Amazon Comprehend 고객 및 파트너

당사는 고객이 공급망의 규정 준수 위험을 이해할 수 있도록 기술과 비즈니스 영역 전문성을 결합하기 위해 노력합니다. 규정 준수 문서를 대규모로 처리할 방법이 필요했습니다. 당사의 프로세스는 양식, 표 및 자유 형식 텍스트가 있는 이미지와 PDF 문서를 읽고 해당 문서 내에서 관심 있는 데이터를 추출하는 것입니다. Amazon Textract의 OCR 기술을 통해 문서에서 텍스트를 추출할 수 있었습니다. Amazon Comprehend의 컨텍스트 인식 NLP API가 텍스트에서 비즈니스별 엔터티와 해당 값을 추출했습니다. 또한 Amazon Augmented AI(Amazon A2I)로 워크플로에 사람을 통합하여 팀이 추출된 데이터를 검토하고 ML 모델에 피드백을 제공하고 시간이 지남에 따라 개선하도록 돕습니다. AppSync 및 Amplify와 함께 인간 학습과 기계 학습을 효율적으로 결합하여 고객의 공급망 위험에 대한 더 정확한 인사이트를 제공하고 문서를 수동으로 검토하는 데 소요되는 수백 시간을 절약했습니다. 이제는 자사가 규정 준수 위험에 처해 있는지 여부에 대한 즉각적인 피드백을 받을 수 있습니다.

ExxonMobil은 조달 조직에 포함된 AWS와 Amazon Business의 디지털 구현을 통해 회사의 글로벌 운영을 강화하고 예기치 않은 중단에 대비합니다.  "당사는 Amazon ML Solutions Lab과 협력하여 계약을 최대한 활용하고 비용을 추가로 절감하는 것을 목표로 하는 개념 증명을 개발합니다. 한 접근 방식에서는 Amazon SageMaker를 활용하여 ExxonMobil의 eProcurement 시스템인 Smart by GEP에 있는 자유 텍스트 입력에서 가장 일치하는 카탈로그 항목을 효율적으로 식별합니다. 카탈로그 항목 설명을 바로 사용할 수 없는 경우에는 Amazon Comprehend를 사용하여 자유 텍스트 입력을 공급업체의 계약서에 매핑하는 맞춤형 분류 모델을 생성합니다.

FINRA는 조사, 검사 및 규정 준수 프로세스를 지원하기 위해 구조화되지 않은 데이터가 담긴 수백만 건의 문서를 받습니다. 조사 및 검사 담당자는 원하는 정보를 얻기 위해 한 페이지씩 문서를 직접 검토하거나 맞춤형 검색을 수행해야만 합니다. Amazon Comprehend를 이용하면 개인과 조직을 신속하게 추출하고 추출된 엔터티를 FINRA 레코드와 비교하고 흥미로운 개인을 표시하며 다른 문서와의 유사점을 발견할 수 있습니다.

LexisNexis Legal & Professional은 법률 전문가에게 통찰력 있는 연구와 분석을 제공하여 현명한 의사 결정을 내릴 수 있도록 지원합니다. 따라서 항상 법률 문서에서 통찰력을 발견할 수 있는 더 나은 방법을 강구하고 있습니다. Amazon Comprehend의 자동 ML(Machine Learning) 덕분에 저희는 ML과 관련된 복잡성에 얽매이지 않고도 정확한 사용자 지정 개체 인식 모델을 구축할 수 있게 되었습니다. 우리에게 가장 중요한 대상인 판사나 변호사와 같은 엔터티는 2억 건 이상의 문서에서 신속하게 식별할 수 있으며 정확도도 92%가 넘습니다.

예전에 직원 설문 조사의 인적 처리 및 분석을 조달하려면 인터뷰당 몇 유로의 비용이 들었습니다. Amazon Comprehend 및 기타 AWS 서비스를 사용하면서 인터뷰당 1유로 미만의 비용으로 번역, 처리, 분석을 진행할 수 있게 되었습니다.

Comprehend를 사용하면서 적절한 사람에게 고객 문제를 전달함으로써 앞으로도 해당 고객을 유지할 수 있는 가능성이 높아졌습니다.

 

저희 Sparq 플랫폼은 트랜잭션, 태도, 감정, 의도 데이터를 비롯하여 모든 소스에서 가장 중요한 고객 데이터를 연결해 모든 팀과 비즈니스 시스템에 고객에 대한 통합된 보기를 제공하는 동적 고객 프로필을 구축합니다. 이 플랫폼은 Amazon Comprehend의 감성 분석 기능과 통합함으로써 정성적 고객 피드백을 유용한 인사이트로 전환하여 90% 이상의 정확도로 피드백의 긍정, 부정 또는 중립 여부를 결정합니다.

비즈니스 상태를 파악하는 데 핵심은 다양한 제품이나 서비스에서 고객의 감정을 이해하는 것입니다. Amazon Comprehend Targeted Sentiment를 사용하면 고객이 대화에서의 감정을 이해하고, 대규모로 제품이나 비즈니스의 특정 영역을 심층적으로 분석할 수 있습니다.

Amazon Comprehend Targeted Sentiment 기능이 Gallup Access에서 기존의 서술형 설문 조사 응답 보고 기능을 개선해줄 수 있다는 점에서 기대가 매우 큽니다. 현재 저희는 전반적인 감정과 관련된 지표를 보고하고 있으며, 이 새로운 기능을 통해 해당 설문 조사 응답 내에서 맞춤형 감정을 보다 효율적으로 제공할 수 있을 것입니다. 그러면 전체 보고의 가치 제안을 개선하고 사용자에게 보다 정확하고 유용한 데이터를 제공해줄 수 있습니다.

TINT의 비즈니스는 우리 회사를 이용하는 브랜드에 최고의 마케팅 콘텐츠를 제공하는 데 중점을 두고 있습니다. Amazon Comprehend를 사용함으로써 가장 영향력이 높은 마케팅 캠페인에 적합한 콘텐츠를 식별하는 플랫폼의 콘텐츠 분석 기능 품질과 정확성을 크게 높일 수 있었습니다. Amazon Comprehend를 통해 핵심 제품에 중점을 둘 수 있으며 자체 기계 학습 모델을 구축하는 작업과 관련된 과중한 부담을 걱정할 필요가 없습니다.

모바일 메시징은 브랜드와 고객을 직접적이고 개인적이며 확실한 방식으로 연결해 줍니다. Vibes에서는 매월 수십억 개의 모바일 메시지를 처리하고 있으며 당사가 처리하는 방대한 메시지에는 깊이 있는 통찰력이 숨어 있습니다. Amazon Comprehend를 통해 당사에서는 구조화되어 있지 않은 메시지로부터 핵심 문구, 감성 탐지, 모델 주제를 빠르게 추출할 수 있습니다. 이를 통해 식견이 깊은 마케터들에게 성과 및 실천 가능한 인사이트를 제공하여 유익한 고객 경험을 전달할 수 있도록 합니다.