Verarbeitung natürlicher Sprache – die Zukunft des E-Commerce – erklärt

„Es ist nur eine Frage der Zeit, bis Unternehmen in der gesamten Branche Deep-Learning-Technologien wie NLP einsetzen werden, um verborgene Erkenntnisse zu gewinnen und sie mit ihrer spezifischen Geschäftserfahrung und ihrem Fachwissen zu kombinieren, um innovativ zu sein und sich von anderen abzuheben.'

Was ist die Technologie hinter der Verarbeitung natürlicher Sprache?

Einfach ausgedrückt ist NLP oder Natural Language Processing die Technologie, die es ermöglicht, dass reale Daten von Computern verstanden und verarbeitet werden.

Es beginnt in den 1950er Jahren mit Alan Turings Aufsatz „Computer Machinery and Intelligence“, in dem er fragte:Können Maschinen denken? Was er meinte ist:Können Maschinen wie Menschen denken, können Maschinen also Fakten und Daten aus der menschlichen Realität verstehen?

NLP ist eine Form der künstlichen Intelligenz, die verschiedene Disziplinen, wie die Computerlinguistik, nutzt, um zu versuchen, der unstrukturierten menschlichen Kommunikation einen strukturierten Sinn zu geben. In gewissem Sinne wandelt es menschliche Wörter (Sprache und Text) in Binärcode um.

Vor 70 Jahren waren Lochkarten die einzige Möglichkeit für Menschen, mit einem Computer zu kommunizieren. Heute können Computer viele menschliche Sprachen „verstehen“, gesprochene oder geschriebene Befehle ausführen, Erkenntnisse daraus ableiten und auf die Zukunft anwenden. Wenn Sie beispielsweise einmal online einen roten Pullover gesehen haben, würde der Computer verstehen, dass Sie rote Pullover mögen, und Ihnen alle Artikel anzeigen, die ihm bekannt sind und die mit „rot“ + „Pullover“ übereinstimmen.

NLP funktioniert, indem es unendlich kleine Komponenten der menschlichen Sprache analysiert – was die „Atome der menschlichen Kommunikation“ wären. Dies können Wörter oder Phrasen oder Beschreibungen aus Ihrem Produktkatalog sein. Diese „Atome“ vergleicht es dann mit seiner eigenen Datenbank von Wörtern und Aufzeichnungen, die es kategorisiert und mithilfe semantischer Analyse Bedeutungen aus ihnen extrahiert – im Endeffekt versteht es sie.

Das bedeutet, dass es Verbindungen herstellen kann, die Menschen nicht können. Heutzutage sind die Schlussfolgerungen, die sie auf die Vorlieben von Einzelpersonen ziehen können, mit der enormen Rechenleistung, die billig verfügbar ist, erstaunlich.

Warum kommt es jetzt auf den Markt?

NLP befindet sich seit vielen, vielen Jahren in der Entwicklung. Der breitere Markt wird jedoch erst jetzt darauf aufmerksam, weil (1) die realen Anwendungen dieser und anderer KI-Technologien von der Wirtschaft immer besser verstanden werden und (2) wir endlich die breite Rechenleistung haben, um tatsächlich etwas damit zu tun . Es schadet auch nicht, dass Unternehmen wie unseres beispielsweise ihr vertikales Branchenwissen nutzen konnten, um über die generischen Modelle hinauszugehen und erfahrungsorientierte Algorithmen zu entwickeln, die echte Ergebnisse wie höhere Conversions oder Einnahmen erzielen.

Bis vor kurzem verfügten nur sehr wenige Organisationen außerhalb der Wissenschaft oder der Regierung über die Rechenleistung, um die Deep-Learning-Algorithmen tatsächlich auszuführen, die zum Verstehen und Ziehen von Korrelationen aus Text erforderlich sind. Mit den jüngsten Fortschritten können wir nicht nur große Mengen an Textdaten schnell konsumieren und aus ihnen Bedeutung ziehen, sondern wir verfügen jetzt auch über die Echtzeittechnologie (mit dem Aufkommen von Technologien wie Flink und Kafka), um sie zusammen mit dem Benutzerverhalten zu verarbeiten und zu extrahieren erforderliche Einblicke und reagieren Sie in Echtzeit mit der entsprechenden Aktion oder Entscheidung.

Wie Gartner feststellt, weckt das Aufkommen von Textdaten ein breites Interesse an einer Reihe potenzieller fortschrittlicher KI-Anwendungen. Der Einsatz von NLP im Bereich Customer Experience, beispielsweise um Stimmungen aus Textnachrichten und Chats zu extrahieren, hat den Weg für eine breitere Akzeptanz in der Branche und praktische Anwendungen geebnet.

Im Bereich der Personalisierung von Erlebnissen fangen wir gerade erst an, die Möglichkeiten zu erkunden und sind begeistert von den Ergebnissen, die wir beim Einsatz von NLP gesehen haben, um beispielsweise Erkenntnisse aus Produktkatalogbeschreibungen, Rezensionen, Attributen und anderen Texten zu extrahieren und zu gewinnen ein tieferes Verständnis der Produkte unserer Kunden und ihrer Beziehung zueinander – hypoallergen, 100 % Baumwolle usw.

Es ist nur eine Frage der Zeit, bis Unternehmen aus allen Branchen Deep-Learning-Technologien wie NLP nutzen werden, um verborgene Erkenntnisse zu gewinnen und diese mit ihrer spezifischen Geschäftserfahrung und ihrem Fachwissen zu kombinieren, um innovativ zu sein und sich von anderen abzuheben.

Sollten Organisationen NLP anwenden? Können Sie einige praktische Fallstudien/Beispiele für Unternehmen bereitstellen?

Ein Sektor, in dem wir deutlich gesehen haben, wie er funktioniert, ist der Einzelhandel, zu dem viele unserer Kunden gehören. Fast Fashion und Einzelhändler, die einen großen Produktumsatz haben oder saisonal ganz neue Kataloge einführen, können besonders vom Einsatz von NLP profitieren.

Personalisierung hat traditionell am besten funktioniert, wenn Sie für jedes Produkt tonnenweise Verhaltensdaten haben. Aber was tun Sie, wenn ein großer Block Ihres Katalogs neu oder eine Nische ist und einfach keine Daten dazu hat? Bis vor kurzem war das Beste, was man tun konnte, Empfehlungen von „Topsellern“ als Ergänzung anzubieten.

Mit NLP können wir die Textdaten – wie die Produktbeschreibung, Anmerkungen zu Stil und Passform, Bewertungen und Rezensionen usw. – nutzen, um Erkenntnisse über dieses Produkt und andere damit verbundene Produkte zu extrahieren und dieses tiefere Verständnis dann zu nutzen, um sofort Empfehlungen abzugeben und ergänzende Angebote zum neuen oder Long-Tail-Produkt.

Dies ist ein Wendepunkt für Einzelhändler/Marken, die regelmäßig neue Stile oder saisonale Kataloge einführen oder schnell durchgehen, wodurch es möglich wird, Käufer von Anfang an durch Cross-Selling-Angebote zu personalisieren und relevante Produkte vorzustellen.

Wie geht es mit NLP weiter?

Da Marken und Einzelhändler weiterhin NLP übernehmen, werden sich die Anwendungsfälle weiterentwickeln. Als nächstes sehen wir die Ausweitung der Anwendung von NLP auf Reisevorhersagen, sprachbasierte Erweiterungen, Facetten für die Suche und mehr. NLP mit Deep Learning ist die Zukunft des E-Commerce-Shoppings.

Antworten von Raj Badarinath, VP Ecosystems, RichRelevance