內容營銷人員的自然語言處理

好的，谷歌，今天外面的溫度是多少？ 您今天向您的聲控設備提問了嗎？

也許您已經寫了一封電子郵件並使用了 Gmail 的句子建議。 也許您將頁面翻譯成另一種語言。

如果你有，你已經使用了一種稱為自然語言處理 (NLP) 的人工智能，其中計算機被編程為理解人類語言和語音模式以執行命令。

它只是一組人工智能技術的一部分，包括機器學習、圖像識別、深度學習、神經網絡和自然語言生成 (NLG)。

Google、Siri 和 Alexa 等虛擬助手都使用 NLP 來執行搜索查詢和請求。 搜索引擎也使用它來匹配內容與查詢、預測和自動填充查詢，以及提供有針對性的廣告等。

自然語言處理如何工作？

在 AI 和 NLP 之前，搜索引擎和網站幾乎都按照人類的指示去做。 只有當人類將這些流程和命令編入其中時，它們才能“學習”新的流程和命令。

現在，您的手機、語音命令設備和 Chrome 可以了解您搜索內容的方式以及您通常查找的內容類型。 通過這樣做，他們會嘗試提供適合您和您的偏好的搜索詞和內容。

想想您填寫的所有搜索字段以找到您需要的內容。 亞馬遜、Netflix、谷歌； 他們都使用自動填充來確定您正在搜索的內容，甚至在您完成輸入之前。

您有多少次知道您正在尋找的電影或產品的名稱？ 您插入您所知道的內容，並希望搜索功能可以將您的部分搜索詞與您正在搜索的內容相匹配。

只要你的查詢比“那個人的那部電影”更好，亞馬遜或谷歌就有很大的機會找到它。

這就是自然語言處理。 NLP 分析來自多個查詢的大量語言數據，並尋找上下文模式來解釋結果。

甚至您的電子郵件現在也在使用 NLP。 您是否注意到 Gmail 現在完成了您的句子？ 它使用機器學習和 NLP 來了解您在撰寫電子郵件時如何溝通和提出建議。

順便說一句，如果您不清楚自然語言處理、生成和理解之間的區別，我們專門為您寫了一篇文章“NLP、NLU 和 NLG 之間有什麼區別？” ！

NLP 對內容營銷的潛在影響是什麼？

想想智能設備和搜索引擎收集的關於用戶及其搜索偏好的所有數據。 現在，想像一下你可以利用這些數據來定制你自己的內容。

這正是正在發生的事情。 廣告商和內容營銷商都可以根據搜索背後的人工智能正在學習的內容，將他們的內容超定位到特定受眾。

它也會影響內容的結構。 還記得那些為了出現在搜索中而將聽起來不自然的關鍵字塞進博客文章的日子嗎？

NLP 和 NLG 已經取消了這一點。 現在，搜索引擎可以將內容與搜索詞進行匹配，即使博客文章使用的關鍵字不完全匹配。

搜索者可以使用自然語言（書面或口頭）而不是用引號括起來的笨重搜索詞提出問題。

事實上，像谷歌這樣的搜索引擎正在使用人工智能和自然語言處理來匹配高質量的內容和搜索詞。

它不僅會處理您自己的搜索習慣，還會處理所有用戶的搜索習慣，以尋找人們最常搜索的內容。 NLP 和 AI 可以解讀大數據，為廣告商找到最佳搜索詞。

讓我們仔細看看 AI 和 NLP 在內容營銷中的一些應用，以及它們如何改變這個領域。

自然語言處理在內容營銷中的應用

毫無疑問，NLP 正在改變我們對內容營銷和內容髮現的看法。 營銷人員目前正在使用一些應用程序來增強他們已經製作的內容種類。

測量情緒

跟踪您的內容被查看、共享和反向鏈接的頻率非常容易。 但是要獲得這些交互的上下文就更難了。

NLP 可以幫助營銷人員了解他們的內容被共享的原因。 例如，當內容傳播開來時，這真是太棒了。 但是想像一下，你的內容被分享了“這都是錯的”、“多麼侮辱人”或“他們在想什麼？”之類的評論。

這是社交營銷活動和社交聆聽的重要組成部分。 社交媒體營銷人員現在正在使用情緒分析內容來尋找負面、正面或中性的語言，以幫助他們確定目標受眾如何接收內容。

改善內容

如果您有一個現有內容庫，AI 和 NLP 可以幫助您審核您的帖子是否缺少內容或內容不足。 MarketMuse Suite 是一個平台，可分析單個內容，查找缺失的主題、子主題或關鍵字。

它將使用 NLP 來幫助您確定如何改進精簡內容，以及通過查找主題中缺失的信息。

提高搜索排名

在過去的四年裡，像谷歌這樣的搜索引擎一直在使用算法來抓取內容，而不僅僅是關鍵字。 這些爬蟲現在使用自然語言處理來確定關鍵字周圍的內容是否與用戶意圖真正匹配。

假設您的關鍵字是“如何安裝擱架”。 爬蟲將分析頁面上的語法和語義，以了解其余文本是否回答了該查詢。 它是否包括正確的步驟？ 它是否足夠全面，用戶可以使用您的博客文章安裝架子？

這才是搜索引擎優化的真正癥結所在。 您的內容是否符合用戶意圖？ 如果你寫一篇關於政治熱門話題的文章，你的文章是否符合用戶搜索該話題的意圖？ 它是否包含有用的信息，還是只是絨毛？ NLP 在確定這一點方面做得越來越好。

接觸目標受眾

最後，NLP 可以幫助您針對付費內容或廣告定位正確的受眾。 想想當人們在線搜索或使用他們的智能設備時谷歌收集的所有數據。 公司現在正在利用這些數據將他們的付費內容和廣告定位到較小地區的特定群體。

公司不是花錢撒網來釣幾條魚，而是在較小的受眾群體上進行磨練，這將產生更高的轉化率。

事實上，有一種陰謀論浮出水面，即您的智能手機正在聽您的對話以獲取關鍵字並向您展示有針對性的內容和廣告。 當然，谷歌和 Facebook 堅決否認了這一點。

自然語言處理技術

NLP 解釋語言並通過語法和語義將其轉化為可用的結果。 句法描述了單詞在句子中的排列方式以使其具有結構和語法意義。 語義是指一個人說或寫的話背後的真正含義。

句法分析

根據 Education Ecosystem 創始人兼首席執行官 Michael J. Garbade 博士的說法，搜索引擎和計算機從語法中獲取意義的方式不止幾種。 以下是一些最常見的技術：

• 詞形還原 -將單詞的所有變形形式簡化為單一形式以使分析更容易的過程。
• 形態分割——將單詞分成單獨的單元，稱為詞素，使分析更直接。 例如，住宅區將分為住宅區和住宅區。
• 分詞——將一大段連續文本分成不同的單元
• 詞性標註——識別每個詞的詞性，例如動詞、名詞、冠詞、介詞等。
• Parsing –對句子的語法分析。
• 斷句——在句子周圍設置界限，以幫助程序區分彼此。
• 詞幹 -將變形詞切割成詞根形式。

語義分析

這就是計算機和搜索程序仍然會出錯的地方。 因為語言有很多細微差別，所以很難為意義編程。

你曾經對 Siri 發表過諷刺的話嗎？ 你可能會得到一個字面上的回答或“我很抱歉。 我不明白。” 那是因為語音激活設備無法解釋你聲音中的變化，即諷刺的信號。

但根據 Garbade 博士的說法，人工智能技術使用一些技術以及語義分析來提取意義。 它們包括：

• 命名實體識別 (NER) –這是當算法將文本或語音請求的一部分識別為預定義組的一部分時。 例如，人名和地名可以由 NER 提取。
• 詞義消歧 (WSD) –程序查看一個詞並嘗試在其周圍文本的上下文中確定其含義。 假設您在一封電子郵件中寫道：“我們參加了聚會。 我們有一個球。” 谷歌會查看文本來理解你的意思是你玩得很開心，而不是你手裡拿著一個字面上的球。
• 自然語言生成 (NLG) –這是獲取數據並將其轉換為您向 Siri 或 Alexa 提問時所聽到的自然語言的過程。 還有使用 NLG 進行內容創建的新興技術。

自然語言處理工具和庫

首先，讓我們區分工具和庫。 工具更像是 NLP 的開箱即用解決方案，而庫是您的技術團隊將採用並為您的品牌構建 NLP 的東西。

有開源選項以及專有代碼，這意味著您必須為此付費。 您選擇什麼取決於您或您的開發團隊願意做多少定制。 （開源工具和庫通常需要更多的調整。）

工具

當然，科技界的所有大牌都有自己的 NLP 和 AI 工具和服務。 亞馬遜擁有 Amazon Comprehend，它可以獲取大量非結構化數據並尋找模式。 IBM 擁有 Watson 自然語言理解服務。 谷歌有云自然語言。

所有這些都可用於滿足一般營銷和大數據需求。

但實際上，只有一家公司專門將高級 AI 和 NLP 用於內容營銷。 這就是市場繆斯。

正如我之前提到的，MarketMuse 會分析單個內容或整個內容庫，以尋找內容差距、稀缺內容，甚至是單向競爭對手的機會。

您也可以使用它對內容進行語義搜索，以確定您對特定主題的覆蓋範圍。

圖書館

庫技術性更強，但它們可以讓您在實現 NLP 方面更加靈活。 本質上，庫是您或您的開發團隊可以用來創建自己的 NLP 工具的編碼算法包。

自然語言工具包 (NLTK) 可能是網絡上最受關注的庫。 它主要用於教育和研究目的，因此是用開源程序 python 編寫的。

最後的話

我們才剛剛開始了解自然語言處理對內容策略的可能性。 隨著數據科學成為內容營銷策略不可或缺的一部分，個性化和自動化內容最終可能會變得司空見慣。

誰知道？ 它甚至有可能有一天會取代內容創作者（儘管作者真的不希望這樣做）。