Home Online-Marketing Künstliche Intelligenz im Online Marketing: Supervised Learning, Reinforcement Learning und Unsupervised Learning

Künstliche Intelligenz im Online Marketing: Supervised Learning, Reinforcement Learning und Unsupervised Learning

von Michael Feike
0 Kommentar

Der Begriff Künstliche Intelligenz (KI) ist derzeit in aller Munde, vor allem im Online Marketing werden die vielfältigen Einsatzbereiche von KI diskutiert. Dabei wird allgemein unter KI, auch Artifizielle Intelligenz (AI) genannt, der Versuch verstanden, Entscheidungsstrukturen des Menschen künstlich nachzuahmen. Dies soll erreicht werden, indem etwa ein Computer derart programmiert wird, dass er bis zu einem gewissen Grad eigenständig Probleme lösen kann. KI beschäftigt sich demnach mit der Automatisierung intelligenten menschlichen Verhaltens und mit dem sogenannten Maschinellen Lernen. So viel zur Theorie. Doch wie kann man diese interessante Entwicklung denn nun in der Praxis fürs Online Marketing nutzen?

Künstliche Intelligenz und Maschinelles Lernen

Dass es für den Begriff KI keine einheitliche Definition gibt, ist nicht verwunderlich. Denn schon beim Begriff Intelligenz sind sich nicht alle einig. Allgemein wird Intelligenz mit der Fähigkeit des Lernens in Verbindung gebracht, wobei nicht nur Menschen, sondern auch viele Tiere lernen können. Dabei wird beim Lernen auf Erfahrungen zurückgegriffen, die in der Vergangenheit bereits gemacht wurden, um eine ähnliche Situation leichter zu bewältigen. Auf Künstliche Intelligenz übertragen, bedeutet das, dass Wissen und Erfahrungen gesammelt, Zusammenhänge erkannt und daraus Erkenntnisse abgeleitet werden müssen. Da Künstliche Intelligenz auf Computer ausgerichtet ist, kann in diesem Zusammenhang also auch von maschinellem Lernen gesprochen werden. Der Computer wird so programmiert, dass er in vorhandenen Daten bestimmte Muster und Gesetzmäßigkeiten erkennt und daraus eigene Schlüsse zieht, ohne dass es ein vorher vom Programmierer festgelegtes Ergebnis gibt. Die Erkenntnisse aus den Auswertungen der Daten können dann wiederum in einen Algorithmus einfließen, der Voraussagen für die Zukunft zulässt. Kurzgefasst geht es also darum, Muster in Daten zu erkennen und zum Beispiel fürs Onlinemarketing Künstliche Intelligenz zu nutzen.

Formen des Maschinellen Lernens und ihr Einsatz im Marketing

Beim Maschinellen Lernen wird zwischen drei verschiedenen Verfahren unterschieden: Überwachtes Lernen (Supervised Learning), Verstärkendes Lernen (Reinforcement Learning) und Unüberwachtes Lernen (Unsupervised Learning). Nachfolgend werden diese drei Verfahren, ihre Ziele und Einsatzmöglichkeiten im Online Marketing kurz vorgestellt.

1. Überwachtes Lernen (Supervised Learning)

Überwachtem Lernen bedeutet, dass das Ergebnis des Erkenntnisprozesses bereits vorliegt und der Computer nur den Weg zu diesem Ergebnis übt. Dazu werden bestimmten Inputs genau festgelegte Outputs zugeordnet: Wenn A passiert, dann ist B das Ergebnis. Mit diesem Verfahren werden demnach bekannte Gesetzmäßigkeiten abgebildet, wobei im Einzelnen noch zwischen Regressions- und Klassifikationsproblemen unterschieden wird.

Bei der Klassifikation geht es um die Vorhersage von Gruppenzugehörigkeiten. Ein Klassifikationsproblem ist beispielsweise, wenn ein Ereignis in eine bestimmte Kategorie eingeordnet werden soll. Ein Spam-Filter muss etwa eingehende E-Mails in Spam und Nicht-Spam einordnen und die Mail entsprechend behandeln. Das Erkennen der Spam-Mails hat das System zuvor durch überwachtes Lernen mithilfe echter Spam-Mails und durch Einordnung der Nutzer von eingehenden Mails gelernt. Die Klassifikation wird im Marketing beispielsweise eingesetzt, um Werbeanzeigen markensicher zu platzieren. Die eingesetzte KI-Technologie kann dabei lernen, auf welchen Websites die Werbung nicht ausgespielt werden sollte, da das Umfeld der Marke schaden könnte. Für den Lernprozess werden zunächst Daten bereitgestellt, welche Seiten sich nicht für Werbung eignen, um die Markensicherheit (Brand Safety) zu gewährleisten. Daraus leitet das System dann zukünftig ab, welche Seiten als markensicher einzustufen sind. Will ein Kreuzfahrtunternehmen zum Beispiel keine Werbung auf Seiten einblenden, auf der es um Umweltverschmutzung durch Kreuzfahrtschiffe geht, kann dies mit KI vermieden werden.

Bei der Regression geht es hingegen um die Vorhersage von stetigen Werten und quantitative Ergebnisse, zum Beispiel wenn eine Prognose zu einem Ereignis getroffen werden soll. Beispiele sind Voraussagen zu Preisentwicklungen oder Kündigungszeitpunkten.

2. Verstärkendes Lernen (Reinforcement Learning)

Das Verstärkende Lernen funktioniert ähnlich wie das Überwachte Lernen. Hier gibt es jedoch keine feste Input-Output-Zuordnung, sondern das KI-Training beruht auf dem Trial-and-Error-Prinzip. Das System muss Entscheidungen treffen und wird entsprechend belohnt oder bestraft, woraus es wiederum den richtigen Weg für die Zukunft ableiten kann.

Dieses Verfahren ist im Marketing beispielsweise für die Conversion-Optimierung einsetzbar. So können verschiedene Werbemittel mit verschiedenen Werbekanälen kombiniert werden, um die erfolgversprechendste Kombination herauszufiltern. Google benutzt dieses System bereits bei der automatischen Gebotserstellung, die als Smart Bidding bezeichnet wird. Dabei werden die Gebote bei jeder Auktion durch Maschine Learning Lernen optimiert, um die beste Conversion zu erreichen.

3. Unüberwachtes Lernen (Unsupervised Learning)

Einen anderen Weg als die anderen beiden Verfahren geht das Unüberwachte Lernen. Hier werden weder Input-Output-Zuordnung noch Zielwerte vorgegeben. Es geht einzig und allein darum, Muster und Gesetzmäßigkeiten in großen Datenmengen zu erkennen und selbst daraus Regeln abzuleiten. Beim Unüberwachten Lernen kann wiederum in Segmentierung und Komprimierung unterschieden werden.

Bei der Segmentierung werden die Daten nach Gemeinsamkeiten durchsucht, um Kriterien für eine sinnvolle Kategorisierung zu finden und die Daten entsprechend in verschiedene Kategorien einzuordnen. Im Marketing kommt diese Form der KI zum Beispiel bei der Identifizierung spezieller Zielgruppen zum Einsatz, um den einzelnen Gruppen dann passgenaue Werbung auszuspielen.

Bei der Komprimierung geht es darum, große Datenmengen handhabbar zu machen, indem sich das KI-System auf die wichtigsten Zusammenhänge fokussiert. Im Marketing kann dieses Verfahren genutzt werden, um beispielsweise Kauf- oder Kündigungsmotive von Kunden zu identifizieren.

Fazit: Für jedes Ziel die richtige KI-Methode

Künstliche Intelligenz ist auf dem Vormarsch und macht auch vorm Online Marketing nicht Halt. Schon jetzt werden die Möglichkeiten der KI in diesem Bereich vielfältig eingesetzt. Dabei gibt es verschiedene Methoden, wie das Maschinelle Lernen vonstatten, wobei jede Lernform für andere Einsatzbereiche geeignet ist.

  • Überwachtes Lernen (Supervised Learning). Vorhersage von Gruppenzugehörigkeiten oder stetigen Werten, zum Beispiel einsetzbar im Bereich Brand Safety oder für Preisentwicklungsprognosen.
  • Verstärkendes Lernen (Reinforcement Learning). Mustererkennung in großen Datenmengen, zum Beispiel einsetzbar zur automatischen Conversion-Optimierung.
  • Unüberwachtes Lernen (Unsupervised Learning): Kategorisierung oder Komprimierung von Daten, zum Beispiel einsetzbar zur Identifizierung von Kundengruppen oder Kündigungsmotiven.

Deshalb müssen beim Einsatz von KI im Online Marketing die Ausgangslage und die Ziele zuerst genau festgelegt werden, um die passende Methode auszuwählen.

0 Kommentar

Weitere Artikel zum Thema

X