Applications de traitement du langage naturel dans le marketing de contenu

Traitement automatique du langage naturel, intelligence artificielle et apprentissage automatique ; ce sont tous des termes que vous avez probablement entendus récemment dans des conversations sur le marketing de contenu. Tout cela fait partie d'une tendance croissante à automatiser la recherche, la création et le suivi de contenu, permettant aux équipes marketing de créer du contenu à grande échelle.

Mais existe-t-il vraiment des applications de traitement du langage naturel dans le marketing de contenu ? Cette technologie encore mature peut-elle analyser et créer un contenu de qualité précieux pour vos utilisateurs ?

La réponse simple est… nous y arrivons. Et d'année en année, les capacités de l'intelligence artificielle (IA) se renforcent et se diversifient.

Dans le passé, l'IA et l'apprentissage automatique ont eu mauvaise réputation dans les cercles du marketing de contenu. Des processus tels que la traduction automatique et la génération de langage naturel ont été déguisés en raison de leurs résultats maladroits et parfois incohérents.

Mais le domaine de l'IA s'est élargi et les développeurs ont affiné leurs processus, créant des programmes qui associent les capacités de traitement du Big Data aux caractéristiques du cerveau humain. L'utilisation de l'IA par les spécialistes du marketing de contenu est devenue beaucoup plus faisable.

Et tout ce qui peut rationaliser vos processus et vous aider à créer du contenu à grande échelle est un changement bienvenu.

Voyons comment certaines des technologies de l'IA et du traitement du langage naturel peuvent vous aider maintenant et à l'avenir.

Traduction automatique

La traduction automatique est exactement ce à quoi cela ressemble. C'est le processus par lequel les ordinateurs traduisent le contenu d'une langue humaine à une autre sans l'aide d'humains.

Au début, les logiciels de traduction et les applications comme Google Translate ne pouvaient traduire qu'au niveau du mot ou de la phrase, en utilisant une programmation basée sur des règles. Cela signifie qu'ils ne pouvaient traduire qu'en utilisant uniquement des règles de langage préprogrammées.

Et les traductions étaient assez littérales.

Désormais, cependant, les applications peuvent traduire des textes entiers au niveau sémantique. Les développeurs ont compris comment créer des réseaux de neurones multicouches qui fonctionnent un peu comme notre propre cerveau. C'est un type d'apprentissage automatique qui apprend à la fois la signification littérale et sémantique du texte pour produire une traduction qui a du sens pour le locuteur de la langue.

La traduction automatique est un excellent outil pour les spécialistes du marketing de contenu travaillant sur des marchés mondiaux où leur langue n'est pas la première parlée. Cela s'applique même au contenu créé pour un pays, où de nombreuses langues sont parlées.

Aux États-Unis, par exemple, on estime à 41 millions le nombre de personnes qui parlent espagnol à la maison. Imaginez si vous pouviez traduire votre contenu en anglais pour le marché hispanique et le faire à grande échelle.

Pourtant, des applications comme celles de Google et Facebook sont souvent critiquées pour leurs traductions maladroites, en particulier pour les structures linguistiques plus complexes. J'utilise souvent les fonctions de traduction sur Google ou Facebook pour traduire les messages de mes amis israéliens de l'hébreu vers l'anglais. Les résultats sont moins que stellaires.

Cela conduit également à des situations intéressantes, comme on peut le voir dans le SERP pour le terme de recherche « beignes ». Ce terme français pour le mot "beignet" renvoie un certain nombre de résultats en français car mon paramètre de recherche est défini sur Canada.

Pourtant, le Knowledge Graph de Google est en anglais.

Et c'est là qu'il faut être prudent. Bien que les algorithmes soient sophistiqués, ils manquent d'une véritable compréhension du langage naturel, qui semble être innée chez les êtres humains.

Les outils de traduction automatique ne peuvent pas replacer le contenu dans un contexte culturel. L'argot, les idiomes et les références culturelles sont littéralement perdus dans la traduction, et certaines traductions peuvent être carrément offensantes.

Avant de traduire quoi que ce soit pour un autre marché, il est important de comprendre si le sujet et les références culturelles, au mieux, ne résonneront tout simplement pas auprès du public cible ou, au pire, offenseront carrément votre public. Et évitez d'utiliser des idiomes spécifiques à votre pays ou à votre culture.

Reconnaissance de la parole

La reconnaissance vocale s'est avérée très utile pour les spécialistes du marketing de contenu. MarketMuse a transformé un certain nombre de ses webinaires en articles de blog contenant des vidéos et du texte qui ont été automatiquement transcrits à partir de la vidéo.

Il existe un certain nombre d'applications réelles qui peuvent le faire de manière efficace et rentable. Wistia, que nous utilisons pour l'hébergement vidéo, propose des services de transcription intégrés à leur flux de travail, ce qui est très apprécié.

Comme d'autres services de transcription automatisés, ils traitent correctement environ 80 % de la traduction de l'audio au texte. Cependant, les 20% restants doivent encore être effectués par un humain.

Dans le cas du blog MarketMuse, vous ne verrez pas ce texte dans le billet de blog. Au lieu de cela, il est incorporé sous forme de données structurées.

Analyse des sentiments

L'analyse des sentiments utilise l'apprentissage automatique et le traitement du langage naturel pour comprendre la connotation négative ou positive derrière un texte. Certaines organisations, comme IBM, l'appellent analyse de tonalité. Ils analysent les émotions et les tons affichés dans le contenu en ligne pour prédire si cette personne est heureuse, triste, etc.

C'est très utile pour l'écoute sociale et les tests A / B des publications sur les réseaux sociaux. Un outil d'analyse des sentiments peut lire les publications sur les réseaux sociaux à la recherche de mots positifs ou négatifs pour les classer.

Selon CMSWire, le sentiment derrière certains messages est assez facile à comprendre :

J'adore ce nouveau produit capillaire ! (Positif)

Les sacs à sandwich en plastique sont terribles pour l'environnement ! (Négatif)

Voici les derniers chiffres sur les emplois du département américain du Travail. (Neutre)

La partie délicate de l'analyse des sentiments est lorsque les messages sont sortis de leur contexte et qu'ils n'ont aucun indicateur évident de sentiment, des mots tels que like et terrible . Sans ces drapeaux, un outil d'analyse de base a du mal à déterminer le sentiment.

Et puis il y a le sarcasme. Je ne peux pas parler pour le reste du monde, mais aux États-Unis, le sarcasme est ancré dans notre rhétorique culturelle.

Si vous postez quelque chose comme "Oh super, un autre ouragan." Un ordinateur exécutant un analyseur de sentiments basé sur des règles pourrait en fait le marquer comme positif. Nous, les humains, savons, bien sûr, que vous ne l'entendez pas vraiment de cette façon.

Ainsi, les développeurs se sont tournés vers le même traitement de réseau neuronal qu'ils utilisent pour les logiciels de traduction pour comprendre la signification sémantique et apprendre des analyses précédentes.

C'est un excellent outil pour mesurer la réaction de votre public à vos publications. Mais les spécialistes du marketing ont en fait commencé à l'utiliser d'une autre manière.

Ils ont commencé à retourner l'analyse des sentiments sur leur propre contenu. Maintenant, ils l'utilisent pour prédire la réaction émotionnelle des utilisateurs face à leurs articles de blog, leurs publications sur les réseaux sociaux ou même leur copie Web, avant de les publier.

En utilisant l'analyse des sentiments, ils peuvent tester A/B tout ce qu'ils produisent pour s'assurer que leur contenu a l'impact le plus significatif sur leur public cible.

Résumé automatique

Il existe des entreprises entières qui gagnent leur argent en résumant et en extrayant le contenu. Des rangées et des rangées de travailleurs humains lisent des volumes de texte pour le distiller en points clés et en idées principales.

Et si une machine pouvait s'en occuper ? Avec la synthèse automatique, c'est possible.

C'est là, encore une fois, qu'interviennent la PNL et l'apprentissage automatique. Les applications et les programmes utilisent le traitement du langage naturel pour comprendre de grandes quantités de texte et le réduire aux idées les plus essentielles.

Il existe deux approches principales pour résumer un texte. Le résumé extractif sélectionne les phrases les plus importantes d'un article et les organise de manière significative. Chaque phrase extraite est conservée sans aucune modification.

Le résumé abstrait va encore plus loin. Au lieu d'utiliser textuellement ces phrases importantes, il paraphrase le contenu.

Vous vous demandez peut-être comment cela s'applique au marketing de contenu. Après tout, à part peut-être résumer un article de blog pour une page de destination, quand devez-vous distiller votre contenu en quelques points seulement ?

La synthèse automatique peut en fait rationaliser un certain nombre de tâches pour vous aider à créer et à diffuser du contenu à grande échelle.

Tout d'abord, vous pouvez utiliser des résumés de contenu pour des articles de blog ou des livres blancs pour remplir votre newsletter ou créer des articles sur les réseaux sociaux.

Que diriez-vous de créer automatiquement des extraits à utiliser dans votre CMS et votre méta description ? Google écrit déjà sa propre méta description si votre page n'en a pas ou n'est pas jugée appropriée pour le terme de recherche.

J'ai essayé certaines des applications gratuites de synthèse de texte actuellement disponibles, mais les résultats sont loin d'être spectaculaires.

Le récapitulatif automatique peut également vous aider à indexer le contenu ou à extraire des mots-clés de vos résumés pour baliser et indexer le contenu pour de futurs audits, ainsi que pour la recherche.

De plus, cette technologie pourrait affecter considérablement la façon dont le contenu est organisé. Même avec l'aide de logiciels de curation tels que Curata, leader du secteur, la curation de contenu implique une quantité importante d'efforts manuels.

Les pages sont toujours lues par des humains qui en résument ensuite le contenu. Mais le traitement du langage naturel a la capacité d'automatiser et d'augmenter ce processus, de la même manière que MarketMuse le fait pour la création de contenu.

Enfin, vous pouvez inverser le résumé automatique et l'utiliser sur des concurrents ou d'autres médias pour effectuer des recherches sur la concurrence et le contenu.

Personnalisation

La combinaison de la traduction automatique, de la reconnaissance vocale, de l'analyse des sentiments et du résumé automatique peut potentiellement apporter un plus grand degré de personnalisation à l'expérience du contenu.

Les tendances des médias sociaux et celles du contenu publié peuvent être rapidement identifiées, le contenu étant rapidement ajouté pour capitaliser davantage sur l'intérêt accru.

L'avenir du marketing de contenu et de l'IA

Il y a encore quelques défis que l'IA doit surmonter avant de pouvoir vraiment s'intégrer à votre stratégie de marketing de contenu, mais comme je l'ai dit. Nous y arrivons.

Avec tout ce qui est disponible - traitement, compréhension et génération du langage naturel ; résumé automatique ; traduction automatique; l'apprentissage en profondeur; et analyse des sentiments - les équipes de contenu ont la possibilité d'automatiser et de supprimer les tâches par cœur des rédacteurs et des éditeurs.

Les équipes de marketing de contenu du futur laisseront aux machines le soin de faire leurs recherches de contenu, leurs audits, etc. En fait, MarketMuse le fait tout en vous fournissant des informations étonnantes sur votre contenu.

Ils créeront un contenu de base basé sur des modèles, rempliront leurs newsletters, marqueront et indexeront leur contenu existant, et suivront ce qu'ils publient non seulement pour l'analyse, mais également pour l'impact émotionnel.

L'IA libérera les créateurs de contenu pour qu'ils se concentrent sur un contenu plus complexe et approfondi, du genre que seul un cerveau humain peut produire.