Machine Learning w iPresso – oznaczanie wydźwięku wypowiedzi w monitoringu mediów

Śledzenie opinii pojawiających się w sieci jest istotnym elementem zarządzania wizerunkiem marki. Raporty monitoringu mediów generowane w iPresso w kompleksowy sposób pokazują tendencje dotyczące przepływu informacji na określony temat. Co istotne, iPresso posiada opcję oznaczania wydźwięku opublikowanej informacji opartą na technologii Machine Learning – system jest w stanie samodzielnie określić czy dany przekaz jest pozytywny, negatywny, czy też neutralny. 

Monitoring mediów jest jednym z niezbędnych narzędzi pracy nowoczesnego marketera – pozwala na śledzenie trendów w branży, zbieranie opinii o konkurencji, reagowanie na komentarze klientów. W iPresso dostępny jest monitoring zarówno tradycyjnych (prasa, telewizja, radio), jak i elektronicznych (internetu i mediów społecznościowych). System na bieżąco obserwuje gdzie i w jakim kontekście pojawia się określona przez użytkownika fraza. iPresso posiada przy tym opcję monitoringu pogłębionego, która pozwala na wyszukiwanie fraz kluczowych w niszowych stronach internetowych (np. takich o małej liczbie odwiedzin, jednak z różnych powodów istotnych).

W monitoringu mediów iPresso zastosowano rozwiązanie Machine Learning, polegające na samodzielnym rozpoznawaniu przez system wydźwięku danego komunikatu. Oznacza to, że po zaklasyfikowaniu przez użytkownika odpowiedniej liczby raportów jako pozytywnych, negatywnych lub neutralnych, iPresso zacznie robić to w sposób automatyczny i będzie uczyć się w miarę przyrastania liczby takich komunikatów. Funkcja ta jest przydatna zwłaszcza w przypadkach, gdy dana fraza pojawia się w wynikach bardzo często. Można bowiem skupić się wtedy, np. tylko na najbardziej niepokojących wynikach.

wydzwiek2

Początkowo to osoby korzystające z systemu oznaczają wydźwięk danego artykułu poprzez kliknięcie w symbole + (pozytywny), - (negatywny), lub 0 (neutralny). Po wykonaniu odpowiedniej liczby takich oznaczeń, iPresso zaczyna samodzielnie rozróżniać i klasyfikować wydźwięk poszczególnych publikacji, co zdecydowanie ułatwia i przyspiesza pracę marketerów odpowiedzialnych za monitorowanie publikacji w internecie.

 

Komentarz

Możesz użyć następujących tagów oraz atrybutów HTML-a: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>