Natural Language Processing: come insegnare ai computer a comunicare con gli esseri umani

L’intelligenza artificiale è sempre più sofisticata e, grazie ad avanzate tecniche di machine learning e deep learning, le macchine sono in grado di leggere, decifrare e dare un senso al linguaggio umano… e i progressi non si fermano qui!

L’intelligenza artificiale si occupa di sviluppare algoritmi e modelli computazionali che permettono alle macchine di svolgere compiti e attività tipici delle abilità mentali e pratiche degli esseri umani. Hardware e software sono quindi in grado di ragionare e agire autonomamente, imitando le capacità cognitive umane.

Tra gli strumenti usati dall’intelligenza artificiale per elaborare i dati e creare modelli ci sono il machine learning e il deep learning, come spiegato nell’articolo su “Data science e AI”.

Vediamo ora come per l’intelligenza artificiale, grazie al Natural Language Processing, è possibile analizzare ed interpretare il linguaggio umano e quali sono le applicazioni più diffuse dell’NLP.

Cos’è l’NLP?

Con Natural Language Processing (NLP) si intende quella branca dell’informatica che analizza il linguaggio naturale scritto e parlato attraverso modelli statistici e algoritmi di machine learning.

L’esempio più significativo di software NLP con cui abbiamo a che fare ogni giorno è sicuramente BERT, l’algoritmo che Google usa per comprendere le oltre 8 miliardi di ricerche giornaliere da parte dei suoi utenti (Internet Live Stats, 2022).

Altri esempi includono l’algoritmo che decide quali email considerare spam, i sistemi di traduzione automatica come Google Translate, gli assistenti vocali come Siri e Alexa, i chatbot per il customer service e l’analisi delle recensioni online.

Come funziona l’NLP

Ma come fanno questi sistemi a capire e analizzare il linguaggio umano?

Gli algoritmi di machine learning sono in grado di comprendere numeri, ma non lettere o suoni, perciò i testi prima di essere elaborati devono essere trasformati in un formato numerico, strutturato. Il metodo più efficace è utilizzando i cosiddetti word embeddings, ovvero dei vettori, delle sequenze di numeri che incorporano le informazioni semantiche e sintattiche, in modo tale che parole o frasi più simili siano più vicine nello spazio vettoriale.

Nell’immagine sopra è rappresentato uno spazio vettoriale a tre dimensioni, dove gli embeddings di parole (i puntini colorati) che appartengono allo stesso contesto, come student e school, sono vicini nello spazio.

Le applicazioni dell’NLP

Con l’aumento esponenziale della quantità di dati prodotti (basti pensare che in media ogni giorno vengono postati 500 milioni di Tweet, secondo Internet Live Stats 2022), è sempre più necessario disporre di potenti strumenti in grado di analizzare l’enorme mole di tracce digitali per misurare e potenziare le proprie strategie digitali.

Vediamo alcuni esempi.

Monitoraggio della reputazione online e sentiment analysis

In uno dei nostri articoli di blog abbiamo parlato di brand image, ovvero della percezione che i clienti hanno dell’azienda.

Dato che sempre più spesso i consumatori scelgono i canali digitali per condividere il proprio feedback su un prodotto o su un’azienda, è necessario monitorare e valutare efficacemente la propria brand image online, anche in tempo reale, attraverso dei tool automatici.

Uno strumento che permette di misurare rapidamente la propria reputazione è l’analisi del sentiment di post e recensioni, cioè della polarità dell’opinione dei consumatori.

Riuscire a comprendere quali sono le cause alla base dell’insoddisfazione dei propri clienti è fondamentale per scoprire quali sono i punti di debolezza da rafforzare, in modo da rendere i clienti più soddisfatti e allargare la propria customer base. Inoltre, è utile per capire se gli utenti reagiscono alle proprie campagne digitali e televisive nel modo aspettato.

Captare subito la reazione negativa del pubblico online, come per esempio in seguito alla campagna pubblicitaria di Parmigiano Reggiano nel dicembre 2021, permette di intervenire al più presto per limitare i danni reputazionali.

SEO e clusterizzazione delle query di ricerca

Un tool di clusterizzazione delle query di ricerca permette di raggruppare l’enorme mole di query in diverse categorie omogenee in modo da semplificarne la comprensione e riuscire a:

• comprendere quali sono i diversi motivi e necessità che indirizzano gli utenti verso il proprio business;
• capire se il proprio posizionamento effettivo è in linea con le proprie strategie SEO e acquisire le informazioni per potenziarlo;
• rilevare nuovi trend e anticipare le esigenze della propria customer base, come nuove funzionalità o caratteristiche di un prodotto.

Copywriting e natural language generation

Al giorno d’oggi sul mercato esistono vari tool di Natural Language Generation (NLG) in grado di automatizzare o supportare il lavoro del copywriter nella produzione di contenuti per siti web, post social, blog e campagne pubblicitarie.

Tuttavia, nonostante i grandi passi compiuti in ambito NLG, soprattutto dopo l’introduzione del modello di deep learning GPT-3 di OpenAI nel 2020,  l’intervento di un esperto umano è ancora necessario per controllare aspetti come tone of voice, ottimizzazione SEO e allineamento con la content strategy. Ciononostante, costituiscono un valido strumento per trarre idee e spunti, velocizzare la creazione di contenuti e rendere questi più performanti.

Customer service e chatbot

Fanno sempre parte dell’ambito Natural Language Generation i famosi chatbot, cioè software in grado di simulare conversazioni umane.

La loro rapida e recente diffusione è avvenuta grazie alle tecnologie di apprendimento automatico sempre più sofisticate, nonché alla tendenza degli utenti a preferire applicazioni di messaggistica per comunicare con le aziende.

I chatbot sono facilmente scalabili e permettono una maggiore efficienza operativa attraverso l’automazione e l’ottimizzazione di processi come:

• Assistenza post-vendita: permette ai clienti di ricevere immediatamente e rapidamente informazioni 24 ore su 24, 7 giorni su 7, senza dover attendere in linea per un operatore, a cui si può ricorrere solo nel caso in cui il chatbot non sia in grado di risolvere il problema. Di conseguenza, permette alle aziende di risparmiare fino al 30% dei costi per il customer service (BI Intelligence, The Chatbots Explainer, 2016), offrendo allo stesso tempo ai clienti un servizio di assistenza più veloce e soddisfacente.

• Lead generation and nurturing: un chatbot sul proprio sito web permette di acquisire dati sugli utenti, suscitare interesse verso prodotti e servizi, coltivare le relazioni con i prospect e comunicare con potenziali clienti chiedendo loro cosa cercano e fornendo informazioni e offerte personalizzate. Consente quindi di aumentare il tasso di conversione, ridurre la durata del customer journey e aumentare le vendite.

Importanza del NLP

Abbiamo visto, attraverso alcuni esempi, come il Natural Language Processing permette di estrarre informazioni utili dai dati e di semplificare e ottimizzare vari processi.

Anche noi a Modic lo utilizziamo quotidianamente per offrire soluzioni sempre più sofisticate. Abbiamo infatti sviluppato un software di NLP basato su un modello linguistico di machine learning multilingua per ottimizzare il lavoro di analisi delle query di ricerca del SEO strategist e lo utilizziamo per ampliare i servizi SEO che offriamo ai nostri clienti.