Szekeres Péter mesél a vállalkozás alapításáról, céljaikról a szövegelemző algoritmussal, annak felépítéséről és a „miértek” fontosságáról.
Vállalkozás alapítása
Szekeres Péter és társai egyetemi éveik alatt alapították a Neticle-t, mely automatikus szöveg- és ügyfélhang elemzéssel foglalkozik. A vállalkozásuk mára több mint 100 ügyfelet szolgál ki 20 országból, segítve az ügyfelek megértését és a közösségi média véleményeinek automatikus elemzését.
Péter Tatabányáról származik, és mindig is vonzotta az adatok és a matematikai elemzések világa. Az egyetemi évek alatt az IBM-nél kezdett dolgozni, majd az innovációs és startup kultúra felé fordult.
„Mindig is pörgettek az adatok meg a matekos dolgok, ... ez a szerelem. Ez korán kezdődött, algoritmusok, programozás és így tök szerencsés voltam tanárok terén meg szülői támogatással meg türelemmel.”
Az alapításkor az ötletük arra épült, hogy a szöveges adatok elemzésével új piaci rést töltsenek be, ám rájöttek, hogy a szolgáltatásukat fókuszálni kell. Számos tanulságos mérföldkövön mentek keresztül, de a vállalkozás fókuszált növekedése és a munkahelyteremtés volt számukra a legfontosabb.
„Az, hogy manuálisan feldolgozgatjuk, elolvasgatjuk akár a több 1000 reviewt, több 1000 kommentet, több 1000 emailt az nem fér bele.”
Célok a szövegelemzéssel
Péter részletesen kifejti, hogy a szövegelemzésnek két fő célja van: az érzelmek és a témák felismerése a szövegekben. Az érzelmek elemzése lehetővé teszi számunkra, hogy megtudjuk, mennyire pozitív vagy negatív a hangnem, míg a témák azonosítása segíthet abban, hogy megértsük, miről szólnak a szövegek, például a termékek vagy szolgáltatások minőségéről, áráról stb.
„Még inkább lenyúlni a jó ötleteket a versenytársaktól és tanulni a versenytársak hibáiból…”
Péter hangsúlyozza, hogy bár sokan ódzkodnak ettől a módszertől, mert úgy gondolják, hogy emberi megértést nem lehet teljesen helyettesíteni, az üzleti felhasználásra már elég pontos és gyors. Az elemzések segíthetnek a vállalatoknak az ügyfelek véleményének és a felmerülő problémák azonosításában.
„…a másik része az, hogy panasz üzenetek chat-en, email-en és az, hogy egy vezető értse havi szinten, hogy egyébként mi a top 10 probléma, ami miatt engem megkeresnek mi az a top 10 probléma, ami miatt nekünk… 20 fős csapatot kell fenntartanunk az ügyfélszolgálaton…, mert akkor azokat vissza kell vezetni a folyamatokban…, a termékfejlesztésben.”
Rámutat arra, hogy az ilyen elemzések segíthetnek az ügyfélmegelégedettség mérése és a problémák azonosítása terén, így időt és erőforrásokat takaríthatnak meg a cégek. Ezáltal a szövegelemzés fontos eszköze lehet a vállalati döntéshozatalnak és stratégiaalkotásnak, amely segíti a hatékonyabb kommunikációt és a versenytársak által elkövetett hibák tanulmányozását.
Szövegelemző algoritmus felépítése
Péter részletesen beszél arról, hogy vállalkozásuk hogyan épült fel az üzleti problémák és a technológia összekapcsolásának keresésével, inkább a gyakorlati megoldásokra helyezve a hangsúlyt a tankönyvi példák helyett. Bár nem minden esetben volt sikeres az erőltetett megoldások elkerülése, az ügyfélközpontú megközelítésük hatékonynak bizonyult.
Széles körűen beszámol arról, hogyan építették fel az algoritmust a szövegelemzésre, különös figyelmet fordítva a magyar nyelv sajátosságaira és az európai nyelvek sokszínűségére. Péter kiemeli, hogy folyamatos fejlesztés alatt áll a rendszerük, amely figyelemmel kíséri a nyelvi változásokat és újításokat.
„Azért a magyar nyelvre mentünk rá, mert az is volt a hipotézisünk, hogy angol nyelvre már akkor is voltak egész jól működő cuccok.”
A vállalkozásuk egyedülálló az európai piacon olyan megoldásokat kínálva, amelyek specializálódtak a kisebb európai nyelvek feldolgozására. Ebből kifolyólag büszkék arra, hogy sikerült energiát fektetniük abba, hogy hatékonyan működjön a szövegelemzés még ezekben a kevésbé elterjedt nyelveken is.
„Még mindig nem vagyunk a teljes európai lefedettségnél. Most olyan 30 plusz nyelvet tudunk egyébként, de már csak néhány hiányzik, mint a például a török… vagy a baszk...”
A „miértek” fontossága
Péter hangsúlyozza, hogy az adatvezérelt cégek számára kulcsfontosságú, hogy hogyan használják fel az adatokat, és hogyan kezelik az összefoglalásokat.
Fontosnak tartja, hogy a regionális cégeknek lehetőségük legyen a lokális nyelveken megjelenni, de globális jelentéseiknek egyszerűnek és könnyen értelmezhetőnek kell lenniük, gyakran angolul. Péter azt javasolja, hogy az értékeléseknél a "miért" kérdésekre is válaszoljanak, hogy mélyebb megértést nyerjenek az értékelők gondolatairól.
„A miértek tudunk segíteni.”
„Megkérdezik, hogy értékeld egy ötös skálán ezt a podcastet és utána meg kérdezed azt is, hogy miért ezt a pontszámot adtad.”
Olvass tovább!