Artificial intelligence en de (marketing)kansen van tekstanalyse

“Soon we won’t program computers. We’ll train them like dogs“. Dat is de headline van een artikel in Wired eerder dit jaar. In dat artikel geeft de auteur, Jason Tanz, treffend weer dat we bij een nieuwe technologische revolutie zijn aanbeland. Artificial intelligence (AI) is een van de meest veelbelovende technologische ontwikkeling van dit moment en zal in de nabije toekomst een grote impact hebben op ons marketingvak. Moderne tekstanalyses maken bijvoorbeeld al gebruik van AI bij het analyseren van klantenfeedback om betekenis uit teksten te destilleren.

Technologie en software zijn de laatste decennia tot bijna elk aspect van ons leven doorgedrongen. Tot nu toe wordt software voornamelijk geprogrammeerd door programmeurs die, regeltje voor regeltje, nauwgezet en eenduidig de computer vertellen wat deze moet doen. Hierbij heeft de programmeur volledige controle over zijn geschreven programma’s.

Neural networks

Met articial intelligence en machine learning komt er een einde aan deze volledig gecontroleerde wereld. Softwareprogrammeurs schrijven dankzij machine learning geen regels met instructies meer, zij trainen computers.

Artificial intelligence heeft de afgelopen jaren een enorme progressie doorgemaakt dankzij een techniek die ‘neural networks‘ wordt genoemd. Neural networks bootsen de manier na waarop onze hersenen werken. Een neuraal netwerk bestaat uit een grote hoeveelheid aan elkaar geschakelde cellen, ‘nodes’ geheten. Deze nodes staan met elkaar in verbinding en geven informatie aan elkaar door op eenzelfde manier als zenuwcellen dat doen.

Neural networks bootsen de manier na waarop onze hersenen werken.

Wanneer je een neuraal netwerk bijvoorbeeld maar genoeg foto’s van honden laat analyseren, zal het veel voorkomende patronen gaan herkennen, zoals vormen, contouren, verhoudingen en lijnen. Uiteindelijk kan het systeem zelfstandig honden herkennen en vervolgens daarop foto’s selecteren.

In principe is een neural network een systeem dat patronen uit grote hoeveelheden data herkent, daarvan leert en het geleerde ook kan toepassen. Hoe meer data je invoert, hoe beter het systeem wordt. Foto’s herkennen is maar een van de vele toepassingen waarvoor het wordt gebruikt. Tesla gebruikt het bijvoorbeeld in zijn zelfrijdende auto’s, Facebook om foto’s te herkennen en te benoemen en Google o.a. voor zijn zoekmachine.

Gratis neural network van Google

Grote bedrijven in de techindustrie zijn in een strijd verwikkeld om het AI-platform van de wereld te worden. Google heeft dit jaar een grote stap gezet om die strijd naar zich toe te trekken door de kern haar AI-onderzoeksplatform TensorFlow gratis ter beschikking te stellen.

Daarbij heeft Google ook het gedeelte vrijgegeven dat gebruikt kan worden voor natural language processing (NLP), het vakgebied dat zich bezighoudt met het leren van menselijke taal aan computers. Door het gebruik van neurale netwerken is bij deze taalanalyse grote vooruitgang geboekt.

Het correct ontleden van zinnen is de sleutel om computers taal écht leren te begrijpen.

Een belangrijk stap om computers taal te leren is het “parsen”, oftewel het (taalkundig) ontleden van zinnen. Het correct ontleden van zinnen is de sleutel om computers taal écht leren te begrijpen. Een parser is een softwareprogramma dat tekst taalkundig ontleedt volgens de geldende grammaticale regels. Dit betekent bijvoorbeeld dat Engelse teksten met een Engelse parser en Nederlandse teksten met een Nederlandse parser ontleed moeten worden.

Door zinnen te ontleden, leert de computer het belang van woorden te begrijpen, hoe woorden zich tot elkaar verhouden en wat de betekenis van een woord in de zin is. Net als in marketing is ook hierbij de context van belang. De betekenis van een woord zit hem vaak niet in de betekenis van het afzonderlijke woord zelf, maar in de context waarin het woord gebruikt wordt. Wat mensen daarbij vrij makkelijk afgaat, kan voor een computer voor problemen zorgen.

Neem als voorbeeld de zin:

De kinderen aten pizza met ansjovis.

Voor ons mensen is de betekenis makkelijk te bepalen. Op de pizza zat ansjovis en die pizza werd door de kinderen gegeten. Maar deze zin kan ook een andere betekenis hebben, namelijk dat de kinderen de pizza met ansjovis aten in plaats van een vork te gebruiken. Waar mensen snel door hebben dat het om optie 1 gaat, heeft een computer daar meer moeite mee.

De parser van Google, Parsey McParseface, haalt al een betrouwbaarheid van 94 procent.

Wat het ontleden van zinnen voor een computer zo moeilijk maakt, is dat bij een zin van zo’n 20 à 30 woorden een groot aantal interpretaties mogelijk is. Een parser moet al die mogelijkheden onderzoeken en dan op basis van de context de meest waarschijnlijke betekenis vaststellen.

Door in dit proces gebruik te maken van neural networks, is de kwaliteit van het parsen op een compleet nieuw niveau gebracht. De parser van Google, Parsey McParseface, haalt al een betrouwbaarheid van 94 procent. Ter vergelijking: de mens behaalt een score van 94 tot 96 procent. Er is dus nog ruimte voor verbetering, maar met het verbeteren van het parsen is ook de kwaliteit van de tekstanalyses enorm toegenomen.

Toepassingen AI voor de marketeer

Kunstmatige intelligentie geeft organisaties de mogelijkheid grote hoeveelheden tekst te analyseren. Veel organisaties hebben teksten verzameld door verslagen van klantgesprekken vast te leggen, in klanttevredenheidsonderzoeken of bij het afhandelen van klachten. Deze teksten worden vaak niet geanalyseerd, waardoor hun potentieel onbenut blijft.

Dit is jammer, want juist tekst bevat een schat aan informatie die van groot belang kan zijn voor de organisatie. AI kan bijvoorbeeld ingezet worden om klantenfeedback te categoriseren en vervolgens te benoemen welke klanten aan de hand van hun gegeven feedback waarschijnlijk het contract gaan verlengen en welke op het punt staan naar de concurrent te gaan.

De marketeer heeft er met AI een krachtige tool bij om klanten beter te begrijpen en deze kennis te gebruiken om de dienstverlening verder te verbeteren.