Model Building in der Werbebranche
Einsatz von Data Analytics und Aufbau von Machine-Learning-Modellen für Social Listening: Tausende von Bewertungen mit Hilfe von Künstlicher Intelligenz analysieren
Mit Data Analytics und KI den Puls des Zeitgeists fühlen
Eine Medienagentur recherchiert mit Data Analytics und Machine-Learning-Technologie von Skaylink in sozialen Netzen die Bekanntheit von Unternehmen und Marken sowie deren Wahrnehmung in den Communities.
Die Analysen werden je nach Bedarf in kürzester Zeit auf allgemeine Trends, spezielle Trends oder ausgewählte Zielgruppen adaptiert.
Die dazu notwendigen KI-Modelle werden auf einer cloudbasierten Plattform mit Daten versorgt und ausgewertet sowie in einem DevOps-Prozess weiterentwickelt und laufend aktualisiert.
Die Tonalität macht den Markenwert
Die öffentliche Meinung zu einem Unternehmen oder einer Marke ist entscheidend für den Erfolg. Traditionelle Marktforschungswerkzeuge greifen allerdings nicht in sozialen Medien, da die Verarbeitung der verfügbaren Daten mit herkömmlichen Methoden zu teuer ist.
Skaylink setzt Methoden der Künstlichen Intelligenz ein, um Daten aus sozialen Medien zu verarbeiten und die Tonalität (positiv, neutral, negativ) von Artikeln mit Bezug auf Image und Reputation (Produkte und Services, Innovationen, Service-Orientierung, Nachhaltigkeit etc.) zu bewerten.
Ursprünglich war die Analyse nur auf Branchen und Themen ausgelegt (z. B. Nachhaltigkeit von Automobilzulieferern), konnte in der Zwischenzeit aber auf einzelne Unternehmen und Marken verfeinert werden.
Die Pipeline zur Content-Analyse wird auf Basis von AWS-Cloud-Diensten realisiert. Das Modell wird laufend mit DevSecOps-Methoden verfeinert und analysiert Millionen von Texten für Tausende von Kunden jeden Tag.
Umgesetzte Lösungen
- Data Analytics und KI: Analyse von Tausenden von Bewertungen mittels KI für Social Listening.
- Natural Language Processing (NLP): Bewertung der Tonalität von Texten in Bezug auf Image und Reputation von Unternehmen.
- Cloud-Plattform: Nutzung einer Cloud-Plattform für Datenverarbeitung und Modellentwicklung.
- AWS: Verwendung von Amazon Web Services für die Inhaltsanalyse-Pipeline.
- DevOps: Einsatz von DevOps-Methoden zur kontinuierlichen Verbesserung der Modelle.
