内容营销人员的自然语言处理

好的，谷歌，今天外面的温度是多少？ 您今天向您的声控设备提问了吗？

也许您已经写了一封电子邮件并使用了 Gmail 的句子建议。 也许您将页面翻译成另一种语言。

如果你有，你已经使用了一种称为自然语言处理 (NLP) 的人工智能，其中计算机被编程为理解人类语言和语音模式以执行命令。

它只是一组人工智能技术的一部分，包括机器学习、图像识别、深度学习、神经网络和自然语言生成 (NLG)。

Google、Siri 和 Alexa 等虚拟助手都使用 NLP 来执行搜索查询和请求。 搜索引擎也使用它来匹配内容与查询、预测和自动填充查询，以及提供有针对性的广告等。

自然语言处理如何工作？

在 AI 和 NLP 之前，搜索引擎和网站几乎都按照人类的指示去做。 只有当人类将这些流程和命令编入其中时，它们才能“学习”新的流程和命令。

现在，您的手机、语音命令设备和 Chrome 可以了解您搜索内容的方式以及您通常查找的内容类型。 通过这样做，他们会尝试提供适合您和您的偏好的搜索词和内容。

想想您填写的所有搜索字段以找到您需要的内容。 亚马逊、Netflix、谷歌； 他们都使用自动填充来确定您正在搜索的内容，甚至在您完成输入之前。

您有多少次知道您正在寻找的电影或产品的名称？ 您插入您所知道的内容，并希望搜索功能可以将您的部分搜索词与您正在搜索的内容相匹配。

只要你的查询比“那个人的那部电影”更好，亚马逊或谷歌就有很大的机会找到它。

这就是自然语言处理。 NLP 分析来自多个查询的大量语言数据，并寻找上下文模式来解释结果。

甚至您的电子邮件现在也在使用 NLP。 您是否注意到 Gmail 现在完成了您的句子？ 它使用机器学习和 NLP 来了解您在撰写电子邮件时如何沟通和提出建议。

顺便说一句，如果您不清楚自然语言处理、生成和理解之间的区别，我们专门为您写了一篇文章“NLP、NLU 和 NLG 之间有什么区别？” ！

NLP 对内容营销的潜在影响是什么？

想想智能设备和搜索引擎收集的关于用户及其搜索偏好的所有数据。 现在，想象一下你可以利用这些数据来定制你自己的内容。

这正是正在发生的事情。 广告商和内容营销商都可以根据搜索背后的人工智能正在学习的内容，将他们的内容超定位到特定受众。

它也会影响内容的结构。 还记得那些为了出现在搜索中而将听起来不自然的关键字塞进博客文章的日子吗？

NLP 和 NLG 已经取消了这一点。 现在，搜索引擎可以将内容与搜索词进行匹配，即使博客文章使用的关键字不完全匹配。

搜索者可以使用自然语言（书面或口头）而不是用引号括起来的笨重搜索词提出问题。

事实上，像谷歌这样的搜索引擎正在使用人工智能和自然语言处理来匹配高质量的内容和搜索词。

它不仅会处理您自己的搜索习惯，还会处理所有用户的搜索习惯，以寻找人们最常搜索的内容。 NLP 和 AI 可以解读大数据，为广告商找到最佳搜索词。

让我们仔细看看 AI 和 NLP 在内容营销中的一些应用，以及它们如何改变这个领域。

自然语言处理在内容营销中的应用

毫无疑问，NLP 正在改变我们对内容营销和内容发现的看法。 营销人员目前正在使用一些应用程序来增强他们已经制作的内容种类。

测量情绪

跟踪您的内容被查看、共享和反向链接的频率非常容易。 但是要获得这些交互的上下文就更难了。

NLP 可以帮助营销人员了解他们的内容被共享的原因。 例如，当内容传播开来时，这真是太棒了。 但是想象一下，你的内容被分享了“这都是错的”、“多么侮辱人”或“他们在想什么？”之类的评论。

这是社交营销活动和社交聆听的重要组成部分。 社交媒体营销人员现在正在使用情绪分析内容来寻找负面、正面或中性的语言，以帮助他们确定目标受众如何接收内容。

改善内容

如果您有一个现有内容库，AI 和 NLP 可以帮助您审核您的帖子是否缺少内容或内容不足。 MarketMuse Suite 是一个平台，可分析单个内容，查找缺失的主题、子主题或关键字。

它将使用 NLP 来帮助您确定如何改进精简内容，以及通过查找主题中缺失的信息。

提高搜索排名

在过去的四年里，像谷歌这样的搜索引擎一直在使用算法来抓取内容，而不仅仅是关键字。 这些爬虫现在使用自然语言处理来确定关键字周围的内容是否与用户意图真正匹配。

假设您的关键字是“如何安装搁架”。 爬虫将分析页面上的语法和语义，以了解其余文本是否回答了该查询。 它是否包括正确的步骤？ 它是否足够全面，用户可以使用您的博客文章安装架子？

这才是搜索引擎优化的真正症结所在。 您的内容是否符合用户意图？ 如果你写一篇关于政治热门话题的文章，你的文章是否符合用户搜索该话题的意图？ 它是否包含有用的信息，还是只是绒毛？ NLP 在确定这一点方面做得越来越好。

接触目标受众

最后，NLP 可以帮助您针对付费内容或广告定位正确的受众。 想想当人们在线搜索或使用他们的智能设备时谷歌收集的所有数据。 公司现在正在利用这些数据将他们的付费内容和广告定位到较小地区的特定群体。

公司不是花钱撒网来钓几条鱼，而是在较小的受众群体上进行磨练，这将产生更高的转化率。

事实上，有一种阴谋论浮出水面，即您的智能手机正在听您的对话以获取关键字并向您展示有针对性的内容和广告。 当然，谷歌和 Facebook 坚决否认了这一点。

自然语言处理技术

NLP 解释语言并通过语法和语义将其转化为可用的结果。 句法描述了单词在句子中的排列方式以使其具有结构和语法意义。 语义是指一个人说或写的话背后的真正含义。

句法分析

根据 Education Ecosystem 创始人兼首席执行官 Michael J. Garbade 博士的说法，搜索引擎和计算机从语法中获取意义的方式不止几种。 以下是一些最常见的技术：

• 词形还原 -将单词的所有变形形式简化为单一形式以使分析更容易的过程。
• 形态分割——将单词分成单独的单元，称为词素，使分析更直接。 例如，住宅区将分为住宅区和住宅区。
• 分词——将一大段连续文本分成不同的单元
• 词性标注——识别每个词的词性，例如动词、名词、冠词、介词等。
• Parsing –对句子的语法分析。
• 断句——在句子周围设置界限，以帮助程序区分彼此。
• 词干 -将变形词切割成词根形式。

语义分析

这就是计算机和搜索程序仍然会出错的地方。 因为语言有很多细微差别，所以很难为意义编程。

你曾经对 Siri 发表过讽刺的话吗？ 你可能会得到一个字面上的回答或“我很抱歉。 我不明白。” 那是因为语音激活设备无法解释你声音中的变化，即讽刺的信号。

但根据 Garbade 博士的说法，人工智能技术使用一些技术以及语义分析来提取意义。 它们包括：

• 命名实体识别 (NER) –这是当算法将文本或语音请求的一部分识别为预定义组的一部分时。 例如，人名和地名可以由 NER 提取。
• 词义消歧 (WSD) –程序查看一个词并尝试在其周围文本的上下文中确定其含义。 假设您在一封电子邮件中写道：“我们参加了聚会。 我们有一个球。” 谷歌会查看文本来理解你的意思是你玩得很开心，而不是你手里拿着一个字面上的球。
• 自然语言生成 (NLG) –这是获取数据并将其转换为您向 Siri 或 Alexa 提问时所听到的自然语言的过程。 还有使用 NLG 进行内容创建的新兴技术。

自然语言处理工具和库

首先，让我们区分工具和库。 工具更像是 NLP 的开箱即用解决方案，而库是您的技术团队将采用并为您的品牌构建 NLP 的东西。

有开源选项以及专有代码，这意味着您必须为此付费。 您选择什么取决于您或您的开发团队愿意做多少定制。 （开源工具和库通常需要更多的调整。）

工具

当然，科技界的所有大牌都有自己的 NLP 和 AI 工具和服务。 亚马逊拥有 Amazon Comprehend，它可以获取大量非结构化数据并寻找模式。 IBM 拥有 Watson 自然语言理解服务。 谷歌有云自然语言。

所有这些都可用于满足一般营销和大数据需求。

但实际上，只有一家公司专门将高级 AI 和 NLP 用于内容营销。 这就是市场缪斯。

正如我之前提到的，MarketMuse 会分析单个内容或整个内容库，以寻找内容差距、稀缺内容，甚至是单向竞争对手的机会。

您也可以使用它对内容进行语义搜索，以确定您对特定主题的覆盖范围。

图书馆

库技术性更强，但它们可以让您在实现 NLP 方面更加灵活。 本质上，库是您或您的开发团队可以用来创建自己的 NLP 工具的编码算法包。

自然语言工具包 (NLTK) 可能是网络上最受关注的库。 它主要用于教育和研究目的，因此是用开源程序 python 编写的。

最后的话

我们才刚刚开始了解自然语言处理对内容策略的可能性。 随着数据科学成为内容营销策略不可或缺的一部分，个性化和自动化内容最终可能会变得司空见惯。

谁知道？ 它甚至有可能有一天会取代内容创作者（尽管作者真的不希望这样做）。