文本分析是一門強大的學科，能夠發(fā)現(xiàn)和注釋客戶意見的每個示例，而不用考慮客戶采用哪一種語言。

對于正在意識到圍繞其業(yè)務具有大量非結構化數(shù)據(jù)的企業(yè)高管來說，人工智能在文本分析方面不受語言限制的可能性是一個至關重要(但很容易被忽視)的問題。

畢竟，非結構化數(shù)據(jù)(UD)并不是以電子表格等格式結構化的數(shù)據(jù)，通常是在各種社交媒體、博客、網(wǎng)站評論、呼叫中心電話、私人聊天等的大量數(shù)據(jù)——而這些數(shù)據(jù)對于有興趣改善客戶體驗(CX)的企業(yè)來說意味著具有更多價值的大量資源。

大多數(shù)數(shù)據(jù)都是非結構化數(shù)據(jù)。根據(jù)麻省理工學院的估計，如今80%～90%的數(shù)據(jù)是非結構化數(shù)據(jù)，并且正在快速增長。而這一事實意味著，客戶的所有意見都可以供那些投資于技術和專業(yè)知識的企業(yè)進行整理和分析。

這是文本分析人工智能發(fā)揮的作用。這導致在任何平臺上對企業(yè)品牌發(fā)表評論的每一位客戶都可以前所未有地了解他們的想法、觀點和想法。它可以讓企業(yè)準確而快速地發(fā)現(xiàn)優(yōu)先解決的客戶痛點，從而減少客戶流失。

鑒于這種普遍性，認識到語言不可知論的價值就顯得尤為重要。將分析和注釋僅限于英語的觀點(當其他觀點存在時)會破壞非結構化數(shù)據(jù)的規(guī)模和這種文本分析的普遍性。

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

自然語言處理的力量

人工智能驅動的文本分析的基礎是機器學習(ML)和自然語言處理(NLP)的結合。

機器學習是一種旨在模仿人類學習的人工智能方法。雖然傳統(tǒng)的編程需要執(zhí)行人類創(chuàng)建的規(guī)則，但機器學習使用數(shù)據(jù)分析來學習可用于推斷的極其復雜的模式，這使得機器學習非常擅長解決問題和執(zhí)行復雜的任務。

與此同時，自然語言處理(NLP)屬于處理語言。實際上，它可以理解為是機器學習支持的復雜任務之一。

在這種情況下，自然語言處理(NLP)的用途是多種多樣的。它可以用于更簡單的目標，例如計算給定的術語或單詞在文本中出現(xiàn)的頻率?；蛘呖梢猿袚D巨的挑戰(zhàn)，即確定給定文本的情緒甚至情感。

顯然，這兩者對于希望詳細了解所有可用客戶意見的企業(yè)都有很大的用處。

自然語言處理(NLP)的這些用途使企業(yè)能夠評估大量數(shù)據(jù)，以發(fā)現(xiàn)他們的品牌在網(wǎng)上或線下被談論的頻率，以及了解是積極的還是消極的評論，還是與一系列更細微的情緒有關。

多語言的方法

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

然而，為了實現(xiàn)這一目標，不能限制表達給定意見的語言，而是需要人工智能完全與語言無關，特別是如果一家企業(yè)是跨國組織的話。

可以通過使用無監(jiān)督和有監(jiān)督的機器學習來實現(xiàn)這一點。監(jiān)督機器學習意味著所涉及的算法由人類對訓練數(shù)據(jù)進行注釋“訓練”，在涉及大量數(shù)據(jù)(也稱為大數(shù)據(jù))的任務時，人工智能可以比人類做得更好。

為了確保滿足所有語言的需求，研究人員利用了一個由大約300名以各種語言為母語的人員組成的團隊，他們對非結構化數(shù)據(jù)進行閱讀、理解和人工注釋。例如，確定某條推特是正面還是負面的，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)容所暗示的客戶旅程。

一旦人工智能接受母語訓練(不需要翻譯成英語和使用英語的機器學習模型)以非常準確地實現(xiàn)其目標(無論是建立情緒還是識別主題)，其結果可以很容易地使用英語可視化，以客戶可以理解的語言為客戶體驗(CX)專業(yè)人員、客戶保留經(jīng)理等解鎖所有客戶的意見。

最重要的是，人工智能精度還可以不斷提高。例如，當一個人用某種情緒對一小部分推文進行注釋時，就可以衡量其準確性?？梢钥吹?0%～90%或更多內(nèi)容與算法匹配，無論這些推文是用什么語言寫的。

考慮到表達情感的主觀性，這表明這些人工智能技術已經(jīng)變得多么強大。

在非結構化數(shù)據(jù)中大海撈針

非結構化數(shù)據(jù)(UD)無處不在，它代表了一個了解所有客戶意見的機會，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意見。

然而，為了真正實現(xiàn)這種不受限制地獲取消費者意見的能力，跨國公司不僅需要聘請人工智能專家和技術人員，還需要確保他們的人工智能系統(tǒng)在所有相關語言的數(shù)據(jù)上都得到與英語相同的高精度訓練。

這樣一來，文本分析不僅與源無關，而且與語言無關。讓企業(yè)領導可以自信地斷言，他們對客戶的觀點、痛點和收獲點的理解是詳細、精確以及全面的。