Acelera la rentabilidad de tu analítica de texto con nuestros Packs Verticales

En MeaningCloud hemos publicado nuestros primeros Packs Verticales.

Nuestro objetivo con ellos es proporcionaros el camino más rápido y de menor coste y riesgo para que rentabilicéis vuestras iniciativas de analítica de texto.

Modelos y diccionarios preelaborados

Habitualmente uno de los principales costes de los proyectos de analítica de texto reside en construir los modelos y diccionarios necesarios para adaptar las herramientas a cada escenario de aplicación y en MeaningCloud os lo hemos puesto siempre muy fácil gracias a las herramientas de personalización que incorpora el producto.

Pero para los que no disponen de los recursos para llevar a cabo esta adaptación, los Packs Verticales os la dan ya hecha para un conjunto de escenarios. Los Packs consisten en una serie de recursos preelaborados (diccionarios, modelos de categorización profunda, modelos de sentimiento) enfocados en una serie de escenarios habituales (análisis de la Voz del Cliente, de la Voz del Empleado, etc.) listos para su uso inmediato y que aportan una mejora en la precisión, cobertura y relevancia del análisis para esas aplicaciones.

Utilízalos desde nuestros complementos para Excel

Y para poneros más fácil el sacar partido de los Packs Verticales los hemos hecho accesibles a través de nuevos add-ins para Excel específicos, con soporte para las operaciones, modelos y análisis más útiles en cada vertical.

Si eres un responsable de Marketing  Soporte al Cliente o Recursos Humanos y tienes miles de comentarios de tus clientes o empleados para analizar regístrate en MeaningCloud, descárgate el correspondiente  add-in para Excel, pega tus verbatims en una hoja de cálculo, pulsa el botón pertinente de MeaningCloud y verás como tus comentarios se etiquetan automáticamente con categorías significativas para el análisis de la Voz del Cliente o del Empleado.
Continuar leyendo


Aplicaciones de la analítica de texto en el sector turismo

Entiende a tus visitantes, mejora tu oferta

El turismo es una de las actividades económicas de mayor volumen, con estadísticas que indican que la gente gasta más dinero en viajes que en mejoras de su vivienda, inversiones financieras o incluso salud.

Y la manera de hacer turismo está cambiando. Por ejemplo, cada vez se emplea más tiempo en investigar los detalles de un viaje usando un dispositivo móvil: en 2016 el 40% de las visitas a los sitios web sobre turismo de Estado Unidos llegaron desde un móvil y el 60% de las búsquedas de información sobre destinos se hicieron desde dispositivos móviles. Y de manera creciente el viajero consume y publica información sobre aspectos turísticos en agencias de viajes online, redes sociales o sitios de reseñas (TripAdvisor, Booking.com, etc.).

Las tecnologías de análisis semántico habilitan una nueva generación de aplicaciones contextuales que nos permiten aprovechar toda esa información y comunicarnos de manera más natural con ese turista hiperconectado, y que van desde el análisis de comentarios sociales hasta una comprensión del lenguaje natural que permite desarrollar asistentes y bots mucho más conversacionales.

Continuar leyendo


Grabación del webinar: Por qué necesitas Deep Semantic Analytics

El pasado día 12 de julio celebramos nuestro webinar “Por qué necesitas Deep Semantic Analytics”, donde explicamos cómo automatizar la comprensión profunda de documentos complejos. Gracias a todos por vuestro interés.

En la sesión cubrimos estos puntos:

  • Comprensión automática de documentos no estructurados.
  • En qué consiste Deep Semantic Analytics. Comparación con la analítica de texto convencional.
  • Dónde se puede aplicar.
  • Caso práctico: proceso de due diligence.
  • Cómo debería ser una buena solución de Deep Semantic Analytics.
  • Roadmap MeaningCloud en Deep Semantic Analytics.

IMPORTANTE: En este artículo, puedes encontrar una explicación más narrativa de algunos de los temas que tocamos, incluyendo el caso práctico sobre due diligence.

¿Interesado? A continuación tienes la presentación y la grabación del webinar.

(This webinar was also delivered in English. Please find the recording here.)
Continuar leyendo


Deep Semantic Analytics: un caso práctico

Cada vez son más habituales los escenarios donde se puede extraer un enorme valor del análisis del contenido no estructurado: desde las noticias sobre un sector o empresa hasta el procesamiento de contratos o expedientes médicos. Sin embargo, como sabemos, este contenido no se presta bien a su análisis automático.

La analítica de texto ha venido a cubrir esta necesidad, proporcionando herramientas potentes que nos permiten descubrir temas, menciones, polaridad, etc. en el texto en formato libre. Esto ha hecho posible conseguir un nivel inicial de comprensión y análisis automáticos de los documentos no estructurados, que ha habilitado una generación de aplicaciones semánticas sensibles al contexto en áreas como el análisis de la voz del cliente o la gestión del conocimiento.

Continuar leyendo


Por qué necesitas Deep Semantic Analytics (webinar)

Automatiza la comprensión profunda de documentos complejos

La Analítica de Texto convencional permite alcanzar un primer nivel de comprensión automática del contenido no estructurado, gracias a su capacidad para extraer menciones de entidades y conceptos, asignar categorías generales o identificar la polaridad de opiniones y hechos que aparecen en el texto. Sin embargo, estos elementos aislados de información no reflejan la riqueza informativa que proporcionan estos documentos e imponen limitaciones a la hora de encontrarlos, relacionarlos o analizarlos automáticamente.

Deep Semantic Analytics representa un paso más allá de la analítica de texto convencional al proporcionar prestaciones como la categorización granular a nivel de fragmento, la detección de patrones complejos y la extracción de relaciones semánticas entre los elementos de información del documento.

Continuar leyendo


Nueva Demo de Salud: etiquetado de medicamentos, síntomas, enfermedades y efectos adversos

Los documentos del dominio de la salud muestran un vocabulario y una estructura lingüística específicos. Si echamos un vistazo a las historias clínicas electrónicas (HCE), también denominadas historias clínicas informatizadas (HCI), vemos que también aparececen datos no estructurados (es decir, texto libre). Este texto libre contiene nombres extraños de medicamentos y enfermedades que son incluso difíciles de leer. Por todas estas razones, las técnicas de analítica de texto deben adaptarse al dominio de la salud. Hemos reunido una serie de recursos en una demo que muestra cómo MeaningCloud puede etiquetar nombres de medicamentos, síntomas, enfermedades, procedimientos, etc.

Accede a la demo gratuita: https://www.meaningcloud.com/health-demo

Continuar leyendo


¿Qué es Real World Evidence y por qué es importante?

Real World Evidence. Blurred image of a hospital

La Real World Evidence (o Real World Data), en el área de salud se fundamenta en datos masivos recolectados de millones de pacientes en condiciones de la vida real, fuera del contexto de los ensayos clínicos. De este modo, más  allá de  la eficacia y las toxicidad de un tratamiento, se evalúa la a calidad de vida del paciente, la adherencia o  la capacidad de un paciente para hacer frente al coste del tratamiento. La analítica de texto es un componente esencial de de este área de conocimiento.

La austeridad y los recortes de precios relacionados con los medicamentos han puesto una presión sin precedentes en la industria farmacéutica. Se pide a los fabricantes que proporcionen información relacionada no sólo con la seguridad, el uso apropiado, y la eficacia, sino también sobre el valor clínico y económico de sus medicamentos.

Esta tendencia es global (no es solo un problema de España o de Europa) y es particularmente evidente en las áreas terapéuticas de alto costo (como la artritis reumatoide, la diabetes, y la oncología), donde se están introduciendo un gran número de nuevas y costosas terapias para el tratamiento de enfermedades crónicas.

Por otra parte, desde hace unos años disponemos de muchos nuevos datos (como las historias clínicas electrónicas) y herramientas analíticas sofisticadas que nos permiten extraer un valor considerable de ellos. Podemos evaluar los costes de las enfermedades,  la eficiencia de un tratamiento (sus costes, beneficios y riesgos), comparar la efectividad de tratamientos diversos o medir los resultados de las intervenciones a largo plazo.

Continuar leyendo


10 formas de aumentar beneficios para medios. Ebook

El proceso de creación y gestión de “contenidos inteligentes” se conoce a menudo dentro del sector de la minería de texto como “publicación semántica” o también como “enriquecimiento de contenidos”. Los tres conceptos (“contenidos inteligentes”, “publicación semántica” y “enriquecimiento de contenidos”) son en la práctica sinónimos.
En MeaningCloud hemos creado un libro electrónico.

El contexto de negocio en medios: los problemas que hemos encontrado.

Aunque el negocio de venta offline sigue siendo rentable para unos pocos, los suscriptores y compradores de papel son cada vez menos y continúan envejeciendo.
Por otra parte, la distribución generalizada y al instante de información a través de Internet ha convertido a las noticias en un producto no diferenciado («commodity») del que pueden disponer gratuitamente y por el que los usuarios de medios no están generalmente dispuestos a pagar.

Algunos editores de contenidos se han dado cuenta de que para conseguir clientes que paguen por esos contenidos es fundamental agregar valor a través de una mejor creación, promoción, entrega y presentación de su materia prima, de los contenidos. Igualmente, el camino de la publicidad online sigue siendo un “valor seguro”, aunque a menudo insuficiente, para la mayoría de los que publican contenidos.

En el ebook vemos 10 formas en las que los contenidos inteligentes son imprescindibles en este proceso de agregación de valor y de mejora de rentabilidad.

Continuar leyendo


Los hechos asombrosos de los superhéroes de la analítica de texto

En los últimos años, la gran explosión de contenido generado por los usuarios en los medios sociales (redes, foros, comunidades) ha aumentado significativamente la necesidad de extraer información de esos textos no estructurados. Por extraño que parezca, los extraordinarios logros de los superhéroes de la analítica de texto en realidad son fruto de lo que una tecnología adecuada (en manos de personas corrientes) puede llegar a ofrecer.

Superhéroes de la analítica de texto

Continuar leyendo