เทคโนโลยี MarketMuse NLG กับ GPT-3

ด้วยความสนใจใน GPT-3 เมื่อเร็ว ๆ นี้ เราจึงตัดสินใจที่จะดูว่ามันเปรียบเทียบกับเทคโนโลยี MarketMuse NLG อย่างไร ซึ่งคล้ายกับกระบวนการที่ใช้ในการประเมิน GPT-2

ก่อนดำดิ่งสู่ตัวอย่าง ต่อไปนี้คือภาพรวมคร่าวๆ ของปัจจัยที่สร้างความแตกต่างของเทคโนโลยี MarketMuse NLG

• ต่างจาก GPT-3 ในหัวข้อหนึ่งๆ เราสร้างบทความทีละชิ้น โดยใช้บรีฟเนื้อหาเป็น 'แกนหลัก'
• จากหัวข้อ เราสร้างบทสรุปเนื้อหา โดยมีโครงสร้างเป็นหัวข้อย่อยและหัวข้อที่เกี่ยวข้อง เราใช้เป็นแนวทาง
• สำหรับแต่ละส่วนโดยย่อ เราใช้หัวข้อที่เกี่ยวข้องและหัวเรื่องย่อยเป็นพรอมต์ และเราสร้างต่อไปจนกว่าเราจะผลิตผลงานที่ผ่านตัวกรองคุณภาพของเรา
• ตัวกรองของเรารวมถึงคะแนนเนื้อหาและการมีอยู่ของหัวข้อที่เกี่ยวข้องที่เราคาดว่าจะเห็นในผลลัพธ์ แต่เรายังตรวจสอบข้อผิดพลาดทางไวยากรณ์ ความหลากหลายของคำศัพท์ การลอกเลียนแบบ และการวัดความสามารถในการอ่านอื่นๆ

สามตัวอย่างเนื้อหา

GPT-3 นั้นใหญ่กว่าและดีกว่ารุ่นก่อนที่คาดคะเน แต่ไม่น่าจะใช้อินเทอร์เน็ตได้ OpenAI เผยแพร่เอกสารรายละเอียด (PDF) เกี่ยวกับโมเดลภาษาของพวกเขา สำหรับจุดประสงค์ของเรา เราไม่สนใจที่จะศึกษาวิทยาศาสตร์ที่อยู่เบื้องหลังการสร้างภาษาธรรมชาติ แต่เราใช้วิธีเชิงประจักษ์แทน

ด้านล่างนี้ คุณจะพบข้อความที่ตัดตอนมาสามข้อเกี่ยวกับความสำคัญของการอยู่บน Twitter ซึ่งเขียนโดย MarketMuse NLG Technology, GPT-3 และมนุษย์ด้วยความช่วยเหลือของ MarketMuse NLG Technology คุณสามารถบอกได้ว่าอันไหน?

เวอร์ชั่น 1

รุ่น2

เวอร์ชัน 3

เนื้อหาชิ้นใดที่มนุษย์สร้างขึ้น?

อันดับแรก มาดูกันว่าผ่านการทดสอบ “sniff” หรือไม่ บทความเหล่านี้ดูเหมือนเขียนขึ้นโดยมนุษย์หรือไม่?

มีเพียงคนเดียวเท่านั้น คุณสามารถเดาได้หรือไม่

อันแรกเขียนโดย GPT-3 อันที่สองเขียนโดยมนุษย์ และอันที่สามโดย MarketMuse NLG Technology

ถ่ายทอดข้อมูลได้ดีเพียงใด

มาตรวจสอบผลลัพธ์ของทั้งสามแนวทางกับคะแนนเนื้อหา คะแนนนักเขียน และระดับชั้นกัน

คะแนนเนื้อหาของ MarketMuse จะประเมินว่าชิ้นงานครอบคลุมหัวข้อได้ดีเพียงใดเมื่อเปรียบเทียบกับรูปแบบหัวข้อ สูงกว่าจะดีกว่า และสำหรับบทความนี้ คะแนนเนื้อหาที่แนะนำคือ 42 แม้ว่าจะไม่มีอะไรเป็นคะแนนที่สมบูรณ์แบบก็ตาม

Writer Score เป็นคะแนนที่กำหนดโดย Writer.com และขึ้นอยู่กับการสะกดคำและไวยากรณ์ เงื่อนไข รูปแบบ ความชัดเจน ความครอบคลุม และการนำส่ง ซึ่งสูงกว่าจะดีกว่า ระดับชั้นหมายถึงระดับการศึกษาที่คาดหวังซึ่งจำเป็นต่อการทำความเข้าใจเนื้อหา ระดับเกรดของงานเขียนของคุณโดยทั่วไปควรตรงกับระดับของผู้ชมของคุณ

เทคโนโลยี MarketMuse NLG

ตามที่คาดไว้ MarketMuse NLG Technology ทำได้ดีที่สุดในแง่ของการจัดการหัวข้อในแบบจำลอง ได้รับการออกแบบมาเพื่อให้แน่ใจว่าตรงตาม KPI ที่สำคัญสองประการ ได้แก่ การนับจำนวนคำ และคะแนนเนื้อหา

เทคโนโลยี MarketMuse NLG ทำได้ดีอย่างน่าประหลาดใจเมื่อพูดถึง Writer Score มีปัญหาเล็กน้อยเกี่ยวกับการสะกดและไวยากรณ์ การใช้คำ สไตล์ และความชัดเจน ระดับชั้นประถมศึกษาอยู่ในช่วงของผู้ชมเป้าหมายของบทความนี้

GPT-3

GPT-3 ก็เหมือนคนที่พูดมากแต่พูดน้อย

มีคำอธิบายง่ายๆ สำหรับ Content Score ที่ 4 บทความนี้ไม่ได้กล่าวถึงประเด็นสำคัญที่ผู้เชี่ยวชาญทำเมื่อพูดถึงความสำคัญของการอยู่บน Twitter จริงอยู่ที่โพสต์อาจน่ารักและสนุกสนาน แต่ไม่มีสาระใดๆ

ไม่เคยมีสักครั้งในเกือบ 2,400 คำเกี่ยวกับ Twitter ที่บทความพูดถึงหรืออธิบายเกี่ยวกับ:

• สื่อสังคม
• ทวีต
• ผู้ติดตามทวิตเตอร์
• การตลาดทวิตเตอร์
• แฮชแท็กที่กำลังมาแรง

ไม่ต้องพูดถึงอีก 45 หัวข้อที่คุณจะพบในโมเดลหัวข้อ MarketMuse ปัญหาคือบทความขาดโครงสร้างและความหมายโดยธรรมชาติ

ถ้ามีคนส่งบทความนั้นมา คุณจะทำอย่างไร?

โพสต์ไม่ได้บอกอะไรอย่างลึกซึ้งเกี่ยวกับความสำคัญของการอยู่บน Twitter ด้วยเหตุนี้จึงเป็นเรื่องยากมากขึ้นที่จะแก้ไขและขัดเกลาร่างนั้นให้เป็นเนื้อหาที่เผยแพร่ได้ที่มีค่า เป็นปัญหาเดียวกับที่เราค้นพบเมื่อประเมิน GPT-2

มีคำสำหรับบทความประเภทนี้ เรียกว่า "ฟู่ฟ่า"

นอกจากนี้ยังได้รับความทุกข์ทรมานจากคะแนนนักเขียนต่ำสุด นั่นเป็นผลมาจากปัญหาการสะกดและไวยากรณ์จำนวนมากพร้อมกับปัญหาอื่นๆ ที่เกี่ยวข้องกับความชัดเจน ความครอบคลุม และรูปแบบ

การเขียนในระดับ 4 เป็นข้อกังวลที่นี่ วิธีที่ดีที่สุดคือการเขียนในระดับผู้ชมของคุณ คุณเสี่ยงที่จะสูญเสียพวกเขาหากงานเขียนของคุณซับซ้อนเกินไปหรือง่ายเกินไป ในกรณีนี้ GPT-3 กำลังเขียนในระดับพื้นฐานเกินไปสำหรับผู้ชมธุรกิจ

มนุษย์

มนุษย์ ของคุณจริงๆ ได้งานที่ดีทีเดียว ถ้าฉันพูดเองได้ บทความอยู่เหนือเป้าหมายอย่างสบาย ๆ ด้วยคะแนนเนื้อหา 45 คะแนนนักเขียนที่ 99 เกือบจะสมบูรณ์แบบซึ่งควรจะเป็น ฉันใช้ปลั๊กอิน Writer for Chrome ดังนั้นฉันจึงตรวจพบข้อผิดพลาดล่วงหน้า ระดับเกรด 8 ยังอยู่ในช่วงของผู้ชมธุรกิจ

ข้อได้เปรียบของเทคโนโลยี MarketMuse NLG

GPT-3 เป็นโซลูชันในการค้นหาแอปพลิเคชัน วิธีเดียวในการเข้าถึง API คือการเข้าร่วมรายการรอที่จะอธิบายกรณีการใช้งานของคุณ แม้จะเข้าถึงได้ คุณก็ยังถูกจำกัดการใช้สิ่งที่ให้มาผ่าน Application Programming Interface

เทคโนโลยี MarketMuse NLG ถูกสร้างขึ้นเพื่อแก้ปัญหาการใช้งานเฉพาะ โดยเฉพาะอย่างยิ่ง การสร้างบทความคุณภาพ SEO แบบยาวสำหรับนักการตลาดเนื้อหา นี่คือข้อดีที่มีให้

1. ความ สอดคล้องและโครงสร้าง – ผลลัพธ์ของเทคโนโลยี MarketMuse NL ถูกกำหนดโดย MarketMuse Content Briefs ดังนั้นแบบร่างจึงมีความสอดคล้องกันและมีโครงสร้างที่ออกมาจากกล่อง GPT-3 เริ่มต้นด้วยข้อความแจ้ง แต่ไม่มีรั้วกั้น ส่งผลให้เอาต์พุตที่ไม่มีโครงสร้างไม่เหมาะกับเนื้อหาคุณภาพ SEO
2. การควบคุม – ผู้ใช้สามารถสร้าง MarketMuse Content Briefs ของตนเองได้ก่อนที่จะสั่งซื้อแบบร่าง ระบุหัวข้อที่บทความควรกล่าวถึง คำถามที่ควรตอบ และส่วนต่างๆ ของบทความ GPT-3 ให้การควบคุมเพียงเล็กน้อยว่าหัวข้อใดรุ่นหนึ่งกล่าวถึงและคำถามใดที่เนื้อหาตอบ
3. สิ่งพิมพ์พร้อม - เอาต์พุตเทคโนโลยี MarketMuse NLG สามารถแก้ไขได้เป็นเนื้อหาที่พร้อมสำหรับการเผยแพร่ภายใน 1-2 ชั่วโมง เอาต์พุต GPT-3 จะใช้เวลาหลายชั่วโมงในการแก้ไขเนื้อหาที่พร้อมสำหรับการเผยแพร่
4. ความเสื่อมโทรม การลอกเลียนแบบ การทำซ้ำ – MarketMuse NLG Technology สร้างข้อความที่ปราศจากความเสื่อมโทรมที่ความยาว การลอกเลียนแบบ และการทำซ้ำ เอาต์พุต GPT-3 ไม่ตรวจสอบความเสื่อมโทรม การลอกเลียนแบบ หรือการทำซ้ำ
5. การฝึกอบรม – เทคโนโลยี MarketMuse NLG ได้รับการฝึกอบรมเกี่ยวกับบทความจากชุดข้อมูลที่ได้รับการดูแลจัดการ (ซึ่งไม่รวมเนื้อหาเกี่ยวกับผู้หญิง เหยียดผิว และสำหรับผู้ใหญ่) เพื่อปรับปรุงผลลัพธ์ของคนรุ่นต่อรุ่น GPT-3 ได้รับการฝึกอบรมจากทั่วทั้งเว็บ ซึ่งรวมถึงเนื้อหาที่มีคุณภาพต่ำ โจ่งแจ้ง และแสดงความเกลียดชัง นำไปสู่รุ่นที่มีคุณภาพต่ำ
6. การ กำหนดค่า – เทคโนโลยี MarketMuse NLG สามารถกำหนดค่าให้เขียนในสไตล์ของคุณหรือตามที่คุณต้องการเลียนแบบ ตลอดจนเรียนรู้คำศัพท์ใหม่ๆ เมื่อเวลาผ่านไป GPT-3 สามารถสร้างข้อความตามพารามิเตอร์ของโมเดลเท่านั้น โดยกำหนดค่าได้เพียงเล็กน้อยหรือไม่มีเลย
7. ความยาวของบทความ – เทคโนโลยี MarketMuse NLG สามารถสร้างบทความได้มากถึง 5,000 คำตามความยาวของบทสรุปเนื้อหา MarketMuse GPT-3 สามารถสร้างคำได้มากถึง ~ 1,200 คำเท่านั้น

The Takeaway

ปรับขนาดการสร้างเนื้อหาของคุณโดยไม่ต้องปรับขนาดค่าใช้จ่ายและความปวดหัวของคุณ เทคโนโลยี MarketMuse NLG ช่วยเร่งการสร้างเนื้อหาโดยใช้ AI เพื่อสร้างบทความฉบับร่างโดยอิงจากบทสรุปเนื้อหา MarketMuse ทำให้ต้นทุนเนื้อหาของคุณคาดเดาได้และคุณภาพของคุณสม่ำเสมอโดยให้ AI ทำงานเพื่อให้คุณมีร่างเริ่มต้นที่แข็งแกร่ง