Новое ПО IBM для прогнозного анализа

Корпорация IBM анонсировала новое ПО, которое позволяет извлекать и анализировать информацию из таких источников данных, как социальные медиа-ресурсы (блоги, форумы, социальные сообщества) и затем объединять эту информацию с обширными массивами внутренних данных с целью ускорить получение более достоверных знаний и составлять более точные прогнозы.

Новое ПО для извлечения информации из данных (data mining) и анализа текстовых данных (text analytics) позволяет вести мониторинг изменений, связанных с потребителями, персоналом и государственными структурами, получать на основе этой информации глубокие и достоверные знания, прогнозировать ключевые факторы, которые будут управлять будущими инициативами по приобретению и удержанию клиентов. В частности, пользователи могут теперь извлекать информацию о потребительских мнениях, настроениях и ожиданиях из смайликов и сленговой терминологии, которые люди часто используют, описывая свое отношение к продукту или услуге.

Учитывая, что каждая экономическая отрасль и сфера деятельности имеет свои особые приоритеты и профессиональный жаргон, новое аналитическое ПО определяет и извлекает информацию из специфической отраслевой терминологии. Оно содержит новые семантические сети со 180 вертикальными таксономиями (от биологических наук до банковского дела, страховой сферы и отрасли потребительской электроники) и с более 400 тыс. терминов, включая 100 тыс. синонимов и тысячи брендов. Это позволяет выявлять и лучше понимать связи между предлагаемыми продуктами и комплексом потребительских мнений, настроений, отношений и ожиданий, не тратя время на создание собственных определений и формулировок.

С помощью ПО для прогнозного анализа клиенты могут получить прямой доступ к текстовым данным, Web-контенту, данным опросов и анкетирования, и интегрировать их в прогнозные модели для подготовки более полных и взвешенных решений. Программа использует метод обработки текстов, написанных (или озвученных) на естественных языках (Natural Language Processing, NLP), что позволяет клиентам извлекать из этих источников ключевые понятия, идеи, мнения, представления и тематические разделы, имеющие отношение к их бизнесу, для получения более глубоких знаний о потребительских предпочтениях и ожиданиях.

Организации могут объединять все свои структурированные данные с текстовой информацией из документов, сообщений электронной почты, записей и комментариев операторов центра телефонного обслуживания, а также из источников социальных медиа. Включая текстовые источники в процессы моделирования, пользователи могут находить, извлекать и исследовать взаимосвязи между концепциями с одной стороны, и ожиданиями, мнениями, отношениями и настроениями, включая смайлики, жаргон и профессиональную терминологию, с другой стороны, что влечет за собой более глубокие знания и возможность достижения специфических потребительских групп, госструктур, персонала или студентов в нужное время и по наиболее эффективным каналам.

Необходимость взаимодействия с клиентами через любой канал сегодня очевидна и приводит к более предсказуемым итоговым финансовым результатам. ПО IBM для прогнозного анализа дает компаниям возможность превращать знания в действия, а действия – в результат. Этим результатом является более эффективная стратегия управления взаимосвязями с клиентами, которая включает рекламные и маркетинговые кампании; методы торговли up-sell (убеждение потребителя приобрести более дорогие версии продукта и дополнительные продукты) и cross-sell (убеждение потребителя, покупающего какой-либо продукт, приобрести другой продукт, дополняющий первый); долгосрочные программы обеспечения лояльности и удержания клиентов, а также программы поощрений и стимулирования.

Новая версия рабочей среды IBM SPSS Modeler для извлечения информации и анализа текста сейчас уже поставляется во всем мире. Рабочая среда для анализа текста доступна только в редакции IBM SPSS Modeler Premium Edition.