Anwendungen der Verarbeitung natürlicher Sprache im Content Marketing

Verarbeitung natürlicher Sprache, künstliche Intelligenz und maschinelles Lernen; Dies sind alles Begriffe, die Sie wahrscheinlich in letzter Zeit in Gesprächen über Content-Marketing gehört haben. All dies ist Teil eines wachsenden Trends zur Automatisierung der Inhaltsrecherche, -erstellung und -verfolgung, sodass Marketingteams Inhalte in großem Umfang erstellen können.

Aber gibt es wirklich natürliche Sprachverarbeitungsanwendungen im Content Marketing? Kann diese noch ausgereifte Technologie qualitativ hochwertige Inhalte analysieren und erstellen, die für Ihre Benutzer wertvoll sind?

Die einfache Antwort ist… wir kommen dorthin. Und mit jedem Jahr werden die Fähigkeiten der künstlichen Intelligenz (KI) stärker und vielfältiger.

In der Vergangenheit haben KI und maschinelles Lernen in Content-Marketing-Kreisen einen schlechten Ruf bekommen. Prozesse wie die maschinelle Übersetzung und die Generierung natürlicher Sprache wurden wegen ihrer klobigen und manchmal inkohärenten Ergebnisse heruntergeputzt.

Aber das KI-Feld hat sich erweitert und Entwickler haben ihre Prozesse verfeinert und Programme entwickelt, die Big-Data-Verarbeitungsfähigkeiten mit Merkmalen des menschlichen Gehirns verbinden. Der Einsatz von KI durch Content-Vermarkter ist viel praktikabler geworden.

Und alles, was Ihre Prozesse rationalisieren und Ihnen bei der Erstellung von Inhalten in großem Maßstab helfen kann, ist eine willkommene Abwechslung.

Sehen wir uns an, wie einige der Technologien in der KI und der Verarbeitung natürlicher Sprache Ihnen jetzt und in Zukunft helfen können.

Maschinenübersetzung

Maschinelle Übersetzung ist genau das, wonach es sich anhört. Es ist der Prozess, durch den Computer ohne die Hilfe von Menschen Inhalte von einer menschlichen Sprache in eine andere übersetzen.

Anfangs konnten Übersetzungssoftware und Apps wie Google Translate mithilfe regelbasierter Programmierung nur auf Wort- oder Satzebene übersetzen. Das bedeutet, dass sie nur nach vorprogrammierten Sprachregeln übersetzen konnten.

Und die Übersetzungen waren ziemlich wörtlich.

Mittlerweile können Apps ganze Texte auf semantischer Ebene übersetzen. Entwickler haben herausgefunden, wie man mehrschichtige neuronale Netze erstellt, die ähnlich wie unser eigenes Gehirn funktionieren. Es ist eine Art maschinelles Lernen, das tatsächlich sowohl die wörtliche als auch die semantische Bedeutung von Text lernt, um eine Übersetzung zu erstellen, die für den Sprecher der Sprache tatsächlich Sinn ergibt.

Maschinelle Übersetzung ist ein großartiges Werkzeug für Content-Vermarkter, die in globalen Märkten arbeiten, in denen ihre Sprache nicht die erste ist, die gesprochen wird. Dies gilt sogar für Inhalte, die für ein Land erstellt wurden, in dem viele Sprachen gesprochen werden.

In den Vereinigten Staaten zum Beispiel sprechen schätzungsweise 41 Millionen Menschen zu Hause Spanisch. Stellen Sie sich vor, Sie könnten Ihre englischsprachigen Inhalte für den hispanischen Markt übersetzen und dies in großem Umfang tun.

Dennoch ernten Apps wie die von Google und Facebook viel Kritik für ihre umständlichen Übersetzungen, insbesondere bei komplexeren Sprachstrukturen. Ich verwende oft die Übersetzungsfunktionen von Google oder Facebook, um Beiträge meiner israelischen Freunde vom Hebräischen ins Englische zu übersetzen. Die Ergebnisse sind weniger als hervorragend.

Es führt auch zu einigen interessanten Situationen, wie in den SERPs für den Suchbegriff „beignes“ zu sehen ist. Dieser französische Begriff für das Wort „Donut“ gibt eine Reihe von Ergebnissen auf Französisch zurück, da meine Sucheinstellung auf Kanada eingestellt ist.

Doch Googles Knowledge Graph ist auf Englisch.

Und da muss man aufpassen. Obwohl die Algorithmen ausgefeilt sind, fehlt ihnen ein echtes natürliches Sprachverständnis, das dem Menschen angeboren zu sein scheint.

Maschinelle Übersetzungstools können Inhalte nicht in einen kulturellen Kontext einordnen. Slang, Redewendungen und kulturelle Bezüge gehen bei der Übersetzung buchstäblich verloren, und einige Übersetzungen können geradezu anstößig sein.

Bevor Sie etwas für einen anderen Markt übersetzen, ist es wichtig zu verstehen, ob das Thema und die kulturellen Bezüge bestenfalls einfach nicht bei der Zielgruppe ankommen oder Ihre Zielgruppe schlimmstenfalls direkt angreifen. Und vermeiden Sie die Verwendung landes- oder kulturspezifischer Redewendungen.

Spracherkennung

Die Spracherkennung hat sich für Content-Vermarkter als sehr nützlich erwiesen. MarketMuse hat eine Reihe seiner Webinare in Blog-Beiträge umgewandelt, die Videos und Text enthalten, der automatisch aus dem Video transkribiert wurde.

Es gibt eine Reihe von realen Anwendungen, die dies effizient und kostengünstig tun können. Wistia, das wir für das Videohosting verwenden, bietet Transkriptionsdienste an, die in ihren Arbeitsablauf integriert sind, was sehr geschätzt wird.

Wie andere automatisierte Transkriptionsdienste verarbeiten sie etwa 80 % der Übersetzung von Audio zu Text korrekt. Die restlichen 20 % müssen jedoch noch von einem Menschen erledigt werden.

Im Fall des MarketMuse-Blogs sehen Sie diesen Text nicht im Blogbeitrag. Stattdessen werden sie als strukturierte Daten eingebunden.

Stimmungsanalyse

Die Stimmungsanalyse verwendet maschinelles Lernen und die Verarbeitung natürlicher Sprache, um die negative oder positive Konnotation hinter einem Text zu verstehen. Einige Organisationen, wie IBM, bezeichnen dies als Tonanalyse. Sie analysieren die in Online-Inhalten gezeigten Emotionen und Töne, um vorherzusagen, ob diese Person glücklich, traurig und mehr ist.

Es ist sehr nützlich für Social Listening und A/B-Tests von Social-Media-Beiträgen. Ein Stimmungsanalyse-Tool kann Social-Media-Beiträge lesen und nach positiven oder negativen Wörtern suchen, um sie zu klassifizieren.

Laut CMSWire ist die Stimmung hinter einigen Beiträgen ziemlich einfach herauszufinden:

Ich liebe dieses neue Haarprodukt! (Positiv)

Sandwichtüten aus Plastik sind schlecht für die Umwelt! (Negativ)

Hier sind die neuesten Stellenzahlen des US-Arbeitsministeriums. (Neutral)

Der knifflige Teil der Sentimentanalyse ist, wenn Posts aus dem Kontext gerissen werden und keine offensichtlichen Stimmungsindikatoren enthalten, Wörter wie wie und schrecklich . Ohne diese Flags hat ein einfaches Analysetool Probleme, die Stimmung zu bestimmen.

Und dann ist da noch Sarkasmus. Ich kann nicht für den Rest der Welt sprechen, aber in den USA ist Sarkasmus in unserer kulturellen Rhetorik verwurzelt.

Wenn Sie etwas wie „Oh toll, noch ein Hurrikan“ posten. Ein Computer, auf dem ein regelbasierter Stimmungsanalysator läuft, könnte ihn tatsächlich als positiv markieren. Wir Menschen wissen natürlich, dass Sie das wirklich nicht so meinen.

Daher haben sich Entwickler der gleichen neuronalen Netzwerkverarbeitung zugewandt, die sie für Übersetzungssoftware verwenden, um die semantische Bedeutung zu verstehen und aus früheren Analysen zu lernen.

Es ist ein großartiges Tool, um zu messen, wie Ihr Publikum auf Ihre Posts reagiert. Aber Vermarkter haben tatsächlich damit begonnen, es auf andere Weise zu verwenden.

Sie haben begonnen, die Sentimentanalyse wieder auf ihre eigenen Inhalte umzustellen. Jetzt verwenden sie es, um die emotionale Reaktion der Benutzer auf ihre Blog-Posts, Social-Posts oder sogar ihre Web-Kopie vorherzusagen, bevor sie sie veröffentlichen.

Durch die Verwendung von Sentimentanalysen können sie alles, was sie produzieren, A/B-testen, um sicherzustellen, dass ihre Inhalte die größtmögliche Wirkung auf ihre Zielgruppe haben.

Automatische Zusammenfassung

Es gibt ganze Unternehmen, die ihr Geld mit dem Zusammenfassen und Abstrahieren von Inhalten verdienen. Reihen um Reihen menschlicher Arbeiter lasen Textbände, um sie in Schlüsselpunkte und Hauptideen zu destillieren.

Aber was wäre, wenn eine Maschine das übernehmen könnte? Mit automatischer Zusammenfassung ist dies möglich.

Hier kommen wiederum NLP und maschinelles Lernen ins Spiel. Apps und Programme verwenden die Verarbeitung natürlicher Sprache, um große Textmengen zu verstehen und auf die wichtigsten Ideen zu reduzieren.

Es gibt zwei Hauptansätze zur Textzusammenfassung. Die extraktive Zusammenfassung wählt die wichtigsten Sätze eines Artikels aus und ordnet sie sinnvoll an. Jeder extrahierte Satz wird ohne Modifikation aufbewahrt.

Die abstrakte Zusammenfassung geht noch einen Schritt weiter. Anstatt diese wichtigen Sätze wörtlich zu verwenden, paraphrasiert es den Inhalt.

Sie fragen sich vielleicht, wie das auf das Content Marketing zutrifft. Denn abgesehen davon, vielleicht einen Blogbeitrag für eine Landingpage zusammenzufassen, wann müssen Sie Ihre Inhalte auf wenige Punkte reduzieren?

Die automatische Zusammenfassung kann tatsächlich eine Reihe von Aufgaben rationalisieren, um Sie bei der Erstellung und Verbreitung von Inhalten in großem Maßstab zu unterstützen.

Erstens können Sie Content-Abstracts für Blog-Posts oder Whitepaper verwenden, um Ihren Newsletter zu füllen oder Posts in sozialen Medien zu erstellen.

Wie wäre es mit der automatischen Erstellung von Auszügen zur Verwendung in Ihrem CMS und Ihrer Meta-Beschreibung? Google schreibt bereits eine eigene Meta-Beschreibung, wenn Ihre Seite keine hat oder für den Suchbegriff nicht geeignet ist.

Ich habe einige der derzeit verfügbaren kostenlosen Textzusammenfassungs-Apps ausprobiert, aber die Ergebnisse sind alles andere als spektakulär.

Die automatische Zusammenfassung kann Ihnen möglicherweise auch dabei helfen, Inhalte zu indizieren oder Schlüsselwörter aus Ihren Zusammenfassungen zu ziehen, um Inhalte für zukünftige Audits sowie für die Suche zu markieren und zu indizieren.

Darüber hinaus könnte diese Technologie die Art und Weise, wie Inhalte kuratiert werden, dramatisch beeinflussen. Selbst mit Hilfe von Kurationssoftware wie dem branchenführenden Curata ist die Kuration von Inhalten mit einem erheblichen manuellen Aufwand verbunden.

Seiten werden immer noch von Menschen gelesen, die dann ihren Inhalt zusammenfassen. Aber die Verarbeitung natürlicher Sprache hat die Fähigkeit, diesen Prozess zu automatisieren und zu erweitern, so wie es MarketMuse für die Inhaltserstellung tut.

Schließlich können Sie die automatische Zusammenfassung umkehren und sie für Wettbewerber oder andere Medien verwenden, um Wettbewerbs- und Inhaltsrecherchen durchzuführen.

Personalisierung

Die Kombination aus maschineller Übersetzung, Spracherkennung, Sentimentanalyse und automatischer Zusammenfassung kann das Inhaltserlebnis möglicherweise stärker personalisieren.

Social-Media-Trends und solche in veröffentlichten Inhalten können schnell identifiziert und Inhalte schnell hinzugefügt werden, um das erhöhte Interesse weiter zu nutzen.

Die Zukunft von Content Marketing und KI

Es gibt noch einige Herausforderungen, die KI überwinden muss, bevor sie sich wirklich in Ihre Content-Marketing-Strategie integrieren kann, aber wie gesagt. Wir kommen dorthin.

Mit allem, was verfügbar ist – Verarbeitung, Verständnis und Generierung natürlicher Sprache; automatische Zusammenfassung; Maschinenübersetzung; tiefes Lernen; und Stimmungsanalyse – es gibt Möglichkeiten für Content-Teams, Routineaufgaben von Autoren und Redakteuren zu automatisieren und zu entfernen.

Die Content-Marketing-Teams der Zukunft werden es Maschinen überlassen, ihre Inhalte zu recherchieren, zu prüfen und mehr. Tatsächlich tut MarketMuse dies, während es Ihnen einige erstaunliche Einblicke in Ihre Inhalte bietet.

Sie erstellen grundlegende, vorlagenbasierte Inhalte, füllen ihre Newsletter, taggen und indizieren ihre vorhandenen Inhalte und verfolgen, was sie posten, nicht nur für Analysen, sondern auch für emotionale Wirkung.

KI wird Inhaltsersteller in die Lage versetzen, sich auf komplexere, tiefgründigere Inhalte zu konzentrieren, wie sie nur ein menschliches Gehirn produzieren kann.