自然言語処理—eコマースの未来—の説明

'業界全体の企業がNLPなどのディープラーニングテクノロジーを使用して隠された洞察を抽出するのは時間の問題です。そしてそれを彼らの特定のビジネス経験と専門知識と組み合わせて、彼ら自身を革新し、差別化する。

自然言語処理の背後にあるテクノロジーは何ですか？

簡単に言えば、NLP、つまり自然言語処理は、実世界のデータをコンピューターで理解して処理できるようにするテクノロジーです。

それは1950年代に始まり、アランチューリングの論文「ComputerMachinery and Intelligence」で、彼は次のように尋ねました。彼の意味するところは、機械は人間のように考えることができるので、機械は人間の現実からの事実やデータを理解できるのでしょうか？

NLPは、計算言語学などのいくつかの分野を使用して、構造化されていない人間のコミュニケーションの構造化された意味を理解しようとする人工知能の形式です。ある意味で、人間の単語（音声とテキスト）をバイナリコードに変換します。

70年前、パンチカードは人間がコンピューターと通信する唯一の方法でした。今日、コンピューターは多くの人間の言語を「理解」し、口頭または書面による命令を実行し、それらから洞察を推測し、それらを将来に適用することができます。たとえば、赤いジャンパーをオンラインで一度見たことがあれば、コンピューターはあなたが赤いジャンパーが好きだと理解し、「赤」+「ジャンパー」に対応することがわかっているすべてのアイテムを表示します。

NLPは、人間の言語のごくわずかな要素、つまり「人間のコミュニケーションの原子」を分析することによって機能します。これらは、製品カタログの単語、フレーズ、または説明である可能性があります。次に、これらの「アトム」を独自の単語と録音のデータベースと比較し、セマンティック分析を使用してそれらから意味を分類および抽出します。実際には、それらを理解します。

これは、人間ができない可能性のある接続を確立できることを意味します。今日、大規模な処理能力が安価に利用できるため、個人の好みに合わせて推測できるのは驚くべきことです。

なぜ今市場に出ているのですか？

NLPは何年にもわたって開発されてきました。しかし、（1）実際のアプリケーションや他のAIテクノロジーがビジネスでよりよく理解されるようになり、（2）ついにそれを使って実際に何かを行うための幅広い計算能力が得られたため、より広い市場が注目されています。 。また、私たちのような企業が、業界の垂直的な知識を使用して、一般的なモデルを超えて、コンバージョンや収益の増加など、実際の結果を促進するエクスペリエンスに焦点を当てたアルゴリズムを作成できたことも害にはなりません。

最近まで、テキストから相関関係を理解し​​て引き出すために必要な深層学習アルゴリズムを実際に実行するコンピューティング能力を持っているのは、学界や政府以外の組織ではほとんどありませんでした。最近の進歩により、膨大な量のテキストデータをすばやく消費して意味を引き出すことができるだけでなく、ユーザーの行動とともに処理し、抽出するリアルタイムテクノロジー（FlinkやKafkaなどのテクノロジーの出現）も利用できるようになりました。必要な洞察を提供し、適切なアクションまたは決定でリアルタイムに対応します。

ガートナーが指摘しているように、テキストデータの出現により、さまざまな潜在的な高度なAIアプリケーションへの幅広い関心が高まっています。たとえば、テキストメッセージやチャットから感情を抽出するために、カスタマーエクスペリエンスの分野でNLPを使用することで、業界での幅広い採用と実用化への道が開かれました。

エクスペリエンスのパーソナライズの分野では、可能性を探求し始めたばかりであり、たとえば、製品カタログの説明、レビュー、属性、その他のテキストから洞察を抽出して取得するために、NLPを使用して見た結果に興奮しています。お客様の製品と、それらが互いにどのように関連しているかについてのより深い理解–低アレルギー性、綿100％など。

業界全体の企業がNLPなどのディープラーニングテクノロジーを使用して隠れた洞察を抽出し、それを特定のビジネス経験や専門知識と組み合わせて革新と差別化を図るのは時間の問題です。

組織はNLPを適用する必要がありますか？実用的な企業のケーススタディ/例をいくつか提供できますか？

それがどのように機能するかをはっきりと見てきた1つのセクターは、多くのクライアントが所属する小売業です。ファストファッションや、製品の売り上げが多い、または季節ごとにまったく新しいカタログを導入している小売業者は、NLPを使用することで特にメリットが得られます。

パーソナライズは、従来、製品ごとに大量の行動データがある場合に最も効果的に機能していました。しかし、カタログの大部分が新しいかニッチであり、それに付随するデータがない場合はどうしますか？最近まで、最善の方法は、補足として「トップセラー」の推奨を提供することでした。

NLPを使用すると、製品の説明、スタイルとフィットのメモ、評価とレビューなどのテキストデータを実際に取得して、その製品とそれに関連する他の製品に関する洞察を抽出し、その深い理解を利用してすぐに推奨事項を提供できます。新製品またはロングテール製品を補完するものを提供します。

これは、新しいスタイルや季節限定のカタログを定期的に紹介したり、すばやく循環させたりする小売業者やブランド向けのゲームチェンジャーであり、最初からクロスセルオファーを通じて買い物客をパーソナライズして関連商品に公開することができます。

NLPの次は何ですか？

ブランドと小売業者がNLPを採用し続けるにつれて、ユースケースは進化し続けます。次に目にするのは、NLPのアプリケーションを拡張して、旅の予測、音声ベースの拡張、検索のファセットなどを含めることです。ディープラーニングを備えたNLPは、eコマースショッピングの未来です。

回答：Raj Badarinath、VP Ecosystems、 RichRelevance