De zogenoemde Natural Language Generation (NLG) is een technologie waarmee op basis van kunstmatige intelligentie teksten gemaakt en samengesteld worden. Denk bijvoorbeeld aan automatisch gegenereerde nieuwsberichten of productinformatie die geautomatiseerd wordt toegevoegd in de webwinkel. Wellicht zie jij ook kansen voor toepassing NLG. Maar wat komt er dan op je af?
NLG zorgt er in eerste instantie voor dat de productie van content behoorlijk kan worden vergroot. De technologie combineert stukken tekst uit diverse bronnen, vult de gaten in aan de hand van bepaalde meegegeven eigenschappen en vormt met dit alles een nieuwe formulering.
De Associated Press is er zo bijvoorbeeld in geslaagd om – met een kleinere bezetting - het aantal verhalen dat het naar buiten brengt op te schroeven naar 3000 per kwartaal. En de robotreporter van de Washington Post slaagde erin om in 2017 maar liefst 850 artikelen te schrijven. De verhoogde productie zorgt voor een betere coverage. Journalisten hoeven geen tijd meer te besteden aan generieke beursberichten en voetbaluitslagen en kunnen zich vooral richten op diepere verhalen.
Maar ook analisten kunnen profiteren van NLG-tools. Automatisch gegenereerde teksten die toegevoegd zijn aan een analytics dashboard zorgen voor betere en snellere beslissingen. “In 2019 is Natural Language Generation een standaard feature van 90 procent van alle business intelligence en analytics platformen, ” aldus Gartner content manager Kaysey Panetta.
Personalisatie
De sweet spot voor NLG zit mijn inziens echter vooral op het gebied van ‘hyperpersonalisatie’. NLG stelt in staat stukken tekst op kleine details te ‘herschrijven’ waardoor deze net wat beter aansluit op de doelgroep. Basketbalteam de Orlando Magic uit Florida gebruikt NLG bijvoorbeeld om maatwerk, gepersonaliseerde in-app content en emailberichten te genereren. De club heeft hierdoor een betere interactie met fans en de club merkt dat het een positief effect heeft op ticket renewals.
En ook op het gebied van vindbaarheid en de website experience is NLG van toegevoegde waarde. Smart Home Services Provider Vivint gebruikt NLG bijvoorbeeld om SEO te boosten en de sales te stimuleren met maatwerk website content. Het bedrijf beschikt nu over 30.000 pagina’s aan webcontent, meer dan dubbel wat ze daarvoor hadden.
Begrijpen?
Er zijn behoorlijk wat businesscases te bedenken. Effectieve toepassing van NLG heeft echter behoorlijk wat voeten in de aarde. Want hoewel NLG-tools taken als het schrijven van verhalen kunnen overnemen, begrijpt de technologie niet als een mens wat de onderliggende woorden betekenen. En de computer kan daardoor niet inschatten of hetgeen ze geschreven ook echt hout snijdt.
De data waar NLG-tools op gebaseerd zijn, moeten kwalitatief goede bronnen zijn. Er moeten bijvoorbeeld geen fouten in staan of rare dingen. Een datagedreven aanpak vraagt bovendien om gestructureerde data die gecureerd en opgeslagen zijn in bronnen. Data moeten in een gestructureerde database opgeslagen zijn, anders kunnen de data niet goed uitgelezen worden. Bedrijven die met NLG starten bemerken vaak dat ze eerst hun data uitgebreid moeten opschonen voordat ze effectief aan de slag kunnen.
Als je gaat personaliseren, komt er ook nog zoiets kijken als effect op de lezer. Wat vindt de lezer? En wat is het effect van de tekst? In een eCommerce omgeving is het bijvoorbeeld belangrijk te testen of een en ander inderdaad leidt tot meer verkoop. A/B-testen en een iteratieve aanpak zijn noodzakelijk voor het slagen van NLG.
NLG is dus een mooie technologie, maar het is zeker geen magie. Je moet er werk in stoppen om het te laten werken. Het is vooral ook een andere manier van werken. Machinehandleidingen worden bijvoorbeeld voor een belangrijk deel gegenereerd, omdat je dan met zo min mogelijk moeite een maatwerk handleiding kan maken. Als je NLG dat op de juiste manier toepast, haal je er winst uit. Ik ben erg benieuwd naar jullie ervaringen op dit gebied.
Plaats als eerste een reactie
Ook een reactie plaatsen? Word lid van Adformatie!