После последних нововведений пользователям Facebook предлагается выражать всю бурю ощущений с помощью шести «эмоций» – от восхищения до возмущения. И заодно упростить Марку Цукербергу работу над специальным аналитическим сервисом, вручную разметив тональность каждого сообщения. Зачем социальной сети понадобилась широкая гамма чувств своих пользователей, и как это связано эмоциональным развитием искусственного интеллекта?

Грустным будут продавать веселое

В официальном анонсе новой опции объясняется, что «эмоциональные лайки» в будущем позволят по-новому формировать новостную ленту пользователей Facebook. Но для начала в компании соберут больше данных об их поведении. Основная задача этого подхода – измерение так называемого Voice of the customer, отношения пользователя к тому или иному товару, услуге, событию, компании и т.п. Благодаря тому, что люди сами могут разметить эту тональность, значительно упростится работа с пользователями и клиентами. Компании смогут быстрее реагировать на негатив пользователей и нивелировать его, а также ускорить реакцию техподдержки. Появление этих реакций значительно упрощает и конкурентную разведку – теперь куда легче получить портрет конкурента и его товаров с оценками пользователей, то есть выявить сильные и слабые стороны. Кроме того, полученные данные позволят ускорить принятие решений относительно работы в том или ином сегменте рынка. Например, доработать продукцию или улучшить реноме компании и ее первых лиц.

Кроме того, новые шесть кнопок помогут лучше таргетировать рекламу. Анализ настроения пользователя по его лайкам позволяет предлагать ему нужную рекламу на основе новых данных. Сейчас человек указывает только отношение к конкретному посту. На этих данных, которые самостоятельно оставляет человек, несомненно, будет проводиться некоторое машинное обучение. Таким образом, появятся большие базы постов, размеченных «правильным» образом.

На основе этих данных легко сформировать эмоциональный портрет профиля и предлагать рекламу в зависимости от настроения. Например, если оказывается, что пользователь всю ленту разметил кнопками «возмутительно» или «сочувствую» вместо «супер», можно предположить, что настроение у него не очень радостное. Почему бы не предложить ему «лекарство от плохого настроения»: немного взбодриться с помощью покупки билетов в театр или на концерт, тура в дальние страны, которые он упоминал в предыдущих сообщениях?

При этом настроением пользователя несложно управлять, нужным образом формируя новостную ленту. Согласно недавнему исследованию ученых из Университета Южной Калифорнии и Индианского университета в Блумингтоне, в социальных сетях, как и в толпе, люди подвержены эмоциональному заражению. Это исследование проводилось на основе данных 3800 пользователей Twitter, а для получения результатов использовался анализ тональности текстов на базе алгоритма SentiStrength.

Таким образом, расщепив кнопку «лайк», Facebook создал себе новый источник дохода. Компании, которые хотят отслеживать отношение пользователей к товарам и услугам, а также усовершенствовать рекламные инструменты, смогут получить доступ к размеченным корпусам постов или сразу аналитическую выгрузку отзывов.

Почему же в Facebook сделали именно шесть кнопок, а не просто «нравится» и «не нравится»?

Как правило, пользователи не готовы реагировать резко положительно или резко отрицательно. Поэтому уже давно различные сервисы применяют несколько типов эмоциональных оценок для того, чтобы выявить мнение клиента. К примеру, Booking для этого использует четыре отметки. Используя различное количество эмоций, можно получить оценку по шкале, к примеру, от 1 до 10.

От эмоции – к смыслу

Сейчас Facebook отслеживает рейтинг сообщения в целом. Нельзя исключать возможности, что в скором времени социальная сеть попросит пользователей отмечать четче, какая именно фраза или объект вызвали негативную или позитивную эмоцию. Это позволит усовершенствовать систему аналитики социальной сети. Но следующим этапом может стать и внедрение технологий, которые смогут оценивать тональность и без человеческой разметки, а также понимать смысл контента. И здесь без искусственного интеллекта не обойтись.

Для этого могут быть использованы технологии анализа и понимания текстов на естественном, то есть обычном человеческом языке. Им не нужна разметка эмоциональными лайками, чтобы понять тональность постов или комментариев. Они понимают смысл написанного текста и умеют структурировать эту информацию.

Этот рынок находится в самом начале развития, так что мы можем смело говорить, что машины уже вступили на путь эмоционального развития. Сегодня разработкой технологий анализа тональности текстов занимается много разных команд – от коммерческих компаний до студенческих стартапов. Например, MIT, Stanford NLP и другие компании и организации. Они изучают этот вопрос относительно самых разнообразных вещей, начиная с анализа отзывов пользователей ресторанов и заканчивая анализом мнений сотрудников компаний о руководстве. Например, анализируют отзывы пассажиров об авиакомпании: персонал, тип самолета, чистота, еда и т.п. В результате таких исследований выясняется, что пассажиров волнуют не только безопасность полета, цена билета и обслуживание на борту самолета. На оценку авиакомпаний влияет и обслуживание в аэропорту, и работа сайта перевозчика, и ответы техподдержки.

Такие технологии уже используют различные системы мониторинга в мире. Хотя пока чаще применение им находят в других сценариях, например для обработки большого потока информации, сбора данных для принятия решений, взаимодействия с клиентами в крупных компаниях и автоматизации работы техподдержки. Умные технологии могут сами понять смысл сообщения пользователя, выяснить причину недовольства или радости и подобрать ответ или совет на основе ранее полученных обращений. Также они анализируют сложные запросы и перенаправляют их тем специалистам, которые могут помочь с решением. По нашему опыту, лишь треть обращений требуют помощи «живого специалиста». Таким образом, нагрузка на техподдержку значительно снижается. Такие проекты, например с использованием ABBYY Compreno, уже тестируются в нескольких крупных компаниях. А крупнейший оператор кабельного телевидения в Германии Kabel Deutschland использует виртуального помощника Джулию для своих клиентов. Ассистент с искусственным интеллектом понимает их настроение на основе тональности текстовых запросов в техподдержку. В ответ, помимо стандартной помощи клиенту, Джулия, проанализировав его настроение, может рассказать шутку или обидеться на оскорбления.

Используются технологии искусственного интеллекта и во внутренних коммуникациях. Так, компания Kanjoya умеет анализировать профили сотрудников на основе интервью, исследований, отзывов и строить графику с эмоциональным портретом человека. Например, так она изучила более 10 тысяч профилей инженеров американских технологических компаний. В результате выяснилось, что к женщинам в этой профессии относятся более негативно.

Похожие профили, но на основе данных из соцсетей может построить технология MeaningCloud. Полученные данные позволяют судить о том, как целевая аудитория относится к бренду, а также корректировать даты старта продаж или рекламных кампаний, изменять текст и изображения в рекламе в зависимости от того, о чем пишет клиент. С помощью похожих технологий PR-агентство Edelman анализировало сообщения журналистов в социальных сетях, чтобы понять, на какие посты они реагируют, кто и что влияет на их новостную ленту, какие публикации они читают и как относятся к темам, релевантным клиентам агентства. Основываясь на этих данных, агентство выстраивало коммуникацию с представителями прессы.

Кто именно и чем недоволен?

Как же изменятся социальные сети, если в них будут встроены технологии анализа и понимания текстов? Все посты можно будет автоматически проанализировать не только на предмет тональности и voice of customer. Из огромного пласта неструктурированных текстов можно будет извлечь любую необходимую информацию. Например, найти разнообразные объекты, события, факты, построить связи между ними. Сделать прогнозы. Помочь в принятии решений. Так, можно будет сделать запрос: «Выясни, сколько человек недовольны отделением Сбербанка в Черемушках. И чем именно недовольны?» И система найдет все сообщения на эту тему и правильно визуализирует эти данные.

К слову, возможности умных технологий в социальных сетях полезны банкам не только для того, чтобы искать отзывы об отделениях. Сегодня для оценки рисков при выдаче кредитов банки все чаще анализируют профиль заявителей в социальных сетях. Как правило, специалисты по рискам занимаются этим вручную. Но этот процесс легко оптимизировать, используя технологические решения.

Все эти возможности интеллектуальных технологий будут использованы в социальных сетях в ближайшие 5–10 лет. Они значительно расширят возможности индустрии рекламы и маркетинга, позволят создать полноценных персональных ассистентов, которые не просто будут выполнять команды, но также понимать и предугадывать настроение пользователя.

Решения в этой области будут предлагать как отдельные ИТ-компании, так и сами соцсети. Уже сейчас многие компании, в том числе и стартапы, занимаются этой темой. Для них открываются огромные возможности по созданию различных сервисов на базе технологий, понимающих естественный язык и тональность текста. Так, например, в реальном времени будут анализировать отзывы и публиковать красиво визуализированные отчеты. По данным исследований CB Insights, в прошлом году в технологии искусственного интеллекта было инвестировано около $310 млн. Очевидно, что за этим будущее и наибольшую выгоду от их разработки или внедрения внутри организации получат те компании, которые успеют поймать этот тренд.

https://slon.ru/posts/65066