Amazon Comprehend 客户与合作伙伴

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。

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。

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。

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%。

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。

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。

 

我们的 Sparq 平台可以将来自任何源的最重要客户数据（包括交易、态度、情感和意图数据）连接起来，以构建动态客户个人资料，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%。

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。

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。

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。

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。