به گزارش پایگاه خبری هنر هشتم، به نقل از شارا، در سال ۲۰۲۰، مانوئلیتا مالدونادو برنده جایزه بهترین پایان نامه کارشناسی ارشد سال ماکوفسکی بود. این پست از وبلاگ براساس تحقیقات پایان نامه وی، “ظهور ماشین های هوشمند: هوش مصنوعی چگونه صنعت روابط عمومی را دگرگون می کند” است.

پیش بینی های قبلی اشاره داشت که تا سال ۲۰۲۰، همه تعاملات دیجیتالی ما ۴۰ برابر بیشتر از تعداد ستاره ها در جهان داده تولید می کنند. هرچه تعداد کلیک ها، اشتراک ها، پست ها و نظرات بیشتر به فضای دیجیتال وارد شود، این میزان سرسام آور داده ها به طور تصاعدی رشد می کند و کسب و کارها را مجبور می کند به دنبال روش های جدید برای تجزیه و تحلیل محتوای این جریان های جدید اطلاعات باشند.

هوش مصنوعی و فناوری های پردازش زبان طبیعی نقش مهمی در پردازش اطلاعات سازمان ها و تفسیر حجم بزرگی از داده ها در مدت زمان کوتاه دارد و برای آنها این امکان را فراهم می آورد که رقبا، مصرف کنندگان، رسانه ها و سایر سهامداران اصلی را بهتر درک کنند.

این حجم از داده ها به دو دسته ساختاریافته و غیرساختاریافته تقسیم می شود. داده های ساختاریافته از قالب از پیش تعریف شده استفاده می کند که تمام زمینه ها ثابت است، همین باعث می شود ارسال، ذخیره سازی و سازماندهی اطلاعات در پایگاه داده هایی مثل اکسل یا SOL ساده تر باشد. داده های غیرساختاریافته در تمام اشکال و اندازه ها می تواند در قالب ویدئو، فایل صوتی، تصویر و سایر فرمت ها ذخیره شوند.

بازاریابی، تبلیغات و روابط عمومی معمولا داده های ساختاریافته ای مانند پست های رسانه های اجتماعی، تصاویر و ویدئوها را تحلیل می کنند زیرا به آژانس ها اجازه می دهد فراتر از مقیاس های سنتی (مانند AVE) بروند و نسبت به برند به دیدگاه و نگرش ارزشمندی مانند جریان بازار و اولویت های مشتریان دست یابند و فقط از طریق فناوری های مجهز به هوش مصنوعی مانند پردازش زبان طبیعی (NLP) است که متخصصان روابط عمومی می توانند مجموعه داده های بزرگ را تجزیه و تحلیل کنند تا نتایج را به طور موثرتر و دقیق تری بدست آورند.

۱٫ NLP به متخصصان روابط عمومی کمک می کند تا احساس مخاطب را تجزیه و تحلیل کنند

پردازش زبان طبیعی را می توان زیرمجموعه ای از هوش مصنوعی توصیف کرد که به کامپیوترها توانایی پردازش، درک و تفسیر زبان انسان را می دهد. به همین ترتیب، NLP به متخصصان روابط عمومی توانایی تجزیه و تحلیل میلیون ها توییت و سایر پست های نوشتاری رسانه های اجتماعی می دهد تا موضوعات اصلی بحث و یا ارزیابی احساسات مخاطبان (مثبت، منفی یا خنثی) شناسایی شود – همچنین به آنها در ارزیابی افکار عمومی درباره مارک ها یا مشتریان خود کمک می کند.

طبق مطالعه موسسه Chartered در حوزه روابط عمومی، تجزیه و تحلیل شبکه های اجتماعی یکی از متداول ترین فعالیت های روابط عمومی است که تحت تأثیر هوش مصنوعی قرار گرفته است. در این مطالعه مشخص می شود که چرا تقریبا نیمی (۴۴٪) از متخصصان روابط عمومی که در گزارش ارتباطات جهانی USC Annenberg 2019 شرکت کردند، نظارت بر رسانه را به عنوان مهمترین ابزار کارهای فعلی خود انتخاب کردند.

۲٫ تجزیه و تحلیل احساسات ۱۰۰ درصد دقیق نیست – و احتمالاً هرگز هم نخواهد بود

یکی از بزرگترین چالشهای تجزیه و تحلیل احساسات این است که احساسات و عواطف انسان پیچیده و ذهنی است. کنایه، لحن و موضوع می تواند معنای متن را تغییر دهد و نظرات اغلب منوط به تفسیر خواننده است. در حقیقت، تخمین زده شده است که وقتی انسان احساسات یک متن را ارزیابی می کند، در ۸۰ درصد موارد تمایل دارد با آن موافقت کند، تقریباً غیرممکن است که پلتفرم های فناوری ساخت بشر از نظر میزان دقت به ۱۰۰ درصد برسد.

بعضی از متخصصان معتقدند ارزیابی با استفاده از ابزارهای فناوری اطلاعات می تواند مثل یک سکه دو رو باشد و فقط ۵۰ درصد آن درست باشد، زیرا این پلتفرم ها اغلب برای اندازه گیری پست های دقیق تر تلاش می کنند یا قادر به فیلتر کردن و تفسیر اطلاعات از طریق لنزهای شرکت یا برند نیستند.

فروشندگان فن آوری ارتباطات پیشرفته با استفاده از سرویس های شخص ثالث که افراد را برای طبقه بندی مجموعه زیادی از داده ها به عنوان مثبت، منفی یا خنثی استخدام می کنند، ابزارهای پیچیده تری را برای تجزیه و تحلیل احساسات ایجاد می کنند و همچنین به آنها می تواند مواردی را نشان دهند که احساسات می تواند برای یک برند مضر باشد. سپس این داده های طبقه بندی شده به الگوریتم های هوش مصنوعی هدایت می شوند، که یاد می گیرند الگوها را بشناسند و متن را تفسیر کنند. اما این اغلب به عنوان یک سرویس “برتر” ارائه می شود زیرا این یک فرایند طولانی و شخصی است که نیاز به مداخله انسان دارد.

۳٫ سایر ویژگی های فنی به متخصصان روابط عمومی کمک می کند تا خلاءهای NLP را تکمیل کنند

حتی اگر فناوری های برنامه ریزی عصبی زبانی (NLP) هنوز در مراحل اولیه قرار دارند، ابزارهای نظارت بر شبکه های اجتماعی دیگری نیز وجود دارد – مانند ابر کلمات، خوشه های موضوعی و هشتگ های برتر و توییتر- که می تواند خروجی ارائه شده توسط ابزار تجزیه و تحلیل احساسات را تکمیل کند.

نقش رسانه های اجتماعی در اقتصاد غیرقابل انکار است، و شرکت ها را قادر می سازد دسترسی خود را افزایش دهند و با مشتریان بالقوه در ارتباط باشند. ابزارهای مجهز به هوش مصنوعی، درک متخصصان روابط عمومی نسبت به فضای رسانه های اجتماعی را افزایش می دهد که به آنها امکان می دهد روند بازار را شناسایی کرده و احساسات مردم را تجزیه و تحلیل کنند – کاری که پیش از این به راحتی امکان پذیر نبود. اما این خروجی باید با استدلال، تفکر انتقادی و خلاقیت انسان تکمیل شود.

هوش مصنوعی قدرت پردازش داده های زیاد را برای ما، به عنوان متخصصان روابط عمومی، تسهیل کرده که این خروجی ها را در متن قرار داده، روند کار قابل درک خواهد بود و بر اساس آن استراتژ های خود را ارائه می دهیم.