Amazon Comprehend

텍스트에서 통찰력 확보 및 관계 파악

Amazon Comprehend는 기계 학습을 사용하여 텍스트 안에 있는 통찰력과 관계를 찾아내는 자연어 처리(NLP) 서비스입니다. 기계 학습 경험은 필요 없습니다.

비정형 데이터에 보물이 숨겨져 있을지도 모릅니다. 고객의 이메일, 지원 티켓, 제품 후기, 소셜 미디어, 심지어 광고 문구에서도 고객의 심리에 대한 통찰이 드러나며, 이를 투입하여 사업상 효과를 얻을 수 있습니다. 문제는 이를 입수할 방법입니다. 알려졌다시피 기계 학습은 방대한 텍스트 모음에서 특정한 관심 항목을 정확히 가려내는 데 특히 효과적이며(예: 분석 보고서에서 회사 이름 찾기), 언어 뒤에 숨겨진 심리를 거의 무한대로 학습할 수 있습니다(부정적인 후기 또는 고객 서비스 상담사와의 긍정적인 고객 상담 등 식별).

Amazon Comprehend는 기계 학습을 통해 비정형 데이터 속의 통찰과 관계를 밝혀낼 수 있도록 도와줍니다. 이 서비스는 텍스트의 언어를 식별하고 핵심 문구, 장소, 사람, 브랜드 또는 이벤트를 추출합니다. 또한 토큰화 및 Parts of Speech(PoS)를 사용하여 텍스트가 얼마나 긍정적인지 또는 부정적인지를 이해하며 텍스트 파일 모음을 주제별로 자동으로 정리합니다. Amazon Comprehend의 AutoML 기능으로 해당 조직의 필요에 꼭 맞게 조정된 사용자 지정 개체 세트나 텍스트 분류 모델을 빌드할 수도 있습니다.

구조화되지 않은 텍스트에서 복잡한 의료 정보를 추출하기 위해 Amazon Comprehend Medical을 사용할 수 있습니다. 이 서비스는 의사의 메모, 임상 시험 보고서 및 환자 건강 기록과 같은 다양한 출처에서 의료 조건, 약물, 용량, 강도 및 빈도와 같은 의료 정보를 식별할 수 있습니다. 또한 Amazon Comprehend Medical은 보다 용이한 분석을 위해 추출된 약물과 검사, 치료 및 절차 정보 간의 관계를 파악합니다. 예를 들어, 이 서비스는 구조화되지 않은 임상 노트에서 특정 약물과 관련된 특정 용량, 강도 및 빈도를 파악합니다.

Amazon Comprehend는 완전 관리형이므로 서버를 프로비저닝하거나 기계 학습 모델을 빌드, 훈련, 배포할 필요가 없습니다. 사용한 만큼만 비용을 지불하면 되고, 최소 요금 및 사전 약정은 없습니다.

Introducing Amazon Comprehend

장점

텍스트에서 더 나은 답을 확보

주제별 문서 구성

자체 데이터에 대한 훈련 모델

일반 및 업계 특정 텍스트 지원

Amazon Comprehend는 고객 지원 인시던트, 제품 리뷰, 소셜 미디어 피드, 뉴스 기사, 문서 및 기타 소스의 텍스트에서 의미와 관계를 찾을 수 있습니다. 예를 들어 고객이 제품에 만족하거나 만족하지 못할 때 가장 자주 언급되는 기능을 파악할 수 있습니다.

Amazon Comprehend는 문서 및 기타 텍스트 파일(소셜 미디어 게시물 등) 모음을 분석하고 자동으로 관련 용어 또는 주제별로 이를 정리할 수 있습니다. 그런 다음 이 주제를 사용해 고객에게 개인화된 콘텐츠를 제공하거나 더 풍부한 검색 및 안내를 제공할 수 있습니다. 예를 들어 대규모의 뉴스 기사 모음이 있는 경우, 자동으로 이를 주제별로 그룹화하여 사이트에서 방문자가 이전에 읽었던 내용을 토대로 새로운 기사를 제안하도록 할 수 있습니다.

Amazon Comprehend는 손쉽게 확장하여 정책 번호나 부품 코드 등 특정한 용어를 찾아낼 수 있습니다. 또한 요청별 고객 지원 문의나 제품별 소셜 미디어 게시물 등 해당 비즈니스에 알맞은 방식으로 문서와 메시지를 분류하도록 Comprehend를 확장할 수도 있습니다. 기계 학습에 대한 전문 지식 없이도 이러한 사용자 지정 기능을 추가할 수 있습니다. 각각의 예제 세트 약간과 레이블만 제공하면 나머지는 Comprehend가 알아서 합니다.

최첨단 기계 학습 모델로 작동하는 Amazon Comprehend는 소셜 미디어 게시물, 이메일 및 웹 페이지와 같은 구조화되지 않은 텍스트에서 통찰력을 발견할 수 있습니다. 또한 Amazon Comprehend Medical은 의약품 및 건강 상태와 같은 의료 정보를 식별하고 서로의 관계(예 : 약물 용량 및 강도)를 결정합니다. 예를 들어, Amazon Comprehend Medical은 종종 "MRSA"로 입력되는 "메치실린 내성 포도상구균"을 추출하고 추출된 용어를 의미있게 만들기 위해 환자의 검사 결과가 양성 또는 음성인지와 같은 컨텍스트를 제공합니다.

작동 방식

product-page-diagram-AWS-Hera-Launch_How-It-Works@1.5x

사용 사례


고객의 소리 분석

Amazon Comprehend를 사용하여 지원 이메일, 소셜 미디어 게시물, 온라인 댓글, 전화 통화 일지 등에 담긴 고객 상호 작용을 분석하고 가장 긍정적인 경험과 가장 부정적인 경험을 하게 만든 요소를 찾을 수 있습니다. 그리고 이러한 통찰력을 사용하여 제품과 서비스를 개선할 수 있습니다.

예: 콜 센터 분석

product-page-diagram_Amazon-Comprehend_Voice-Of-Customer

Amazon Comprehend를 사용하여 검색 엔진이 핵심 문구, 엔터티 및 감성을 인덱싱하도록 지원함으로써 더 나은 검색 환경을 제공할 수 있습니다. 이를 통해 기본 키워드가 아니라 기사의 의도와 컨텍스트 검색에 집중할 수 있습니다.

예: 제품 리뷰 인덱싱 및 검색

product-page-diagram_Amazon-Comprehend_Semantic-Search

지식 관리 및 검색

Amazon Comprehend를 사용하여 좀 더 쉽게 검색할 수 있도록 주제별로 문서를 정리하고 분류한 후, 같은 주제와 연관된 다른 기사를 추천하여 독자를 위한 콘텐츠 추천을 개인화할 수 있습니다.

예: 웹 사이트 콘텐츠를 개인화

product-page-diagram_Amazon-Comprehend_Knowledge-Management-Discovery

더 효과적인 문제 처리를 위해 지원 티켓 분류

사용자 지정 분류를 사용하여 온라인 피드백 양식, 지원 티켓, 포럼 게시물, 제품 후기 등 인바운드 고객 지원 문서를 내용에 따라 자동으로 분류할 수 있습니다. 예를 들어 계정 취소 요청, 요금 청구 문제, 주소 변경 등의 상황에서 부품 번호나 우대 고객 등급, 제품 이름 같은 관련 정보를 사용자 지정 개체를 이용하여 자동 추출한 다음, 고객 문제를 해결하고 전반적인 고객 만족도를 높이기에 가장 적합한 팀으로 문서를 빠르게 라우팅하는 것입니다.

예: 고객 지원 티켓 처리

product-page-diagram_Amazon-Comprehend_Customer-Support-Ticket-Handling

의료 집단 분석 수행

종양학에서는 임상 실험을 위한 환자를 모집하기 위해 올바른 선택 기준을 신속하게 발견하는 것이 매우 중요합니다. Amazon Comprehend Medical은 구조화되지 않은 텍스트에서 발견되는 복잡한 의료 정보를 이해하고 식별하여 인덱싱 및 검색을 용이하게 합니다. 이러한 통찰력을 이용해 수동 선택 프로세스에서 소요되는 시간과 비용의 일부만을 투입하여 모집 환자에게 적절한 임상 실험을 구분할 수 있습니다.

예: 임상 실험 모집

product-page-diagram-AWS-Hera-Launch_Clinical-Trial-Recruitment@1.5x

고객 성공 사례

600x400_LexisNexis

LexisNexis Legal & Professional은 법률 및 비즈니스 전문가를 위해 콘텐츠와 기술 솔루션을 제공하는 세계적 공급업체로, 175개가 넘는 국가/지역의 고객에게 20억 개 이상의 검색 가능 아카이브를 제공하고 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."

Rick McFarland, LexisNexis의 최고 데이터 책임자


Vibes Logo

Vibes 모바일 참여 플랫폼을 통해 마케터는 오늘의 초연결된 대규모 모바일 소비자를 한 명씩 참여시킬 수 있습니다.

"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 통찰력을 제공하여 유익한 고객 경험을 전달할 수 있도록 합니다."

Brian Garofola, Vibes의 CTO


600x400_Finra_Logo

FINRA는 투자자를 보호하고 시장의 건전성을 확립하는 것을 목적으로 하는 비영리 조직입니다. 증권 업계 중 영국에서 대중을 대상으로 비즈니스를 운영하는 증권회사를 감독합니다.

"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."

Dmytro Dolgopolov, FINRA의 기술 분야 선임 이사


600x400_Vidmob_Logo

VidMob은 전문 편집자, 애니메이터 및 모션 그래픽 디자이너의 글로벌 네트워크를 마케팅 담당자와 연결하는 기술 플랫폼입니다.

"Amazon Comprehend와 Amazon Transcribe 서비스를 사용하여 VidMob은 자사 Agile Creative Suite에 고품질 기계 학습 텍스트 분석 기능을 구축하여 브랜드 고객이 지금까지는 불가능했던 방식으로 콘텐츠 성능을 이해하도록 지원할 수 있습니다. 그리고 비디오 콘텐츠에서 텍스트를 기록하고 Comprehend를 사용해 신속하게 분석함으로써 제작 커뮤니티와 고객 모두에게 시장에서 전략적 우위를 확보할 수 있는 실행 가능한 통찰력을 제공할 수 있습니다."

Alex Collmer, VidMob의 창립자 겸 CEO

AWS 시작하기

Step 1 - Sign up for an AWS account

AWS 계정 가입

AWS 프리 티어에 즉시 액세스할 수 있습니다.
icon2

10분 자습서로 알아보기

간단한 자습서를 통해 자세히 알아보십시오.
icon3

AWS를 사용하여 구축 시작

AWS 프로젝트를 시작하는 데 도움이 되는 단계별 안내서를 통해 구축을 시작하십시오

Amazon Comprehend에 대해 자세히 알아보기

기능 페이지로 이동하기
구축할 준비가 되셨습니까?
추가 질문이 있으십니까?
AWS에 문의