Uma das vantagens com o processamento de linguagem natural é o tratamento de uma grande quantidade de dados, identificando os principais tópicos e sentimentos dos clientes
Autor: Tomás Duarte e Guilherme Nazareth
Capturar sentimentos e emoções de pessoas por meio de softwares e metodologias tem sido um desafio no mundo empresarial que cada vez mais insere o cliente no centro das negociações e tomadas de decisão. Com isso, entender o “mood” de milhões de consumidores por ano é um enorme obstáculo, ainda mais em uma língua como o português, diante das suas diversas nuances de brasilidades.
Mas, afinal, como as máquinas podem entender a linguagem humana, seja ela escrita ou falada, de maneira a captar os sentimentos e os tópicos de uma interação para um melhor entendimento da voz do cliente?
De fato, não é tão simples como pode parecer. O Processamento de Linguagem Natural – PLN ou NLP em inglês – é uma área dentro da inteligência artificial dedicada a entender a linguagem natural, a partir da tecnologia. Além disso, o método utiliza modelos de machine learning e deep learning, que significam aprendizagem de máquina e aprendizagem profunda, respectivamente. Esses termos estão presentes há muitos anos no dia a dia de quem trabalha com computação e tecnologia, porém aos poucos, tem conquistado novas áreas e profissionais.
Resumidamente, é necessário transformar o texto em uma representação numérica, para que assim possamos inseri-los nos modelos de machine learning – algoritmos que implementam técnicas estatísticas e de probabilidades – para chegarmos no resultado desejado.
Embora estas técnicas sejam conhecidas desde 1950, o verdadeiro avanço da tecnologia e a quantidade gigantesca de dados disponíveis nos últimos anos, é o que de fato proporcionou o crescimento exponencial na utilização da Inteligência Artificial, conhecidamente como IA.
Entretanto, a linguagem humana pode ser complexa, o que traz grandes desafios para o NLP e, consequentemente, exige constantes melhorias nas metodologias para a conquista de melhores resultados.
Vamos utilizar a palavra “laranja”, como exemplo. De modo geral, o sentido desta palavra pode variar de acordo com o contexto em que está inserida: “José comeu a laranja”; “A parede foi pintada de laranja”; “João foi usado como laranja em um esquema fraudulento”, entre muitas outras situações. É notável que, em cada uma das frases anteriores, a palavra laranja representou um significado diferente que depende do contexto, da intenção.
Sendo assim, além dos aspectos de semântica, significados sintáticos e análises de sentimentos, são outras características que o NLP precisa lidar.
Atualmente podemos observar a tecnologia do NLP no nosso dia a dia, desde quando recebemos a sugestão de palavras ao começar digitar em um aplicativo do celular, nos comandos de voz para assistentes virtuais, a exemplo da Alexa. Para que as empresas utilizem a tecnologia a seu favor, o setor de Customer Experience “nada de braçada” neste método para compreender e analisar o sentimento dos clientes em relação ao produto, serviço ofertado, ou até mesmo ao posicionamento institucional da marca, visto que, hoje, o cliente não compra apenas um produto, e sim a experiência e reputação de quem o atende.
Uma vantagem das possibilidades com o NLP, é o tratamento de uma grande quantidade de dados, identificando os principais tópicos e sentimentos dos clientes, principalmente com o processo maciço de digitalização das empresas, em que a quantidade de dados inviabiliza um atendimento estritamente manual.
Porém, quais são as principais vantagens de ter modelos avançados de interpretação de dados como estes? Basicamente, possuir uma assertividade no diagnóstico de qualquer sentimento e voz do cliente. Assim, é possível consolidar dados macros para um plano de ação ou tratativas individuais automatizadas e humanizadas para cada cliente e situação.
Tomás Duarte é cofundador e CEO da Track.co. Neste artigo, ele contou com a participação de Guilherme Nazareth, head of Data Science na Track.co.
