Pelanggan dan Partner Amazon Comprehend

Kami berupaya keras untuk menggabungkan keahlian domain teknologi dan bisnis demi membantu para pelanggan memahami risiko kepatuhan dalam rantai pasokan mereka. Kami membutuhkan cara untuk memproses dokumen kepatuhan sesuai skala. Proses kami adalah membaca gambar dan dokumen PDF berupa formulir, tabel, dan teks bentuk bebas lalu mengekstrak data yang menarik dari dalam dokumen tersebut. Teknologi OCR Amazon Textract memungkinkan kami mengekstrak teks dari dokumen. API NLP cerdas konteks Amazon Comprehend mengekstrak entitas khusus bisnis dan nilai mereka dari teks. Kami juga menggabungkan manusia ke dalam alur kerja menggunakan Amazon Augmented AI (Amazon A2I), agar tim kami dapat meninjau data yang diekstrak dan memberikan umpan balik ke model ML dan membantu meningkatkannya dari waktu ke waktu. Dengan perpaduan manusia dan pembelajaran mesin yang efisien serta AppSync dan Amplify, kami mendapat wawasan yang lebih akurat ke dalam risiko rantai pasokan pelanggan dan menghemat ratusan jam dari waktu mereka untuk meninjau dokumen secara manual. Kini mereka bisa segera mendapatkan umpan balik tentang apakah perusahaan mereka berada dalam risiko kepatuhan atau tidak.

Implementasi digital AWS dan Amazon Business ke dalam organisasi pengadaan ExxonMobil meningkatkan operasi globalnya dan mempersiapkan mereka untuk gangguan yang tidak terduga.  "Kami bekerja sama dengan Amazon ML Solutions Lab dalam mengembangkan bukti konsep yang ditujukan untuk memaksimalkan pemanfaatan kontrak dan pengurangan biaya lebih lanjut. Satu pendekatan memanfaatkan Amazon SageMaker untuk meningkatkan identifikasi item katalog yang paling cocok dari entri teks bebas di sistem eProcurement ExxonMobil, Smart by GEP. Ketika deskripsi item katalog tidak tersedia, kami menggunakan Amazon Comprehend untuk membuat model klasifikasi sesuai pesanan guna memetakan entri teks bebas ke perjanjian kontrak pemasok.

FINRA menerima jutaan dokumen dengan data tak terstruktur untuk mendukung proses investigatif, pemeriksaan, dan kepatuhan. Para penyelidik dan pemeriksa kami harus membaca dokumen halaman per halaman atau menjalankan pencarian yang sangat ditargetkan untuk menemukan apa yang mereka butuhkan. Dengan Amazon Comprehend, kami dapat mengekstrak individu dan organisasi dengan cepat, mencocokkan entitas yang diekstrak dengan catatan FINRA, menandai individu yang penting, dan mendeteksi kesamaan dengan dokumen lainnya.

Kami menyediakan riset dan analitik penuh wawasan untuk para profesional guna membantu mereka membuat keputusan berdasarkan informasi. Oleh karena itu, kami selalu mencari cara yang lebih baik untuk menemukan wawasan dari dokumen-dokumen hukum. Berkat machine learning (ML) otomatis Amazon Comprehend, sekarang kami dapat membangun model pengenalan entitas kustom yang akurat tanpa masuk ke dalam kompleksitas yang berhubungan dengan ML. Entitas-entitas yang paling kami perhatikan, seperti hakim dan jaksa, dapat diindentifikasi secara cepat dari lebih dari 200 juta dokumen dengan akurasi di atas 92%.

Pengadaan pemrosesan manusia dan analisis survei karyawan sebelumnya menghabiskan biaya beberapa euro per wawancara. Dengan menggunakan Amazon Comprehend dan layanan AWS lainnya, kami mendapatkan terjemahan, pemrosesan, dan analisis dengan biaya kurang dari satu euro per wawancara.

Penggunaan Comprehend untuk menempatkan masalah pelanggan di hadapan orang yang tepat benar-benar memberi kami peluang terbaik untuk mempertahankan pelanggan tersebut pada masa mendatang.

 

Platform Sparq kami menghubungkan data pelanggan Anda yang paling penting dari sumber apa pun—termasuk data transaksi, sikap, emosi, dan niat—untuk membangun profil pelanggan dinamis yang memberi setiap tim dan sistem bisnis pandangan terpadu tentang pelanggan. Berintegrasi dengan kemampuan analisis sentimen Amazon Comprehend, platform kini mengubah umpan balik kualitatif pelanggan menjadi wawasan yang dapat ditindaklanjuti, yang menentukan apakah umpan balik bersifat positif, negatif, atau netral dengan akurasi lebih dari 90%.

Memahami sentimen pelanggan di berbagai produk atau layanan adalah kunci untuk memahami kondisi bisnis. Sentimen Tertarget Amazon Comprehend memungkinkan pelanggan kami untuk tidak hanya memahami sentimen dari suatu percakapan, tetapi juga menelusuri area produk atau bisnis tertentu dalam skala besar.

Kami sangat senang dengan fitur Sentimen Tertarget Amazon Comprehend karena fitur ini akan meningkatkan pelaporan respons survei terbuka kami yang ada di Gallup Access. Saat ini kami melaporkan metrik terkait sentimen secara keseluruhan dan dengan fitur baru ini, kami akan dapat memberikan sentimen yang lebih bertarget dalam respons survei tersebut. Hal ini akan meningkatkan proposisi nilai dari keseluruhan pelaporan kami dan memberikan data yang lebih akurat serta dapat ditindaklanjuti kepada pengguna kami.

Bisnis kami berfokus pada penayangan konten pemasaran terbaik untuk merek yang bergantung pada kami. Dengan menggunakan Amazon Comprehend, kami dapat meningkatkan kualitas dan akurasi kemampuan analitik konten platform kami secara signifikan, yang mengidentifikasi konten yang tepat untuk kampanye pemasaran yang paling berdampak. Amazon Comprehend memungkinkan kami berfokus pada produk inti tanpa mengkhawatirkan pekerjaan berat yang terkait dengan pembuatan model machine learning kami sendiri.

Pesan seluler menghubungkan merek dan konsumen secara langsung, personal, dan autentik. Di Vibes, kami memproses miliaran pesan seluler setiap bulan dan terdapat wawasan mendalam yang tersembunyi di sejumlah besar pesan yang kami proses. Amazon Comprehend memungkinkan kami mengekstrak frasa kunci, mendeteksi sentimen, dan memodelkan topik-topik dari konten pesan tak terstruktur dengan cepat, yang akan memberikan pemahaman yang lebih mendalam kepada para pemasar tentang performa mereka dan wawasan yang dapat ditindaklanjuti untuk memberikan pengalaman pelanggan yang memuaskan.