Descubrimiento de temas polémicos con Machine Learning

¿Qué hace esta solución de AWS?

Esta solución le ayuda a identificar los principales temas relacionados con sus productos, políticas, eventos y marcas. La implementación de esta solución le ayuda a reaccionar con rapidez a nuevas oportunidades de crecimiento, abordar asociaciones negativas con la marca y lograr niveles más altos de satisfacción del cliente.

La solución implementa una plantilla de AWS CloudFormation que admite la ingesta de: 1) Twitter, 2) fuentes RSS públicas de unos 4000 sitios de noticias de todo el mundo, 3) comentarios de videos de YouTube y 4) un bucket de Simple Storage Service (Amazon S3) al que se pueden subir datos para analizarse como documentos JSON u hojas de cálculo de Microsoft Excel (XLSX).

La cuarta opción para cargar datos le permite incorporar datos exportados de sistemas internos o externos que almacenan reseñas de productos y películas, mensajes de chat de foros de comunidades como Reddit, Twitch o Discord, y salidas transcritas de Amazon Transcribe Call Analytics. Esto amplía los casos de uso en distintos nichos de la industria y proporciona un marco a fin de que, con un esfuerzo mínimo, pueda crear y ampliar la solución para integrar una fuente ascendente de su elección. La solución puede personalizarse y ampliarse mediante la creación de adaptadores de ingesta para agregar otras plataformas de redes sociales y sistemas empresariales internos.

Descubrimiento de temas polémicos con Machine Learning | Funcionamiento
Amplíe la imagen para descubrir cómo la solución responde a la pregunta: “¿Cuáles son los principales temas relacionados con mi producto o servicio?”
 Hacer clic para ampliar

Beneficios

Implementación segura con un solo clic

Brinde una implementación segura con un solo clic gracias a la plantilla de AWS CloudFormation, desarrollada con las metodologías del AWS Well-Architected Framework.

en blanco

Análisis prácticamente en tiempo real

Incorpore datos de streaming que contengan texto e imágenes, y analícelos prácticamente en tiempo real. Ejecute el modelado de temas para detectar los que son relevantes e identifique los términos que, juntos, conforman un tema dentro de los comentarios de los clientes.

en blanco

Ingesta de datos en varios idiomas

Utilice Amazon Translate para incorporar datos en múltiples idiomas. Identifique el sentimiento de lo que los clientes están diciendo y use búsquedas semánticas contextuales para comprender la naturaleza de los debates en línea.

en blanco

Panel de QuickSight preintegrado

Lance el panel de Amazon QuickSight preintegrado para visualizar los análisis de cliente a gran escala. Identifique información casi en tiempo real para comprender mejor contextos, amenazas y oportunidades casi instantáneamente.

Información general sobre la solución de AWS

En el siguiente diagrama se muestra la arquitectura sin servidor que puede implementar automáticamente con la guía de implementación de la solución y la plantilla de AWS CloudFormation correspondiente.

Descubrimiento de temas polémicos con Machine Learning | Diagrama de la arquitectura
 Haga clic para agrandar

Arquitectura de la solución Descubrimiento de temas polémicos con Machine Learning

La plantilla de AWS CloudFormation implementa de forma automática funciones de AWS Lambda, buckets de Amazon Simple Storage Service (Amazon S3), Amazon Kinesis Data Streams, cola de mensajes fallidos (DLQ) de Amazon Simple Queue Service (Amazon SQS), Amazon Kinesis Data Firehose, flujos de trabajo de AWS Step Functions, tablas de AWS Glue y recursos de Amazon QuickSight en su cuenta.  

La arquitectura de la solución incluye los siguientes componentes clave y flujos de trabajo:

1. Ingesta: ingesta y administración de redes sociales y fuentes RSS mediante funciones de Lambda, Amazon DynamoDB y Amazon EventBridge. Para obtener diagramas de arquitectura de referencia detallados para Twitter, comentarios de YouTube, fuentes de noticias RSS y la ingesta personalizada mediante un bucket de Simple Storage Service (Amazon S3), consulte la guía de implementación.

2. Flujo de datos: los datos se almacenan a través de Amazon Kinesis Data Streams para proporcionar resiliencia y acelerar las solicitudes entrantes. Data Streams tienen una cola de mensajes fallidos (DLQ) configurado para detectar cualquier error en el procesamiento de las fuentes.

3. Flujo de trabajo: el consumidor (función Lambda) de Kinesis Data Streams inicia un flujo de trabajo de Step Functions que orquesta las capacidades de Amazon Machine Learning, incluido Amazon Translate, Amazon Comprehend y Amazon Rekognition.

4. Integración: los datos de inferencia se integran con los componentes de almacenamiento a través de una arquitectura basada en eventos mediante Amazon EventBridge. EventBridge permite una mayor personalización para agregar objetivos adicionales mediante la configuración de reglas.

5. Almacenamiento y visualización: una combinación de Kinesis Data Firehose, buckets de Simple Storage Service (Amazon S3), tablas de AWS Glue, Amazon Athena y Amazon QuickSight.

Estos componentes se crean mediante AWS Well-Architected Framework y los pilares de AWS Well-Architected: excelencia operativa, seguridad, fiabilidad, eficiencia de rendimiento y optimización de costes. De este modo, se garantiza una infraestructura segura, de alto rendimiento, resiliente y eficiente.

Descubrir temas polémicos con machine learning

Versión 1.7.1
Última actualización: 03/2022
Autor: AWS

Tiempo estimado de implementación: 10 minutos

Utilice el siguiente botón para suscribirse a las actualizaciones de la solución.

Nota: Para suscribirse a las actualizaciones de RSS, debe disponer de un complemento de RSS habilitado para el navegador que utilice.  

¿Lo ayudó esta implementación de soluciones?
Proporcione su opinión 
Video
Resolución con soluciones de AWS: Descubrir temas polémicos con Machine Learning
Webinar
Understanding 'Voice of Customer' with AWS Solutions
Blog de arquitectura de AWS
Descubrir temas polémicos con Machine Learning

En esta entrada del blog se enseña a los lectores a utilizar la solución Descubrir temas polémicos con Machine Learning para obtener información de las redes sociales con el fin de aprovechar las oportunidades de crecimiento que surgen rápidamente, hacer frente a un sentimiento negativo y mejorar la satisfacción de los clientes. Como ejemplo, repasamos un caso de uso empresarial en el sector de los medios de comunicación y el entretenimiento.

Leer la publicación del blog completa 
Icono de creación
Implemente usted mismo una solución

Consulte nuestra biblioteca de Implementaciones de soluciones de AWS para obtener respuestas a problemas de arquitectura comunes.

Más información 
Buscar un socio de APN
Buscar un socio de APN

Encuentre socios consultores y tecnológicos certificados por AWS que lo ayudarán a comenzar.

Más información 
Ícono de exploración
Explore las ofertas de asesoramiento sobre soluciones

Explore nuestra cartera de ofertas de asesoramiento para obtener ayuda autorizada por AWS con la implementación de la solución.

Más información