwerking gebruiken om sentiment over digitale kanalen te volgen, van sociale media en recensiesites tot blogs en forums. Voorbeelden zijn:

  • MonkeyLearn
  • Lexalytics
  • Brandwatch
  • Sociale zoeker
  • Aylien
  • Sociale vermelding
  • Kritische vermelding

Tools voor sentimentanalyse worden mogelijk gemaakt door een van de volgende drie soorten algoritmen:

  • Op regels gebaseerd: Deze gebruiken een reeks handmatig bepaalde regels om automatisch het sentiment van een bepaalde sociale vermelding, recensie, blogpost, enz. Te voorspellen.
  • Automaat: Automatische algoritmen vertrouwen uitsluitend op machine learning-technieken om het gebruikerssentiment te begrijpen.
  • Hybride: Deze systemen combineren beide bovenstaande benaderingen en leveren vaak nauwkeurigere resultaten op.

Chatbots bouwen voor klantenservice en Lead Gen
Waarom gebruiken mensen chatbots? Zoals deze studie aantoont, zijn er een aantal redenen. Ze zijn een belangrijk hulpmiddel voor klantenservice geworden en een onschatbaar onderdeel van het koopproces, waardoor mensen snel antwoorden kunnen vinden voordat ze contact opnemen met een echt mens voor een diepgaandere discussie. Natuurlijke taalverwerking is de technologie die chatbots mogelijk maakt. Zonder dit zouden ze beperkt zijn tot uiterst eenvoudige interacties. Natuurlijk is het normaal gesproken vrij duidelijk dat je met een bot spreekt in plaats van met een persoon, maar dit lijkt geen probleem te zijn voor gebruikers. Sterker nog, 54 procent zou altijd een chatbot kiezen boven een mens als ze dan 10 minuten sneller antwoord zouden krijgen.
Trends identificeren met natuurlijke taalverwerking U hebt waarschijnlijk eerder een nieuwsaggregator of RSS-feed gebruikt om regelmatig informatie over een specifiek merk, product of onderwerp te vinden. Welnu, NLP gaat veel verder door die informatie te vinden en vervolgens alle belangrijke punten in een fractie van een seconde samen te vatten. Dat is van onschatbare waarde als u de volgende grote trend in uw markt probeert te identificeren.
Contentcreatie schalen
Kunstmatige intelligentie is in staat fictie en plausibele nieuwsverhalen te schrijven, dus het is geen verrassing dat het ook in staat is tot veel eenvoudigere taken voor het maken van inhoud. Ik zeg niet dat je je hele contentmarketingstrategie moet overdragen aan robots. Voorlopig kun je tenminste het beste al het creatieve in de handen van mensen laten. Hoe zit het met het creëren van inhoud op schaal? Stel dat u een enorme e-commercesite heeft met duizenden producten; beschrijvingen maken voor al die afzonderlijke pagina’s zou de ergste nachtmerrie van een copywriter zijn! Dat is waar AI-gestuurde inhoud, onderstreept door natuurlijke taalverwerking, van onschatbare waarde wordt. E-commercegigant Alibaba heeft inderdaad al een AI-copywriter geïntroduceerd die al dat arbeidsintensieve schrijven aankan. Kledingmerken zoals Dickies en Esprit gebruiken het om Chineestalige productbeschrijvingen te maken.
Gebruikmaken van NPL voor spraakassistenten
Ongeveer een kwart van de Amerikaanse volwassenen heeft een slimme luidspreker. Hoewel we nauwelijks het oppervlak hebben bekrast als het gaat om het realiseren van het marketingpotentieel van deze apparaten, zijn er een paar opvallende voorbeelden. Amazon Echo-gebruikers kregen de kans om de dystopische setting van het tv-programma Westworld te verkennen, terwijl Netflix de tweede serie Stranger Things promootte door Google Home-gebruikers te laten “chatten” met het personage Dustin. Zoals ik al heb besproken, zou dat natuurlijk allemaal niet mogelijk zijn zonder natuurlijke taalverwerking om spraak in tekst te vertalen, die tekst semantisch af te stemmen op de kennisbank van het apparaat en vervolgens een nuttig antwoord te geven.
NLP Marketing Case Study: Houdbare verdubbeling van conversiepercentages
Hoewel de uitdrukking “natuurlijke taalverwerking” misschien nieuw is voor velen van ons, bestaat de technologie zelf al een hele tijd. Het is dus geen verrassing dat merken het al gebruiken om indrukwekkende resultaten te leveren. Een mooi voorbeeld is het cybersecuritybedrijf Tenable. Het werd geconfronteerd met twee grote problemen met zijn verkoopproces:

  • Het duurde te lang voordat leads een Sales Development Representative (SDR) bereikten
  • SDR’s hadden te maken met een knelpunt bij het omgaan met leads buiten kantooruren, of op momenten van de dag dat ze bezig waren of niet achter hun bureau

“Als je ze niet opvolgt, is de kans groot dat iemand zegt: ‘Ik herinner me niet eens dat ik dat formulier heb ingevuld’ of: ‘Ik kan me niet eens herinneren dat ik naar je website ben gegaan’, merkte Matt Mullin op, Tenable’s Senior Director of Global Marketing Operations and Technology. Door een bedrijfsontwikkelingsstrategie te implementeren die slimme chatbots centraal op zijn website plaatste, zag het merk een toename van 30% in de kwaliteit en duur van gesprekken met potentiële klanten, terwijl de conversieratio’s verdubbelden.
Gebruikt voor natuurlijke taalverwerking naast marketing
NLP begon niet als een marketingoplossing en de gebruiksscenario’s gaan veel verder dan marketing. Hier zijn slechts een handvol andere toepassingen voor de technologie:
Coronavirus detecteren
Dat klopt: NLP gaat niet alleen over marketing, het heeft ons geholpen om de pandemie te bestrijden. Het R & D-instituut van Alibaba Group, de DAMO Academy, heeft een op NLP gebaseerd systeem gebouwd dat borstscans en diepe gegevens kan gebruiken om Covid-19-infecties in slechts 20 seconden te diagnosticeren, met een nauwkeurigheid van 96%.
Concurrenten identificeren en analyseren
Elk bedrijf gebruikt een bepaalde mate van concurrentieanalyse om de strategische richting te bepalen. In een steeds meer geglobaliseerde wereld is het echter niet altijd duidelijk wie uw grootste rivalen zijn. Je zou kunnen denken dat je op de weg met het merk concurreert, terwijl je klanten in werkelijkheid worden gepocheerd door een bedrijf aan de andere kant van de wereld. Nogmaals, NLP heeft een oplossing. Tools zoals Zirra (en vele anderen) zijn in staat om het landschap van de concurrent automatisch in kaart te brengen en een lijst te maken van bedrijven gerangschikt op hoe nauw ze verwant zijn met uw merk.
Kredietwaardigheid beoordelen
Kredietverstrekkers gebruiken kredietscores om te begrijpen of een persoon of bedrijf een veilige gok is voor een lening of een andere vorm van lenen. Dat is echter niet altijd mogelijk in opkomende markten, waar de belangrijkste gegevens misschien niet zo gemakkelijk beschikbaar zijn. Merken zoals Lenddo gebruiken nu natuurlijke taalverwerking om kredietbeslissingen te nemen op basis van niet-traditionele gegevensbronnen die de volledige digitale voetafdruk van een aanvrager omvatten, van hun surfgedrag en gebruik van sociale media tot e-commercetransacties en zelfs psychometrische profilering.
Talent inhuren
Recruiters en HR-teams gebruiken al jaren technologie om cv’s en sollicitatiebrieven op bepaalde trefwoorden te scannen. NLP is hier een logische uitbreiding van. In plaats van zich te fixeren op specifieke zinnen, kan het de informatie analyseren en extraheren die het meest relevant is voor de specifieke rol. Dat stelt werkgevers in staat om het langdurige proces van het doorzoeken van cv’s te automatiseren, in de wetenschap dat degenen die het halen, de taak aankunnen.
Conclusie
Natuurlijke taalverwerking klinkt zeker geavanceerd, maar het is gebaseerd op het ouderwetse marketingprincipe om onze klanten beter te begrijpen. In plaats van uw publiek rechtstreeks te vragen wat ze van uw merk of product vinden, voor welke uitdagingen ze staan ​​of wat hun doelen zijn, helpt NLP u om hun gevoelens, motivaties en meningen te onderscheiden van de woorden die ze gebruiken. NLP is een volgende stap om het giswerk uit onze marketingbeslissingen te verwijderen, waardoor we de juiste mensen op het juiste moment en met de juiste berichten kunnen bereiken.
Hoe bent u van plan de verwerking van nationale taal in uw marketingstrategie te gebruiken?

Be the first to comment on "Hoe natuurlijke taalverwerking digitale marketing beïnvloedt"

Leave a comment

Your email address will not be published.


*