Processamento de linguagem natural — o futuro do comércio eletrônico — explicado

'É apenas uma questão de tempo até que as empresas de todo o setor usem tecnologias de aprendizado profundo como a PNL para extrair insights ocultos e combiná-lo com sua experiência e conhecimento específico de negócios para inovar e diferenciar-se.'

Qual ​​é a tecnologia por trás do processamento de linguagem natural?

Simplificando, NLP, ou processamento de linguagem natural, é a tecnologia que permite que dados do mundo real sejam entendidos e processados ​​por computadores.

Começa na década de 1950, com o artigo de Alan Turing “Computer Machinery and Intelligence”, onde ele perguntava:As máquinas podem pensar? O que ele quis dizer é:as máquinas podem pensar como humanos, portanto, as máquinas podem entender fatos e dados da realidade humana?

A PNL é uma forma de inteligência artificial que usa várias disciplinas, como a linguística computacional, para tentar dar sentido estruturado à comunicação humana não estruturada. De certa forma, converte palavras humanas (fala e texto) em código binário.

Setenta anos atrás, os cartões perfurados eram a única maneira de os humanos se comunicarem com um computador. Hoje, os computadores podem “entender” muitas línguas humanas, executar ordens faladas ou escritas, inferir insights deles e aplicá-los ao futuro. Por exemplo, se você tivesse visto um jumper vermelho online uma vez, o computador entenderia que você gosta de jumpers vermelhos e mostraria todos os itens que ele conhece correspondentes a “red” + “jumper”.

A PNL funciona analisando componentes infinitesimais da linguagem humana – quais seriam os ‘átomos da comunicação humana’. Podem ser palavras, frases ou descrições do seu catálogo de produtos. Esses “átomos” ele então compara com seu próprio banco de dados de palavras e gravações, que categoriza e extrai significado deles usando análise semântica – na verdade, entendendo-os.

Isso significa que ele pode fazer conexões que os humanos não podem. Hoje, com o enorme poder de processamento disponível a baixo custo, as inferências que ele pode fazer sobre as preferências dos indivíduos são surpreendentes.

Por que está chegando ao mercado agora?

A PNL está em desenvolvimento há muitos, muitos anos. O mercado mais amplo só está percebendo agora, no entanto, porque (1) as aplicações do mundo real e outras tecnologias de IA estão sendo melhor compreendidas pelos negócios e (2) finalmente temos o amplo poder computacional para realmente fazer algo com isso . Também não faz mal que empresas como a nossa tenham conseguido usar seu conhecimento da indústria vertical, por exemplo, para ir além dos modelos genéricos e criar algoritmos focados na experiência que geram resultados reais, como aumento de conversões ou receita.

Até recentemente, muito poucas organizações fora da academia ou do governo tinham o poder de computação para realmente executar os algoritmos de aprendizado profundo necessários para entender e extrair correlações do texto. Com os avanços recentes, não apenas podemos consumir e extrair significado rapidamente de grandes quantidades de dados textuais, mas agora também temos a tecnologia em tempo real (com o advento de tecnologias como Flink e Kafka) para processá-los junto com o comportamento do usuário, extrair o insights necessários e responder em tempo real com a ação ou decisão apropriada.

Como observa o Gartner, o advento dos dados de texto está despertando grande interesse em uma variedade de possíveis aplicativos avançados de IA. O uso da PNL no campo da experiência do cliente, por exemplo, para extrair sentimentos de mensagens de texto e bate-papo, abriu caminho para uma adoção mais ampla do setor e aplicações práticas.

No campo da personalização da experiência, estamos apenas começando a explorar as possibilidades e estamos entusiasmados com os resultados que vimos com o uso da PNL, por exemplo, para extrair insights de descrições de catálogos de produtos, avaliações, atributos e outros textos e ganhar uma compreensão mais profunda dos produtos de nossos clientes e como eles se relacionam entre si – hipoalergênicos, 100% algodão, etc.

É apenas uma questão de tempo até que as empresas de todo o setor usem tecnologias de aprendizado profundo, como a PNL, para extrair insights ocultos e combiná-los com sua experiência e conhecimento de negócios específicos para inovar e se diferenciar.

As organizações devem aplicar a PNL? Você pode fornecer alguns estudos/exemplos de casos empresariais práticos?

Um setor que vimos claramente como funciona é o varejo, onde muitos de nossos clientes pertencem. Fast fashion e varejistas que têm grande rotatividade de produtos ou lançam catálogos totalmente novos sazonalmente podem se beneficiar especialmente do uso da PNL.

Tradicionalmente, a personalização funciona melhor quando você tem toneladas de dados comportamentais para cada produto. Mas, o que você faz se um grande bloco do seu catálogo for novo ou de nicho e simplesmente não tiver dados para acompanhá-lo? Até recentemente, o melhor que se podia fazer era oferecer recomendações de “mais vendidos” como complemento.

Com a PNL, podemos realmente pegar os dados textuais – como descrição do produto, estilo e notas de ajuste, classificações e resenhas, etc. – extrair insights sobre esse produto e outros relacionados a ele e, em seguida, usar esse entendimento mais profundo para fornecer recomendações imediatamente e ofertas complementares ao produto novo ou de cauda longa.

Este é um divisor de águas para varejistas/marcas que introduzem regularmente ou percorrem rapidamente novos estilos ou catálogos sazonais, tornando possível personalizar e expor os compradores a produtos relevantes por meio de ofertas de venda cruzada desde o início.

O que vem a seguir para a PNL?

À medida que marcas e varejistas continuam adotando a PNL, os casos de uso continuarão a evoluir. O que vemos a seguir é expandir a aplicação da PNL para incluir previsões de jornada, extensões baseadas em fala, facetação para pesquisa e muito mais. A PNL com aprendizado profundo é o futuro das compras de e-commerce.

Respostas fornecidas por Raj Badarinath, vice-presidente de ecossistemas, RichRelevance