Online-Shop - das Allheilmittel?

Die Regierungsbeschlüsse zu Covid-19 vom 13. März 2020 zwingen alle Geschäfte, die nicht der Grundversorgung unterliegen, geschlossen zu bleiben. Dabei trifft es jene besonders hart, die den größten Teil ihres Umsatzes f2f erwirtschaften. Bei Unternehmen, mit angebundenen Online-Shop, führt die fehlende stationäre Beratung zu großen Schwierigkeiten in der Produkt-Kommunikation.

Ist ein Produkt erklärungsbedürftig oder individuell abgestimmt auf den Kunden, benötigt es oft zusätzliche Beratung vor Ort, auch wenn der Kauf digital abgewickelt wird. Beispiele für solche Produkte sind Fahrräder oder Ski. Dasselbe gilt auch, wenn die Auswahl des Produktsortiments den Kunden überfordern kann. Dadurch kann selbst bei vorhandenen Online-Shop die Conversion unter den Covid-19-Maßnahmen leiden.

Es geht nicht ohne Entscheidungshilfe

Hier kann Online-Beratung den entscheidenden Mehrwert für den Kunden bringen. Wie dies schnell und sauber umgesetzt werden kann, zeigen die drei nachfolgenden Konzepte von führenden Unternehmen auf ihrem Sektor. Dies führte zu einer Stärkung der Kundenbeziehung und hilft den Unternehmen besser durch diese Krise zu kommen.

1. Ikea Möbelvertrieb OHG

Unter der Headline “Kostenlose Online Expertenplanung” bietet der schwedische Möbelhändler seinen (potenziellen) Kunden weiterhin Beratung und Fachexpertise.

Planungsthemen, die bis jetzt von Fachpersonal vor Ort übernommen wurden, sind hier kategorisiert und durch klare Call-to-Actions dargestellt. Nach Auswahl des Themenbereiches erfolgt entweder eine Weiterleitung zu spezifischen Fragen oder die Auswahl eines Termins für ein persönliches Gespräch mit einem Berater via Telefon und Bildschirmübertragung.

» Hier geht’s zum Konzept

2. OBI Group Holding

Der Baumarkt setzt in Puncto Online-Beratung auf seine App “heyOBI”. Diese bietet kostenlose Beratung via Nachricht, Telefon oder Videotelefonie, wobei der Kunde eine für ihn passende Form der Beratung auswählen kann. Grundvoraussetzung ist ein OBI Kundenkonto, das in einigen wenigen Schritten erstellt werden kann.

Dadurch werden Persönlich identifizierende Informationen (PII) generiert, welche an das Thema Datenmangement andocken und für alle weiteren Marketingzwecke genutzt werden können. Die Downloads während Covid-19  spielen somit zusätzlich in das Leadmanagementkonzept von OBI ein.

» Hier geht’s zum Konzept

3. INTERSPORT Austria GmbH

Intersport schaffte den Wechsel von stationärer Beratung auf Online-Beratung mit der Integration eines Online-Formulars auf der bestehenden Website. Mithilfe dieses Formulars ist es möglich ein telefonisches Gespräch mit einem Berater aus seinem Lieblingsstandort  zu vereinbaren. Dabei stehen unterschiedliche Timeslots und Themenbereiche zur Verfügung. Die Besonderheit dieses Services ist die Möglichkeit einen direkten Verkaufsabschluss per Telefon zu tätigen.

» Hier geht’s zum Konzept

Automatisierung ist der Schlüssel

Die drei vorangegangenen Lösungen für digitale Beratung haben etwas gemeinsam – dahinter liegen automatisierte Prozesse.
Dabei wird der gesamte Workflow:

» Terminfindung durch dynamischen Kalender
» Vorabbefragung
» Benachrichtigung bspw. Terminerinnerung
» Nachfassen des Termins

vollautomatisch durchgeführt. Eine manuelle Kette über ein einfaches Formular würde theoretisch funktionieren, ist aber nicht userfreundlich, ein großer Aufwand für die Unternehmen und kann zu Problemen in der Abwicklung führen. Zusätzlich ist es wichtig die Daten, die dabei generiert werden, strukturiert zu erfassen um den Kunden darauf aufbauend den besten Service zu bieten.

So geht’s richtig!


Soft Facts
  • Information über den Gesprächspartner dem Mitarbeiter zur Verfügung stellen
  • Interne Guidlines und Gesprächsleitfaden für Berater definieren
  • Dokumentation des Beratungsgesprächs (im besten Fall direkt im Customer-Relationship-Management System)
  • Puffer-Zonen von mindestens 10 Minuten zwischen den Terminen  für den Mitarbeiter einplanen
  • Follow-Up nach der Online-Beratung an den Kunden senden
      1. Bestellbestätigung
      2. Kundenbindung – Vielen Dank für das Gespräch!
      3. Versand eines Rabattcodes, Back in stock Angeboten
Hard Facts
  • Website, App
  • Klar definierte CTAs
  • Integriertes Formular (PII)
  • Termin-Kalender Funktion (Advanced)
  • Geeignete Technologie passend zur Beratungsform
  • CRM-System mit Marketing-Automation (Advanced)

Gekommen um zu bleiben?

Welche Vorteile könnte eine Online-Beratung nach Ende der Maßnahmen bedeuten:

+   Ergänzend zu Retail-Stores, kann Online als Verkaufsfläche dienen

+   Möglichkeit der Erklärung von komplexen Produkten im Online-Handel

+   Wachsendes Know-how im Umgang mit Online-Videos bei Kunden und Mitarbeitern

+   Service on demand: zeitlich flexible Online-Beratung (Terminkalender)

+   Up- und Crossselling im persönlichen Gespräch möglich

  Fehlendes Einkaufserlebnis für den Kunden

  Testmöglichkeit des Produktes nicht gegeben (Produktqualität)

  Abgabe von persönlichen Daten als Barriere für den Kunden (Datensicherheit)

Und jetzt?

Mit dem 14. April 2020 dürfen per Erlass Geschäfte unter 400 qm wieder öffnen. Dies bedeutet kleine Einzelhandelsunternehmen werden langsam aus der Schockstarre wieder erwachen. Ein Zurückkehren zur Normalität ist allerdings noch nicht absehbar. Einige sprechen sogar von der neuen Normalität. Trends zeigen, dass durch Covid-19 die Entwicklung hin zum Online-Handel um ein vielfaches beschleunigt wurde. Dies bedeutet: Es ist wichtig sich auch langfristig diesen neuen Gegebenheiten anzupassen.

Webshops und die ersten Online-Auftritte kleiner Marken werden die Dinge sein, die uns aus dieser Krise erhalten bleiben.  Eine dieser Initiativen wurde durch die Plattform mein-handel.at bereits erfolgreich umgesetzt. Dabei wird Händlern die Möglichkeit geboten, schnell und einfach einen eigenen Online-Shop zu launchen.

Um dabei eine bestmögliche Customer Experience zu gewährleisten, haben wir unser Produktportfolio um die “506 Customer Service Plattform” kurz CSP erweitert. Damit liefern wir eine simple Automatisierungslösung, um mit Kunden Beratungsgespräche für erklärungsintensive Produkte per Videotelefonie durchführen zu können.

Herausragend an der Arbeit sind aber nicht nur die Resultate, sondern auch die Methoden, mit denen dies erreicht wurde. Diese zeigen auch den Weg auf, mit dem weitere Verbesserungen erzielt werden können. Es ist damit zu rechnen, dass analog zur Veröffentlichung von Googles Sprachmodell “BERT” (https://en.wikipedia.org/wiki/BERT_(language_model) ) ein Wettlauf für Weiterentwicklungen unter den Wissenschaftlern gestartet wurde, an dessen Ende Dialoge auf menschlichem Niveau möglich sein werden.

Quelle: www.pexels.com

Dieser Chatbot ist nicht nur auf ein Spezialgebiet optimiert

Auf dem “Preprint” Server “arXiv” kann seit Januar 2020 jeder die Arbeit “Towards a Human-like Open-Domain Chatbot” einsehen und lesen. Beschäftigt man sich näher damit, erkennt man die Dimension des Fortschritts, der hier auf diesem Gebiet erreicht wurde. Wie der Titel schon sagt, wird hier kein Chatbot für ein bestimmtes Wissensgebiet entwickelt, sondern eine Möglichkeit gezeigt, ein System zu schaffen, das quasi Universalwissen ähnlich wie ein Mensch hat und mit dem man sich über jedes Wissensgebiet unterhalten kann.

Viele zum Teil schon gut funktionierende Anwendungen von Chatbots sind auf einen Anwendungsfall oder ein Wissensgebiet fokussiert und mittels speziellen Regeln und dem Einsatz von Machine Learning für “Intent Matching” und “Entity Recognition” aufwändig auf einen Spezialfall hin getrimmt. Auf der anderen Seite sind bisherige Versuche von allgemeinen Chatbots noch sehr mäßig in der Qualität gewesen (z.B. Mitsuku).

Quelle: https://arxiv.org/pdf/2001.09977.pdf

Die Beispiel-Dialoge, die in der Arbeit und in größerer Sammlung auf einer Website dokumentiert sind, wirken beeindruckend. Das auf den Namen “Meena” getaufte System antwortet dabei nicht – wie in bisherigen Ansätzen oft zu sehen war – im Stile eines Politikers mit vagen und ausweichenden Formulierungen, um nur ja keine Fehler zu machen, sondern mit sehr spezifischen Antworten und trotzdem meist korrekt.

Ein Beispiel für einen Dialog mit “Meena”

Mensch: Hi!

Meena: Hi! How are you this fine evening?

Mensch: I’m doing well. it’s morning my time!

Meena: Good morning! What are your plans for today?

Mensch: Get my work done then watch a movie at home in the night

Meena: Sounds fun! What movie?

Mensch: I haven’t decided yet, perhaps an Oscarnominated one. any suggestion?

Meena: I’m not too familiar with recent Oscar winners, but I do know I wanted to see The Grand Budapest Hotel.

Mensch: ah, tell me about that movie!

Meena: It’s from the same director and writer as Moonrise Kingdom. Wes Anderson is pretty well known for making funny, colorful films. I’ve heard it’s pretty good.

Mensch: ha! I’ve searched on the internet and both movies are very colorful!

Meena: I’m looking forward to it. I love colorful movies

Meena kann den Kontext der Unterhaltungen erfassen

Was sofort auffällt ist, dass “Meena” bei einer Antwort auf den vorangegangenen Verlauf der Konversation eingeht, also den thematischen Kontext zuordnen kann und daher passende Antworten gibt. Dies ist eines der am schwierigsten zu lösenden Probleme bei der Entwicklung eines künstlichen Gesprächspartners, der wie ein Mensch wirken soll und wurde hier sehr gut gelöst.

Wie schon oben erwähnt, gibt “Meena” sehr spezifische Antworten je nach Frage und Kontext. Um dies zu erreichen haben die Autoren eine neue  Methode entwickelt, um die Qualität von menschlichen und künstlichen Dialogen evaluieren zu können, die nicht nur die Korrektheit der Antworten mit einbezieht, sondern auch wie spezifisch sie sind. Mit dieser Metrik war es dann möglich, “Meena” besser zu evaluieren und optimieren.

“Brute Force” – “End to End” als Lösungsansatz

Noch beeindruckender als die Resultate finde ich die Methoden, mit denen diese erreicht wurden. Die Entwickler wählten eine riesige Neuronale Netz Architektur, eine verbesserte Version des sogenanntes Transformer Modells mit in diesem Fall 2.6 Milliarden Parametern und optimierten dieses dann mit einer gigantischen Menge an Trainingsdaten. Diese in Form von 341 GB an Text vorliegenden Daten wurden aus öffentlichen Dialogen aus den sozialen Medien gewonnen und geeignet gefiltert.

Der Lösungsansatz legt geradezu nahe, die Methode mit noch mehr Daten und noch leistungsfähigeren Modellen zu verbessern und mit weiteren Verfeinerungen der Auswahl der passenden Antworten noch näher an die menschliche Dialogfähigkeit heran zu bringen.

„Wir werden vermutlich noch im Jahr 2020 die ersten konkreten Implementierungen und Anwendungen von “Meena” im Web finden und in nicht zu ferner Zukunft Produkte in unserem Alltag finden, die dies einsetzen. “

PROF. (FH) DR. ANDREAS STÖCKL

HEAD OF CUSTOMER DATA MANAGEMENT

Choropleth – das bewusste Spiel mit Farben

Bei diesem Darstellungstyp werden Regionen auf Karten gemäß ihrer Zahlenwerte eingefärbt. In Abbildung 1 beispielsweise wurde ein Land dann gelb dargestellt, wenn dort 1 bis 9 Menschen am SARS-Coronavirus erkrankt waren.

Eine wesentliche Rolle um die gewünschte Aussage zu vermitteln, spielt bei Choroplethenkarten die Wahl der Farbskala. Jede Farbe löst bei uns Menschen eine andere psychologische Wirkung aus. Dadurch können gewisse Zahlenwerte entsprechend positiv oder negativ dargestellt werden. Grün wird zum Beispiel in Grafiken meist als “richtig” oder “gut” interpretiert, während rot als warnende Signalfarbe wahrgenommen wird.

Eine Quelle für Fehlinterpretationen bei Choroplethenkarten sind die Größen der eingefärbten Regionen. Die Einfärbung ganzer Staaten beispielsweise führt dazu, dass flächenmäßig große Länder einen großen Einfluss auf den Gesamteindruck haben – unabhängig von der Bedeutung ihrer Werte für die Statistik. Russland hat in Abbildung 1 eine große Auswirkung auf das Gesamtbild der Karte, obwohl dort zum Zeitpunkt der Erstellung nur ein einziger Mensch am SARS-Coronavirus erkrankt war. Singapur hingegen hinterlässt kaum einen Eindruck, trotz 238 Erkrankungen.

1. SARS Ausbruch in 2002/2003

In einem Choropleth wird viel Wert auf die Landfläche gelegt, obwohl Größe und Bevölkerung in keinem Zusammenhang stehen. Ein hoher Wert in flächenmäßig großen Staaten mit niedriger Bevölkerungsdichte wird bedeutender wahrgenommen als ein hoher Wert in kleinen Staaten mit hoher Bevölkerungsdichte.

Dotplot – auf den Punkt gebracht

Unter Dotplots versteht man Streudiagramme, bei denen die x- und y-Achsen auf einer Karte dargestellt werden. Durch Größe, Farbe und Form der einzelnen Elemente können zusätzliche Informationen transportiert werden.

Abbildung 2: Übersicht über Krankenhäuser in Österreich, die für Corona-Virus-Verdachtsfälle und -Erkrankungen ausgerüstet sind vom österreichischen Innenminister.

Quelle: Tweet des Österreichischen Gesundheitsministers https://twitter.com/rudi_anschober/status/1232223533239095296

Abbildung 2 zeigt Punkte mit unterschiedlichen Radien um die Standorte von Krankenhäusern. Der Informationsgrafik ist aber nicht zu entnehmen, welche Daten oder welche Informationen den Radius bestimmen. Entspricht er der Größe des Krankenhauses oder dem Einzugsgebiet? Oder sind die Radien so gewählt, um in der Darstellung zur Beruhigung der Bevölkerung eine möglichst gute Überdeckung des Bundesgebietes zu zeigen? Auch bei der Farbe scheint es so, als hätte man bewusst einen harmonischen Grün-Ton gewählt.

Quelle: https://www.caliper.com/featured-maps/maptitude-walmart-diffusion-map.html

Diese Karte zeigt die Verteilung der Wal-Mart-Geschäfte über das Gebiet der USA von den 1960er bis 2000er Jahren.

Die räumliche Verteilung der Punkte in Dotplots ist oft gleich – unabhängig von der Information, die mit Farbe dargestellt wird. So sehen zum Beispiel die meisten Dotplot-Karten der Vereinigten Staaten in etwa gleich aus: viele Punkte an der Ostküste, weniger an der Westküste und noch weniger in der Mitte. Egal ob die Zahl der Millionäre, der Wähler oder der verkauften Waschbecken dargestellt wird, die Punkte sind immer ähnlich verteilt. Die Aufteilung wird stark von der Bevölkerungsdichte beeinflusst, wodurch der eigentliche Inhalt der visualisierten Daten oftmals in den Hintergrund rückt.

Traue keiner Informationsgrafik, die du nicht selbst erstellt hast

Informationsgrafiken auf Kartenbasis sind eine hervorragende Möglichkeit, um komplexe, große Datensätze anschaulich darzustellen – und darüber hinaus ein sehr interessantes Wissensgebiet. Zum einen, um als Konsument über die wichtigsten Gefahren von Fehlinterpretationen informiert zu sein und zum anderen, um diese selbst zur Datenanalyse und Kommunikation verwenden zu können.

Eigene Kartengrafiken erstellen

Wenn Sie selbst Informationsgrafiken mit geographischen Daten erstellen wollen, bietet Google mit dem Google Datastudio ein kostenloses Werkzeug an. Damit können Karten-Visualisierungen einfach erstellt werden.

Bildquelle: https://www.nachrichten.at/wirtschaft/youtube-google-netflix-unser-lebensstil-verursacht-eine-datenflut;art15,3152300

Jeder Mensch hinterlässt ständig Datenspuren im Netz. Noch nie gab es so viele Daten wie heute. 2019 wurden jede Minute 3,8 Millionen Google-Suchanfragen getätigt und rund 1 Million US-Dollar online ausgegeben.

Experten prognostizieren, dass bereits 2025 die Datenmenge 250x so viel ist, wie die Sandkörner der Erde.

Der rasante Datenanstieg im Netz bietet für Unternehmen zahlreiche Möglichkeiten, stellt sie aber auch vor Herausforderungen. Es wird zukünftig entscheidend sein, die gesamten Daten des Unternehmens zu sammeln, sie sinnvoll zu verwalten und zu nutzen. Daraus ergeben sich viele Chancen, um Ihren Unternehmenserfolg zu steigern.

Abteilungsübergreifend von Daten profitieren

In den meisten Betrieben sammeln unterschiedliche Abteilungen, wie zum Beispiel Vertrieb oder Marketing, ihre jeweils relevanten Daten in eigenen Datenbanken. So werden Daten zum Teil doppelt gesammelt. Ebenso können vermeintlich „unnütze Daten“ für andere Abteilungen und Zwecke nützlich sein. Was dabei oft verloren geht, ist der Gesamtüberblick über Ihre Kunden und Geschäftspartner. Datenmanagement ist längst nicht mehr nur Aufgabe der jeweiligen Abteilungen. Durch effizientes Datenmanagement können Sie Daten zentral und abteilungsübergreifend sammeln und für das ganze Unternehmen gewinnbringend einsetzen.

Erste Erkenntnisse dank explorativer Datenanalyse

Sind die Daten gesammelt, können sie mithilfe einer explorativen Datenanalyse durchleuchtet werden. Hierbei werden die Daten, ohne Vorwissen über die genauen Zusammenhänge, gesichtet, untersucht und visualisiert. Anhand der Visualisierung ergeben sich bereits oft spannende Insights, die für das Unternehmen von großer Bedeutung sein können. Eine geographische Darstellung kann zum Beispiel Unterschiede in Verkaufszahlen und Kaufverhalten in verschiedenen Regionen aufzeigen. Die Datenanalyse ist die Basis, um gezielte (Marketing-) Maßnahmen abzuleiten.

Zielgruppen personalisiert erreichen

Die definierten Zielgruppen können Sie gezielt mit individuellen Botschaften und Werbemitteln ansprechen. Eine personalisierte und gezielte Zielgruppenansprache führt in weiterer Folge zu einer optimierten Kundenbindung und einer Steigerung des Umsatzes. Je persönlicher Sie eine Botschaft an Ihre Zielgruppe vermitteln, desto eher setzen sich die potenziellen Kunden, auch in Zeiten der Reizüberflutung, im Netz damit auseinander. Mit sogenannten Dynamic Ads werden die Werbemittel in Echtzeit an die Audience angepasst. So wird einem User, der sich bereits auf der Website mit einem Produkt auseinandergesetzt hat, beispielsweise im Retargeting genau dieses Produkt angezeigt. Ein neuer User hingegen erhält zu Beginn relativ breite Informationen rund um das Thema, für das er sich interessiert.

Neukunden gezielt ansprechen

Neben den bestehenden Zielgruppen sind auch potenzielle Neukunden von hoher Bedeutung. Durch gezieltes Datentracking können Sie analysieren, ob sich eine Person erstmalig auf Ihrer Website informiert und welche Bereiche und Informationen dabei relevant sind. Aus den bestehenden Daten können Lookalike Audiences gebildet werden. Dabei wird geprüft, ob andere Personen ähnliche Interessen oder ein vergleichbares Nutzungsverhalten aufweisen. In der Folge können potenzielle Neukunden optimal und individuell angesprochen werden.

Das Mediabudget effizient einsetzen

Das Ziel einer jeden Kampagne ist ein möglichst großer Erfolg mit möglichst geringen finanziellen Mitteln. Durch den gezielten Einsatz von Datenmanagement und der individuellen Zielgruppenansprache kann das zur Verfügung stehende Mediabudget effizienter verwendet werden. Ein etwaiger Streuverlust wird dadurch massiv vermindert. Durch das laufende Tracking und die Analyse der KPIs sowie von Kampagnenzielen werden permanent Daten erhoben. Anhand dieser kann die Kampagne laufend optimiert werden. Dadurch ist die bestmögliche Investition des Budgets gewährleistet.

Up- und Cross-Selling

Last but not least spielt strategisches Datenmanagement auch für Up- und Cross-Selling-Maßnahmen eine große Rolle. Anhand des Wissens, welche Produkte ein Kunde bereits erworben hat, können die passenden Artikel angezeigt werden.

Erhöhte Customer-Experience und Kundenzufriedenheit

Datengetriebene Lead Management-Maßnahmen und Marketing Automation helfen, die User Experience der eigenen Zielgruppe zu verbessern. Bestehende und potenzielle Kunden können dadurch mit individuellen Angeboten erreicht werden. Die Folge? Zufriedenere Kunden.

Quellen: www.statista.com/chart/17518/internet-use-one-minute/

State Of The Art der Künstlichen Intelligenz

Sprachassistenten. Industrie-Roboter. Face ID.

Künstliche Intelligenz (KI) ist allgegenwärtig. Zahlreiche Technologien und Anwendungsgebiete werden mittlerweile unter dem Schlagwort Künstliche Intelligenz zusammengefasst. Wie können autonome Fahrzeuge Menschen erkennen? Wie und wo kann Künstliche Intelligenz im Online Marketing eingesetzt werden? Warum entwickelt sich das Forschungsgebiet so rasant weiter? Die Antworten auf diese elementaren Fragen habe ich in diesem Artikel zusammengefasst.

Wie Künstliche Intelligenz Bilder erkennt

In selbstfahrenden Autos wird computerunterstütztes Sehen („Computer Vision“) angewandt.

Die Grundlage dafür ist die Bildklassifikation.

Die Künstliche Intelligenz dahinter erkennt Objekte in Bildern und ordnet diese Objektklassen zu. Dadurch kann zum Beispiel ein Mensch von einem Tier unterschieden werden.

Die Bildklassifikation ist bereits ein sehr gut untersuchtes Aufgabenfeld.

Lösungsansätze werden mithilfe von Testaufgaben auf ihre Leistungsfähigkeit untersucht.

Die Datensätze für die Testaufgaben bestehen aus einer Vielzahl von Bildern unterschiedlichster Objekte.

Die Aufgabe für die Anwendung besteht darin, möglichst vielen dieser Bilder die richtige Objektklasse zuzuordnen.

Je mehr Bilder richtig zugeordnet werden, umso höher ist die Erfolgsrate der Künstlichen Intelligenz.

Ein solcher Datensatz ist beispielsweise Image-Net.

Er besteht aus Millionen von Bildern mit tausenden verschiedenen Objektkategorien. Teilweise sind Objekte sogar für Menschen nur schwer zu unterscheiden, wie beispielsweise bei Bildern von Hunderassen. Nichtsdestotrotz liegt die Erfolgsrate der Künstlichen Intelligenz bei „Image-Net“ bei 87,8 Prozent.

CIFAR-10 ist ein weiterer Datensatz für Testaufgaben in der Bildklassifikation. Dabei müssen lediglich zehn unterschiedliche Objekttypen unterschieden werden. Der Bestwert liegt hier sogar bei 99,3 Prozent.

Hirntumore im MRT-Bild eines Gehirns erkennen

Auch in der Medizin wird Künstliche Intelligenz eingesetzt.

Sie hilft zum Beispiel durch die Analyse von MRT-Bildern Tumore zu erkennen.

Die Fortschritte dieser Technologie sind durch Testergebnisse belegt. In den letzten vier Jahren stieg die Erkennungsrate beim „BRATS2013“-Test von 88 Prozent auf 92,5 Prozent.

Vorhersage von Klickraten auf Werbebanner

Künstliche Intelligenz wird auch im Online-Marketing eingesetzt.

Mithilfe von Künstlicher Intelligenz wird zum Beispiel versucht, die Click-Through-Rate von Inhalten vorherzusagen.

Gute Vorhersagen sollen dabei helfen, den Inhalt und die Platzierung zu optimieren. In den letzten vier Jahren kam es hierbei zu Leistungssteigerungen, wie sich an den Ergebnissen des CRITEO-Datensatzes zeigt.

Die Steigerungen sind in diesem Bereich jedoch nicht so deutlich, wie im Bereich der Bildverarbeitung. Das hier verwendete Qualitätsmaß „AOC“ wird im Artikel https://towardsdatascience.com/understanding-auc-roc-curve-68b2303cc9c5 näher beschrieben.

Weitere Aufgabenstellungen

Noch größere Fortschritte gelangen in den letzten 2-3 Jahren im Bereich der Sprachverarbeitung („Natural Language Processing – NLP“). Das automatische Übersetzen hat durch Dienste wie Google Translate oder DeepL eine Qualität erreicht, welche im täglichen Einsatz verwendet werden kann.

Neueste Ansätze bringen erstaunliche Resultate bei der Erzeugung digitaler Inhalte, wie Texte, Videos oder Bilder, hervor. Beispiele hierfür findet man unter anderem in meinen Blogbeiträgen „Website zur Texterzeugung“ oder „Erzeugung von Fake Videos“.

OFFENHEIT ALS ANTRIEB DER WISSENSCHAFT

Eine umfassende Auflistung der derzeitigen Forschungsgebiete und Problemstellungen der Künstlichen Intelligenz, mitsamt spannenden Ranglisten, ist unter Papers With Code zu finden.

Die Website liefert Zugriff auf die aktuellsten wissenschaftlichen Arbeiten („Papers“) und den Quellcode („Code“) hinter den Implementierungen.

So können die Ergebnisse von jedem nachvollzogen werden, oder die Technologie kann für eigene Lösungen und Produkte verwendet werden.

Fazit

Im Bereich Künstliche Intelligenz ist es durchaus üblich, nicht nur die Ergebnisse, sondern auch den Programmiercode offen zu legen. Diese Offenheit ist eine wichtige Voraussetzung für die schnelle Weiterentwicklung, die das Wissensgebiet derzeit erfährt.

Ich schreibe hier und auf meinem persönlichen Blog www.stoeckl.ai ab sofort zu den Themen Data Science, Künstliche Intelligenz und Machine Learning.

Über diesen Blog

Hallo, mein Name ist Christian und du siehst hier das Tutorial Template aus dem Wordpress Template Tutorial auf Lernen²

Kategorien

Archiv