عرب سايكلوجي

أتنسيتي: تحليل لغة العقل لفهم سلوك العملاء

المحتويات:

أتنسيتي (Attensity)

المجالات التأديبية الأساسية: معالجة اللغات الطبيعية (NLP)، تحليلات النصوص (Text Analytics)، إدارة تجربة العملاء (CEM).

1. التعريف الأساسي

تمثل أتنسيتي (Attensity) كيانًا تكنولوجيًا رائدًا في مجال تحليل البيانات النصية غير المهيكلة، وقد اشتهرت كشركة برمجيات متخصصة في توفير حلول متقدمة لفهم اللغة البشرية. تأسست الشركة على أساس تقنيات دلالية عميقة تهدف إلى تجاوز مجرد البحث عن الكلمات المفتاحية (Keywords) أو الترددات الإحصائية، وصولًا إلى استخلاص المعنى الحقيقي، وتحديد الكيانات، وفهم العلاقات السياقية، وتقييم المشاعر (Sentiment) ضمن كميات هائلة من النصوص المكتوبة. كانت مهمة أتنسيتي الأساسية تتمحور حول تحويل البيانات النصية المشتتة، سواء كانت من مصادر داخلية (مثل رسائل البريد الإلكتروني وسجلات المكالمات) أو خارجية (مثل وسائل التواصل الاجتماعي ومنتديات الويب)، إلى رؤى استخباراتية قابلة للتنفيذ في مجالات الأعمال المختلفة، خاصةً في إدارة علاقات العملاء وتحسين تجربة المستخدم. وقد ارتكزت قوتها التنافسية على قدرتها على معالجة اللغات الطبيعية بعمق، مما مكن المؤسسات الكبرى من فهم “صوت العميل” (Voice of the Customer – VoC) بطريقة منهجية ومفصلة.

في جوهرها، لم تكن أتنسيتي مجرد أداة لإعداد التقارير، بل كانت منصة تحليلية دلالية مصممة لاكتشاف الأسباب الجذرية للمشكلات، وتحديد الاتجاهات الناشئة، والكشف عن الفرص المخفية داخل النصوص. كانت التقنية المعتمدة تستخدم خوارزميات معقدة لكسر بنية الجملة، وفهم التراكيب النحوية، وتفسير النوايا الكامنة وراء الرسائل. هذا المستوى من التفصيل كان بالغ الأهمية للشركات التي تسعى إلى تحسين منتجاتها أو خدماتها بناءً على الملاحظات غير المرشحة والمباشرة من العملاء. وبالتالي، يمكن اعتبار أتنسيتي جزءًا محوريًا من تطور مجال التحليلات الذكية الذي يعتمد على البيانات غير المهيكلة، مما يمثل جسرًا بين علم اللغة الحاسوبي وتطبيقاته التجارية الواسعة.

2. الجذور والتطور التاريخي

تعود جذور تقنية أتنسيتي إلى أعمال رائدة في مجال معالجة اللغات الطبيعية التي تطورت في المراكز البحثية المتقدمة. في كثير من الأحيان، يتم ربط جزء من تراثها الفكري بشركات مثل إنكسايت (Inxight) التي كانت تستمد تقنياتها من أبحاث مركز زيروكس بالو ألتو للأبحاث (Xerox PARC)، وهو ما يمنحها أساسًا علميًا متينًا في التحليل الدلالي. تأسست الشركة في بدايات الألفية الجديدة، وتحديدًا في الفترة التي بدأت فيها البيانات النصية تتراكم بمعدلات هائلة، ما خلق حاجة ماسة لأدوات تحليلية قادرة على تجاوز حدود أنظمة قواعد البيانات التقليدية. في سنواتها الأولى، ركزت أتنسيتي بشكل أساسي على التحليل العميق للنصوص لخدمة قطاعات الاستخبارات والتحليل التنافسي، قبل أن تحول تركيزها تدريجيًا نحو السوق التجاري الأوسع، وتحديدًا قطاع إدارة تجربة العملاء.

شهدت الشركة مرحلة نمو وتسارع كبيرة في أواخر العقد الأول من القرن الحادي والعشرين، مدفوعة بالانفجار الهائل لوسائل التواصل الاجتماعي (مثل تويتر وفيسبوك)، والتي أصبحت مصدرًا لا ينضب لآراء العملاء غير الرسمية. دفع هذا التحول أتنسيتي إلى تطوير وتكييف تقنياتها لدمج قدرات مراقبة وتحليل وسائل التواصل الاجتماعي (Social Listening)، مما جعلها لاعبًا رئيسيًا في مجال تحليلات وسائل الإعلام الاجتماعية. ومن العلامات الفارقة في تاريخها استراتيجية الاستحواذ التي تبنتها لتعزيز محفظتها التكنولوجية؛ فقد قامت بضم شركات متخصصة مثل بيز 360 (Biz360)، لتعميق قدراتها في تحليلات التسويق ودمج مصادر البيانات المتنوعة. هذا التطور التاريخي يوضح كيف انتقلت أتنسيتي من كونها شركة تحليل نصوص متخصصة إلى مزود شامل لحلول استخبارات العملاء.

لقد أدى التطور السريع في مشهد الحوسبة السحابية وظهور تقنيات التعلم الآلي الأحدث إلى وضع ضغوط تنافسية مستمرة على أتنسيتي. ومع ذلك، فإن إرثها في مجال التحليل الدلالي العميق ظل يميزها عن الحلول القائمة على التعلم الآلي الإحصائي البحت. خلال هذه المرحلة، واصلت الشركة دمج تقنياتها في منصة متكاملة تهدف إلى توحيد جميع قنوات صوت العميل (VoC) تحت مظلة واحدة، مما يتيح للشركات رؤية موحدة وشاملة لكيفية تفاعل العملاء مع العلامة التجارية عبر مختلف النقاط التفاعلية. هذا السعي نحو التكامل والشمولية كان السمة المميزة لمرحلة النضج في تطور الشركة.

3. الخصائص التكنولوجية الرئيسية

  • التحليل الدلالي العميق (Deep Semantic Analysis): كانت التقنية الأساسية لأتنسيتي تتمحور حول القدرة على تحليل الجمل والفقرات على المستوى الدلالي، وليس فقط على مستوى الكلمات. هذا يشمل فهم السياق، والتعرف على النفي، وتفسير السخرية أو التعبيرات العامية، مما يسمح باستخراج بيانات مشاعر (Sentiment Data) أكثر دقة وموثوقية مقارنة بالأساليب القائمة على القاموس أو القواعد البسيطة.
  • استخراج الكيانات والعلاقات (Entity and Relationship Extraction): تخصصت تقنية أتنسيتي في تحديد الكيانات المذكورة في النص (مثل أسماء المنتجات، الأشخاص، المواقع، المنظمات) وتحديد العلاقات بين هذه الكيانات. على سبيل المثال، يمكن للنظام تحديد أن “العميل الفلاني اشتكى من ميزة محددة في المنتج الجديد”، مما يوفر رؤى هيكلية قابلة للقياس من بيانات نصية غير مهيكلة.
  • التصنيف الآلي متعدد الأبعاد (Multi-dimensional Automated Categorization): بدلاً من الاعتماد على التصنيف اليدوي أو القواعد الثابتة، استخدمت أتنسيتي تقنيات معالجة اللغة الطبيعية لتصنيف النصوص تلقائيًا ضمن تصنيفات موضوعية دقيقة (Taxonomies)، مما يسهل على الشركات تحديد حجم ونطاق المشكلات أو الاهتمامات المتكررة.
  • التعلم الآلي المتكامل (Integrated Machine Learning): على الرغم من اعتمادها على التحليل الدلالي، دمجت أتنسيتي تقنيات التعلم الآلي لتدريب النماذج وتحسين دقة التصنيف وتحليل المشاعر بمرور الوقت، مما يسمح للنظام بالتكيف مع المصطلحات واللغات العامية المتغيرة باستمرار في السوق.

4. محفظة المنتجات والحلول

قدمت أتنسيتي مجموعة متكاملة من المنتجات المصممة لخدمة دورة حياة تحليل العملاء بأكملها، من الاستماع إلى البيانات وحتى اتخاذ الإجراءات اللازمة. كانت هذه المنتجات مقسمة عادةً إلى وحدات وظيفية تعالج مراحل مختلفة من عملية إدارة تجربة العميل (CEM). كان المنتج الأبرز هو Attensity Analyze، وهو محرك التحليل الدلالي الأساسي الذي يوفر القدرة على استيعاب ومعالجة كميات هائلة من البيانات النصية من مصادر متعددة، وتقديم تصورات وتحليلات عميقة حول الموضوعات والمشاعر والاتجاهات. كان هذا المنتج هو القلب التحليلي الذي يغذي جميع الحلول الأخرى.

إلى جانب التحليل، قدمت الشركة منتج Attensity Respond، المصمم خصيصًا لتمكين الشركات من إدارة تفاعلات العملاء بشكل فعال، خاصة عبر قنوات التواصل الاجتماعي وخدمة العملاء. كانت هذه المنصة تسمح بفرز وتوجيه شكاوى العملاء أو استفساراتهم تلقائيًا إلى الأقسام المختصة بناءً على المعنى المستخلص من النص (Routing based on Intent). كما كانت توفر أدوات لأتمتة الاستجابات القياسية أو تزويد وكلاء خدمة العملاء بأفضل الإجابات المقترحة في الوقت الفعلي، مما يساهم في تقليل زمن الاستجابة وتحسين كفاءة الخدمة.

كما كان لـ Attensity Social أهمية بالغة، خصوصًا مع تزايد أهمية مراقبة السمعة الرقمية للعلامات التجارية. كانت هذه الأداة تركز على الاستماع إلى المحادثات الجارية على الإنترنت، ليس فقط لتحديد المشاعر السلبية أو الإيجابية، بل أيضًا لتحديد المؤثرين الرئيسيين، ومراقبة حملات المنافسين، واكتشاف فرص المشاركة التسويقية في الوقت المناسب. إن التكامل بين هذه المنتجات سمح لأتنسيتي بتقديم حلول شاملة تغطي جميع جوانب إدارة تجربة العملاء القائمة على البيانات النصية، مما يضمن أن تكون القرارات الاستراتيجية مدعومة بفهم عميق لما يقوله العملاء بالفعل.

5. التطبيقات والأهمية السوقية

كانت أهمية أتنسيتي السوقية تكمن في قدرتها على سد الفجوة بين البيانات النصية غير المهيكلة (التي تشكل الغالبية العظمى من البيانات المؤسسية) وعمليات اتخاذ القرار المهيكلة. كانت تطبيقاتها واسعة النطاق وتشمل قطاعات متعددة مثل الاتصالات، والخدمات المالية، والتجارة الإلكترونية، والرعاية الصحية. ومن أهم استخداماتها كان تحليل “صوت العميل” (VoC) حيث كانت تدمج الملاحظات الواردة من الاستطلاعات، ورسائل البريد الإلكتروني، والتعليقات على وسائل التواصل الاجتماعي لتقديم صورة موحدة لرضا العميل ونقاط الألم (Pain Points). هذا التحليل العميق مكن الشركات من تحديد العيوب في المنتجات أو الثغرات في الخدمة التي قد تفشل الأنظمة الإحصائية التقليدية في اكتشافها.

إضافة إلى إدارة تجربة العملاء، استخدمت تقنيات أتنسيتي في مجالات الاستخبارات التنافسية ومراقبة المخاطر. ففي مجال الاستخبارات التنافسية، كانت المنصة قادرة على تحليل مراجعات العملاء للمنافسين وتحديد استراتيجياتهم التسويقية ونقاط ضعفهم بشكل منهجي. أما في مجال إدارة المخاطر، فقد كانت تستخدم لمراقبة المحادثات العامة والخاصة للكشف عن علامات الإنذار المبكر المتعلقة بالسلامة، أو الامتثال التنظيمي، أو الأزمات المحتملة للسمعة، مما يتيح التدخل السريع قبل تفاقم الأوضاع. هذا التنوع في التطبيقات عزز من مكانتها كأداة استراتيجية وليست مجرد أداة تشغيلية.

لقد ساهمت أتنسيتي بشكل كبير في ترسيخ فكرة أن تحليلات النصوص يجب أن تكون جزءًا أساسيًا من البنية التحتية لذكاء الأعمال، وليس مجرد إضافة اختيارية. وفي فترة ذروتها، كانت حلولها تعتبر معيارًا للتحليل الدلالي العميق، مما أثر على طريقة تفكير الشركات الكبرى حول كيفية استغلال كنوز البيانات غير المهيكلة التي كانت تُهمل سابقًا. لقد كانت الشركة مثالًا مبكرًا على كيفية استخدام التقنيات اللغوية المتقدمة لتحقيق نتائج تجارية ملموسة ومقاسة، مثل زيادة ولاء العملاء أو تقليل معدلات التوقف عن العمل.

6. المشهد التنافسي والتحديات

واجهت أتنسيتي مشهدًا تنافسيًا معقدًا ومتطورًا باستمرار. فمن ناحية، كانت تتنافس مع عمالقة البرمجيات الذين بدأوا بدمج حلول تحليلات النصوص في مجموعات برامجهم الأوسع، مثل آي.بي.إم (IBM) وساس (SAS)، الذين يمتلكون موارد تسويقية وقنوات توزيع ضخمة. ومن ناحية أخرى، ظهرت العديد من الشركات الناشئة المتخصصة في الاستماع الاجتماعي (Social Listening) التي كانت تركز على السرعة والمرونة في التعامل مع منصات التواصل الاجتماعي المتغيرة، وإن كانت غالبًا ما تفتقر إلى عمق التحليل الدلالي الذي كانت توفره أتنسيتي.

أحد التحديات الرئيسية التي واجهت الشركة كان الحاجة المستمرة للاستثمار في تطوير نماذج اللغة. فالتحليل الدلالي العميق يتطلب صيانة وتحديثًا مستمرين لقواعد المعرفة اللغوية لمواكبة التغيرات في المصطلحات العامية، ولهجات اللغات المختلفة، وظهور منصات تواصل جديدة. هذا يتطلب موارد ضخمة يصعب توفيرها مقارنة بالنماذج الإحصائية القائمة على التعلم الآلي التي أصبحت أكثر شيوعًا وأسهل في التوسع (Scalability). كما أن تعقيد حلول أتنسيتي كان يتطلب في بعض الأحيان عمليات تنفيذ وتدريب مكلفة وطويلة، مما جعلها في متناول الشركات الكبيرة جدًا فقط، بينما فضلت الشركات الأصغر حلولًا أبسط وأسرع في النشر.

ومع صعود تقنيات التعلم العميق (Deep Learning) في منتصف العقد الماضي، والتي أتاحت نماذج لغوية كبيرة قادرة على تحقيق دقة عالية في تحليل المشاعر والتصنيف دون الحاجة إلى القواعد اللغوية الصريحة المعقدة، ازداد الضغط على نموذج عمل أتنسيتي. أدت هذه التطورات إلى تسريع وتيرة التحول في السوق، مما أثر على مكانة الشركات التي تعتمد بشكل كبير على المنهجية اللغوية التقليدية في التحليل الدلالي، وهو ما ساهم في النهاية في إعادة هيكلة الشركة وتغيير ملكيتها.

7. الزوال والإرث

بعد فترة من التنافس الشديد والتحديات المالية، بدأت أتنسيتي في إعادة هيكلة عملياتها وتقسيم أصولها. في عام 2017 وما تلاه، تم بيع جزء كبير من أصولها ومنصاتها التقنية، بما في ذلك الملكية الفكرية وعقود العملاء، لشركات أخرى متخصصة في إدارة تجربة العملاء. كان أبرز هذه الصفقات هو استحواذ شركة إن مومنت (InMoment)، وهي مزود رائد لحلول إدارة تجربة العملاء السحابية، على الأجزاء الرئيسية من منصة أتنسيتي للتحليلات. وقد أتاح هذا الاستحواذ لشركة إن مومنت دمج قدرات التحليل الدلالي العميق التي اشتهرت بها أتنسيتي ضمن مجموعتها الحالية من أدوات جمع البيانات الكمية، مما عزز من قوتها في تحليل البيانات غير المهيكلة ضمن نظام بيئي متكامل.

وعلى الرغم من تفكك الكيان المؤسسي لشركة أتنسيتي، فإن إرثها التكنولوجي ظل مؤثرًا. لقد ساهمت الشركة في ترسيخ أهمية التحليل الدلالي كعنصر لا غنى عنه في استخبارات الأعمال. وقد أثبتت نماذجها المتقدمة أن دقة تحليل المشاعر تتطلب فهمًا أعمق للغة يتجاوز مجرد تحديد الكلمات الإيجابية والسلبية. كما أن خروجها من السوق عزز الاتجاه نحو تكامل حلول تحليلات النصوص مع منصات تجربة العملاء الأوسع نطاقًا، بدلاً من تقديمها كمنتجات قائمة بذاتها. لقد شكلت أتنسيتي نموذجًا مبكرًا لكيفية دمج علوم اللغة الحاسوبية المعقدة في تطبيقات تجارية ذات قيمة عالية.

مراجع إضافية