Pemrosesan bahasa alami — masa depan e-niaga — dijelaskan

'Hanya masalah waktu sebelum perusahaan di seluruh industri akan menggunakan teknologi pembelajaran mendalam seperti NLP untuk mengekstrak wawasan tersembunyi dan menggabungkannya dengan pengalaman bisnis dan keahlian khusus mereka untuk berinovasi dan membedakan diri mereka sendiri.'

Apa teknologi di balik pemrosesan bahasa alami?

Sederhananya, NLP, atau pemrosesan bahasa alami, adalah teknologi yang memungkinkan data dunia nyata untuk dipahami dan diproses oleh komputer.

Ini dimulai pada 1950-an, dengan makalah Alan Turing "Mesin Komputer dan Kecerdasan", di mana dia bertanya:Dapatkah mesin berpikir? Yang dia maksud adalah:Bisakah mesin berpikir seperti manusia, oleh karena itu dapatkah mesin memahami fakta dan data dari realitas manusia?

NLP adalah bentuk kecerdasan buatan yang menggunakan beberapa disiplin ilmu, seperti linguistik komputasi, untuk mencoba memahami komunikasi manusia yang tidak terstruktur secara terstruktur. Dalam arti tertentu, ini mengubah kata-kata manusia (ucapan dan teks) menjadi kode biner.

Tujuh puluh tahun yang lalu, kartu punch adalah satu-satunya cara bagi manusia untuk berkomunikasi dengan komputer. Saat ini, komputer dapat 'memahami' banyak bahasa manusia, menjalankan perintah lisan atau tertulis, menyimpulkan wawasan darinya dan menerapkannya di masa depan. Misalnya, jika Anda pernah melihat jumper merah secara online satu kali, komputer akan memahami bahwa Anda menyukai jumper merah, dan akan menunjukkan kepada Anda semua item yang diketahui terkait dengan "merah" + "jumper".

NLP bekerja dengan menganalisis komponen bahasa manusia yang sangat kecil - apa yang akan menjadi 'atom komunikasi manusia'. Ini mungkin kata-kata atau frase atau deskripsi dari katalog produk Anda. “Atom” ini kemudian dibandingkan dengan database kata-kata dan rekamannya sendiri, yang dikategorikan dan diekstraksi maknanya menggunakan analisis semantik – pada dasarnya, memahaminya.

Artinya bisa membuat koneksi manusia mungkin tidak. Saat ini, dengan kekuatan pemrosesan besar yang tersedia dengan harga murah, kesimpulan yang dapat dibuat untuk preferensi individu sangat mencengangkan.

Mengapa baru dipasarkan sekarang?

NLP telah dikembangkan selama bertahun-tahun. Namun, pasar yang lebih luas baru menyadarinya sekarang, karena (1) aplikasi dunia nyata darinya dan teknologi AI lainnya menjadi lebih dipahami oleh bisnis, dan (2) kami akhirnya memiliki kekuatan komputasi yang luas untuk benar-benar melakukan sesuatu dengannya . Tidak ada salahnya juga jika perusahaan seperti kami dapat menggunakan pengetahuan industri vertikalnya, misalnya, untuk melampaui model umum dan membuat algoritme yang berfokus pada pengalaman yang mendorong hasil nyata, seperti peningkatan konversi atau pendapatan.

Sampai saat ini, sangat sedikit organisasi di luar akademisi atau pemerintah yang memiliki kekuatan komputasi untuk benar-benar menjalankan algoritma pembelajaran mendalam yang diperlukan untuk memahami dan menarik korelasi dari teks. Dengan kemajuan terkini, kita tidak hanya dapat dengan cepat mengonsumsi dan menarik makna dari sejumlah besar data tekstual, tetapi sekarang kita juga memiliki teknologi waktu nyata (dengan munculnya teknologi seperti Flink dan Kafka) untuk memprosesnya bersama dengan perilaku pengguna, mengekstrak wawasan yang diperlukan, dan merespons secara real time dengan tindakan atau keputusan yang tepat.

Seperti yang dicatat Gartner, munculnya data teks memicu minat luas dalam berbagai aplikasi AI canggih yang potensial. Penggunaan NLP di bidang pengalaman pelanggan, misalnya, untuk mengekstrak sentimen dari pesan teks dan obrolan, telah membuka jalan bagi adopsi industri dan aplikasi praktis yang lebih luas.

Di bidang personalisasi pengalaman, kami baru mulai mengeksplorasi kemungkinan dan senang dengan hasil yang telah kami lihat dengan penggunaan NLP, misalnya, untuk mengekstrak wawasan dari deskripsi katalog produk, ulasan, atribut, dan teks lain serta keuntungan pemahaman yang lebih dalam tentang produk pelanggan kami dan bagaimana mereka berhubungan satu sama lain – antialergi, katun 100%, dll.

Hanya masalah waktu sebelum perusahaan di seluruh industri akan menggunakan teknologi pembelajaran mendalam seperti NLP untuk mengekstrak wawasan tersembunyi dan menggabungkannya dengan pengalaman dan keahlian bisnis khusus mereka untuk berinovasi dan membedakan diri mereka sendiri.

Haruskah organisasi menerapkan NLP? Bisakah Anda memberikan beberapa studi kasus/contoh praktis perusahaan?

Satu sektor yang telah kami lihat dengan jelas cara kerjanya adalah ritel, tempat banyak klien kami berada. Mode cepat dan pengecer yang memiliki omset produk yang besar atau memperkenalkan katalog baru secara musiman terutama dapat memperoleh manfaat dari penggunaan NLP.

Personalisasi secara tradisional bekerja paling baik ketika Anda memiliki banyak data perilaku untuk setiap produk. Tapi, apa yang Anda lakukan jika blok besar katalog Anda baru atau niche dan tidak memiliki data untuk disertakan? Sampai saat ini, yang terbaik yang bisa dilakukan adalah menawarkan rekomendasi "penjual teratas" sebagai pelengkap.

Dengan NLP, kita sebenarnya dapat mengambil data tekstual — seperti deskripsi produk, gaya dan catatan kecocokan, peringkat dan ulasan, dll. — mengekstrak wawasan tentang produk itu dan lainnya yang terkait dengannya, lalu menggunakan pemahaman yang lebih dalam itu untuk segera memberikan rekomendasi dan menawarkan pelengkap untuk produk baru atau produk lama.

Ini adalah pengubah permainan bagi pengecer/merek yang secara teratur memperkenalkan atau dengan cepat menelusuri gaya baru atau katalog musiman, sehingga memungkinkan untuk mempersonalisasi dan memaparkan pembeli ke produk yang relevan melalui penawaran jual-silang dari awal.

Apa selanjutnya untuk NLP?

Karena merek dan pengecer terus mengadopsi NLP, kasus penggunaan akan terus berkembang. Apa yang kita lihat selanjutnya adalah memperluas aplikasi NLP untuk memasukkan prediksi perjalanan, ekstensi berbasis ucapan, faceting untuk pencarian, dan banyak lagi. NLP dengan pembelajaran mendalam adalah masa depan belanja e-niaga.

Jawaban diberikan oleh Raj Badarinath, VP Ecosystems, RichRelevance