Chris 使用员工在 Glassdoor 上发表的2,500 条公开评论进行了分析。以下是结果概览: 文本挖掘发现面包棒是个问题。如果 Olive Garden 希望解决员工士气低落和客户体验不佳的问题,那么手动审查 Glassdoor 上的评论可能会让他们走上错误的道路,因为那里充斥着餐厅员工常见的抱怨,比如工资低、工作时间长。 #contentmarketing 中的 AI 应用:对评论进行文本挖掘以揭示隐藏的问题。@cspenn分享至 X 文本挖掘揭示了面包棒问题。(在公众强烈反对后,Olive Garden恢复了之前的面包棒做法。) 非结构化数据的文本挖掘可以应用于许多有用的营销环境:客户评论、表现不佳/出色的博客文章、客户成功电话记录等。
提取隐藏的洞察力可以为您指明高投资回报率的行动方向。 白俄罗斯电话号码数据 实施细节:与逆向工程 Google 示例类似,Chris 通过 R 编程语言实现了文本挖掘。 精选相关内容:利用人工智能扩展您的 B2B 内容:营销人员可以尝试的想法和工具 时间序列预测:分析竞争对手的品牌搜索 让我们结合数学、统计学和人工智能来创造一个魔法 8 球。 “如果知道接下来会发生什么,那不是很棒吗?”克里斯问道。“这样一来,规划、预算、人员安排、编辑日程安排都会变得简单很多。” Chris 对克利夫兰酒店搜索数据进行了时间序列预测。他查看了超过 12 个月的品牌搜索 - 搜索者列出了具体酒店的名称(例如,克利夫兰希尔顿酒店、克利夫兰假日酒店、克利夫兰凯悦酒店、克利夫兰万豪酒店)。
当每家酒店的搜索量上升和下降时预测的结果: “如果你(在)克利夫兰万豪酒店工作过,你现在就会知道,到 9 月底,你的搜索兴趣比竞争对手更多。你可以针对他们开展广告活动,从他们手中夺取更多的市场份额,”克里斯说。 任何品牌都可以从预测性时间序列预测中受益——分析贵公司与竞争对手的品牌搜索情况。例如,您可以搜索您的品牌表现不佳的时间,然后使用该数据通过相关内容资产或促销优惠竞标竞争对手的品牌名称。 #contentmarketing 中的人工智能:使用时间序列预测来预测潜在客户和收入。@cspenn分享至 X “想象一下搜索主题、对话、社交媒体。你可以预测的不仅仅是搜索量,”克里斯说。“你可以预测营销自动化软件的潜在客户生成。