Aplicaciones de procesamiento de lenguaje natural en marketing de contenidos

Procesamiento de lenguaje natural, inteligencia artificial y aprendizaje automático; todos estos son términos que probablemente hayas escuchado recientemente en conversaciones de marketing de contenido. Todo es parte de una tendencia creciente para automatizar la investigación, creación y seguimiento de contenido, lo que permite a los equipos de marketing crear contenido a escala.

Pero, ¿existen aplicaciones de procesamiento de lenguaje verdaderamente natural en el marketing de contenidos? ¿Puede esta tecnología aún madura analizar y crear contenido de calidad que sea valioso para sus usuarios?

La respuesta simple es... estamos llegando allí. Y con cada año que pasa, las capacidades de la inteligencia artificial (IA) se vuelven más fuertes y más variadas.

En el pasado, la IA y el aprendizaje automático han tenido mala reputación en los círculos de marketing de contenido. Procesos como la traducción automática y la generación de lenguaje natural han sido recortados por sus resultados torpes y, a veces, incoherentes.

Pero el campo de la IA se ha expandido y los desarrolladores han perfeccionado sus procesos, creando programas que unen las capacidades de procesamiento de big data con las características del cerebro humano. El uso de IA por parte de los especialistas en marketing de contenido se ha vuelto mucho más factible.

Y cualquier cosa que pueda optimizar sus procesos y ayudarlo con la creación de contenido a escala es un cambio bienvenido.

Veamos cómo algunas de las tecnologías de la IA y el procesamiento del lenguaje natural pueden ayudarlo ahora y en el futuro.

Máquina traductora

La traducción automática es exactamente lo que parece. Es el proceso a través del cual las computadoras traducen contenido de un idioma humano a otro sin la ayuda de humanos.

Al principio, el software de traducción y las aplicaciones como Google Translate solo podían traducir a nivel de palabra o frase, mediante programación basada en reglas. Eso significa que solo podían traducir usando solo reglas de lenguaje preprogramadas.

Y las traducciones eran bastante literales.

Ahora, sin embargo, las aplicaciones pueden traducir textos completos a nivel semántico. Los desarrolladores han descubierto cómo crear redes neuronales de varias capas que funcionan de manera muy parecida a nuestros propios cerebros. Es un tipo de aprendizaje automático que realmente aprende tanto el significado literal como el semántico del texto para producir una traducción que realmente tenga sentido para el hablante del idioma.

La traducción automática es una gran herramienta para los especialistas en marketing de contenido que trabajan en mercados globales donde su idioma no es el primero que se habla. Incluso se aplica al contenido creado para un país, donde se hablan muchos idiomas.

En los Estados Unidos, por ejemplo, se estima que hay 41 millones de personas que hablan español en casa. Imagínese si pudiera traducir su contenido en inglés para el mercado hispano y hacerlo a escala.

Aún así, las aplicaciones como las de Google y Facebook reciben muchas críticas por sus traducciones incómodas, particularmente para estructuras de lenguaje más complejas. A menudo uso las funciones de traducción en Google o Facebook para traducir publicaciones de mis amigos israelíes del hebreo al inglés. Los resultados son menos que estelares.

También conduce a algunas situaciones interesantes, como se puede ver en el SERP para el término de búsqueda "beignes". Este término francés para la palabra "donut" devuelve una serie de resultados en francés porque mi configuración de búsqueda está establecida en Canadá.

Sin embargo, el Knowledge Graph de Google está en inglés.

Y ahí es donde hay que tener cuidado. Aunque los algoritmos son sofisticados, carecen de una verdadera comprensión del lenguaje natural, que parece ser innata a los seres humanos.

Las herramientas de traducción automática no pueden poner el contenido en un contexto cultural. La jerga, los modismos y las referencias culturales se pierden literalmente en la traducción, y algunas traducciones pueden ser francamente ofensivas.

Antes de traducir cualquier cosa para otro mercado, es importante entender si el tema y las referencias culturales, en el mejor de los casos, simplemente no resonarán con el público objetivo o, en el peor de los casos, si ofenderán a su público. Y evite usar modismos específicos de su país o cultura.

Reconocimiento de voz

El reconocimiento de voz ha resultado ser muy útil para los especialistas en marketing de contenido. MarketMuse ha convertido varios de sus seminarios web en publicaciones de blog con video y texto que se transcribe automáticamente del video.

Hay una serie de aplicaciones del mundo real que pueden hacer esto de manera eficiente y rentable. Wistia, que usamos para el alojamiento de videos, ofrece servicios de transcripción integrados en su flujo de trabajo, lo cual es muy apreciado.

Al igual que otros servicios de transcripción automática, procesan correctamente alrededor del 80 % de la traducción de audio a texto. Sin embargo, el 20% restante aún debe ser realizado por un humano.

En el caso del blog MarketMuse, no verá ese texto en la publicación del blog. En cambio, se incorpora como datos estructurados.

Análisis de los sentimientos

El análisis de sentimientos utiliza el aprendizaje automático y el procesamiento del lenguaje natural para comprender la connotación negativa o positiva detrás de un texto. Algunas organizaciones, como IBM, se refieren a él como análisis de tonos. Analizan las emociones y los tonos exhibidos en el contenido en línea para predecir si esa persona está feliz, triste y más.

Es muy útil para escuchar en redes sociales y hacer pruebas A/B de publicaciones en redes sociales. Una herramienta de análisis de sentimientos puede leer publicaciones en redes sociales en busca de palabras positivas o negativas para clasificarlas.

Según CMSWire, el sentimiento detrás de algunas publicaciones es bastante fácil de entender:

¡Me encanta este nuevo producto para el cabello! (Positivo)

¡Las bolsas de plástico para sándwich son terribles para el medio ambiente! (Negativo)

Aquí están las últimas cifras de empleos del Departamento de Trabajo de EE. UU. (Neutral)

La parte complicada del análisis de sentimientos es cuando las publicaciones se sacan de contexto y no tienen ningún indicador obvio de sentimiento, palabras como me gusta y terrible . Sin esas banderas, una herramienta de análisis básica tiene problemas para determinar el sentimiento.

Y luego está el sarcasmo. No puedo hablar por el resto del mundo, pero en EE.UU. el sarcasmo está arraigado en nuestra retórica cultural.

Si publica algo como "Oh, genial, otro huracán". Una computadora que ejecuta un analizador de sentimientos basado en reglas podría etiquetarlo como positivo. Los humanos sabemos, por supuesto, que realmente no lo dices de esa manera.

Por lo tanto, los desarrolladores recurrieron al mismo procesamiento de redes neuronales que utilizan para el software de traducción para comprender el significado semántico y aprender de los análisis anteriores.

Es una gran herramienta para medir cómo reacciona tu audiencia a tus publicaciones. Pero los especialistas en marketing en realidad han comenzado a usarlo de otra manera.

Han comenzado a devolver el análisis de sentimientos a su propio contenido. Ahora, lo están usando para predecir la reacción emocional que tendrán los usuarios ante sus publicaciones de blog, publicaciones en redes sociales o incluso su copia web, antes de que la publiquen.

Al utilizar el análisis de sentimientos, pueden realizar pruebas A/B de todo lo que producen para asegurarse de que su contenido tenga el impacto más significativo en su público objetivo.

Resumen automático

Hay empresas enteras que ganan dinero resumiendo y resumiendo contenido. Filas y filas de trabajadores humanos leen volúmenes de texto para convertirlo en puntos clave e ideas principales.

Pero, ¿y si una máquina pudiera encargarse de eso? Con resumen automático, puede.

Aquí es donde, nuevamente, entran en juego la PNL y el aprendizaje automático. Las aplicaciones y los programas utilizan el procesamiento del lenguaje natural para comprender grandes cantidades de texto y reducirlo a las ideas más esenciales.

Hay dos enfoques principales para el resumen de texto. El resumen extractivo selecciona las oraciones más importantes de un artículo y las organiza de manera significativa. Cada oración extraída se conserva sin ninguna modificación.

El resumen abstractivo lo lleva un paso más allá. En lugar de usar esas oraciones importantes palabra por palabra, parafrasea el contenido.

Quizás se pregunte cómo se aplica eso al marketing de contenidos. Después de todo, además de tal vez resumir una publicación de blog para una página de destino, ¿cuándo tienes que resumir tu contenido en unos pocos puntos?

El resumen automático en realidad puede simplificar una serie de tareas para ayudarlo a crear y difundir contenido a escala.

En primer lugar, puede usar resúmenes de contenido para publicaciones de blog o libros blancos para completar su boletín informativo o crear publicaciones en las redes sociales.

¿Qué tal crear automáticamente extractos para usar en su CMS y meta descripción? Google ya escribe su propia meta descripción si su página no tiene una o no se considera apropiada para el término de búsqueda.

He probado algunas de las aplicaciones gratuitas de resumen de texto disponibles actualmente, pero los resultados son menos que espectaculares.

El resumen automático también puede ayudarlo potencialmente a indexar contenido o extraer palabras clave de sus resúmenes para etiquetar e indexar contenido para futuras auditorías, así como para búsquedas.

Además, esta tecnología podría afectar drásticamente la forma en que se selecciona el contenido. Incluso con la ayuda de un software de curación como Curata, líder en la industria, la curación de contenido implica una cantidad significativa de esfuerzo manual.

Las páginas aún son leídas por humanos que luego resumen su contenido. Pero el procesamiento del lenguaje natural tiene la capacidad de automatizar y aumentar este proceso, de la misma manera que lo hace MarketMuse para la creación de contenido.

Finalmente, puede cambiar el resumen automático y usarlo en competidores u otros medios de comunicación para realizar investigaciones competitivas y de contenido.

Personalización

La combinación de traducción automática, reconocimiento de voz, análisis de sentimientos y resumen automático puede aportar potencialmente un mayor grado de personalización a la experiencia del contenido.

Las tendencias de las redes sociales y aquellas dentro del contenido publicado se pueden identificar rápidamente con el contenido que se agrega rápidamente para capitalizar aún más el mayor interés.

El futuro del marketing de contenidos y la IA

Todavía hay algunos desafíos que la IA debe superar antes de que pueda integrarse realmente con su estrategia de marketing de contenido, pero como dije. Estamos llegando allí.

Con todo lo que está disponible: procesamiento, comprensión y generación del lenguaje natural; resumen automático; máquina traductora; aprendizaje profundo; y análisis de sentimientos: existe la oportunidad de que los equipos de contenido automaticen y eliminen las tareas rutinarias de los escritores y editores.

Los equipos de marketing de contenido del futuro dejarán que las máquinas hagan su investigación de contenido, auditorías y más. De hecho, MarketMuse hace esto al mismo tiempo que le brinda información sorprendente sobre su contenido.

Crearán contenido básico con plantillas, completarán sus boletines, etiquetarán e indexarán su contenido existente y realizarán un seguimiento de lo que publican no solo para el análisis sino también para el impacto emocional.

AI liberará a los creadores de contenido para que se centren en contenido más complejo y profundo, del tipo que solo un cerebro humano puede producir.