Amazon Comprehend 客户与合作伙伴

我们通过提供透明度、可追溯性和对供应链数据的真实理解来帮助企业保护自己的品牌，消除市场准入障碍，并降低运营和财务风险。

我们努力将技术和业务领域的专业知识结合起来，帮助我们的客户理解供应链中的合规风险。我们需要一种大规模处理合规性文档的方法。我们的流程是读取包含表单、表格和自由格式文本的图像和 PDF 文档，并从这些文档中提取相关数据。Amazon Textract 的 OCR 技术可使我们从文档中提取文本。Amazon Comprehend 的上下文感知 NLP API 从文本中提取特定于业务的实体及其值。我们还使用 Amazon Augmented AI (Amazon A2I) 将人工合并到我们的工作流程中，从而让我们的团队审查提取的数据，向 ML 模型提供反馈，并随着时间的推移帮助改进它们。通过高效结合人工和机器学习与 AppSync 和 Amplify，为我们提供了对客户供应链风险更准确的洞察，并为他们节省了数百小时人工审核文档的时间。他们现在可以就公司是否存在合规风险立即得到反馈。

Corey Peters，Assent Compliance 的 AI/ML 团队主管

对能源的需求是普遍的。这就是 ExxonMobil 开展新研究，追求新技术，以减少排放，同时创造更高效的燃料和润滑油的原因。埃克森美孚致力于负责任地满足世界的能源需求。

AWS 和 Amazon Business 对 ExxonMobil 的采购组织的数字化实施增强了其全球运营，并使其做好了应对意外中断的准备。  “我们已经与 Amazon ML Solutions Lab 合作开发了一个概念验证，旨在最大程度提高合同利用率和进一步降低成本。一种方法是利用 Amazon SageMaker，从 ExxonMobil 的电子采购系统 Smart by GEP 的免费文本条目中改进最佳匹配目录条目的识别。当目录条目描述不容易获得时，我们使用 Amazon Comprehend 创建一个定制分类模型，将免费的文本条目映射到供应商合同协议中。

Mariano Matzkin，ExxonMobil 全球 MRO 采购经理

美国金融业监管局 (FINRA) 是一家致力于投资者保护和市场规范工作的非营利组织。它监管着证券行业的一个关键部分：与公众打交道的美国经纪公司。

FINRA 收到数以百万计的文档，其中包含支持调查、检查和合规工作的非结构化数据。我们的调查人员和检查人员必须手动逐页浏览文档，或运行高度针对性的搜索以找到所需的信息。借助 Amazon Comprehend，我们可以快速提取个人和组织，将提取的主体与 FINRA 记录进行匹配，标记感兴趣的个人，发现与其他文档的相似之处。

Dmytro Dolgopolov，FINRA 高级技术总监

使用 Amazon Comprehend 的自然语言处理功能，该应用程序可以从复杂的法律语言中提取含义，识别文档之间的细微差别，并举报问题以供个案工作者审查。通过减轻以前每周需要比较数千份文件的个案工作者的手动工作，HMLR 将其文件审查速度提高了一倍，并且可以更快地批准财产转让。该解决方案还降低了赔偿索赔的风险：它会在申请流程的早期发现差异，促使个案工作者在问题演变为法律纠纷之前解决问题。HMLR 部署了 Web 应用程序来自动比较文档，将审阅时间缩短了 50%，并且提高了员工的工作效率。

LexisNexis Legal & Professional 是一家面向法律和商务专业人员的全球内容和技术解决方案提供商，客户遍布全球超过 175 个国家和地区，提供超过 20 亿可搜索的档案。

我们为法律专业人员提供深刻的搜索和分析服务，以帮助他们作出明智的决策。因此，我们不断研究更好的方式以从法律文档中发现洞见。借助 Amazon Comprehend 的自动机器学习 (ML) 功能，我们现在无需深入了解与机器学习有关的复杂性，即可构建准确的自定义主体识别模型。从超过 2 亿份文档中可以快速识别法官和律师等我们最为关心的主体，准确率超过 92%。

Rick McFarland，LexisNexis 首席数据官

Siemens 构建了一个 AWS 调查响应处理解决方案，该解决方案将完成的调查发送到 Amazon Comprehend 进行语言识别，然后发送到 Amazon Translate 进行翻译。在 Amazon Comprehend 对任何姓名进行匿名化处理后，Amazon SageMaker 会检测回复并按类别和主题进行整理。AWS 解决方案不仅使返回经过分析和排序的调查结果的速度提高了至少 75%，还大大降低了调查计划的成本。

每次面试都要对过去的员工调查进行人工处理和分析，这需要花费数欧元。通过使用 Amazon Comprehend 和其他 AWS 服务，我们只需不到一欧元即可完成每次面试的翻译、处理和分析。

在 schuh 的支持中心，该公司使用 Amazon Comprehend 的自然语言处理 (NLP) 和机器学习 (ML) 功能来分析客户电子邮件并识别消息情绪。该技术非常有效，可以自动评估，例如，41% 的通信包含正面或负面情绪——早在支持团队登录之前。支持票证按问题排序并按颜色编码，然后转交给客户服务座席，后者可以根据经验或专业知识领域妥善处理这些问题。在使用 Comprehend 之前，对查询进行优先排序是手动的，而且非常耗时。

使用 Comprehend 将客户问题交由合适的人员处理，确实为我们提供了未来留住该客户的最佳机会。

Chick-fil-A 使用亚马逊 comprehend 来帮助发现食源性疾病。

Vision Critical 提供客户关系智能软件，使大型企业能够实现快速响应，并履行以客户为中心的做法。

我们的 Sparq 平台可连接来自任何来源的最重要的客户数据，包括交易、态度、情感和意图数据，以建立动态客户档案，为每个团队和业务系统提供统一的客户视图。通过与 Amazon Comprehend 的情绪分析功能相结合，该平台现在可以将定性客户反馈转化为可操作的见解，从而确定他们的反馈是正面的、负面的还是中立的，准确率超过 90%。

Nicholas Simon，Vision Critical 产品经理

SuccessKPI 是一种体验分析平台，支持世界各地的企业洞察客户体验，提高工作团队的效率，并最终促成业务成果。世界上大部分跨多个 CaaS 供应商的联系中心都使用 SuccessKPI 的分析平台。

了解各种产品或服务中的客户情绪对了解业务健康状况非常重要。Amazon Comprehend Targeted Sentiment 让我们的客户不仅了解到对话中的情绪，还能批量地深挖特定的产品或业务领域。

Praphul Kumar，SuccessKPI 首席产品官

Gallup 是一家全球分析和咨询企业，通过文化激活和启用计划帮助组织将战略付诸实施，以实现经过改善的可持续员工和客户参与。Gallup Access 是我们成熟的工作区平台，用于数据收集、分析和学习以促进真正的变更。

我们对 Amazon Comprehend Targeted Sentiment 功能感到兴奋不已，因为它将可增强我们的 Gallup Access 中现有的开方式调查响应报告。我们目前报告与总体情绪相关的指标，使用这种新功能后，我们将能够在这些调查响应中提供更有针对性的情绪。这将增强我们的总体报价的价值定位，并为用户提供更准确和可行的数据。

Swapan Golla，Gallup 分析总监

TINT 帮助 B2C 营销人员寻找、策管和显示市场营销中客户生成的最有效的社交媒体内容。

我们的业务主要是为信赖我们的品牌提供优质的市场营销内容。使用 Amazon Comprehend，我们能够极大地提高自有平台内容分析功能的质量和准确性，可为最具影响力的营销活动确定恰当的内容。Amazon Comprehend 让我们能够专注于核心产品，无需担心处理与我们自己的机器学习模型构建相关的繁重任务。

Ryo Chiba，TINT 首席技术官

Vibes 移动互动平台使营销人员能够与当今大规模高度互联的移动消费者进行一对一的互动。

移动消息以直接、个性化且可靠的方式连接品牌与消费者。在 Vibes，我们每个月处理数十亿的移动消息，在我们处理的大量消息中隐藏着深刻的见解。Amazon Comprehend 让我们能够快速提取关键词组、检测消费者情绪，并通过非结构化信息内容构建主题模型，使营销人员更深入地了解其绩效并为其提供可行性见解，从而提供有价值的客户体验。

Brian Garofola，Vibes 首席技术官

Zillow：使用 AWS 人工智能服务来构建语音分析