NLP, eller naturlig språkbehandling, är ett område inom datavetenskap som syftar till att hjälpa datorer att förstå mänskligt (eller “naturligt”) språk. Det är på frammarsch, det är otroligt kraftfullt och det är på väg att få en livsförändrande inverkan på marknadsföringen.
Även om språk är en andra natur för de allra flesta människor, är det mycket svårt för datorer att tolka och använda det korrekt. Det stela, regelbundna formatet för kalkylblad och databaser är perfekt för programvara, men den slumpmässiga, kontextbundna och till synes regellösa naturen hos mänskliga språk gör att AI vill starta om.
NLP låter kanske inte bekant för dig just nu, men det har funnits de senaste 30 åren eller mer, och det har fortfarande en lång väg kvar att gå. Experter tror att några av de nästa stegen för NLP kommer att bli enorma, centrerade på att gå från strukturerad data (databaser) till ostrukturerad data (text), samt en större förmåga att “förstå” människor medan de pratar normalt. .
Vi har hjälpt Fortune 500-företag, riskstödda startups och företag precis som dina. öka intäkterna snabbare. Få en kostnadsfri konsultation
Varför ska marknadsförare bry sig om NLP?
Som marknadsförare kanske du tänker: “Det är bra, men vad har det med mig att göra?” Tja, om man ska tro experterna, finns några av de viktigaste och mest revolutionerande användningarna av NLP i och kring dess marknadsföringstillämpningar.
Nu, med tanke på att NLP är en vetenskaplig disciplin (och en som inte nödvändigtvis är lätt att förstå i en enda artikel på 2 000 ord), låt oss börja med att gå igenom huvudtyperna av NLP som du kan stöta på regelbundet:
- Optisk teckenigenkänning: Konvertera skriven eller tryckt text till data som en dator kan läsa. Har du någonsin försökt redigera en oredigerbar PDF? I så fall har du min sympati. OCR är tekniken som “hjälpte” processen.
- Taligenkänning: Konvertera talade ord till data som en dator kan förstå. Det här är NLP-tekniken du använder varje gång du ställer en fråga till Siri, Cortana, Echo eller Google Voice.
- Översättarmaskin: Översätt text från ett språk till ett annat. Det här är tekniken bakom översättningsappar som Google Translate.
- Naturligt språkgenerering: Informationsutmatning som mänskligt språk. Det här är tekniken du använder varje gång Siri eller Cortana svarar på din fråga.
- Analys av känslor: Extrahera data från de ämnen som diskuteras (ofta “stor text”) och utvärdera om denna data är negativ eller positiv (eller om den kan upptäcka något annat).
- Semantisk sökning: Nära kopplat till taligenkänning, som nämnts ovan, låter detta dig ställa naturliga frågor till en app som Siri, snarare än att behöva formulera din fråga på ett speciellt, onaturligt sätt.
- Maskininlärning: Maskininlärning är ett helt annat ämne, men i huvudsak använder det data som NLP tolkar för att “lära” sig själv om framtida handlingar.
- Naturligt språk programmering: Dessa är verktyg som gör det möjligt för användare att skapa applikationer och programvara med hjälp av naturliga språkkommandon (istället för att programmera på det traditionella, datorvänliga sättet).
- Effektiv datoranvändning: Använd NLP och andra tekniker för att förstå och replikera mänskliga känslor (detta är den som människor fruktar mest).
Dessa definitioner kan verka på hög nivå, men i själva verket använder du dem redan. Du kanske till och med har använt dem idag om du har checkat ut:
- En app för stavningskontroll
- Google översättare
- Siri, Cortana, Echo eller Google Voice
- En chatbot:
Alla dessa appar, och många fler, använder NLP så att du kan interagera med dem och de kan interagera med dig. Har du kommit på fler idéer för NLP? Om du är den kreativa typen bör svaret vara “ja!” Låt oss se över några av användningarna av NLP i marknadsföring som inte bara är verklighet; De är också mycket framgångsrika.
Dyk djupare:
Hur NLP revolutionerar marknadsföring
Den enda användningen av NLP som du kanske redan har hört talas om är stor text sentimentanalys. Du har hört talas om big data, eller hur? Jo han träffar sin kusin, fantastiskt skrivande.
Sentimentanalys blir tillräckligt avancerad nu för tiden för att den inte bara kan ge oss en uppfattning om vad folk säger om vårt varumärke online, utan också hur de känner om det. Som alla marknadsförare vet är omnämnanden inte lika med positiva omnämnanden. Med NLP har vi makten att bevisa det.
Med NLP som använder sentimentanalys kan vi bryta stor text för att hitta dem negativa omnämnanden och nå ut för att försöka mildra konsekvenserna. På samma sätt kan sentimentanalys hjälpa varumärken att hitta personer med tydliga köpavsikter så att du kan vidta nödvändiga åtgärder för att säkerställa att ditt varumärke syns i deras ögon.
Om du är med elektronisk handel, du kommer att gilla detta: Andra aspekter av NLP kan användas för att undersöka produktbeskrivningar och automatiskt ändra HTML-koden så att den inkluderar attribut som kanske inte lades till när produkten ursprungligen laddades upp. Detta minskar inte bara de tunga lyften för dig, det lägger till sammanhang och detaljer till listan, vilket innebär att Google är ännu bättre informerad när det gäller att rangordna dina vackert beskrivande produkter i sökningar.
Vårt sista exempel är användningen av NLP för att förbättra prestandan av chatbots. NLP kan inte bara bidra till att förbättra din användbarhet och, som ett resultat, dina kunders upplevelse, utan det kan också kombineras med marknadsföring och inriktningspsykologi för att öka konverteringar och försäljning.
Som ett exempel, förra året, rapporterade återförsäljaren Asos en 300% ökning av beställningarna genom användningen av sin nya “moderobot” Enki. Företaget brukade ha en chatbot (den tråkiga “presentassistenten”) och av allt att döma var det ganska nedslående. Genom att använda den nya, helt förbättrade Facebook Messenger-chatboten, såg de en avkastning på 250 % och nådde 3,5 gånger fler människor. Imponerande, eller hur?
Kosmetikjätten Sephora har också hoppat på chatbot-tåget, med inte en utan tre automatiserade assistenter:
- Sephora bokningsassistent (Facebook)
- Sephora Virtual Assistant (Facebook)
- Sephoras Kik-bot
Facebook-bokningsboten har en 11 % bättre konverteringsfrekvens jämfört med någon annan metod för att boka en makeover.
Dyk djupare:
Framtiden för NLP inom marknadsföring
En sak som kan hindra din förståelse av NLP och dess möjligheter för framtidens marknadsföring är att även om det inte är svårt att förstå hur det fungerar (det hjälper datorer att förstå mänskligt tal och text), kan det vara svårt att föreställa sig hela bredden. de applikationer som det skulle kunna användas för.
En av de största utmaningarna och fördelarna med NLP-drivna system är att de kan bearbeta en STOR mängd data. Dessutom kommer mycket av detta att vara ostrukturerad data som vi aldrig har kunnat bearbeta i stor skala tidigare. Resultatet är enligt vår uppfattning att vi nu har ofattbara mängder data som vi kan dra slutsatser från och påverka strategin.
Problemet ligger i att vi faktiskt måste kunna dra dessa slutsatser. Med andra ord måste vi kunna använda data på ett meningsfullt sätt. Om vi inte gör det är det i praktiken detsamma som att vi inte har någon data. Det är därför det första kravet och utmaningen med att använda NLP är behovet av att ha system som kan utnyttja data, såväl som system som skickar dessa data till fler system som faktiskt kan vidta åtgärder på den.
Många av världens nyaste NLP-aktiverade applikationer är just det: verktyg som tar handlingsbar data och använder den för att uppnå ett mål. Den grad i vilken företag lyckas göra detta är den viktigaste utmaningen som påverkar hur NLP kommer att påverka marknadsföringsvärlden 2021 och framåt.
Dessa är några av de största utmaningarna med NLP.
Vi har hjälpt Fortune 500-företag, riskstödda startups och företag precis som dina. öka intäkterna snabbare. Få en kostnadsfri konsultation
Utmaning nr. Tips #1: Presentera rådata på ett engagerande sätt
Mycket av användningen av NLP i marknadsföring fokuserar på sociala medier, och använder tekniken för att sålla bland miljontals tillfälliga omnämnanden av ett givet ämne och extrahera både de viktigaste och den övergripande “sentimentet” om ämnet. Ibland fokuserar dessa appar på en viss social medieplattform som Twitter, medan andra är integrerade i appar för hantering av sociala medier som Hootsuite:
Hur som helst, utmaningen här är att analysera den ökande mängden stor text. Och det kommer att växa: Big data-marknadens intäkter förväntas öka från 42 miljarder dollar 2018 till 103 miljarder dollar 2027 (och big text är en del av big data). När data ökar kommer verktyg att behöva arbeta ännu hårdare för att säkerställa att människor verkligen kan förstå och använda sådan enorm kunskap.
Dyk djupare:
Utmaning nr. Tips #2: Presentera rådata på ett sätt som sparar tid för människor
På samma sätt kommer denna lavin av data att vara mycket mer användbar om applikationer hittar ett sätt att “kategorisera” informationen den tillhandahåller, vilket inte bara gör det lättare att förstå, utan också tar sig in i mängden information som det tillhandahåller. för människor att ta itu med senare. Automatiserade processer har startat arbetet.
Appar som MonkeyLearn analyserar till exempel kundsupportbiljetter och taggar och kategoriserar sedan biljetterna automatiskt baserat på, du gissade rätt, sentimentanalys. När anställda väl interagerar med data, införlivas den i deras normala arbetsflöde, vilket minskar den ansträngning som krävs för att förbereda support.
Utmaning nr. Tips #3: Presentera rådata i ett format som kan användas i realtid
Tanken på att behöva låta en dator “göra sitt jobb” medan du väntar är föråldrad. Vi lever i ett samhälle som förväntar sig saker nu. Ändå är det tidigt att få den NLP-förbättrade informationen i farten, och det finns definitivt fortfarande en bit kvar att gå.
Vi har redan sett stor realtidsanvändning av NLP för skribenten när de skriver: förmågan att undersöka innehåll när det är skrivet och kommunicera förbättringsförslag som lärt sig genom maskininlärning och stor text. Detta hjälper skribenter att fatta beslut som tar en artikel från genomsnittlig till mycket optimerad, vilket hjälper dem att upptäcka missade möjligheter.
Det är ett fascinerande ämne och vi ser redan framsteg på detta område. Ett program som försöker utföra denna uppgift är MarketMuse:
I utbyte mot en e-postadress kommer de att ta en titt på en del av ditt innehåll och föreslå hur det kan förbättras. Det är kraften i NLP.
Utmaning nr. Tips #4: Gör det lättare att interagera med verktyg som använder NLP
Även om marknadsföring och kundupplevelse inte är samma sak är de relaterade, och vi har redan sett hur förbättrade automatiserade botupplevelser kan erbjuda betydande marknadsföringsfördelar när det gäller konverteringar och försäljning.
Chatbots, kunskapsbaser och kundsupportresurser kan optimeras genom att hjälpa människor att få tillgång till informationen de behöver snabbare (data mining), vilket ger dem ett mer naturligt tillstånd av interaktion med de verktyg som kan hjälpa dem. (naturlig språkbehandling) och förenkla den mänskligt ledda delen av kundtjänstprocessen (automatisk kategorisering, märkning eller klassificering av frågor).
Stressfri teknikinteraktion är nyckeln till kundnöjdhet, och som vi alla vet får nöjda kunder hela företaget att le.
Dyk djupare:
Framtiden för NLP inom marknadsföring
Om du är inom marknadsföring bör du vara väldigt exalterad över möjligheterna med NLP. Om de stora möjligheter den ger inte räcker, så borde åtminstone resan du redan har gjort och dess möjligheter för framtiden, av vilka många ännu inte har upptäckts, spännande dig. Om du någonsin har testat att använda Google Översätt redan 2006 när det släpptes första gången, är jag säker på att du mer än håller med.
När vi går mot framtiden för NLP inom marknadsföring, håll utkik efter utvecklingen av NLP-drivna verktyg som kommer att bli tillgängliga. Oavsett vad du marknadsför och oavsett om du är ett stort företag eller en liten aktör, kommer du att kunna använda dig av några av de mest spännande och praktiska användningarna av big data vi någonsin har sett.
Eftersom en av nycklarna till modern marknadsföring verkar vara analys och tillämpning av insikter från big data, bör allt som hjälper oss att bättre hantera denna big data välkomnas. NLP kan vara ett av de bästa verktygen vi har för att göra detta på ett hållbart, skalbart och realtidssätt, vilket gör det till ett tekniskt modeord som du inte har råd att ignorera. Vill du komma före i kurvan? Kontakta oss för att lära dig mer om teknikmarknadsföring.
Vi har hjälpt Fortune 500-företag, riskstödda startups och företag precis som dina. öka intäkterna snabbare. Få en kostnadsfri konsultation
