Sonstige Analysen

Unser Schwerpunkt liegt auf Predictive Analytics im Marketing, wo vor allem Customer Analytics, Product Analytics und Channel Analytics im Vordergrund stehen, also die Analyse von Kunden, Produkten und Kanälen.

Doch unsere Erfahrungen im Bereich der Datenanalysen sind breiter angelegt: Wir beschäftigen uns beispielsweise mit Standortananalysen, aber auch mit Mustererkennungs-Algorithmen bei Bewegungen, Textanalysen oder Bildern. Hierbei stehen Künstliche Intelligenz (KI), maschinelles Lernen und Data Deep Dive-Techniken zur Entdeckung versteckter Muster im Mittelpunkt. 

Von uns angebotene Analysen sind beispielsweise:

Standortanalysen

Unternehmen, die nicht nur über das Internet mit den Kunden in Kontakt treten möchten, benötigen hierfür einen oder mehrere Standorte, die der Kunde zur Beratung und zum Kauf aufsuchen kann. Doch wie sollten die Standorte derartiger Points of Sale (PoS) über das Geschäftsgebiet verteilt sein? Wie ist das vorhandene PoS-Netz zu beurteilen und bieten sich hier Optimierungspotenziale? Derartige Fragestellungen löst die Standortanalyse. Entscheidungen über Standorte sind weitreichend; sie sollten daher auf einer soliden Grundlage getroffen werden. Eine Standortanalyse untersucht dabei die Wege, die Ihre Kunden zu Ihren PoS-Standorten zurücklegen. Es wird eine Prognose erstellt, wie sich dies bei Wegfall oder Hinzukommen einzelner Standorte ändert. Dabei wird auch untersucht, inwieweit zu erwarten ist, dass Kunden ganz abspringen bzw. neue Kunden gewonnen werden können. Die Ergebnisse liefern Ihnen belastbare Informationen, um Ihre PoS-Standorte zu optimieren.

Bewegungsanalysen

Bewegungsdaten von Personen verraten viel über ihr Mobilitäts- und auch sonstiges Verhalten. Aus den genutzten Wegen und der Geschwindigkeit geht hervor, welches Verkehrsmittel genutzt wurde. Die Start- und Zielpunkte der Wege geben Auskunft darüber, welche Interessen eine Person hat: Wurden bestimmte Geschäfte aufgesucht, Gaststätten besucht oder Kultureinrichtungen wie Museen oder Konzertsäle? Die Analyse historischer Bewegungsdaten ermöglicht auch Prognosen zum zukünftigen Verhalten. Wer häufig Baumärkte einer bestimmten Kette aufsucht, wir dies voraussichtlich auch in Zukunft tun. War dies in der Vergangenheit meist samstagsvormittags, so ist plausibel, dass dies auch in Zukunft so sein wird. In den Bewegungsprofilen verschiedener Personen lassen sich typische Bewegungsmuster identifizieren wie etwa Weg zu Arbeit, Wocheneinkauf oder Fahrradtour am Wochenende. Auf Basis dieser identifizierten Muster können dann die sich bewegenden Personen selbst in homogene Gruppen geclustert werden. Sie verfügen über Bewegungsdaten von Personen, die Sie analysieren möchten. Sprechen Sie mit unseren Data Scientists über die Art der zu extrahierenden Informationen, wie ein Trainingsdatensatz aussehen sollte und wie Sie die Ergebnisse nutzen können.

Textanalysen

Im Marketing sind Textdaten an verschiedener Stelle relevant. Dies können z.B. Beschwerde-E-Mails von Kunden sein, aber auch Antworten auf offene Fragen in einer Marktforschungsstudie oder die Beiträge der User auf einer Social Media-Plattform. Letztlich geht es um Fragen wie: Worüber wird gesprochen (semantische Informationen)? Wie wird darüber gesprochen (syntaktische Informationen)? und: Von wem wird darüber gesprochen (und von wem eben nicht)? Antworten auf diese Fragen liefern Methoden des Text Minings. Gerade da, wo es inhaltlich interessant wird, stehen Daten häufig in Textform zur Verfügung. Derartige Daten sind unstrukturiert oder nur schwach strukturiert, was spezielle Methoden zu deren Analyse erfordert.

Bilderkennung

Woran erkennt ein Mensch, dass auf einem Foto das Meer zu sehen ist? Vermutlich daran, dass eine größere blaue Fläche vorhanden ist. Dasselbe muss auch ein Klassifizierungs-Algorithmus des maschinellen Lernens leisten. Im Idealfall schafft dieser Algorithmus es nach einer geeigneten Trainingsphase, Meeresbuchten und Strände korrekt zuzuordnen, aber den mit einer blauen Decke gedeckten Tisch nicht. Wie sich das Ganze im Marketing einsetzen lässt. Z.B. wenn ein Reiseveranstalter seine Kunden in einem Preisausschreiben bittet, ein Lieblings-Urlaubsfoto einzusenden. Eine Klassifikation der Fotos nach Urlaub am Meer, in den Bergen oder in einer Stadt wäre hier hilfreich, ebenso wie nach der Frage, wie viele Menschen auf dem Foto zu sehen oder ob Kinder abgebildet sind. Dies verrät einiges über die Art von Urlaub, die für den betreffenden Kunden interessant ist.Unsere Spezialisten für Bilderkennung helfen Ihnen in derartigen Situationen weiter. Sie klären mit Ihnen, welche Informationen aus den Bildern extrahiert werden sollen, wie ein Trainingsdatensatz aussehen sollte und wie Sie die Ergebnisse nach der Analyse nutzen können.