Клиенты и партнеры, использующие Amazon Comprehend

Мы стараемся сочетать технологические достижения и знания по предметной области, чтобы помочь клиентам оценить риски в цепочке поставок, связанные с соответствием требованиям. Нам нужен был способ обрабатывать большое количество документов по соответствию требованиям. Нас интересовало решение, позволяющее считывать информацию с изображений и PDF-документов с формами, таблицами и текстом в довольной форме, а также извлекать необходимые данные из этих документов. Технология оптического распознавания символов Amazon Textract позволила нам извлекать текст из документов, а API технологии обработки естественного языка (NLP) с учетом контекста от сервиса Amazon Comprehend – бизнес-сущности и их значения из текста. Мы также добавили работников в наши рабочие процессы, использующие Amazon Augmented AI (Amazon A2I). Наши команды проверяют извлеченные данные и предоставляют обратную связь для моделей машинного обучения, что способствует улучшению их работы со временем. Благодаря эффективному сочетанию человеческих ресурсов и машинного обучения, а также AppSync и Amplify мы можем получать более точные аналитические данные о рисках, связанных с цепочками поставок наших клиентов, и экономить сотни часов, необходимых для ручного рассмотрения документов. Теперь наши клиенты могут практически мгновенно получить информацию о том, подвержена ли их компания рискам, связанным с соответствием требованиям.

Внедрение цифровых технологий AWS и Amazon Business в заготовительную систему ExxonMobil совершенствует глобальные рабочие процессы и помогает подготовиться к неожиданным сбоям.  Совместно с Amazon ML Solutions Lab мы разработали проверку концепции, нацеленной на увеличение эффективности обязательств и дальнейшее снижение затрат. Для одного из подходов мы используем Amazon SageMaker, чтобы усовершенствовать подбор наиболее подходящих элементов каталога из бесплатных текстовых данных системы электронных закупок Smart by GEP от ExxonMobil. Когда описания элементов каталога недоступны, мы используем Amazon Comprehend для создания индивидуальной модели классификации, чтобы сопоставить бесплатные текстовые данные с контрактными соглашениями поставщиков.

Компания FINRA получает миллионы документов с неструктурированными данными для проведения исследований, проверок и контроля соблюдения требований. Нашим экспертам и проверяющим приходилось вручную просматривать документы, страница за страницей, или запускать очень узкие целевые поиски, чтобы найти нужную информацию. С помощью Amazon Comprehend мы можем быстро извлекать данные людей и организаций, сопоставлять извлеченные сущности с записями FINRA, выделять важных людей и обнаруживать сходства с другими документами.

Мы помогаем юристам принимать обоснованные решения, предоставляя им ценные аналитические сведения. Поэтому наша компания всегда ищет более удачные способы извлекать нужные данные из юридических документов. Благодаря автоматическому машинному обучению сервиса Amazon Comprehend (ML) мы теперь можем создавать точные модели распознавания пользовательских сущностей, не вникая в сложности, связанные с ML. Самые важные для нас сущности – например, судья и прокурор – быстро идентифицируются по более чем 200 миллионам документов с точностью выше 92 %.

Стоимость обработки данных и анализа опросов сотрудников, которые раньше выполнял человек, составляет несколько евро за один опрос. Используя Amazon Comprehend и другие сервисы AWS, мы получаем перевод, обработку и анализ менее чем за один евро за опрос.

Использование Comprehend для выбора нужного сотрудника по решению проблемы клиента действительно дает нам все возможности сохранить этого клиента в дальнейшем.

 

Наша платформа Sparq объединяет наиболее важные данные о клиентах из многих источников (данные о транзакциях, настроениях, впечатлениях и намерениях) для построения динамических клиентских профилей, которые обеспечивают единое представление о клиенте для всех подразделений и бизнес‑систем. Платформа интегрирована с возможностью анализа эмоциональной окраски высказываний, которую предоставляет Amazon Comprehend, и определяет эмоциональную окраску отзыва (положительный, нейтральный или негативный) с точностью более 90 %. В результате качественные отзывы клиентов превращаются в ценные рабочие данные.

Понимание пожеланий клиентов в отношении различных продуктов или сервисов является ключом к благополучию бизнеса. Amazon Comprehend Targeted Sentiment позволяет нашим клиентам не только понимать эмоциональную нагрузку разговора, но и детализировать его до конкретных областей продукта или бизнеса в масштабе.

Мы очень рады появлению Amazon Comprehend Targeted Sentiment, потому что этот сервис позволит улучшить существующую отчетность по ответам на открытые опросы в Gallup Access. Сейчас мы предоставляем общие метрики, связанные с настроениями, а с этой новой возможностью мы сможем предоставлять более целенаправленную информацию о настроениях по ответам на вопросы опроса. Это позволит повысить ценность нашей общей отчетности и предоставит нашим пользователям более точные и практичные данные.

Наш бизнес ориентирован на предоставление лучшего маркетингового контента для брендов, которые нам доверяют. С помощью Amazon Comprehend мы смогли значительно повысить качество и точность анализа контента нашей платформой, которая определяет контент, подходящий для проведения наиболее эффективных маркетинговых кампаний. Amazon Comprehend позволяет сосредоточиться на нашем основном продукте и не заниматься сложными задачами, связанными с созданием собственных моделей машинного обучения.

Обмен сообщениями через мобильные устройства позволяет брендам и потребителям взаимодействовать без посредников, в личной и искренней манере. В Vibes мы обрабатываем миллиарды мобильных сообщений каждый месяц, и в этом огромном количестве обрабатываемых данных скрыта очень полезная информация. Сервис Amazon Comprehend позволяет нам быстро извлекать ключевые фразы, определять эмоциональный фон и моделировать темы из неструктурированного текста сообщений, предоставляя маркетологам более глубокое понимание их эффективности и полезную аналитику, чтобы они могли улучшать качество взаимодействия с клиентами.