Инновации в обработке текста

Исследователи из университета Пенсильвании, Северо-Западного университета, университета Мэриленда, Колумбийского университета и университета Эмори опубликовали новую статью в журнале маркетинга, в которой представлен обзор автоматического текстового анализа и описано, как его можно использовать для формирования маркетинговых идей.

Онлайн-обзоры, обращения в службу поддержки клиентов, пресс-релизы, новостные статьи, маркетинговые коммуникации и другие взаимодействия создают множество текстовых данных, которые компании могут анализировать для оптимизации услуг и разработки новых продуктов. По некоторым оценкам, 80−95% всех бизнес-данных являются неструктурированными, причем большая часть из них является текстовой. Этот текст может дать критическую информацию о его производителях, в том числе о личности людей, их отношениях, целях и о том, как они отображают ключевые взгляды и поведение. Этот текст можно объединить, чтобы получить представление об организациях и социальных институтах, а также о том, как отношение меняется в зависимости от культурного контекста, демографии, групп и времени.

Исследовательская группа объясняет, как менеджеры могут использовать текст, чтобы лучше понять людей и организации, которые производят текст. В статье также рассматривается, как содержание текста влияет на различные аудитории. Например, то, как потребители могут повлиять на изменение своего поведения или брендов, влияющих на решение проблем, поднятых потребителями, во многом зависит от содержания текста.

Принимая во внимание объем доступных текстовых данных, методы автоматического анализа текста имеют решающее значение, но с ними необходимо обращаться осторожно. Исследователи должны избегать чрезмерного соответствия и взвешивать важность функций, чтобы подбирать и использовать правильные предикторы из текста. Таким образом, эта статья также предоставляет обзор методологий и метрик, используемых в текстовом анализе, предоставляя набор рекомендаций и процедур для исследователей в области маркетинга. Понимание этих методов помогает понять, как текст используется и обрабатывается. Например, виртуальные помощники в настоящее время находятся под пристальным вниманием к тому факту, что люди слушают аудиозаписи. Однако этот процесс необходим для обучения машин, используемых для автоматического анализа текста.

Исследователи и маркетологи могут использовать эту статью для создания платформ, для укрепления межфункционального сотрудничества с командами, работающими над проектами текстовой аналитики.