Você sabe como a auditoria de comentários funciona aqui na Postmetria? Entenda como funciona o aprendizado da IA e quem são seus professores!
Você pode não se dar conta, mas as Inteligências Artificiais estão cada vez mais presentes em nossas vidas. Seja na recomendação de filmes, vídeos, músicas, produtos em sites de e-commerce e no feed da sua rede social favorita. Ainda assim, esses ambientes citados não chegam nem perto da infinidade de possibilidades e aplicações que uma IA pode oferecer.
Hoje seu uso não se restringe apenas ao ambiente computacional, transitando também nas mais diversas áreas do conhecimento: marketing, mercado financeiro, medicina, ciências humanas, física, biologia – no caso da Postmetria, o Customer Experience (CX), entre outros…
Atualmente, aqui na empresa, nas diversas arquiteturas e múltiplas funções de Inteligência Artificial do nosso foco em dados não-estruturados, ou CENE (Conteúdo Espontâneo Não-Estruturado) do Big Data, temos uma I.A. que chamamos carinhosamente de Popis – sim, a do Chaves (assim como como todo o nosso conjunto de IAs tem nomes da turma do Chaves… Vai saber ?)- que é utilizada para classificação dos comentários. A Popis faz uma análise de estrutura de linguagem, padrões de significado, sentimento e intensidade, caracterizando as opiniões e interpretando o conteúdo em texto, áudio, imagem, tratando essas diversas opiniões espontâneas (comentários/feedbacks) como se fossem respostas à pergunta “de 0 a 10, quanto recomendaria nossa marca…”, da métrica NPS convencional. Assim, nossa IA normaliza essa avaliação qualitativa do consumidor para o nosso Spontaneous Net Promoter Score (sNPS), ou seja, a mesma escala de 0 a 10 do NPS convencional, só que sem a necessidade de enviar a pergunta e se utilizando de comentários multicanais e espontâneos, para a partir de cada nota atribuída, gerar os Promotores, Neutros e Detratores, tanto quanto as zonas de classificação da métrica – Zonas Crítica, de Melhoria, de Qualidade e de Excelência.
Para compreender melhor o papel da IA na identificação do sNPS, leia aqui.
Contudo, para chegar a essa classificação de maneira mais assertiva possível, a Popis conta com uma característica fundamental: o Aprendizado de Máquina Supervisionado, que estrutura toda uma área dentro da Postmetria. Antes de prosseguir com essa definição, dois passos para trás.
- Aprendizado de Máquina, ou machine learning, supõe que a máquina aprenderá a realizar uma tarefa a partir de experiências, da mesma forma que nós, humanos, aprendemos alguma atividade. Fazemos elas repetidas vezes – erramos uma boa quantidade – até aperfeiçoarmos e passarmos a acertar. Como chutar uma bola no gol: iniciamos sem destreza nenhuma o ato de chutar, até que treinamos e sofisticamos o gesto técnico e os chutes descoordenados passam a ter direção e força.
- Dentro dos conceitos que envolvem machine learning, existem dois que são particularmente muito importantes: o Aprendizado Supervisionado e o Não Supervisionado. Ambos possuem características próprias e que vão fazer sentido a partir do problema de negócio a ser solucionado. Para não entrar em maiores detalhes técnicos, vamos nos preocupar apenas com o Aprendizado Supervisionado.
O Treinamento da IA
No processo Supervisionado, o treinamento da IA acontece a partir da “fiscalização” na realização de alguma atividade. Na Postmetria, chamamos esse processo de Auditoria. Emprestando o exemplo anterior, é como se a IA precisasse aprender a chutar a bola e, ao invés de fazer isso sozinha, tivesse um técnico que ensinaria a ela sobre finalização, passe, cobrança de falta, escanteio, pênaltis e tudo mais que envolva a arte de chutar a bola. E é isso que a área de Operação de Dados (OD) da Postmetria faz: supervisiona o processo de aprendizagem da IA, através da auditoria de comentários, a fim de aprimorar suas análises dos padrões da fala humana em relação à nossa métrica sNPS.
Nós, time de ODs, no momento em que nos deparamos com um comentário a ser auditado, nos preocupamos com quais seriam os qualificadores desse comentário – o que na língua portuguesa seria algo análogo aos adjetivos -, e a intensidade deles, para identificar qual percepção o comentário expressa: se é intensivo em um elogio, uma insatisfação, uma sugestão, ou ainda, todas essas percepções juntas. Assim, agregamos no aprendizado da máquina, analisando uma pequena amostra de comentários para gerar a nota de sNPS, trazendo o contexto do consumidor para essa aprendizagem. Com isso, aproveitamos o elemento qualitativo mais importante da percepção de marca, que é o contexto, ensinando a I.A. a aprender profundamente o subjetivo, qualitativo e espontâneo da Experiência do Consumidor (CX).
Dessa forma, utilizando-nos do método NPS, atribuímos critérios para que, a partir de cada qualificador e intensidade, o comentário seja classificado na escala de 0 a 10. A Popis, por sua vez, passa a reconhecer que uma expressão como “achei ruim esse produto” seja compreendida como uma insatisfação, mas que um “achei péssimo esse produto” seja compreendido como uma insatisfação ainda maior, ou ainda, que um “gostei desse produto…” seja visto como um elogio, porém, que deva ser atribuído um scoring menor do que uma avaliação como “esse produto é ótimo, amei…”. Da mesma forma que nós, humanos, faríamos na compreensão da gradação e valoração das intensidades dessas percepções.
Dessa forma, vai se formando uma cadeia de entendimento e aprendizagem profunda (Deep Learning) da I.A. Popis, melhorando cada vez mais a sua capacidade de Processamento e Interpretação da Linguagem Natural humana (NLP), justamente a partir de nuances das falas desses consumidores nos diversos canais internos e externos das marcas clientes da Postmetria. Tudo com base nas características léxicas e semânticas de cada comentário que auxiliam no conjunto dos padrões identificados na capacidade automática e em escala de interpretação e classificação da Popis.
Portanto, a partir desse contato com o time de Operadores de Dados, ou “professores da Popis”, nossa IA aprende e melhora seu desempenho de processamento de linguagem natural para as classificações dos diversos níveis de scoring, sentimento e intensidade. Com o tempo, a partir dos erros e acertos de classificação e inputs identificados pelos ODs, a Popis, que antes era apenas uma Padawan no mundo de classificações, se torna uma Mestre Jedi capaz de entender as sutilezas das opiniões em cada comentário.
Texto elaborado por Fellipe Porto, Supervisor de Operação de Dados na Postmetria
E aí, conseguimos esclarecer um pouquinho sobre o processo de Auditoria de Comentários?
Deixe suas dúvidas e comentários abaixo!
Conheça mais sobre o que a Postmetria pode fazer por você!
