0
Wenn wir uns anschauen, wie big data analytics enhanced Customer 360, eine der ersten Disziplinen, die mir einfällt, ist das sentiment analytics. Sofern es die Mittel für die Erweiterung des traditionellen CRM-interaction-Sicht auf den Kunden mit Aussagen und Verhaltensweisen äußerten in den sozialen Netzwerken.
Und mit der Weiterentwicklung in der Verarbeitung natürlicher Sprache (NLP) und künstlicher Intelligenz (AI)/machine learning, würde man denken, dass dieses Feld ziemlich ausgereift: Marketer sollten in der Lage sein zu entziffern, mit Leichtigkeit, was Ihre Kunden denken, indem Sie auf Ihre Facebook-oder Twitter-feeds.
Man wäre falsch.
Während die sentiment-analytics ist eines der am besten etablierten Formen der big-data-analytics, es gibt immer noch einen fairen Anteil an Kunst. Unsere von diesem Jahr Sentiment Analytics Symposium, das Letzte Woche in New York ist, es gibt immer noch viele Mythen darüber, wie gut AI und big data sind das hinzufügen von Klarheit in der Analyse, was die Verbraucher denken und fühlen.
Sentiment-Analysen stammten von text analytics, das war alles über pinning die Häufigkeit von keywords zu geben, ein Indikator für die Stimmung. Daraus entwickelte sich das Wort Wolken waren auf einmal ziemlich allgegenwärtig über das Internet.
Aber mit Sprachen wie dem englischen, wo Wörter sind doppelt und manchmal dreifach-Bedeutungen, keywords allein waren nicht ausreichend für die Aufgabe. Der Mythos entstanden, dass wenn wir montieren, genug Daten, dass wir in der Lage sein sollten, um einen besseren Griff auf, was die Leute denken oder fühlen. Durch, die Begründung, die Fortschritte in NLP und AI sollten bewiesen haben das Sahnehäubchen auf der Torte.
Nicht so schnell, sagte Troy Janisch, wer führt die social insights team bei der US-Bank. NLP wird nicht unbedingt unterscheiden, ob das iPhone erwähnt vertreten, buzz oder Kunden auf der Suche für die Reparaturen. Sie würden denken, dass die KI könnte Frettchen aus dem Kontext, aber keiner der Redner darauf hingewiesen, dass es noch bis zu der Aufgabe. Janisch erklärt, Sie müssen noch die menschliche intuition zu analysieren Zusammenhang mit der Formulierung der richtigen Boolean-Abfragen.
Der Beitrag von big data ist, dass es befreit die Analysten der Einschränkungen haben, um die sample-Daten, und so nehmen wir für selbstverständlich an, dass Sie probieren, die gesamte Twitter firehose, wenn Sie es brauchen. Aber für viele Vermarkter, big data ist immer noch einschüchternd.
Tom H. C. Anderson, Gründer von text-analytics-Firma OdinText beobachtet, dass viele Firmen waren blind Daten zu sammeln und werfen Sie Abfragen an, ohne ein klares Ziel für die Ergebnisse verwertbar. Er wies auf die Defizite der social-media-Analyse-Technologien und Methoden, zuverlässige feedback-Schleifen mit tatsächlichen Ereignissen oder Ereignissen.
Aus diesem Grund, sagte Anderson, social-media-analytics-kurze gefallen sind, bei der Vorhersage zukünftigen Verhaltens. Es gibt immer noch viele menschliche intuition als AI involviert in die Punkte zu verbinden und machen zuverlässige Vorhersagen.
Viele Unternehmen sind noch immer überwältigt von big data und übermäßig “reaktiven”, so Kirsten Zapiec, co-Gründer von market research consulting-Firma bbb Kenner. Zugegeben, die big data hat sich weitgehend aus der Probenahme und die Abhängigkeit von Fokus-Gruppen oder detaillierte Erhebungen überflüssig. Aber, warnte Zapiec, da Datensätze immer größer, es wird allzu leicht zu verlieren, den menschlichen Kontext und die Geschichte hinter den Daten. Das überrascht uns, da es im Widerspruch zu der Linie der Partei der Daten Wissenschaft.
Zapiec mehrere calls-to-action das Klang allzu vertraut. Erste, überprüfen Sie die Quelle, und dann cross-Validierung mit zusätzlichen Quellen. Zum Beispiel, ein Twitter-feed allein wird nicht unbedingt die ganze Geschichte erzählen. Dann müssen Sie zum ermitteln der Rollen von Akteuren mit sozialen Graphen, um festzustellen, ob die Stimme ist thought leader, follower, oder bot.
Zapiec dann einen Stellplatz für die Qualität der Daten: Unternehmen sollten Verschiebung von Daten-Sammlung, Daten-integration-Modus. Wir könnten gehört haben, die die gleiche Linie der Beratung zu coming-out der data-warehousing-Konferenzen der 1990er-Jahre. Manche Dinge ändern sich nie.
Natürlich gibt es Sorge darüber, ob soziale Vermarkter sind, völlig fehlen die Signale von Ihren Kunden, wo Sie Leben. Zum Beispiel der “camera company” Snapchat nur stellt APIs für Werbung, nicht für das hören. So könnten andere Quellen oder Daten-Elemente machen den Unterschied? Keisuke Inoue, VP data science an der Emogi, machte den Fall, dass emojis sind oft weit mehr Ausdruckskraft über Stimmung als Worte.
Aber das hängt davon ab, ob Sie verstehen können, dass Sie in den ersten Platz.
0