Development of an intelligent text analytics system using large language models.
Keywords:
large language models, text analytics, marketing, data interpretation, classification, business processes, intelligent systemsAbstract
This paper examines an approach to creating an intelligent text analytics system for marketing based on large language models. A diagram of business processes, use cases, and the system architecture are proposed. Implementation of a system based on developed business processes and architectural principles creates prerequisites for a significant increase in the efficiency of marketing, product, and analytical departments, as well as contributes to faster decision-making, improved quality of customer analytics, timely identification of trends and risks, and the formation of more accurate and well-founded strategic recommendations for the development of digital products and user communications.
References
Иванов, А. А. Анализ пользовательского контента в социальных сетях для оценки репутации бренда / А. А. Иванов, М. С. Лебедев // Маркетинг и маркетинговые исследования. – 2021. – № 4. – С. 22–31.
Соловьёв, И. В. Методы мониторинга социальных медиа в задачах управления клиентским опытом / И. В. Соловьёв, Е. А. Громова // Управление. – 2022. – № 3. – С. 45–54.
Киселёв, П. Н. Применение интеллек-туальных систем для анализа отзывов и обращений потребителей / П. Н. Киселёв, Л. В. Сафонова // Информационные системы и технологии. – 2021. – № 6. – С. 112–120.
Морозова, Т. В. Технологии анализа больших данных в маркетинге: инструменты и подходы / Т. В. Морозова, А. П. Данилов // Вестник РГГУ. Серия: Экономика. – 2018. – № 4. – С. 89–98.
Махтибеков, А. Управление репутацией бренда через социальные медиа как стратегический инструмент PR / А. Махтибеков // Theoretical & Applied Science. – 2025. – № 4(144). – С. 24-28.
Федоров, А. М. Метод интеграции больших языковых моделей в алгоритмы фокусированного мониторинга открытых данных социальных медиа / А. М. Федоров, И. О. Датьев, И. Г. Вишняков // Информатика и автоматизация. – 2025. – Т. 24, № 6. – С. 1623-1648.
Пимешков, В. К. Комбинированный метод извлечения терминов для задачи мониторинга тематических обсуждений в социальных медиа / В. К. Пимешков, М. Л. Никонорова, М. Г. Шишаев // Информатика и автоматизация. – 2024. – Т. 23, № 4. – С. 1110-1138.
Буравлев, А. С. Анализ качества реконструкции бизнес-процессов с помощью языковой модели ChatGPT / А. С. Буравлев, Д. Е. Демидова, Е. А. Ткачева // Техника средств связи. – 2025. – № 1(169). – С. 84-97.
Серова, В. С. Гибридный метод класси-фикации текстовых данных с узкоспециа-лизированной терминологией / В. С. Серова, А. В. Голлай, Е. В. Бунова // Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника. – 2025. – Т. 25, № 3. – С. 42-52.
Мухамедиев, Р. И. Облачные сервисы для обработки текстов на естественном языке / Р. И. Мухамедиев, Л. А. Анварова, Я. Кучин, А. Сымагулов // Современные информационные технологии и ИТ‑образование. – 2018. – Т. 14, № 3. – С. 540–551.
Технология обработки естественного языка / Microsoft Azure Architecture Center // Microsoft Learn. – 2023. – URL: https://learn.microsoft.com
Поспелов, Д. А. Применение методов машинного обучения для анализа текстовой информации в корпоративных системах / Д. А. Поспелов, Е. В. Крылова // Информационные системы и технологии. – 2021. – № 6. – С. 118–126.
Чернышов, А. В. Применение технологий искусственного интеллекта для автоматизации обработки текстовых данных / А. В. Чернышов, Л. С. Громова // Информационные технологии и телекоммуникации. – 2022. – Т. 10, № 1. – С. 15–27.
