Анализ контента – что ждет нас в 2015 году

По своей сути, анализ контента – это метод извлечения структурированной информации – такой, как люди, вещи, места – из неструктурированного текста. Эта информация используется для отслеживания, организации и поиска контента. «Анализ контента дает возможность людям найти то, что они хотят найти, а не то, что они ищут», – отмечает Стивен Ладлоу, директор по корпоративному маркетингу в OpenText, ведущей компании в области управления корпоративными данными. C точки зрения публикации информации, поиск по-прежнему является наиболее важным элементом взаимодействия людей с контентом. Метаданные, извлеченные из неструктурированного контента, дают возможность пользователю получить в итоге то, что он хочет.

Согласно IBM, более 80% информационного ландшафта состоит из неструктурированного контента. Смысл анализа контента заключается в попытке структурировать неструктурированные данные путем извлечения информации (ключевых слов, эмоциональной окраски, языка) для оценки пользы и эффективности контента. «Мы можем извлечь из статей упоминания как ключевых личностей, так и ключевых понятий, – поясняет Ладлоу. – Эту информацию можно использовать для поиска, запуска бизнес-процессов, а также для того, чтобы свести воедино структурированную и неструктурированную информацию для обработки информационных запросов и анализа контента».

«Сейчас мы находимся на этапе, когда большинство маркетинговых компаний имеет, по крайней мере, базовое представление об оценке эффективности контента, – объясняет Кристиан Йорг, генеральный директор компании Opentopic, специализирующейся в сфере контент-маркетинга. – Хорошие новости заключаются в том, что те, кто уже занимается оценкой цифрового контента, могут преуспеть в анализе эффективности этого контента для его будущего развития и оптимизации».

Эндрю Дэйвис, соучредитель и исполнительный директор компании Idio Ltd., поставщика программного обеспечения по работе с контентом, предлагает свое объяснение медленному, на первый взгляд, распространению практик по анализу контента: «После долгих лет прогнозов и обещаний мы видим, как все больше издательских и маркетинговых компаний начинают заниматься этим видом анализа. Особенность заключается в том, что это понятие редко называют «анализом контента» или «текстовым анализом». Иногда его обозначают вездесущим термином «большие данные» или даже связывают с искусственным интеллектом. Итак, с одной стороны, анализ контента не развивается широко как четко выраженная сфера деятельности, но лишь по той причине, что эта концепция реализуется за пределами названного термина».

«Анализ контента по-прежнему наиболее распространен в сфере маркетинга и имеет целью повысить популярность бренда и выяснить, какие каналы передачи информации являются наиболее эффективными», – добавляет Судхир Холла, первый старший вице-президент сектора розничной торговли в компании Ugam, предоставляющей услуги консалтинга и аналитики.

Дэйвис предлагает несколько сценариев использования:

●   Поиск и получение результатов поиска – предоставление точных и детализированных результатов, основанных на запросах на естественном языке.

●   Персонализация – фильтрация и рекомендации контента, основанные на его релевантности.

●   Анализ клиентской базы – понимание интересов клиентов, основанное на анализе используемого ими контента.

●   Аналитическая оценка – понимание того, какие темы позволят повысить степень вовлечения аудитории и достичь ключевых показателей эффективности.

●   Социальные сети – понимание того, чем чаще всего делятся читатели и какие темы находят у них отклик.

Имеем сейчас

«Важнейшим событием 2014 года стало то, что методы анализа контента сами по себе получили более широкое распространение. Также, вследствие мощного развития социальных каналов связи, природа аналитики сместилась в сторону текстового анализа и понимания семантики текста», – отмечает Холла.

Проект Google Hummingbird расширил границы возможного, представив новый поисковый алгоритм, который делает акцент на сопоставлении значения фраз с понятиями, а не отдельных слов с поисковыми запросами. Холла также считает, что остальные игроки индустрии контент-анализа последуют их примеру и в будущем найдут новые способы усиления эффективности контента.

Эван Кэротерс, соучредитель и генеральный директор компании Docalytics, стал свидетелем того, как в корне разные системы в 2014 году стали взаимосвязаны: «CRM (системы управления отношениями с клиентами) стали основой того, как бренды выстраивают свои стратегии аналитики и управления контентом. Мы наблюдали рост продаж многих инструментов планирования и разработки контента, например, DivvyHQ и Kapost, а также выпуск аналитической платформы Salesforces Wave, осуществившей прорыв в данной сфере деятельности».

 «Впервые появились инструменты и технологии публикации, необходимые для понимания влияния контента на различные каналы связи, включая социальные сети, блоги и длинный контент: подробные доклады, электронные книги и предметные исследования. Теперь можно оценить, как работают с различными типами контента отдельные предполагаемые подписчики, а не только группы и крупные аудитории», – добавляет Кэротерс.

Другое заметное изменение – повсеместное ожидание работы в режиме реального времени. «Ранее в программном обеспечении, предназначенном для анализа контента, обработка данных была пакетной и часто в режиме оффлайн, поскольку в его задачи обычно входил анализ архивных данных», – объясняет Кэротерс. – Теперь, однако, клиентам необходимо, чтобы такие приложения работали в реальном времени, и в 2014 году это стало обычным делом».

Взгляд в будущее

Дэйвис считает, что 2015 год принесет нам повсеместное распространение новых подходов к анализу контента, которые будут реализованы в рамках различных программных приложений. Ключевыми движущими силами этого распространения являются:

●   Крупномасштабный тренд, который заключается в увеличении времени, проводимого пользователями в интернете, и росте числа онлайн-покупок. Это, в свою очередь, приводит к увеличению объема контента, который необходимо найти и проанализировать.

●   Ожидания потребителей, которые хотят, чтобы все аспекты их жизни были зафиксированы, измерены и проанализированы.

●   Необходимость в понимании людей организациями (текущих и потенциальных клиентов, сторонников, критиков, политических деятелей и т. д.).

●   Потребность в персонализации контента и предоставляемых услуг, что требует реального понимания контекста и намерений клиента.

 «Я думаю, что в 2015 году и далее анализ контента поможет структурировать неструктурированную информацию», – предсказывает Ладлоу. – Структурирование будет включать в себя выделение различных тэгов и другой информации о тексте, найденной в контенте. Это даст возможность компаниям проанализировать большие объемы неструктурированного текста и совместить новые методы с уже имеющимися аналитическими возможностями. В будущем мы будем анализировать все большие объемы информации, комбинируя неструктурированную, структурированную и полуструктурированную информацию и превращая ее в большие данные». Ладлоу считает, что анализ контента станет неотъемлемой частью движения по развитию больших данных, так как этот метод обладает уникальной способностью выделять структурированную информацию из неструктурированного текста.

Вместе с тем, по словам Кэротерса, разработчикам программного обеспечения по анализу контента предстоит еще столкнуться с немалыми трудностями: «Полученные данные уже могут дать представление о том, как контент находит отклик у своей целевой аудитории. Тем не менее, для проведения анализа контента всех форматов (в том числе длинного) и по всем каналам связи, который имел бы реальную практическую ценность, предстоит сделать еще очень многое. Глубокое понимание придет лишь тогда, когда бренды получат доступ к более полным и детальным сведениям».

Перевод Алексеева Елена.

Источник: EContentMag