يبني علماء بيانات المنتجات عادةً نماذج على البيانات السلوكية مثل تسجيلات الدخول وسجل الفواتير واستخدام الميزات. ومع ذلك، غالباً ما تحمل الإشارات الكامنة في تذاكر الدعم والمراجعات وردود الاستطلاعات سياقاً لا تلتقطه هذه الجداول أبداً. يشرح هذا المقال كيف يمكن لمعالجة اللغة الطبيعية (NLP) سد هذه الفجوة وتعزيز نماذج المنتجات التقليدية.
يركز علماء بيانات المنتجات على تحليل سلوك المستخدمين وتحسين الميزات وتنمية الأعمال من خلال النمذجة والتجريب وتصميم المقاييس. وتشمل المشكلات الشائعة نمذجة تسرب العملاء والقيمة الدائمة للعميل (CLV). هذه المشكلات ليست رائجة، لكنها تظل محورية للأعمال وتتطلب مشاركة أصحاب المصلحة في المبيعات والتسويق وفرق أخرى.
يحدد المقال ثلاث عائلات من تقنيات NLP تتكرر عبر حالات الاستخدام في المنتجات: التصنيف، وتحليل المواضيع والمجموعات، والاسترجاع أو التشابه القائم على التضمينات. ويتناسب التعرف على الكيانات المسماة والكشف عن الشذوذ القائم على التضمينات مع هذه العائلات بشكل غير مباشر.
تشمل حالات الاستخدام التي يتناولها التنبؤ بتسرب العملاء، وCLV، وتقسيم العملاء، وأنظمة التوصية، والتسعير والمرونة، والتنبؤ بالطلب، والكشف عن الشذوذ، وتقييم العملاء المحتملين. ويرى الكاتب أن النص غالباً ما يوفر إشارة أبكر من السلوك، ويساعد في سد الفجوات حيث تكون البيانات السلوكية شحيحة، ويفسر "السبب" وراء "الماذا". ويُقدَّم كود نموذجي وروابط لمصادر تساعد القراء على البدء.
المصدر: Towards Data Science · لخّصه HeadlinesBriefing