Yabble
ਗਾਹਕ ਫੀਡਬੈਕ ਤੋਂ ਤੇਜ਼, ਬਾਰੀਕੀ ਵਾਲੀਆਂ ਜਾਣਕਾਰੀਆਂ ਦੇਣ ਲਈ GPT‑3 ਦੀ ਵਰਤੋਂ।
Yabble ਆਪਣੇ ਵਰਤੋਂਕਾਰਾਂ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਗਾਹਕ ਜਾਣਕਾਰੀਆਂ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਉਹਨਾਂ ਦੀ ਕਾਰੋਬਾਰੀ ਰਣਨੀਤੀ ਨੂੰ ਦਿਸ਼ਾ ਮਿਲੇ। OpenAI ਦੇ GPT‑3 ਨਾਲ, ਉਹ ਹੋਰ ਸਮ੍ਰਿੱਧ ਨਤੀਜੇ ਹੋਰ ਤੇਜ਼ੀ ਨਾਲ ਦੇ ਸਕਦੇ ਹਨ।
ਕੋਈ ਵੀ ਸਮਝਦਾਰ ਕਾਰੋਬਾਰੀ ਫੈਸਲਾ ਕਾਰਵਾਈਯੋਗ ਜਾਣਕਾਰੀਆਂ ‘ਤੇ ਆਧਾਰਿਤ ਹੁੰਦਾ ਹੈ—ਚਾਹੇ ਉਹ ਨਵਾਂ ਉਤਪਾਦ ਲਾਂਚ ਕਰਨ ਦੀ ਪਛਾਣ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ, ਮੌਜੂਦਾ ਸੇਵਾਵਾਂ ਨੂੰ ਅੱਪਗ੍ਰੇਡ ਕਰਨ, ਜਾਂ ਇਹ ਸਮਝਣ ਵਿੱਚ ਕਿ ਗਾਹਕ ਕਿਸੇ ਉਤਪਾਦ ਬਾਰੇ ਕੀ ਪਸੰਦ ਕਰ ਰਹੇ ਹਨ (ਜਾਂ ਨਹੀਂ ਕਰ ਰਹੇ)। ਹਾਲਾਂਕਿ, ਕਾਰੋਬਾਰੀ ਨੇਤਾ ਇਸ ਗੱਲ ਨਾਲ ਭਲੀਭਾਂਤ ਜਾਣੂ ਹਨ ਕਿ ਕਾਰੋਬਾਰੀ ਰਣਨੀਤੀ ਲਈ ਲੋੜੀਂਦੀਆਂ ਜਾਣਕਾਰੀਆਂ ਹਾਸਲ ਕਰਨ ਵਾਸਤੇ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਗਾਹਕ ਪ੍ਰਤੀਕਿਰਿਆ ਨੂੰ ਛਾਂਟਣਾ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਕਿੰਨਾ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ।
2017 ਤੋਂ ਸ਼ੁਰੂ ਕਰਦੇ ਹੋਏ, Yabble ਨੇ ਇੱਕ ਐਸਾ ਪਲੇਟਫਾਰਮ ਬਣਾਇਆ ਜਿੱਥੇ ਸੰਸਥਾਵਾਂ ਸਰਵੇਖਣਾਂ ਜਾਂ ਗਾਹਕ ਪ੍ਰਤੀਕਿਰਿਆ ਫਾਰਮਾਂ ਰਾਹੀਂ ਸਾਂਝੇ ਕੀਤੇ ਹਜ਼ਾਰਾਂ ਗਾਹਕ ਡਾਟਾ ਬਿੰਦੂਆਂ ਦਾ ਆਸਾਨੀ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦੀਆਂ ਸਨ ਅਤੇ ਸਪਸ਼ਟ, ਡਾਟਾ-ਸਮਰਥਿਤ ਜਾਣਕਾਰੀਆਂ ਇਕੱਠੀਆਂ ਕਰ ਸਕਦੀਆਂ ਸਨ। 2021 ਵਿੱਚ, ਉਨ੍ਹਾਂ ਨੇ Yabble Query, ਸ਼ਾਮਲ ਕੀਤਾ, ਇੱਕ ਐਸਾ ਟੂਲ ਜੋ ਵਰਤੋਂਕਾਰਾਂ ਨੂੰ ਆਪਣੇ ਹੀ ਡਾਟਾ ਨੂੰ ਬਿਹਤਰ ਸਮਝਣ ਲਈ Yabble ਨੂੰ ਅਨੇਕਾਂ ਸਵਾਲ ਪੁੱਛਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਵਰਤੋਂਕਾਰਾਂ ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਸਵਾਲਾਂ ‘ਤੇ ਸੰਬੰਧਤ ਜਾਣਕਾਰੀਆਂ ਦੇਣ ਲਈ AI-ਚਲਿਤ ਐਲਗੋਰਿਥਮ ਵਰਤਦਾ ਹੈ ਤਾਂ ਜੋ ਉਹ ਡਾਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ‘ਤੇ ਘੱਟ ਸਮਾਂ ਅਤੇ ਕਾਰੋਬਾਰ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ ‘ਤੇ ਵੱਧ ਸਮਾਂ ਲਗਾ ਸਕਣ। ਇਸ ਸਾਲ, ਉਨ੍ਹਾਂ ਨੇ Yabble Count, ਪੇਸ਼ ਕੀਤਾ, ਜੋ ਇੱਕ AI ਟੂਲ ਹੈ ਅਤੇ ਹਜ਼ਾਰਾਂ ਟਿੱਪਣੀਆਂ ਅਤੇ ਹੋਰ ਗੈਰ-ਸੰਰਚਿਤ ਡਾਟਾ ਸੈੱਟਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ, ਉਨ੍ਹਾਂ ਨੂੰ ਭਾਵਨਾ ਅਨੁਸਾਰ ਵਰਗੀਕ੍ਰਿਤ ਕਰਦਾ ਹੈ, ਅਤੇ ਗਾਹਕਾਂ ਨਾਲ ਗੂੰਜ ਰਹੇ ਮੁੱਖ ਵਿਸ਼ਿਆਂ ਅਤੇ ਫੀਡਬੈਕ ਨੂੰ ਸਮਝਣ ਲਈ ਡਾਟਾ ਨੂੰ ਥੀਮਾਂ ਅਤੇ ਉਪ-ਥੀਮਾਂ ਵਿੱਚ ਵਿਵਸਥਿਤ ਕਰਦਾ ਹੈ।
ਜਦੋਂ ਕਿ Yabble ਕੁਝ ਸਭ ਤੋਂ ਵੱਡੇ ਬ੍ਰਾਂਡਾਂ ਨੂੰ ਆਪਣੇ ਗਾਹਕਾਂ ਨੂੰ ਬਿਹਤਰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਕੇ ਸਫਲਤਾ ਦੇਖ ਰਿਹਾ ਸੀ, ਉਹ ਆਪਣੇ ਗਾਹਕਾਂ ਦੇ ਡਾਟਾ ਤੋਂ ਕਾਰਵਾਈਯੋਗ ਜਾਣਕਾਰੀਆਂ ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਹੱਥੋਂ ਕੀਤੀ ਮਿਹਨਤ ਵਿੱਚ ਫਸ ਰਿਹਾ ਸੀ। ਉਹ ਡਾਟਾ ਸੈੱਟਾਂ ਨੂੰ ਤਰਜਮਾ ਕਰਨ ਵਿੱਚ ਦਿਨਾਂ ਜਾਂ ਹਫ਼ਤਿਆਂ ਤੱਕ ਲਗਾ ਦਿੰਦੇ ਸਨ—ਜਦ ਤੱਕ ਕਿ ਉਨ੍ਹਾਂ ਨੇ OpenAI ਨਾਲ ਕੰਮ ਨਹੀਂ ਕੀਤਾ।
Yabble ਦੇ ਪ੍ਰੋਡਕਟ ਮੁਖੀ ਬੇਨ ਰੋ ਕਹਿੰਦੇ ਹਨ, “ਵਰਤੋਂਕਾਰਾਂ ਨੂੰ ਇਹ ਬਹੁਤ ਪਸੰਦ ਸੀ ਕਿ ਆਖ਼ਿਰਕਾਰ ਵੱਡੇ ਪੱਧਰ ਦੇ ਡਾਟਾ ਅਤੇ ਫੀਡਬੈਕ ਫਾਰਮਾਂ ਨੂੰ ਸਮਝਣਾ ਆਸਾਨ ਹੋ ਗਿਆ ਸੀ ਅਤੇ ਉਹ ਜਾਣਕਾਰੀ ਸਮਝਣਯੋਗ ਢੰਗ ਨਾਲ ਪੇਸ਼ ਕੀਤੀ ਜਾ ਰਹੀ ਸੀ, ਪਰ ਕੁਝ ਗਾਹਕਾਂ ਲਈ ਡਾਟਾ ਸੈੱਟਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਵਿੱਚ ਹਫ਼ਤੇ ਲੱਗ ਜਾਂਦੇ ਸਨ।” “ਅਸੀਂ ਜਾਣਦੇ ਸੀ ਕਿ ਜੇ ਅਸੀਂ ਆਪਣੀਆਂ ਮੌਜੂਦਾ ਪੇਸ਼ਕਸ਼ਾਂ ਦਾ ਵਿਸਥਾਰ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ, ਤਾਂ ਸਾਨੂੰ ਬਹੁਤ ਸਾਰਾ ਭਾਰੀ ਕੰਮ ਕਰਨ ਲਈ ਕ੍ਰਿਤ੍ਰਿਮ ਬੁੱਧਿਮਤਾ ਦੀ ਲੋੜ ਸੀ ਤਾਂ ਜੋ ਅਸੀਂ ਆਪਣਾ ਸਮਾਂ ਅਤੇ ਰਚਨਾਤਮਕ ਊਰਜਾ ਹੋਰ ਥਾਵਾਂ ‘ਤੇ ਲਗਾ ਸਕੀਏ—OpenAI ਇਸ ਲਈ ਬਿਲਕੁਲ ਉਚਿਤ ਸੀ।”
“ਅਸੀਂ ਜਾਣਦੇ ਸੀ ਕਿ ਜੇ ਅਸੀਂ ਆਪਣੀਆਂ ਮੌਜੂਦਾ ਪੇਸ਼ਕਸ਼ਾਂ ਦਾ ਵਿਸਥਾਰ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ, ਤਾਂ ਸਾਨੂੰ ਬਹੁਤ ਸਾਰਾ ਭਾਰੀ ਕੰਮ ਕਰਨ ਲਈ ਕ੍ਰਿਤ੍ਰਿਮ ਬੁੱਧਿਮਤਾ ਦੀ ਲੋੜ ਸੀ ਤਾਂ ਜੋ ਅਸੀਂ ਆਪਣਾ ਸਮਾਂ ਅਤੇ ਰਚਨਾਤਮਕ ਊਰਜਾ ਹੋਰ ਥਾਵਾਂ ‘ਤੇ ਲਗਾ ਸਕੀਏ—OpenAI ਇਸ ਲਈ ਬਿਲਕੁਲ ਉਚਿਤ ਸੀ।”
OpenAI ਦੀਆਂ GPT‑3 ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਸਮਝਣ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, Yabble ਜਟਿਲ ਅਤੇ ਗੈਰ-ਸੰਰਚਿਤ ਡਾਟਾ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਸੰਬੰਧਿਤ ਥੀਮਾਂ ਅਤੇ ਉਪ-ਥੀਮਾਂ ਵਿੱਚ ਬਦਲ ਸਕਿਆ। GPT‑3 ਦੀ ਵਰਤੋਂ ਨਾਲ, ਉਹ ਡਾਟਾ ਸੈੱਟ ਜਿਨ੍ਹਾਂ ਨੂੰ ਕੋਡ ਕਰਨ ਅਤੇ ਉਨ੍ਹਾਂ ਤੋਂ ਜਾਣਕਾਰੀਆਂ ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਆਮ ਤੌਰ ‘ਤੇ Yabble ਦੀਆਂ ਟੀਮਾਂ ਨੂੰ ਦਿਨ ਲੱਗ ਜਾਂਦੇ ਸਨ, ਹੁਣ ਮਿੰਟਾਂ ਵਿੱਚ ਅਰਥਪੂਰਨ ਥੀਮਾਂ ਵਿੱਚ ਤਬਦੀਲ ਹੋ ਰਹੇ ਸਨ। GPT‑3 ਨੇ Yabble Query ਨੂੰ ਵਰਤੋਂਕਾਰਾਂ ਦੇ ਹੋਰ ਜਟਿਲ ਸਵਾਲਾਂ ਨੂੰ ਸਮਝਣ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਦੀ ਵੀ ਸਮਰੱਥਾ ਦਿੱਤੀ ਅਤੇ ਹੋਰ ਸਬੰਧਤ ਜਾਣਕਾਰੀਆਂ ਨਾਲ ਜਵਾਬ ਦੇਣਾ ਸੰਭਵ ਬਣਾਇਆ, ਜੋ ਯਕੀਨੀ ਤੌਰ ‘ਤੇ ਸੰਬੰਧਿਤ ਡਾਟਾ ਸੈੱਟ ‘ਤੇ ਆਧਾਰਿਤ ਹੁੰਦੀਆਂ ਸਨ।
ਬੇਨ ਕਹਿੰਦੇ ਹਨ, “ਜਿਵੇਂ ਜਿਵੇਂ ਸਾਡਾ ਗਾਹਕ ਆਧਾਰ ਵਧਿਆ, ਲੋਕਾਂ ਦੇ ਆਪਣੇ ਡਾਟਾ ਬਾਰੇ ਸਵਾਲ ਅਤੇ ਉਹ ਕੀ ਸਮਝਣਾ ਚਾਹੁੰਦੇ ਸਨ, ਉਹ ਕੁਦਰਤੀ ਤੌਰ ‘ਤੇ ਹੋਰ ਜਟਿਲ ਹੁੰਦੇ ਗਏ।” “GPT‑3 ਨਾਲ, ਅਸੀਂ ਨਾ ਸਿਰਫ਼ Yabble Query ਵਿੱਚ ਹੋਰ ਜਟਿਲ ਅਤੇ ਬਾਰੀਕੀ ਵਾਲੇ ਸਵਾਲ ਸੰਭਾਲ ਸਕੇ, ਸਗੋਂ ਅਸੀਂ ਜੋ ਜਵਾਬ ਦੇ ਰਹੇ ਸੀ ਉਹ ਹੋਰ ਸਬੰਧਤ ਅਤੇ ਅੰਦਰੂਨੀ ਜਾਣਕਾਰੀ ਵਾਲੇ ਸਨ। Query ਸਾਡੇ ਗਾਹਕਾਂ ਲਈ ਸਿਰਫ਼ ਮਦਦਗਾਰ ਹੋਣ ਤੋਂ ਉਨ੍ਹਾਂ ਦੀ ਕਾਰੋਬਾਰੀ ਰਣਨੀਤੀ ਲਈ ਬਿਲਕੁਲ ਲਾਜ਼ਮੀ ਬਣ ਗਿਆ।”
