معالجة اللغة الطبيعية لمسوقي المحتوى

حسنًا ، Google ، ما درجة الحرارة بالخارج اليوم؟ هل طرحت سؤالاً على جهازك المفعّل بالصوت اليوم؟

ربما كتبت بريدًا إلكترونيًا واستخدمت اقتراحات الجمل في Gmail. ربما قمت بترجمة صفحة إلى لغة أخرى.

إذا كان لديك ، فقد استخدمت نوعًا من الذكاء الاصطناعي يسمى معالجة اللغة الطبيعية (NLP) ، حيث تتم برمجة أجهزة الكمبيوتر لفهم لغة الإنسان وأنماط الكلام لتنفيذ الأوامر.

إنه مجرد جزء واحد من مجموعة تقنيات الذكاء الاصطناعي التي تتضمن التعلم الآلي ، والتعرف على الصور ، والتعلم العميق ، والشبكات العصبية ، وتوليد اللغة الطبيعية (NLG).

يستخدم المساعدون الظاهريون مثل Google و Siri و Alexa البرمجة اللغوية العصبية لتنفيذ استعلامات البحث والطلبات. تستخدمه محركات البحث أيضًا لمطابقة المحتوى مع الاستعلامات والتنبؤ بالاستعلامات وملءها تلقائيًا وتقديم الإعلانات المستهدفة ، من بين أشياء أخرى.

كيف تعمل معالجة اللغة الطبيعية؟

قبل الذكاء الاصطناعي ومعالجة اللغات الطبيعية ، كانت محركات البحث والمواقع تفعل إلى حد كبير ما أخبرها البشر بفعله. يمكنهم فقط "تعلم" العمليات والأوامر الجديدة عندما يقوم البشر ببرمجة تلك العمليات والأوامر فيها.

الآن ، يمكن لهاتفك وأجهزة الأوامر الصوتية و Chrome معرفة كيفية البحث عن المحتوى وأنواع المحتوى التي تبحث عنها عادةً. من خلال القيام بذلك ، يحاولون تقديم مصطلحات البحث والمحتوى المصمم خصيصًا لك وتفضيلاتك.

فكر في جميع حقول البحث التي تملأها للعثور على ما تحتاجه. أمازون ونتفليكس وجوجل ؛ يستخدمون جميعًا ميزة الملء التلقائي لمعرفة ما تبحث عنه حتى قبل الانتهاء من كتابته.

وكم مرة عرفت فيها نوعًا ما اسم الفيلم أو المنتج الذي تبحث عنه؟ تقوم بتوصيل ما تعرفه وتأمل أن تتمكن وظيفة البحث من مطابقة مصطلح البحث الجزئي مع الشيء الذي تبحث عنه.

طالما أن استفسارك أفضل من "هذا الفيلم مع هذا الرجل" ، فهناك فرصة جيدة ، وستجده Amazon أو Google.

وهذه هي معالجة اللغة الطبيعية. يحلل البرمجة اللغوية العصبية (NLP) كميات هائلة من بيانات اللغة من استعلامات متعددة ويبحث عن أنماط سياقية لتفسير النتائج.

حتى بريدك الإلكتروني يستخدم البرمجة اللغوية العصبية الآن. هل لاحظت أن Gmail ينتهي الآن من جملك؟ يستخدم التعلم الآلي وكذلك البرمجة اللغوية العصبية لمعرفة كيفية التواصل وتقديم الاقتراحات أثناء كتابة رسالة بريد إلكتروني.

بالمناسبة ، إذا لم تكن واضحًا بشأن الاختلاف بين معالجة اللغة الطبيعية وتوليدها وفهمها ، فقد كتبنا منشورًا ، "ما هو الفرق بين NLP و NLU و NLG؟" فقط لأجلك!

ما هو التأثير المحتمل للغة البرمجة اللغوية العصبية على تسويق المحتوى؟

فكر في جميع البيانات التي تجمعها الأجهزة الذكية ومحركات البحث عن المستخدمين وتفضيلات البحث الخاصة بهم. الآن ، تخيل أنه يمكنك الاستفادة من تلك البيانات لتخصيص المحتوى الخاص بك لها.

هذا بالضبط ما يحدث. يمكن للمعلنين ومسوقي المحتوى على حدٍ سواء استهداف محتواهم بشكل مفرط إلى جماهير محددة ، بناءً على ما يتعلمه الذكاء الاصطناعي وراء البحث.

إنه يؤثر أيضًا على بنية المحتوى. هل تتذكر أيام حشو الكلمات الرئيسية غير الطبيعية في مشاركات المدونة لتظهر فقط في البحث؟

NLP و NLG تخلصوا من ذلك. الآن ، يمكن لمحركات البحث مطابقة المحتوى بعبارات البحث ، حتى إذا كانت منشورات المدونة تستخدم كلمات رئيسية غير مطابقة تمامًا.

ويمكن للباحثين طرح أسئلة باستخدام لغة طبيعية (مكتوبة أو منطوقة) بدلاً من مصطلحات البحث غير المرغوب فيها والمثبتة بعلامات اقتباس.

في الواقع ، تستخدم محركات البحث مثل Google AI و NLP لمطابقة المحتوى عالي الجودة بمصطلحات البحث.

فهو لا يعالج عادات البحث الخاصة بك فحسب ، بل يعالج عادات جميع المستخدمين للبحث عن أكثر ما يبحث عنه الأشخاص. ويمكن للغة البرمجة اللغوية العصبية والذكاء الاصطناعي تفسير البيانات الضخمة للعثور على أفضل مصطلحات البحث للمعلنين.

دعنا نلقي نظرة فاحصة على بعض تطبيقات الذكاء الاصطناعي ومعالجة اللغات الطبيعية في تسويق المحتوى وكيف تغير المجال.

تطبيقات معالجة اللغة الطبيعية في تسويق المحتوى

ليس هناك شك في أن البرمجة اللغوية العصبية يغير طريقة تفكيرنا في تسويق المحتوى واكتشاف المحتوى. هناك تطبيقات يستخدمها المسوقون حاليًا لتحسين أنواع المحتوى التي ينتجونها بالفعل.

قياس الشعور

من السهل جدًا تتبع عدد المرات التي يتم فيها عرض المحتوى الخاص بك ومشاركته وربطه بالخلف. لكن من الصعب الحصول على سياق لتلك التفاعلات.

يمكن أن تساعد البرمجة اللغوية العصبية (NLP) المسوقين على فهم سبب مشاركة المحتوى الخاص بهم. على سبيل المثال ، من الرائع أن ينتشر المحتوى بسرعة كبيرة. لكن تخيل أن المحتوى الخاص بك تتم مشاركته مع تعليقات مثل "هذا كله خطأ" أو "ما مدى الإهانة" أو "بماذا كانوا يفكرون؟".

هذا جزء كبير من حملة التسويق الاجتماعي والاستماع الاجتماعي. يستخدم مسوقو وسائل التواصل الاجتماعي الآن محتوى تحليل المشاعر للبحث عن لغة سلبية أو إيجابية أو محايدة لمساعدتهم على تحديد كيفية تلقي المحتوى من قبل الجماهير المستهدفة.

تحسين المحتوى

إذا كانت لديك مكتبة تحتوي على محتوى موجود بالفعل ، فيمكن أن تساعدك AI و NLP في تدقيق منشوراتك بحثًا عن المحتوى المفقود أو الرقيق. MarketMuse Suite عبارة عن نظام أساسي يقوم بتحليل الأجزاء الفردية من المحتوى ، ويبحث عن الموضوعات المفقودة أو الموضوعات الفرعية أو الكلمات الرئيسية.

سيستخدم البرمجة اللغوية العصبية (NLP) لمساعدتك في تحديد كيفية تحسين المحتوى الرقيق ، أيضًا ، من خلال البحث عن المعلومات المفقودة في الموضوعات.

زيادة ترتيب البحث

على مدى السنوات الأربع الماضية ، استخدمت محركات البحث مثل Google الخوارزميات للزحف إلى المحتوى لأكثر من مجرد كلمات رئيسية. تستخدم برامج الزحف هذه الآن معالجة اللغة الطبيعية لتحديد ما إذا كان المحتوى المحيط بإحدى الكلمات الرئيسية يطابق تمامًا هدف المستخدم أم لا.

لنفترض أن كلمتك الرئيسية هي "كيفية تثبيت الرفوف". ستحلل برامج الزحف البنية والدلالات في الصفحة لفهم ما إذا كان باقي النص يجيب عن هذا الاستعلام. هل تتضمن الخطوات الصحيحة؟ هل هي شاملة بما يكفي بحيث يمكن للمستخدم تثبيت رف باستخدام منشور مدونتك؟

وهذا هو الجوهر الحقيقي لتحسين محرك البحث. هل يتطابق المحتوى الخاص بك مع نية المستخدم؟ إذا كتبت مقالاً عن موضوع ساخن في السياسة ، فهل تتطابق مقالتك مع نية المستخدم الذي يبحث عن هذا الموضوع؟ هل تحتوي على معلومات مفيدة أم أنها مجرد زغب؟ البرمجة اللغوية العصبية يتحسن في تحديد ذلك.

الوصول إلى الجمهور المستهدف

أخيرًا ، يمكن أن تساعدك البرمجة اللغوية العصبية (NLP) في استهداف الجمهور المناسب للمحتوى المدفوع أو الإعلان. فكر في جميع البيانات التي تجمعها Google عندما يبحث الأشخاص عبر الإنترنت أو باستخدام أجهزتهم الذكية. تستفيد الشركات الآن من تلك البيانات للاستهداف المفرط لمحتواها المدفوع وإعلانها لمجموعات معينة في مناطق أصغر.

بدلاً من إنفاق الأموال على إلقاء شبكة واسعة لجذب عدد قليل من الأسماك ، تعمل الشركات على شحذ الجماهير الأصغر التي ستحقق تحويلات أعلى.

في الواقع ، هناك نظرية مؤامرة تدور حول أن هاتفك الذكي يستمع إلى محادثاتك لالتقاط الكلمات الرئيسية وإظهار المحتوى والإعلانات المستهدفة. غوغل وفيسبوك بالطبع أنكرتا ذلك بشدة.

تقنيات معالجة اللغة الطبيعية

يفسر البرمجة اللغوية العصبية اللغة ويحولها إلى نتائج قابلة للاستخدام من خلال بناء الجملة والدلالات. يصف النحو كيف يتم ترتيب الكلمات في جملة لإضفاء معنى هيكلي ونحوي. تشير الدلالات إلى المعنى الحقيقي وراء الكلمات التي يتحدث بها الشخص أو يكتبها.

التحليل النحوي

وفقًا للدكتور مايكل جارباد ، المؤسس والرئيس التنفيذي لـ Education Ecosystem ، هناك أكثر من بضع طرق تستمد بها محركات البحث وأجهزة الكمبيوتر المعنى من بناء الجملة. فيما يلي بعض الأساليب الأكثر شيوعًا:

• Lemmatization - عملية اختزال جميع الأشكال المنعكسة للكلمة في كلمة واحدة لتسهيل التحليل.
• التجزئة المورفولوجية - تقسيم الكلمات إلى وحدات فردية ، تسمى المورفيمات ، والتي تجعل التحليل أكثر وضوحًا. على سبيل المثال ، سيتم تقسيم أبتاون إلى أعلى و-مدينة.
• تجزئة الكلمات - تقسيم جزء كبير من النص المستمر إلى وحدات مميزة
• تمييز جزء من الكلام - تحديد جزء الكلام لكل كلمة ، مثل الأفعال والأسماء والمقالات وحروف الجر وما إلى ذلك.
• الاعراب - تحليل نحوي للجملة.
• كسر الجملة - وضع حدود حول الجمل لمساعدة البرامج على التمييز بين واحد وآخر.
• الاشتقاق - قطع الكلمات التي تم تصريفها إلى شكلها الجذري.

التحليل الدلالي

هذا هو المكان الذي لا تزال فيه أجهزة الكمبيوتر وبرامج البحث تتعثر. نظرًا لوجود العديد من الفروق الدقيقة في اللغة ، فمن الصعب البرمجة من أجل المعنى.

هل سبق لك أن وجهت ملاحظة ساخرة إلى Siri؟ ربما حصلت على إجابة حرفية أو "أنا آسف. لا أفهم." ذلك لأن الانعكاس في صوتك ، الذي يشير إلى السخرية ، لا يمكن تفسيره بواسطة الأجهزة التي تعمل بالصوت.

لكن هناك بعض التقنيات التي تستخدمها تقنية الذكاء الاصطناعي جنبًا إلى جنب مع التحليل الدلالي لاستخراج المعنى ، وفقًا للدكتور غارباد. يشملوا:

• التعرف على الكيان المُسمى (NER) - يحدث هذا عندما تحدد خوارزمية أجزاء من نص أو طلب منطوق كجزء من مجموعة محددة مسبقًا. أسماء الأشخاص والأماكن ، على سبيل المثال ، يمكن سحبها بواسطة NER.
• توضيح معنى الكلمة (WSD) - ينظر البرنامج إلى كلمة ما ويحاول تحديد معناها في سياق النص المحيط بها. لنفترض أنك كتبت في رسالة بريد إلكتروني ، "ذهبنا إلى الحفلة. كان لدينا كرة ". ستنظر Google في النص لفهم أنك تقضي وقتًا ممتعًا ، وليس أن لديك كرة فعلية في يدك.
• توليد اللغة الطبيعية (NLG) - هذه هي عملية أخذ البيانات وتحويلها إلى اللغة الطبيعية التي تسمعها عندما تطرح سؤالاً على Siri أو Alexa. هناك أيضًا تقنية ناشئة تستخدم NLG لإنشاء المحتوى.

مكتبات وأدوات معالجة اللغة الطبيعية

أولاً ، دعنا نفرق بين الأدوات والمكتبات. الأداة هي أكثر من حل خارج الصندوق للغة البرمجة اللغوية العصبية ، في حين أن المكتبة هي شيء سيأخذه فريقك التقني ويبني NLP لعلامتك التجارية.

هناك خيارات مفتوحة المصدر ، بالإضافة إلى رمز الملكية ، مما يعني أنه يتعين عليك دفع ثمنها. يعتمد ما تختاره على مقدار التخصيص الذي ترغب أنت أو فريق التطوير لديك في القيام به. (عادةً ما تتطلب المكتبات والأدوات مفتوحة المصدر مزيدًا من التغيير والتبديل).

أدوات

بالطبع ، تمتلك جميع الأسماء الكبيرة في مجال التكنولوجيا أدوات وخدمات البرمجة اللغوية العصبية والذكاء الاصطناعي الخاصة بهم. تمتلك أمازون Amazon Comprehend ، الذي يأخذ كميات كبيرة من البيانات غير المهيكلة ويبحث عن الأنماط. لدى IBM خدمات Watson Natural Language Understanding Services. وجوجل لديها لغة سحابة طبيعية.

يمكن استخدام كل ذلك لخدمة التسويق العام واحتياجات البيانات الضخمة.

حقًا ، على الرغم من ذلك ، هناك شركة واحدة فقط تستخدم الذكاء الاصطناعي المتقدم ومعالجة اللغات الطبيعية لتسويق المحتوى ، على وجه التحديد. هذا MarketMuse.

كما ذكرت من قبل ، يقوم MarketMuse بتحليل القطع الفردية أو مكتبات المحتوى بأكملها للبحث عن فجوات المحتوى والمحتوى الرقيق وحتى الفرص للمنافسين الفرديين.

يمكنك استخدامه لإجراء عمليات بحث دلالية عن المحتوى لتحديد تغطيتك لموضوع معين أيضًا.

مكتبات

المكتبات هي أكثر تقنية ، لكنها يمكن أن تمنحك المزيد من المرونة في كيفية تنفيذ البرمجة اللغوية العصبية. في الأساس ، المكتبة عبارة عن حزمة مشفرة من الخوارزميات التي يمكنك أنت أو فريق التطوير لديك استخدامها لإنشاء أدوات البرمجة اللغوية العصبية الخاصة بك.

من المحتمل أن تكون مجموعة أدوات اللغة الطبيعية (NLTK) هي أكثر المكتبات التي يتم الحديث عنها على الويب. يتم استخدامه بشكل أساسي للأغراض التعليمية والبحثية ، وبالتالي فهو مكتوب بلغة بيثون ، وهو برنامج مفتوح المصدر.

الكلمات الأخيرة

لقد بدأنا للتو في فهم الاحتمالات التي تحملها معالجة اللغة الطبيعية لاستراتيجية المحتوى. نظرًا لأن علم البيانات أصبح جزءًا لا يتجزأ من استراتيجية تسويق المحتوى ، فقد يصبح التخصيص والمحتوى الآلي في النهاية أمرًا شائعًا.

من تعرف؟ حتى أنه قد يحل محل منشئ المحتوى يومًا ما (على الرغم من أن هذا الكاتب لا يأمل حقًا).