Hoe Natural Language Processing de toekomst van e-commerce vormt

'Het is slechts kwestie van tijd voordat bedrijven in alle sectoren diepe leer-technologieën zoals NLP gaan gebruiken om verborgen inzichten te halen en deze te combineren met hun specifieke zakelijke ervaring en expertise om te innoveren en zich te differentiëren.'

Wat is de technologie achter natural language processing?

Eenvoudig gezegd is NLP, of natural language processing, de technologie die ervoor zorgt dat real-world data door computers begrepen en verwerkt kan worden.

Het begon in de jaren '50, met Alan Turing's paper "Computer Machinery and Intelligence", waarin hij vroeg: Kunnen machines denken? Wat hij bedoelde was: Kunnen machines als mensen denken, dus kunnen machines feiten en data uit de menselijke werkelijkheid begrijpen?

NLP is een vorm van kunstmatige intelligentie die verschillende disciplines gebruikt, zoals computationele linguïstiek, om gestructureerde zin te geven aan ongestructureerde menselijke communicatie. Op zekere hoogte converteert het menselijke woorden (spraak en tekst) naar binaire code.

Zeventig jaar geleden waren punchcards de enige manier voor mensen om met een computer te communiceren. Vandaag kunnen computers 'begrijpen' veel menselijke talen, gesproken of geschreven opdrachten uitvoeren, inzichten eruit halen en die toepassen op de toekomst. Als u bijvoorbeeld een keer een rode trui online bekeek, begrijpt de computer dat u rode truien leuk vindt, en toont hij alle items die hij kent die overeenkomen met "rood" + "trui".

NLP werkt door infinitesimale componenten van menselijke taal te analyseren – wat de 'atomen van menselijke communicatie' zouden zijn. Dit kunnen woorden, zinnen of beschrijvingen uit uw productcatalogus zijn. Deze "atomen" vergelijkt het vervolgens met een eigen database van woorden en opnames, die het categoriseert en waaruit het betekenis haalt met semantische analyse – in feite het begrijpen ervan.

Dit betekent dat het verbanden kan leggen die mensen misschien niet maken. Vandaag, met massive verwerkingskracht goedkoop beschikbaar, zijn de inferenties die het voor individuele voorkeuren kan maken, verbazingwekkend.

Waarom komt het nu op de markt?

NLP is al jaren in ontwikkeling. De bredere markt neemt er pas nu kennis van, omdat (1) de real-world toepassingen ervan en andere AI-technologieën beter begrepen worden door het bedrijfsleven, en (2) we eindelijk de brede computationele kracht hebben om er daadwerkelijk iets mee te doen. Het schadt ook niet dat bedrijven als de onze in staat zijn hun verticale industriekennis te gebruiken, om verder te gaan dan generische modellen en ervaringsgerichte algoritmen te creëren die echte resultaten opleveren, zoals verhoogde conversies of omzet.

Tot recent hadden heel weinig organisaties buiten de academie of overheid de rekenkracht om de diepe leer-algoritmen te draaien die nodig zijn om tekst te begrijpen en correlaties te trekken. Met recente vooruitgang kunnen we niet alleen snel enorme hoeveelheden tekstuele data consumeren en betekenis eruit halen, maar hebben we nu ook de real-time technologie (met het opkomen van technologieën als Flink en Kafka) om het samen met gebruikersgedrag te verwerken, de benodigde inzichten te extraheren, en in real-time te reageren met de juiste actie of beslissing.

Zoals Gartner opmerkt, het opkomen van tekstdata zorgt voor breed belangstelling in een reeks potentiële geavanceerde AI-toepassingen. Het gebruik van NLP op het veld van klantervaring, om bijvoorbeeld sentiment uit tekstberichten en chat te halen, heeft de weg geebend voor bredere industrie-adoptie en praktische toepassingen.

Op het gebied van ervaringspersonaliserenden we net de mogelijkheden te verkennen en zijn we enthousiast over de resultaten die we gezien hebben met het gebruik van NLP, om bijvoorbeeld inzichten te halen uit productcatalogusbeschrijvingen, recensies, attributen en andere tekst en een dieper begrip te krijgen van de producten van onze klanten en hoe ze zich tot elkaar verhouden – hypo-allergisch, 100% katoen, etc.

Het is slechts kwestie van tijd voordat bedrijven in alle sectoren diepe leer-technologieën zoals NLP gaan gebruiken om verborgen inzichten te halen en deze te combineren met hun specifieke zakelijke ervaring en expertise om te innoveren en zich te differentiëren.

Moeten organisaties NLP toepassen? Kunt u praktische enterprise case studies/voorbeelden geven?

Een sector waarin we duidelijk zien hoe het werkt, is retail, waar veel van onze klanten zitten. Snel mode en retailers die grote productomloop hebben of elke seizoenen hele nieuwe catalogi introduceren, kunnen met name profiteren van het gebruik van NLP.

Personalizatie heeft traditioneel het beste gewerkt wanneer je tonnen aan gedragsdata hebt voor elk product. Maar wat doe je als een groot blok van je catalogus nieuw of niche is en gewoon geen data heeft? Tot voor kort was het beste wat men kon doen "top-verkopers" aanbevelingen aanbieden als complement.

Met NLP kunnen we de tekstuele data – zoals de productbeschrijving, stijl- en pasnotities, beoordelingen en recensies, etc. – daadwerkelijk inzichten over dat product en andere gerelateerde producten extraheren, en die diepere kennis gebruiken om direct aanbevelingen en aanbiedingen te geven die complementair zijn aan het nieuwe of long-tail product.

Dit is een game changer voor retailers/merken die regelmatig nieuwe stijlen of seizoenscatalogi introduceren of snel doorlopen, waardoor het mogelijk wordt om vanaf het begin te personaliseren en shoppers bloot te stellen aan relevante producten via cross-sell aanbiedingen.

Wat is er volgend voor NLP?

Naarmate merken en retailers NLP blijven adopteren, zullen use cases zich blijven ontwikkelen. Wat we zien is de uitbreiding van de toepassing van NLP om reisvoorspellingen, spraakgebaseerde uitbreidingen, faceting voor zoeken, en meer te omvatten. NLP met diep leren is de toekomst van e-commerce winkelen.

Antwoorden gegeven door Raj Badarinath, VP Ecosystems, RichRelevance