El Procesamiento de lenguaje natural, del inglés Natural language processing (NLP) suena complicado, pero sus aplicaciones son sencillas. Lo más probable es que ya uses el NLP docenas o incluso cientos de veces al día.
Por ejemplo:
- Si utilizas el texto predictivo en tu teléfono, estás utilizando NLP.
- Cuando buscas algo en Google, estás utilizando NLP.
- Si haces una pregunta a un asistente de voz como Alexa o Siri, estás utilizando NLP.
¿Qué es exactamente el procesamiento de lenguaje natural? ¿Qué necesitas saber al respecto? ¿Qué impacto tiene en el marketing digital? Averigüémoslo.
¿Qué es el procesamiento de lenguaje natural (NLP)?
El lenguaje es natural para los humanos, pero no se puede decir lo mismo de los ordenadores. Entender el contexto detrás de nuestras palabras es un gran reto para ellos. El NLP se ocupa de cambiar esto.
El procesamiento de lenguaje natural es un área de la inteligencia artificial (IA) que se apoya en disciplinas como la informática y la lingüística computacional para permitir que los ordenadores puedan interpretar, comprender y manipular el mundo del lenguaje humano, a menudo arbitrario y sin reglas. Como tal, su objetivo final es ayudar a los ordenadores a dar sentido a las cosas que decimos de una manera que aporte valor.
Como he señalado anteriormente, el NLP tiene varias formas de uso, muchas de las cuales están completamente integradas en nuestra vida cotidiana. Por ejemplo:
- Las herramientas de traducción como Google Translate lo utilizan para producir traducciones que tengan sentido entre idiomas, en lugar de solo una traducción literal palabra por palabra
- Los procesadores de texto (como Microsoft Word y Google Docs) lo utilizan para evaluar la precisión gramatical del texto escrito
- Los centros de llamadas utilizan aplicaciones interactivas de respuesta de voz para responder a determinadas solicitudes de los clientes
También es la fuerza impulsora que hace que los motores de búsqueda como Google se vuelvan “más inteligentes”. Si bien las palabras clave siguen siendo muy valiosas, el comportamiento de búsqueda es cada vez más complejo porque esperamos que los motores de búsqueda entiendan lo que queremos decir. Considera la siguiente búsqueda:
Como seres humanos, entendemos que el usuario es brasileño y quiere saber si necesita una visa para visitar los Estados Unidos.
Anteriormente, Google tenía dificultades para discernir el verdadero sentido, por lo que ofrecía un resultado poco útil para los ciudadanos estadounidenses que visitaban Brasil. Sin embargo, los avances en el NLP ahora permiten comprender la importancia de la palabra común “to” en esta consulta, lo que le permite proporcionar un resultado más relevante.
NLP vs. IA vs. Aprendizaje automático
Para personas sin muchos conocimientos informáticos, el NLP se parece mucho al aprendizaje automático y a la IA. En realidad, los tres están estrechamente relacionados, pero son sutilmente diferentes. Para entender su relación, es necesario entender un tercer término: el aprendizaje profundo.
- La inteligencia artificial abarca todo lo que hacemos para hacer que las máquinas sean más inteligentes, ya sea una aplicación de software, un refrigerador inteligente o un automóvil.
- El aprendizaje automático es un subconjunto de la inteligencia artificial que abarca todo lo relacionado con los sistemas que aprenden por sí mismos, sin intervención humana.
- El aprendizaje profundo es un subconjunto del aprendizaje automático, aplicado específicamente a grandes conjuntos de datos.
¿Y dónde entra el procesamiento de lenguaje natural? Bueno, es parte de la IA, pero también se superpone con el aprendizaje automático y el aprendizaje profundo.
La evolución del procesamiento de lenguaje natural
Aunque suene hipermoderno, el procesamiento de lenguaje natural existe de una u otra forma desde hace varias décadas, aunque ha recorrido un largo camino desde sus inicios.
La historia del procesamiento de lenguaje natural
- Comenzó en los años 50 como traducción automática, cuando el lingüista Leon Dostert, de la Universidad de Georgetown, utilizó un ordenador IBM 701 para traducir del ruso al inglés.
- La Unión Soviética no tardó en lanzar su propio proyecto de traducción automática para traducir el inglés al ruso. En 1964, la URSS se había convertido en el líder mundial de la traducción automática.
- En 1966, Joseph Weizenbaum programó el primer chatbot, llamado Eliza, que solo era capaz de mantener conversaciones muy limitadas, basadas sobre todo en reordenar lo que había escrito el usuario para formular preguntas.
- Mientras que estos primeros ejemplos de NLP se vieron frenados por la necesidad de desarrollar complejos conjuntos de reglas y parámetros escritos a mano, a finales de la década de 1980 el campo se vio revolucionado por las primeras formas de aprendizaje automático.
Cómo es ahora: los efectos del NLP en el marketing digital
El marketing siempre ha estado relacionado con el contexto; entrar en la mente de nuestra audiencia para entender lo que nos dicen (y lo que no) nos ayuda a responder preguntas como:
- ¿Qué les convenció de hacer clic en nuestro anuncio?
- ¿Qué les hizo rebotar en la página de destino?
- ¿Qué les hizo añadir productos al carrito y luego abandonarlo?
El NLP nos da más contexto al ayudarnos a comprender no solo las palabras exactas que se utilizan, sino lo que quieren decir. Eso lo hace muy aplicable al marketing. Por ejemplo, la búsqueda por voz depende totalmente del NLP, ya que utiliza algoritmos complejos para comprender los comandos de un usuario y discernir la respuesta más útil.
Cómo utilizar el procesamiento de lenguaje natural en el marketing
A estas alturas, probablemente hayas empezado a entender lo útil que es el NLP para los profesionales del marketing, pero en realidad, las formas en que se puede utilizarlo son probablemente más sustanciales de lo que te imaginas. Estas son algunas de las más relevantes y fascinantes:
Comprender el sentimiento de los clientes
Tanto si eres un negocio familiar como una pequeña startup, tienes que saber cuándo la gente habla de ti en Internet y lo que dicen.
Los software de NLP ayudan analizando publicaciones en redes sociales, comentarios y contenidos generados por los usuarios relacionados con tu marca. La herramienta de análisis de sentimientos de Hootsuite, que analiza el lenguaje utilizado en las menciones de las marcas en las redes sociales, es un ejemplo súper simple de cómo se ve esto en la práctica:
Hay muchas herramientas más complejas y específicas que utilizan el procesamiento de lenguaje natural para monitorear el sentimiento en los canales digitales, desde las redes sociales y los sitios de reseñas hasta los blogs y los foros. Por ejemplo:
- MonkeyLearn
- Lexalytics
- Brandwatch
- Social Searcher
- Aylien
- Social Mention
- Critical Mention
Las herramientas de análisis de sentimientos funcionan con alguno de los siguientes tres tipos de algoritmos:
- Basado en reglas: utilizan un conjunto de reglas determinadas manualmente para predecir automáticamente el sentimiento de una mención en redes sociales, reseña, publicación de blog, etc.
- Automático: los algoritmos automáticos se basan únicamente en técnicas de aprendizaje automático para comprender el sentimiento del usuario.
- Híbrido: estos sistemas combinan ambos enfoques anteriores, y a menudo producen resultados más precisos.
Creación de chatbots para la atención al cliente y la captación de clientes potenciales
¿Por qué se utilizan los chatbots? Bueno, como muestra este estudio, hay varias razones. Se han convertido en una herramienta clave en el servicio de atención al cliente y una parte inestimable del proceso de compra, ya que ayudan a las personas a encontrar respuestas rápidas antes de conectarlas con una persona real para una conversación más profunda.
El procesamiento de lenguaje natural es la tecnología con la que funcionan los chatbots. Sin ella, estarían limitados a interacciones extremadamente simples. Claro, normalmente está bastante claro que estás hablando con un bot y no con una persona, pero esto no parece ser un problema para los usuarios. De hecho, el 54% elegiría siempre un chatbot en lugar de un humano si al hacerlo obtuviera una respuesta 10 minutos más rápido.
Identificación de tendencias con el procesamiento de lenguaje natural
Probablemente hayas utilizado alguna vez un agregador de noticias o un canal RSS para encontrar información periódica sobre una marca, un producto o un tema específico. Bueno, el NLP lleva las cosas mucho más lejos al encontrar esa información y resumir todos los puntos clave en una fracción de segundo. Esto es muy valioso si estás tratando de identificar la próxima gran tendencia en tu mercado.
Escalar la creación de contenidos
La inteligencia artificial es capaz de escribir ficción y noticias plausibles, por lo que no es de extrañar que también sea capaz de realizar tareas de creación de contenidos mucho más sencillas.
No estoy diciendo que debas entregar toda tu estrategia de marketing de contenidos a los robots. Por lo menos por ahora, es mejor dejar cualquier cosa más creativa en manos de los humanos.
¿Pero qué pasa con la creación de contenidos a escala? Digamos que tienes un enorme sitio de comercio electrónico con miles de productos; crear descripciones para todas esas páginas individuales sería la peor pesadilla de un redactor.
Ahí es donde los contenidos impulsados por la IA, respaldados por el procesamiento del lenguaje natural, adquieren un valor incalculable. De hecho, el gigante del comercio electrónico Alibaba ya ha presentado un redactor que funciona con IA capaz de encargarse de toda esa laboriosa redacción. Marcas de ropa como Dickies y Esprit lo utilizan para crear descripciones de productos en chino.
Aprovechamiento del NPL para los asistentes de voz
Aproximadamente una cuarta parte de los adultos estadounidenses poseen un altavoz inteligente.
Aunque apenas hemos arañado la superficie cuando se trata de aprovechar el potencial de marketing de estos dispositivos, ha habido algunos ejemplos destacados. Los usuarios de Amazon Echo tuvieron la oportunidad de explorar el entorno distópico del programa de televisión Westworld, mientras que Netflix promovió la segunda temporada de Stranger Things al permitir a los usuarios de Google Home “chatear” con el personaje Dustin.
Por supuesto, como ya he comentado, nada de esto sería posible sin un procesamiento de lenguaje natural que tradujera la voz en texto, emparejara semánticamente ese texto con la base de conocimientos del dispositivo y proporcionara una respuesta útil.
Caso práctico de marketing con NLP: Tenable duplica las tasas de conversión
Si bien la frase “procesamiento de lenguaje natural” puede ser nueva para muchos de nosotros, la tecnología en sí ha existido durante mucho tiempo. Así que no es de extrañar que las marcas ya lo estén utilizando para obtener resultados impresionantes.
Un gran ejemplo es la empresa de ciberseguridad Tenable, que se enfrentaba a dos grandes problemas en su proceso de ventas:
- Los clientes potenciales tardaban demasiado en llegar a un representante de desarrollo de ventas (SDR)
- Los SDR se enfrentaban a un cuello de botella al interactuar con los clientes potenciales fuera del horario de oficina, o en momentos del día en que estaban ocupados o lejos de sus escritorios.
“Si no se realiza un seguimiento, es muy probable que la persona diga: ‘ni siquiera recuerdo haber rellenado ese formulario’ o ‘ni siquiera recuerdo haber visitado su sitio web'”, señaló Matt Mullin, Director Senior de Operaciones de Marketing Global y Tecnología de Tenable.
Al implementar una estrategia de desarrollo de negocios que colocó a los chatbots inteligentes en el centro de su sitio web, la marca vio un repunte del 30% en la calidad y duración de las conversaciones con los prospectos, mientras que las tasas de conversión se duplicaron.
Formas de uso del procesamiento de lenguaje natural además del marketing
El NLP no comenzó como una solución de marketing, y las formas en que se puede usarlo se extienden mucho más allá del marketing. Estas son solo algunas de las otras formas en que se puede usar la tecnología:
Detección del coronavirus
Así es: el NLP no se puede usar solo en el marketing, sino que nos ha ayudado a combatir la pandemia. El instituto de I+D del Grupo Alibaba, la DAMO Academy, construyó un sistema basado en NLP capaz de utilizar escáneres de tórax y datos profundos para diagnosticar infecciones de Covid-19 en solo 20 segundos, con una precisión del 96%.
Identificación y análisis de competidores
Todas las empresas utilizan algún tipo de análisis de la competencia para fundamentar su dirección estratégica. Sin embargo, en un mundo cada vez más globalizado, no siempre es evidente quiénes son tus mayores rivales.
Podrías pensar que estás compitiendo una marca de tu zona, cuando en realidad quién está tomando tus clientes es una empresa del otro lado del planeta.
Una vez más, el NLP tiene una solución. Herramientas como Zirra (y muchas otras) son capaces de mapear automáticamente el panorama de la competencia, creando una lista de empresas clasificadas según su grado de relación con tu marca.
Evaluación de la solvencia
Los prestamistas utilizan la calificación crediticia para saber si un individuo o una empresa es una apuesta segura para un crédito o alguna otra forma de préstamo.
Sin embargo, eso no siempre es posible en los mercados emergentes, donde los registros clave pueden no estar tan fácilmente disponibles.
Ahora, marcas como Lenddo están utilizando el procesamiento de lenguaje natural para tomar decisiones de préstamo basadas en fuentes de datos no tradicionales que abarcan toda la huella digital de un solicitante, desde sus hábitos de navegación y uso de redes sociales hasta transacciones en comercios electrónicos e incluso perfiles psicométricos.
Contratación de talentos
Durante años, los reclutadores y los equipos de recursos humanos han utilizado la tecnología para escanear los currículos y las cartas de presentación en busca de determinadas palabras clave.
EL NLP es una extensión lógica de esto. En lugar de fijarse en frases concretas, es capaz de analizar y extraer la información más relevante para la función específica.
Esto permite a los empleadores automatizar el largo proceso de selección de currículos, con la seguridad de que los seleccionados están aptos para la función.
Conclusión
El procesamiento de lenguaje natural ciertamente suena avanzado, pero se basa en el antiguo principio de marketing de entender mejor a nuestros clientes.
En lugar de preguntar directamente a tu público qué piensa de tu marca o producto, a qué retos se enfrenta o cuáles son sus objetivos, el NLP te ayuda a discernir sus sentimientos, motivaciones y opiniones a partir de las palabras que utilizan.
El NLP es un paso más hacia la eliminación de las conjeturas en nuestras decisiones de marketing, lo que nos permite llegar a las personas adecuadas, en el momento oportuno, con el mensaje correcto.
¿Cómo planeas utilizar el procesamiento de lenguaje natural en tu estrategia de marketing?