Le traitement du langage naturel - l'avenir du commerce électronique - expliqué

'Ce n'est qu'une question de temps avant que les entreprises de tous les secteurs n'utilisent des technologies d'apprentissage en profondeur comme la PNL pour extraire des informations cachées et en les combinant avec leur expérience et leur expertise métier spécifiques pour innover et se différencier.

Quelle est la technologie derrière le traitement du langage naturel ?

En termes simples, le NLP, ou traitement du langage naturel, est la technologie qui permet aux données du monde réel d'être comprises et traitées par des ordinateurs.

Cela commence dans les années 1950, avec l'article d'Alan Turing "Computer Machinery and Intelligence", où il demande :les machines peuvent-elles penser ? Ce qu'il voulait dire, c'est :les machines peuvent-elles penser comme les humains, donc les machines peuvent-elles comprendre les faits et les données de la réalité humaine ?

La PNL est une forme d'intelligence artificielle qui utilise plusieurs disciplines, comme la linguistique informatique, pour essayer de donner un sens structuré à la communication humaine non structurée. En un sens, il convertit les mots humains (parole et texte) en code binaire.

Il y a soixante-dix ans, les cartes perforées étaient le seul moyen pour les humains de communiquer avec un ordinateur. Aujourd'hui, les ordinateurs peuvent « comprendre » de nombreux langages humains, exécuter des ordres parlés ou écrits, en déduire des informations et les appliquer à l'avenir. Par exemple, si vous aviez vu un pull rouge en ligne une fois, l'ordinateur comprendrait que vous aimez les pulls rouges et vous montrerait tous les éléments qu'il connaît correspondant à "rouge" + "pull".

La PNL fonctionne en analysant les composants infinitésimaux du langage humain - ce que seraient les "atomes de la communication humaine". Il peut s'agir de mots, d'expressions ou de descriptions de votre catalogue de produits. Il compare ensuite ces "atomes" à sa propre base de données de mots et d'enregistrements, qu'il catégorise et en extrait le sens à l'aide d'une analyse sémantique - en fait, il les comprend.

Cela signifie qu'il peut établir des connexions que les humains ne peuvent pas. Aujourd'hui, avec une puissance de traitement massive disponible à moindre coût, les déductions qu'il peut faire pour les préférences des individus sont étonnantes.

Pourquoi arrive-t-il sur le marché maintenant ?

La PNL est en développement depuis de très nombreuses années. Cependant, le marché au sens large ne s'en rend compte que maintenant, car (1) les applications réelles de celle-ci et d'autres technologies d'IA sont de mieux en mieux comprises par les entreprises, et (2) nous avons enfin la puissance de calcul étendue pour en faire quelque chose. . Cela ne fait pas de mal non plus que des entreprises comme la nôtre aient pu utiliser sa connaissance de l'industrie verticale, par exemple, pour aller au-delà des modèles génériques et créer des algorithmes axés sur l'expérience qui génèrent des résultats réels, comme une augmentation des conversions ou des revenus.

Jusqu'à récemment, très peu d'organisations en dehors du milieu universitaire ou du gouvernement disposaient de la puissance de calcul nécessaire pour exécuter les algorithmes d'apprentissage en profondeur nécessaires pour comprendre et établir des corrélations à partir du texte. Avec les progrès récents, non seulement nous pouvons rapidement consommer et tirer un sens de vastes quantités de données textuelles, mais nous disposons désormais également de la technologie en temps réel (avec l'avènement de technologies telles que Flink et Kafka) pour les traiter en même temps que le comportement de l'utilisateur, extraire le informations nécessaires et répondez en temps réel avec l'action ou la décision appropriée.

Comme le note Gartner, l'avènement des données textuelles suscite un grand intérêt pour une gamme d'applications d'IA avancées potentielles. L'utilisation du NLP dans le domaine de l'expérience client, par exemple pour extraire le sentiment des messages texte et du chat, a ouvert la voie à une adoption plus large de l'industrie et à des applications pratiques.

Dans le domaine de la personnalisation de l'expérience, nous commençons tout juste à explorer les possibilités et sommes enthousiasmés par les résultats que nous avons constatés avec l'utilisation du NLP, par exemple, pour extraire des informations des descriptions de catalogues de produits, des avis, des attributs et d'autres textes et gagner une meilleure compréhension des produits de nos clients et de leurs relations les uns avec les autres - hypoallergéniques, 100 % coton, etc.

Ce n'est qu'une question de temps avant que les entreprises de tous les secteurs n'utilisent des technologies d'apprentissage en profondeur telles que le NLP pour extraire des informations cachées et les combiner avec leur expérience et leur expertise commerciales spécifiques pour innover et se différencier.

Les organisations doivent-elles appliquer le NLP ? Pouvez-vous fournir des études de cas/exemples pratiques d'entreprise ?

Un secteur dont nous avons clairement vu comment cela fonctionne est le commerce de détail, auquel appartiennent nombre de nos clients. La mode rapide et les détaillants qui ont un chiffre d'affaires important ou qui introduisent de nouveaux catalogues de manière saisonnière peuvent particulièrement bénéficier de l'utilisation du NLP.

La personnalisation a traditionnellement fonctionné mieux lorsque vous avez des tonnes de données comportementales pour chaque produit. Mais que faites-vous si un gros bloc de votre catalogue est nouveau ou de niche et n'a tout simplement pas de données pour l'accompagner ? Jusqu'à récemment, le mieux que l'on puisse faire était d'offrir une recommandation de "meilleurs vendeurs" en complément.

Avec la PNL, nous pouvons réellement prendre les données textuelles - telles que la description du produit, les notes de style et d'ajustement, les notes et les critiques, etc. - extraire des informations sur ce produit et d'autres qui lui sont liés, puis utiliser cette compréhension plus approfondie pour fournir immédiatement des recommandations. et des offres complémentaires au produit nouveau ou de longue traîne.

Cela change la donne pour les détaillants/marques qui introduisent régulièrement ou parcourent rapidement de nouveaux styles ou catalogues saisonniers, permettant de personnaliser et d'exposer les acheteurs à des produits pertinents grâce à des offres de vente croisée dès le départ.

Quel avenir pour la PNL ?

Alors que les marques et les détaillants continuent d'adopter le NLP, les cas d'utilisation continueront d'évoluer. Ce que nous voyons ensuite, c'est étendre l'application de la PNL pour inclure les prédictions de trajet, les extensions basées sur la parole, le facettage pour la recherche, et plus encore. Le TAL avec apprentissage en profondeur est l'avenir des achats en ligne.

Réponses fournies par Raj Badarinath, vice-président des écosystèmes, RichRelevance