VERBESSERTE USERANSPRACHE DANK MACHINE LEARNING | TEIL 2

Im ersten Teil unseres Expertengesprächs über Machine Learning sprach Annette Dielmann (CPO bei Goldbach Digital Services) mit Roger Gatti (Head of Product bei 1plusX) und Christian Rakowski (Data Architect bei Goldbach Digital Services) darüber, was Machine Learning ist und wie es zur Verbesserung der Useransprache beitragen kann. Dieses Mal diskutieren die Fachexperten über die Grenzen von Machine Learning in diesem Bereich und welche Zukunftsszenarien sie sich vorstellen können.

Was sind denn die Grenzen von Machine Learning? Welche Anforderungen gibt es an das Train Set, das man bei gewissen Verfahren braucht?
Roger: Es gibt eine Vielzahl von Verfahren. Es gibt Verfahren, die Testdaten benötigen und es gibt auch Verfahren ohne ein Trainingsset. Wir arbeiten mit den Daten von unseren Kunden und beachten jeweils die Datenlage, die sich auch über die Zeit verändern kann. Dementsprechend passen wir dann unsere Verfahren dieser neuen Datenlage an. Interessant ist, dass alle Verfahren das Verhalten der Benutzer beobachten, gewisse Rückschlüsse daraus ziehen und darauf basierend Userprofile erzeugen. Man kann sehen, dass sich eine gewisse Menge der Benutzer atypisch verhält und der Algorithmus dann diese Benutzer anderen Segmenten zuordnet. Das geschieht ungefähr im Rahmen von zehn Prozent. Das ist die natürliche Obergrenze, die man hat, selbst wenn man einen perfekten Algorithmus hat. Man muss aber auch sagen, dass es selbst bei deterministischen Daten eine Obergrenze gibt, wie zum Beispiel bei Umfragen mit Usern. Man hat also auch dort keineswegs eine hundertprozentige Genauigkeit. Dennoch kann man sagen, dass man mit Machine Learning messbare und sehr gute Ergebnisse erzielt.

Wo steht Machine Learning in den nächsten zwei, drei Jahren? Sind wir erst am Anfang oder sind wir schon mittendrin? Was passiert?
Roger: Ganz allgemein können wir fast täglich oder wöchentlich von Fortschritten lesen, die erzielt werden in verschiedensten Bereichen wie beim Generieren von Sprache oder der Bilderkennung. Ich glaube, dass diese Fortschritte weitergehen und wir erst am Anfang einer grossen Entwicklung stehen. Ich denke, dass im Advertising Bereich Machine Learning als Alternative zu deterministischen Verfahren weiter Verwendung finden wird. Es gibt hier einige Gebiete, in welchen Machine Learning sehr gute Ergebnisse liefert wie zum Beispiel in der automatisierten Kampagnenoptimierung. Unser Unternehmen bleibt eng an diesen Entwicklungen dran, damit wir spannende Produkte auf den Markt bringen und unseren Kunden zur Verfügung stellen können.

Wie siehst du das, Christian?
Christian: Wichtig für mich ist die Anwendung von Machine Learning. Zum einen muss es akzeptiert sein. Wir alle kennen die Skandale der letzten Jahre: Ein Datenschutzskandal jagt den anderen, Wahlen werden manipuliert etc. Wir wollen akzeptierte Werbung und transparente Verfahren zur Verfügung stellen, damit es auch klar ist, dass keine Nachteile entstehen. Wenn ich mir die digitale Transformation der Welt anschaue, werden die Möglichkeiten zu kommunizieren immer vielfältiger. Der Nutzer selber entscheidet immer häufiger, wann er welche Inhalte oder Nachrichten über welchen Zugang wahrnehmen möchte. Dem muss man sich anpassen und es entstehen ganz neue Marketingformen, ganze neue Arten, wie man eine Werbebotschaft positionieren kann. Das übersteigt sehr schnell den Komplexitätsgrad, den wir menschlich noch erfassen können oder uns erklären können. Und genau hier sehe ich Machine Learning als ein wesentlicher Baustein.

Mit den fortschreitenden Veränderungen, die die Digitalisierung mit sich bringt, wachsen auch die technologischen Möglichkeiten der Werbebranche. Machine Learning kann hier eine bedeutende Rolle spielen und wird bereits heute vielseitig eingesetzt. Trotzdem gibt es noch Luft nach oben und die nächsten Entwicklungen werden nicht lange auf sich warten lassen – Es bleibt spannend, wir bleiben dran.