Σταθερά επενδύοντας στην τεχνητή νοημοσύνη και τη μηχανική μάθηση για την ανάλυση δεδομένων, η PaloServices έχει επιτύχει και τη θεματική ανάλυση περιεχoμένου με αυτόματο τρόπο, επεξεργαζόμενη εκατομμύρια δεδομένα από Web και Social Media και εγγυώμενη ταχύτατους χρόνους παράδοσης στο πελατολόγιό της, χωρίς «εκπτώσεις» στην ποιότητα των αποτελεσμάτων και των στατιστικών αναλύσεων.
Τα μοντέλα machine & deep learning −τα οποία αναπτύχθηκαν σε συνεργασία με το Πανεπιστήμιο Αιγαίου και το Χαροκόπειο Πανεπιστήμιο− εγγυώνται ακρίβεια και ταχύτητα παράδοσης που καθιστά την PaloServices πρωτοπόρο και στην ανάλυση περιεχομένου μεγάλου όγκου. Τα μοντέλα αυτά εφαρμόζονται πλεόν σε όλες τις αναλύσεις μας.
Η εφαρμογή των εν λόγω τεχνολογιών έχει επηρεάσει ουσιωδώς τις καθημερινές διεργασίες της ομάδας των αναλυτών μας, δίνοντας τη δυνατότητα ανάλυσης πολύ μεγάλου όγκου δεδομένων (big data) σε ελάχιστο χρόνο και με εξαιρετική ποιότητα των αποτελεσμάτων. Τα βήματα που ακολουθούνται πλέον σε κάθε νέα ανάλυση παρουσιάζονται στη συνέχεια:
- Ανάληψη Έργου
- Γίνεται η συλλογή των δεδομένων σύμφωνα με τις ανάγκες του έργου
- Λήψη Στατιστικού Δείγματος
- Η ομάδα των αναλυτών μας επιλέγει στατιστικό δείγμα επί των συνολικών μοναδικών δημοσιευμένων αναφορών για το εκάστοτε θέμα μελέτης
- Δημιουργία «train data»
- Οι αναλυτές μας διαβάζουν τις αναφορές και τις κατηγοριοποιούν σε θέματα (tags), σύμφωνα με τις ανάγκες του πελάτη.
- Δημιουργία Μοντέλων
- Οι Data Scientists της εταιρείας δημιουργούν προσαρμοσμένα μοντέλα μηχανικής μάθησης (machine learning & deep learning models)
- «Εκπαίδευση» Συστήματος
- Σε αυτό το στάδιο γίνεται η εκπαίδευσης του συστήματος βάσει των «train data» και της μοντελοποίησης του προηγούμενου βήματος
- Επέκταση Ανάλυσης
- Επεκτείνεται η θεματική ανάλυση στο σύνολο των δεδομένων που έχουν συλλεχθεί, στο πλαίσιο του εκάστοτε έργου
Δεδομένου ότι τα εν λόγω μοντέλα θεματικής ανάλυσης επίσης παρέχουν «confidence level» για τις προτάσεις που κάνουν, η ομάδα μας είναι σε θέση να βρίσκει, στη συνέχεια, τις «προβληματικές αναφορές» −δηλαδή, τις δημοσιεύσεις για τις οποίες το σύστημα αρχικά φαίνεται να αποτυγχάνει στις προβλέψεις του. Επιλέγοντας ένα στοχευμένο δείγμα, για περαιτέρω θεματική ταξινόμηση από τους αναλυτές μας, καταφέρνουμε να βελτιστοποιούμε το σύστημα προβλέψεων. Και, κατ’ αυτόν τον τρόπο, είμαστε σε θέση να εμπιστευόμαστε τη θεματική ταξινόμηση των αναφορών που προτείνει το τελικό machine learning model, με βάση το οποίο εφαρμόζουμε τις στατιστικές αναλύσεις μας και παραδίδουμε στους πελάτες μας insights που κάνουν τη διαφορά.
Πρόσφατα, η εταιρεία κατάφερε να διεξαγάγει ανάλυση 800Κ αναφορών που συγκεντρώθηκαν για έργο το οποίο απαιτούσε αναδρομική μελέτη ετήσιας βάσης. Δεδομένου ότι η ανάλυση περιεχομένου ήταν ένας από τους βασικούς πυλώνες του συγκεκριμένου έργου, η θεματική ταξινόμηση των αναφορών με μηχανική μάθηση κατέστησε επιτυχές κάτι που, υπό άλλες συνθήκες, θα φάνταζε αδύνατο: την παράδοση του έργου σε δύο εβδομάδες.
Με τη χρήση μοντέλων μηχανικής μάθησης, πετύχαμε την αναδρομική ανάλυση ετήσιας βάσης 800.000 αναφορών σε μόλις 2 εβδομάδες!Click To TweetΜάλιστα, από την ποιοτική αξιολόγηση των μοντέλων μας, ως προς τη θεματική ταξινόμηση των αναφορών, προέκυψε ότι αυτά είχαν επιτυχία περίπου όση και η συμφωνία μεταξύ αναλυτών.
Για τους πελάτες μας οι οποίοι επιλέγουν την PaloServices τόσο για να καλύψουν ανάγκες monitoring tool όσο και για να λαμβάνουν custom insightful reports, το όφελος είναι διπλό, αφού έχουν την ευκαιρία να βλέπουν το περιεχόμενό τους ταξινομημένο σε θεματικές ενότητες σε πραγματικό χρόνο στo PaloPro, όσο η ομάδα των PaloAnalytics υλοποιεί τις αναλύσεις, με στόχο την καταγραφή των actionable insights.
Θέλετε να μάθετε πως η αυτόματη θεματική ανάλυση με χρήση μοντέλων τεχνητής νοημοσύνης και μηχανικής μάθησης μπορούν να εξασφαλίσουν Web και Social Media Monitoring εξαιρετικής ακρίβειας και αμεσότητας, σε πραγματικό χρόνο;
Επικοινωνήστε μαζί μας!
