Machine Learning
Bliv klogere på data og forudsig hændelser med Machine Learning
Machine Learning gør dig klogere
Machine Learning er en disciplin inden for datalogien, der kombinerer statistiske analyser og algoritmer til at identificere mønstre i store datamængder, for at kunne lave forudsigelser på baggrund af denne data.
Inden for Machine Learning taler man om, at man træner en model baseret på historisk data til at lave forudsigelser om fremtidige hændelser. Dette er en løbende proces, når du får mere og mere data, så hele idéen bag Machine Learning er, at modellen skal blive mere intelligent over tid – den træner sig selv automatisk til at blive bedre.
Machine Learning hos Wilke
Hos Wilke indgår Machine Learning som en del af værktøjskassen, når vi skal levere indsigter på baggrund af store samt løbende datamængder. En af fordelene ved at bruge Machine Learning er, at du kan have opdaterede analyser i realtid, så du kan handle på forudsigelserne og indsigterne, når de opstår.
En anden fordel ved at bruge Machine Learning i forhold til mere traditionelle analytiske metoder er, at du kan håndtere rigtig store datamængder og finde mønstre i data, som ikke er muligt for mennesker. Når først modellen er sat op, kræver den ingen menneskelig indblanding, og kan derved være meget omkostningseffektiv.
Hvilken specifik metode indenfor Machine Learning der skal anvendes, kommer an på din problemstilling. Du kan læse mere om nogle af de konkrete cases, hvor vi har brugt Machine Learning her.
Hvordan skaber jeg flere promoters for min forretning?
Ved en kombination af sentiment-analyse og kategorisering, vil du hurtigt kunne danne sig et overblik over hvilke emner der optager hhv. detractors og promoters, og samtidig hvad der adskiller de to fra hinanden.
Det kan f.eks. være, at dine kunder alle sammen taler om dine superfede produkter, men hvilke produkter synes de reelt er superfede, og hvilke er de utilfredse med?
Er mine kunders omtale af mine produkter positiv eller negativ?
Med en sentiment-analyse kan du omsætte enkelte besvarelser til et tal, der repræsenter enten et negativt eller et positivt udsagn, og dermed kan du meget effektivt analyse store datamængder af tekst.
Datakilder kan f.eks. være åbne besvarelser fra spørgeskemaer, omtale på sociale medier (fx Twitter), eller brugeres opslag på din facebookside.
Hvilke temaer optager mine kunder?
Med en kategorisering kan du hurtigt danne dig et overblik over, hvilke temaer der optager dine brugere. Med NLP er kategorisering ikke begrænset til at omhandle basal ord-optælling, men kan omfatte en decideret tematisering.
F.eks. vil både begreber som ”rat”, ”hjul”,og ”motor” formentlig indgå i et bil-tema (men NLP, vil i mange tilfælde også kunne skelne mellem cykelhjul og bilhjul).
Her er 3 konkrete use-cases med Natural Language Processing
Kategorisering og kvantificering af skrevne kommentarer
Har du været ved at drukne i al den viden, der er i skrevne kommentarer, og har du brug for et overblik? Så kan du få hjælp gennem Machine Learning. Vi kan kategorisere alle de kommentarer, som du indsamler i din undersøgelse, så du f.eks. kan følge udviklingen i, hvilke emner der bliver skrevet om.
Natural Language Processing (NLP) er en teknologi inden for Machine Learning, som er i stand til at ‘forstå’ det menneskelige sprog. NLP forstår ikke bare enkelte ord, men fokuserer også på sammenhængen mellem og placeringen af ord, og dermed forstår NLP også hele tekster.
Med NLP kan du træne en model til at ”forstå” indholdet af skrevne kommentarer, og det giver dermed bl.a. en mulighed for at kategorisere dem, så det bliver nemt at danne sig et overblik over indholdet.
NLP giver mulighed for at behandle store mængder kvalitative data med et relativt lavt ressourceforbrug, og giver samtidig mulighed for at behandle data i realtid.
Case med VELUX
Er du nysgerrig på, hvordan vi i WIlke konkret har brugt Machine Learning i vores leveringer? Så læs med og hør hvordan vi har hjulpet VELUX med at målrette deres budskaber, øge relevansen, og også hjælp til at de kunne positionere sig relevant i markedet
Vil du vide mere om Machine Learning?
Skriv til Simon, han er klar til at svare på dine spørgsmål om Machine Learning!