#AI, #sztuczna inteligencja, #machine learning, #uczenie maszynowe, #analiza treści, #NLP, #computer vision, #rozpoznawanie obrazu

JAK ZAUTOMATYZOWALIŚMY ANALIZĘ KOMUNIKACJI MARKETINGOWEJ dzięki NLP i computer vision

SESJA  CZŁOWIEK I ALGORYTM,
CZWARTEK 24.X, godz. 13.20, sale A+B+C

Najważniejsza myśl prezentacji

Już obecnie można wykorzystywać modeli machine learning do wspierania pracy badaczy w takich obszarach jak np. analiza treści. Pokażemy to na przykładzie naszych badań dotyczących komunikacji internetowej polskich marek.

Opis

W naszym wystąpieniu pokażemy jak już obecnie można wykorzystywać machine learning w analizie treści i wydźwięku komunikacji marketingowej i tzw. buzzu wokół polskich marek. Rozwiązania tzw. sztucznej inteligencji oparte na uczeniu maszynowym są coraz częściej wykorzystywane do automatyzacji stosunkowo prostych zadań umysłowych, również w marketingu i w badaniach marketingowych. Nasz zespół R&D tworzy modele dostosowane do specyfiki komunikacji marek i konsumentów w internecie, w tym w szczególności w mediach społecznościowych. Wykorzystują one masywne zbiory danych o dużej rozdzielczości (100 tys. profili, historia danych 2-8 lat, częstotliwość pobierania danych średnio co 1h, itd.) i uczenie bez nadzoru (unsupervised) z użyciem konwolucyjnych sieci neuronowych. W prezentacji pokażemy wyniki naszych prac nad wykorzystaniem przetwarzania języka naturalnego (NLP) dla języka polskiego i angielskiego oraz rozpoznawania obrazu (zdjęcia, grafiki, filmy) związane z kilkoma projektami dotyczących zarówno komunikacji marek, jak i wokół marek (wzmianki konsumetów, w tym tzw. influencerów). Pokażemy, w jaki sposób modele dają wartość biznesową dzięki szybkości przetwarzania złożonych danych i wystarczającej dokładności wyników. Zastanowimy się też nad możliwymi pułapkami związanymi ze stosowaniem uczenia maszynowego w badaniach, m.in. z sampling bias (skrzywiony zbiór uczący), przeuczaniem modeli (overfitting) czy niedostatecznym uwzględnianiu kontekstu.

W jaki sposób prezentacja odnosi się do kwestii skutecznego i odpowiedzialnego wspierania decyzji wiedzą o rynku i człowieku?

Coraz częściej mówi się o zawodach i obszarach ludzkiej działalności, w których tzw. sztuczna inteligencja może wkrótce zastąpić ludzi. Dotyczy to również wielu żmudnych i powtarzalnych prac wykonywanych przez badaczy, zwłaszcza w obszarach gdzie jednocześnie dynamicznie rośnie wolumen danych i łatwość ich pozyskiwania. Zarazem nieumiejętne stosowanie modeli i fetyszyzm technologiczny bez uwzględnienia kontekstu społecznego, jak również radosna eksploracja danych bez formułowania hipotez ex ante grozi zaburzeniami procesu. Maszynie i automatom (a dokładnie modelom i uczeniu maszynowemu) mówimy stanowcze tak, ale rozsądni badacze powinni poczuć się pokrzepieni naszą prezentacją!

Źródła, materiały, dane:

Badania własne prowadzone w ramach projektu R&D, m.in. keyphrase i keyword extraction dla komunikacji marketingowej na Facebooku, Instagramie i YouTube, a także detekcja logotypów w User Generated Content (wzmianki o markach tworzone przez konsumentów i tzw. influencerów).

Przetwarzanie języku naturalnego - analiza wydźwięku oficjalnych komunikatów oraz wzmianek o spółkach giełdowych (komunikacja 1300 spółek notowanych na GPW, New Connect i innych parkietach oraz ich marek). State of the art co o modele AI analizujące treść.

Jan
ZAJĄC

Prezes Zarządu
Sotrender

Przedsiębiorca, badacz i psycholog. Założyciel i prezes Sotrendera (www.sotrender.com), jedynej w Polsce firmie badawczej specjalizującej się w social media i tworzeniu własnych narzędzi do ich badania. Adiunkt na Wydziale Uniwersytetu Warszawskiego. Absolwent SGH i UW, stypendysta Uniwersytetu Bocconi w Mediolanie oraz Uniwersytetu w Leuven. Autor wielu publikacji na temat psychologii Internetu i prowadzenia badań online. Częsty mówca na konferencjach branżowych.

Wykładowca na studiach magisterskich i podyplomowych z zakresu marketingu internetowego oraz badań społecznych i marketingowych.

Jakub
NOWACKI

Head of R&D
Sotrender

Absolwent Politechniki Gdańskiej oraz Uniwersytetu Bristolskiego, gdzie obronił doktorat z matematyki stosowanej. Na co dzień łączy umiejętności analityczne i programistyczne jako Lead Machine Learning Engineer w Sotrenderze. Doświadczenie zdobywał oraz prowadził zespoły w działach badań i rozwoju w wielu firmach w branży wysokich technologii, mediów, farmaceutycznych oraz petrochemicznych. Najbardziej interesuje się rozproszonym przetwarzaniem i analizą dużych zbiorów danych. Pracował zarówno z technologiami dojrzałymi, jak i nie boi się wyzwań w pracy z najnowszymi rozwiązaniami. Zaczynał przygodę z programowaniem w językach C i C++, jednak obecnie najlepiej czuje się w świecie Javy, Scali i Pythona. Prelegent i trener szkoleń technologicznych na wielu konferencjach poświęconych tematyce Big Data.