Smarte Kollegen sind keine Konkurrenz, sondern die besten Partner im Team. Bei GfK helfen sie beispielsweise, nie geahnte Mengen unstrukturierten Textes so auszuwerten, dass intuitive und rationale Kaufentscheidungsprozesse ermittelt, verglichen und handlungsleitend zur Verfügung gestellt werden.
Reden wir heute von künstlicher Intelligenz, werden nicht selten beängstigende Szenarien entworfen – von Robotern, die den Menschen ersetzen, bis zu Maschinen, die die Weltherrschaft übernehmen. Weit davon entfernt haben die smarten Assistenten bis auf Weiteres sehr spezifische physische und kognitive Fähigkeiten, für die sie programmiert wurden, in denen sie sich auch selbstlernend verbessern können – und mit denen sie menschliches Können ideal ergänzen.
Längst ist erwiesen, das Mensch-Maschine-Teams – und nicht die Einzelkämpfer – die besten Ergebnisse erzielen. Genau diese Art der komplementären Zusammenarbeit sucht GfK mit Artificial Intelligence (AI): Gefragt sind leistungsfähige Lösungen, die in der Lage sind, bestimmte Aufgaben in der Erfassung und Verarbeitung von Daten effektiver, schneller und mit viel größeren Mengen umzusetzen, als das für Menschen allein denkbar wäre. Nicht mehr, aber auch nicht weniger. Anderes, wie beobachtbares Bewerten und Entscheidungen treffen oder Ergebnisse in Kontext zu setzten, bleibt zunächst Sache des Menschen.
Mit AI aus unstrukturiertem Text intuitive und rationale Kaufentscheidungsprozesse ermitteln
In diesem Geist entstand beispielsweise eine AI-basierte Lösung, die in der Lage ist, sowohl die intuitiv-emotionalen als auch die reflektiert-rationalen Beurteilungen, die bei Kaufentscheidungen eine Rolle spielen, allein auf Basis von Social-Media-Einträgen in Bewertungsportalen, Kundenforen oder ähnlichem relevantem Textmaterial zu analysieren. Dabei werden die rationalen Aspekte danach erfasst und geordnet, wie häufig sie genannt werden. Die emotionale Bedeutsamkeit von bestimmten Produktmerkmalen wird hingegen mit Hilfe von „Bias Detection“ und semantischer Netzwerkanalyse ermittelt.
Letzteres ist eine Methode, bei der die künstliche Intelligenz insbesondere die Nähe relevanter Wortpaare in beliebigen Mengen unstrukturierten Textes ermittelt. Dies lässt nicht nur Rückschlüsse darüber zu, ob sie positiv oder negativ konnotiert sind, sondern auch, welches Gewicht diese Bewertung hat. So ergeben sich zwei Rankings – eines für rational und eines für intuitiv wichtige Aspekte oder Features – die sich gegenüberstellen lassen. Aus Rangordnung und Unterschieden lassen sich wichtige Empfehlungen für die Produktenwicklung oder die Marketingkommunikation ableiten.
Beispiel: Smartphone-Kauf – was zählt? Betriebssystem und Display versus Kamera und Vertrag
Im Test ermittelte die AI-basierte Lösung bereits interessante Erkenntnisse zur Kaufentscheidungsrelevanz von Smartphone-Features: Sowohl rational als auch emotional spielte beispielsweise der Preis eine wichtige Rolle. Doch während das rationale Denken im Weiteren vor allem Betriebssystemen und Displays in den Vordergrund stellt, lässt sich die emotionale Seite stärker von Aussagen über Kamera oder Fotoqualität leiten.
Ergebnisse mit anderen Daten kontextualisieren und Optimierungspotenziale ableiten
Diese Unterschiede an sich sind schon handlungsleitend. Aber es geht noch besser: Stellen wir solche Ergebnisse neben die aktuellen Werbekampagnen eines Unternehmens und seiner Mitbewerber, können wir schnell und systematisch sichtbar machen, wo Chancen auf Optimierung und Differenzierung bestehen. Während die Analyse großer unstrukturierter Datenmengen, wie in diesem Fall aus Social Media, eine klare Aufgabe für den künstlichen Kollegen ist, bleibt das Erkennen der Chancen und die Lösungskreativität Domäne des Menschen. Ohneeinander geht es nicht, gemeinsam aber am besten.
