Textio, Sebuah Startup Yang Menganalisa Performa Teks
“Kata-kata dan penataan tertentu dalam suatu dokumen biasanya lebih banyak menarik minat orang untuk membacanya dibandingkan dengan yang tidak menggunakannya. Atas dasar pemikiran tersebut Kieran Snyder melahirkan Textio, sebuah startup unik yang baru-baru ini mendapatkan pendanaan sebesar $8 juta”
– catatan editor –
Artikel asli dalam Bahasa Inggris oleh: Matthew Lynley
Ditranslasikan ke dalam Bahasa Indonesia oleh: Edy Kesuma
Dicek dan ditinjau ulang oleh: Reopan editor
CEO Textio, Kieran Snyder mengambil sebuah pendekatan kuantitatif tentang bagaimana bahasa bekerja dalam studi linguistiknya. Dan ketika dia dan co-foundernya Jensen Harris berhenti dari Microsoft dan memulai sebuah perusahaan baru, adalah hal yang alami jika bidangnya masih berada ruang lingkup tentang bahasa.
Itulah bagaimana Textio, sebuah startup unik yang menganalisa teks tentang seberapa baiknya kata-kata dan frase ditampilkan dalam skenario tertentu, dilahirkan. Perusahaan saat ini dikatakan telah menerima pendanaan sampai $8 juta dari Emergence Capital. Cowboy Venture, Bloomberg Beta, dan Upside Partnership juga ikut berpartisipasi dalam deretan pendanaan.
“Kami memiliki dasar pemikiran bahwa pengolah kata teks belum dikacaukan untuk sementara waktu, dari bentuk command line sampai GUI,” kata CEO Kieran Snyder. “Kita melihat internet telah datang, dimana ini adalah tentang bersosialisasi dan berbagi, dan kami berpikir bahwa kecerdasan buatan dan teknologi lainnya yang berkaitan merupakan pengacau besar untuk teks nantinya. Jika anda mengetahui performa suatu dokumen sebelum diterbitkan, maka anda dapat memperbaiki beberapa hal sebelum dokumen itu diterbitkan.”
Penerapan pertama Textio digunakan untuk melihat dokumen perekrutan tenaga ahli – seperti daftar lowongan pekerjaan – untuk menentukan seberapa baiknya mereka ditampilkan kepada para kandidat. Kata-kata dan penataan tertentu lebih menarik banyak kandidat dibandingkan dengan yang lainnya, Snyder menemukan hal tersebut, dan analisis prediktif ini dimatangkan di dalam layanannya. Sebagai contoh, Textio memperlihatkan dokumen lowongan pekerjaan yang terdapat daftar poin-poin memiliki performa yang lebih baik dibandingkan dengan lowongan kerja yang tidak memilikinya.
Saat ini, teknologi ini digunakan dalam dokumen perekrutan tenaga ahli, namun mudah dilihat bahwa teknologi ini bisa diterapkan pada dokumen-dokumen yang termasuk dalam frasa umum seperti, email, resume, atau bentuk catatan pesan lainnya. Jika teknologi ini berjalan, secara teori bisa digunakan untuk menentukan skor atau nilai dari dokumen-dokumen tersebut, yang mana yang akan menarik minat para investor pada suatu produk dan anggota timnya.
Alasan lain yang mungkin bernilai bagi para investor? Adalah para konsumen. Textio sudah digunakan oleh perusahaan-perusahaan seperti Twitter, Atlassian, Starbucks, Square dan Microsoft. Teknologi NFL (Natural Language Processing) memiliki penerapan yang luas jika dijalankan dengan baik, yang mana akan membuatnya menjadi taruhan yang menarik bagi para investor.
Textio mengenali lebih dari 60,000 frasa dengan teknologi prediksinya, kata Snyder, dan kumpulan data tersebut terus berubah sesuai berjalannya penggunaan. Teknologi ini melihat bagaimana kata-kata ditempatkan bersama-sama – seperti bagaimana kepadatan kata kerja dalam suatu susunan kata – dan sintaks-relatif yang mungkin dimiliki oleh dokumen tersebut. Semua hasil itu ditempatkan bersama-sama dalam sebuah skor atau nilai suatu dokumen, berdasarkan bagaimana kemungkinan suksesnya apapun yang penulis sampaikan di dalamnya.
Dengan pertimbangan siapa yang suka menggunakan Textio, sangatlah penting merasakan bahwa ini mudah untuk digunakan – menampilkan highlight hal penting dan kotak drop-down dibandingkan dengan membaca keseluruhan. Snyder berkata, pada intinya, Textio tidak dapat dirasakan seperti alat bantu statistik, dan hal itu mungkin disebabkan berbagai macam orang yang menggunakannya mungkin tidak selalu orang yang ahli dalam NLP (Natural Language Processing).
Tentu saja, terdapat kompetitor potensial dalam bidang ini jika menyangkut NLP. Sudah ada perangkat bantu seperti IBM Watson yang dapat menganalisa teks, dan secara teori, memiliki kemiripan bentuk hasil. Namun Snyder berkata hasil dari Textio akan lebih baik karena mereka menggunakan konten yang spesifik – seperti kasus dokumen-dokumen perekrutan tenaga ahli.
