Traitement du langage naturel pour les spécialistes du marketing de contenu

OK, Google, quelle est la température extérieure aujourd'hui ? Avez-vous posé une question à votre appareil à commande vocale aujourd'hui ?

Peut-être avez-vous écrit un e-mail et utilisé les suggestions de phrases de Gmail. Peut-être avez-vous traduit une page dans une autre langue.

Si c'est le cas, vous avez utilisé une sorte d'intelligence artificielle appelée traitement du langage naturel (PNL), dans laquelle les ordinateurs sont programmés pour comprendre le langage humain et les modèles de parole afin d'exécuter des commandes.

Ce n'est qu'une partie d'un groupe de technologies d'IA qui comprend l'apprentissage automatique, la reconnaissance d'images, l'apprentissage en profondeur, les réseaux de neurones et la génération de langage naturel (NLG).

Les assistants virtuels comme Google, Siri et Alexa utilisent tous la NLP pour effectuer des requêtes et des demandes de recherche. Les moteurs de recherche l'utilisent également pour faire correspondre le contenu aux requêtes, prévoir et remplir automatiquement les requêtes et diffuser des publicités ciblées, entre autres.

Comment fonctionne le traitement automatique du langage naturel ?

Avant l'IA et la PNL, les moteurs de recherche et les sites Web faisaient à peu près ce que les humains leur disaient de faire. Ils ne pouvaient «apprendre» de nouveaux processus et commandes que lorsque les humains y programmaient ces processus et commandes.

Désormais, votre téléphone, vos appareils à commande vocale et Chrome peuvent savoir comment vous recherchez du contenu et les types de contenu que vous recherchez généralement. Ce faisant, ils essaient de fournir des termes de recherche et un contenu adaptés à vous et à vos préférences.

Pensez à tous les champs de recherche que vous remplissez pour trouver ce dont vous avez besoin. Amazon, Netflix, Google ; ils utilisent tous le remplissage automatique pour comprendre ce que vous recherchez avant même que vous ayez fini de le taper.

Et combien de fois avez-vous en quelque sorte connu le nom d'un film ou d'un produit que vous recherchez ? Vous branchez ce que vous savez et espérez que la fonctionnalité de recherche peut faire correspondre votre terme de recherche partiel avec ce que vous recherchez.

Tant que votre requête est meilleure que "ce film avec ce type", il y a de fortes chances qu'Amazon ou Google la trouve.

Et c'est le traitement du langage naturel. La PNL analyse de grandes quantités de données linguistiques à partir de plusieurs requêtes et recherche des modèles contextuels pour interpréter les résultats.

Même votre e-mail utilise maintenant la PNL. Avez-vous remarqué que Gmail termine maintenant vos phrases ? Il utilise l'apprentissage automatique ainsi que la PNL pour apprendre comment vous communiquez et faire des suggestions lorsque vous composez un e-mail.

Au fait, si vous n'êtes pas clair sur la différence entre le traitement du langage naturel, la génération et la compréhension, nous avons écrit un article, « Quelle est la différence entre NLP, NLU et NLG ? » juste pour vous !

Quel est l'impact potentiel de la PNL sur le marketing de contenu ?

Pensez à toutes les données que les appareils intelligents et les moteurs de recherche collectent sur les utilisateurs et leurs préférences de recherche. Maintenant, imaginez que vous puissiez exploiter ces données pour y adapter votre propre contenu.

C'est exactement ce qui se passe. Les annonceurs et les spécialistes du marketing de contenu peuvent hyper cibler leur contenu sur des publics spécifiques, en fonction de ce que l'IA derrière la recherche apprend.

Cela affecte également la structure du contenu. Vous souvenez-vous de l'époque où l'on bourrait des mots-clés peu naturels dans des articles de blog juste pour apparaître dans la recherche ?

La PNL et la NLG ont supprimé cela. Désormais, les moteurs de recherche peuvent faire correspondre le contenu aux termes de recherche, même si les articles de blog utilisent des mots-clés qui ne correspondent pas exactement.

Et les chercheurs peuvent poser des questions en utilisant le langage naturel (écrit ou parlé) plutôt que des termes de recherche maladroits entre guillemets.

En fait, les moteurs de recherche comme Google utilisent l'IA et le NLP pour faire correspondre un contenu de qualité aux termes de recherche.

Non seulement il traite vos propres habitudes de recherche, mais celles de tous ses utilisateurs pour rechercher ce que les gens recherchent le plus. Et le NLP et l'IA peuvent interpréter le Big Data pour trouver les meilleurs termes de recherche pour les annonceurs.

Examinons de plus près certaines des applications de l'IA et de la PNL dans le marketing de contenu et comment elles changent le domaine.

Applications de traitement du langage naturel dans le marketing de contenu

Il ne fait aucun doute que la PNL change notre façon de penser le marketing de contenu et la découverte de contenu. Il existe des applications que les spécialistes du marketing utilisent actuellement pour amplifier les types de contenu qu'ils produisent déjà.

Mesurer le sentiment

Il est assez facile de suivre la fréquence à laquelle votre contenu est consulté, partagé et lié. Mais il est plus difficile d'obtenir un contexte pour ces interactions.

Le NLP peut aider les spécialistes du marketing à comprendre pourquoi leur contenu est partagé. Par exemple, c'est fantastique quand le contenu devient viral. Mais imaginez que votre contenu soit partagé avec des commentaires comme "tout est faux", "comme c'est insultant" ou "à quoi pensaient-ils ?".

C'est une grande partie d'une campagne de marketing social et d'écoute sociale. Les spécialistes du marketing des médias sociaux utilisent désormais le contenu d'analyse des sentiments pour rechercher un langage négatif, positif ou neutre afin de les aider à déterminer comment le contenu est reçu par les publics cibles.

Améliorer le contenu

Si vous disposez d'une bibliothèque de contenu existant, l'IA et le NLP peuvent vous aider à auditer vos publications à la recherche de contenu manquant ou léger. MarketMuse Suite est une plate-forme qui analyse des éléments de contenu individuels, à la recherche de sujets, sous-sujets ou mots-clés manquants.

Il utilisera la PNL pour vous aider à déterminer comment améliorer le contenu léger, ainsi qu'en recherchant les informations manquantes dans les rubriques.

Augmenter le classement de la recherche

Au cours des quatre dernières années, les moteurs de recherche comme Google ont utilisé des algorithmes pour explorer le contenu pour plus que de simples mots clés. Ces crawlers utilisent désormais le traitement du langage naturel pour déterminer si le contenu autour d'un mot-clé correspond réellement à l'intention de l'utilisateur.

Disons que votre mot-clé est "comment installer des étagères". Les robots analyseront la syntaxe et la sémantique d'une page pour comprendre si le reste du texte répond à cette requête. Inclut-il les bonnes étapes ? Est-il suffisamment complet pour qu'un utilisateur puisse installer une étagère à l'aide de votre article de blog ?

Et c'est le véritable nœud de l'optimisation des moteurs de recherche. Votre contenu correspond-il à l'intention de l'utilisateur ? Si vous écrivez un article sur un sujet brûlant en politique, votre article correspond-il à l'intention de l'utilisateur qui recherche ce sujet ? Contient-il des informations utiles ou s'agit-il simplement de peluches ? La PNL s'améliore pour déterminer cela.

Atteindre le public cible

Enfin, le NLP peut vous aider à cibler le bon public pour le contenu payant ou la publicité. Pensez à toutes les données que Google collecte lorsque les internautes effectuent des recherches en ligne ou utilisent leur appareil intelligent. Les entreprises exploitent désormais ces données pour hyper cibler leur contenu payant et leur publicité sur des groupes particuliers dans des régions plus petites.

Plutôt que de dépenser de l'argent en jetant un large filet pour attraper quelques poissons, les entreprises se concentrent sur des publics plus petits qui généreront des conversions plus élevées.

En fait, il existe une théorie du complot selon laquelle votre smartphone écoute vos conversations pour capter des mots-clés et vous montrer du contenu et des publicités ciblés. Google et Facebook, bien sûr, ont catégoriquement nié cela.

Techniques de traitement du langage naturel

La PNL interprète le langage et le transforme en résultats utilisables grâce à la syntaxe et à la sémantique. La syntaxe décrit comment les mots sont disposés dans une phrase pour donner un sens structurel et grammatical. La sémantique fait référence à la véritable signification des mots qu'une personne prononce ou écrit.

Analyse syntaxique

Selon le Dr Michael J. Garbade, fondateur et PDG d'Education Ecosystem, il existe plusieurs façons dont les moteurs de recherche et les ordinateurs tirent un sens de la syntaxe. Voici quelques-unes des techniques les plus courantes :

• Lemmatisation - Le processus de réduction de toutes les formes fléchies d'un mot en une seule pour faciliter l'analyse.
• Segmentation morphologique - Division des mots en unités individuelles, appelées morphèmes, qui rendent l'analyse plus simple. Par exemple, uptown serait divisé en up- et -town.
• Segmentation de mots - Division d'un gros morceau de texte continu en unités distinctes
• Marquage de la partie du discours - Identification de la partie du discours pour chaque mot, comme les verbes, les noms, les articles, les prépositions, etc.
• Parsing - Une analyse grammaticale d'une phrase.
• Briser les phrases – Placer des limites autour des phrases pour aider les programmes à se différencier les uns des autres.
• Stemming - Couper les mots fléchis à leur forme racine.

Analyse sémantique

C'est là que les ordinateurs et les programmes de recherche se déclenchent encore. Parce qu'il y a tellement de nuances dans le langage, il est difficile de programmer le sens.

Avez-vous déjà fait une remarque sarcastique à Siri ? Vous avez probablement obtenu une réponse littérale ou « Je suis désolé. Je ne comprends pas." C'est parce que l'inflexion de votre voix, celle qui signale le sarcasme, ne peut pas être interprétée par des appareils à commande vocale.

Mais il existe certaines techniques que la technologie de l'IA utilise avec l'analyse sémantique pour extraire le sens, selon le Dr Garbade. Ils incluent:

• Reconnaissance d'entité nommée (NER) - C'est lorsqu'un algorithme identifie des parties d'un texte ou d'une demande parlée comme faisant partie d'un groupe prédéfini. Les noms de personnes et de lieux, par exemple, peuvent être extraits par NER.
• Désambiguïsation du sens des mots (WSD) - Un programme examine un mot et essaie de déterminer sa signification dans le contexte du texte qui l'entoure. Disons que vous avez écrit dans un e-mail : « Nous sommes allés à la fête. Nous nous sommes bien amusés. Google examinera le texte pour comprendre que vous voulez dire que vous avez passé un bon moment, pas que vous aviez littéralement une balle dans la main.
• Génération de langage naturel (NLG) - Il s'agit du processus consistant à prendre des données et à les transformer en langage naturel que vous entendez lorsque vous posez une question à Siri ou Alexa. Il existe également une technologie émergente utilisant NLG pour la création de contenu.

Outils et bibliothèques de traitement du langage naturel

D'abord, faisons la différence entre les outils et les bibliothèques. Un outil est plus une solution prête à l'emploi pour la PNL, tandis qu'une bibliothèque est quelque chose que votre équipe technique prendrait et créerait une PNL pour votre marque.

Il existe des options open source, ainsi qu'un code propriétaire, ce qui signifie que vous devez payer pour cela. Ce que vous choisissez dépend du degré de personnalisation que vous ou votre équipe de développement êtes prêt à faire. (Les outils et bibliothèques open source nécessitent généralement plus de réglages.)

Outils

Bien sûr, tous les grands noms de la technologie ont leurs propres outils et services de PNL et d'IA. Amazon a Amazon Comprehend, qui prend de grandes quantités de données non structurées et recherche des modèles. IBM propose des services de compréhension du langage naturel Watson. Et Google a Cloud Natural Language.

Tous ces éléments peuvent être utilisés pour répondre aux besoins généraux de marketing et de big data.

En réalité, cependant, il n'y a qu'une seule entreprise qui utilise l'IA et la PNL avancées pour le marketing de contenu, en particulier. C'est MarketMuse.

Comme je l'ai déjà mentionné, MarketMuse analyse des éléments individuels ou des bibliothèques entières de contenu pour rechercher des lacunes dans le contenu, un contenu léger et même des opportunités pour des concurrents uniques.

Vous pouvez également l'utiliser pour effectuer des recherches sémantiques de contenu afin de déterminer votre couverture d'un sujet particulier.

Bibliothèques

Les bibliothèques sont beaucoup plus techniques, mais elles peuvent vous donner un peu plus de flexibilité dans la façon dont vous implémentez le NLP. Essentiellement, une bibliothèque est un ensemble codé d'algorithmes que vous ou votre équipe de développement pouvez utiliser pour créer vos propres outils NLP.

Natural Language Toolkit (NLTK) est probablement la bibliothèque dont on parle le plus sur le Web. Il est principalement utilisé à des fins éducatives et de recherche et est donc écrit en python, un programme open source.

Derniers mots

Nous commençons à peine à comprendre les possibilités que le traitement du langage naturel offre pour la stratégie de contenu. Alors que la science des données devient une partie intégrante de la stratégie de marketing de contenu, la personnalisation et le contenu automatisé pourraient éventuellement devenir monnaie courante.

Qui sait? Il pourrait même un jour remplacer les créateurs de contenu (bien que cet écrivain espère sincèrement que non).