Content Automatisierung mit Machine Learning

Zukunft oder Realität? Wer sich Content Automatisierung zum Ziel gesetzt hat, ist beim Software Unternehmen AX Semantics genau richtig. Die heutigen Kunden auf Vertriebskanälen wie Amazon fordern anspruchsvolle Produkttexte mit hochwertig aufbereiteten Informationen. Dort setzt AX Semantics an und zaubert aus strukturiert aufbereiteten Produktdaten individuelle Produktbeschreibungen. Somit werden Kaufimpulse gezielt gesetzt sowie die Conversion Rate und SEO-Aspekte angetrieben. Wer sich generell für das Thema AI und Content Automatisierung interessiert, kann sich auf dem diesjährigen merchantday den Vortrag von Saim Rolf Alkan zum Thema Best-Practice Content-Automation mit künstlicher Intelligenz und Machine Learning anhören.

Podcast zum Thema:

Wie kann man als Marke oder Agentur Aufwände reduzieren und kosteneffizienten Content erstellen?

Amazon-Agenturen wie intomarkets stehen immer wieder vor der Herausforderung, wie man Content möglichst günstig und effizient kreieren kann. Lohnt sich hierfür eine Content Automatisierung für unterschiedliche Vertriebskanäle oder ruft sie nur neue Probleme hervor?
Mit dem KI-Tool von AX Semantics kann man aus eingepflegten Produktdaten je nach Zielgruppe, Kanal und Sprachstil viele verschiedene Textvarianten bekommen. Das Regelwerk für gut klingende Texte muss zunächst einmal für die Maschine definiert werden, sodass bei Updates sowie neuen Produkten innerhalb weniger Sekunden neue Texte online gestellt werden können. Wenn die Produktdaten also einmal eingepflegt sind, hat man wenig Stress diese Texte in verschiedenen Sprachen zu übersetzen, da man auf individuelle Ansprechpartner für jedes Land verzichten kann.

Wie funktioniert die KI-Software?

Zu Beginn muss sich in die KI-Software eingeloggt werden, um anschließend Produktdaten für eine exakte Produktdefinition hochzuladen. Ein umfassendes Domänenwissen ist dabei unabdingbar, um die optimale Mustervorlage in Form des Ursprungstexts zu erhalten. Die relevanten Eigenschaften werden dann in der jeweiligen Zielsprache übersetzt, sodass die Künstliche Intelligenz (KI) im Folgenden für eine korrekte Zusammensetzung der Sprache sorgen kann. Trotzdem müssen auch Maschinen zunächst lernen und sich Wissen aneignen. Das kostet Zeit und Geld, da man die entsprechenden Leute für die Bedienung der Maschinen benötigt.

KI-Software als einzigartige Chance

Beispielsweise Amazon verändert regelmäßig seine Anforderungen und nimmt neue Anpassungen vor, wofür eine Content Automatisierung hilfreich ist. Mit nur einem einzigen Knopfdruck können Änderungen auf Amazon sowie für weitere Marktplätze innerhalb 30 Minuten sorgfältig in die Maschine eingepflegt werden. Wenn Produkte mithilfe von Künstlicher Intelligenz optimiert werden, sollte man sich immer die Conversion Rates und Retouren-Quoten angucken. Es ist wichtig, nicht nur subjektiv zu bewerten, sondern gezielt mit einer Maschine auf KPIs zu optimieren. A/B-Tests dienen mit Machine Learning Technologien hervorragend als Messinstrument.

Herausforderungen und Grenzen der KI-Software

Bei der Content Produktion in Agenturen ist immer ein großer Anteil an Mitarbeitern notwendig, da man Maschinen noch nicht komplett zutraut etwas grammatikalisch richtig, sinnvoll und ansprechend für Kunden zu schreiben. Es gibt einige Grenzen, die Menschen als wichtigen Content-Bestandteil unabdingbar machen:

KI-Herausforderung 1: Individualisierte Versionen

Es erfordert immer ein gewisses Auftragsvolumen für eine Kostenabdeckung, da insbesondere bei individualisierten Versionen Aufwand und Kosten einfach zu hoch sind. Beispielsweise bei Unisex-Schuhen sind wichtige Attributs-Größen wie Größe, Alter und Geschlecht vorher zu differenzieren, damit man Content schnell und gezielt ausrichten kann.

KI-Herausforderung 2: SEO

Auch im SEO-Bereich werden umfassende menschliche Recherchen zu Synonymen, Keywords sowie Fehlschreibweisen für das Back-End gemacht. Auch Fragen und Rezensionen der Kunden werden detailliert analysiert, sodass man den Content perfekt optimieren kann. Diese Fleißarbeit kann nicht einfach von Maschinen übernommen werden, wenn spezielle Vorlieben und Wünsche jedes Kunden gewissenhaft berücksichtigt werden sollen.

KI-Herausforderung 3: Lokalisierungsprobleme

Die Einrichtung der KI-Software ist ein betriebswirtschaftliches Modell, das von der Anzahl der Produkte, Sprache sowie Anforderungen der unterschiedlichen Marketplaces abhängt. Beim stumpfen Übersetzen mit künstlicher Intelligenz kann es schnell zu Lokalisierungsproblemen kommen. In jedem Land gibt es verschiedene Regelungen und Bräuche, die beachtet werden müssen. Je nach Formulierungen, Gewohnheiten der Länder können gleiche Inhalte aufgrund unterschiedlicher Bedeutungen und Interpretationen große Missverständnisse und Fehler auslösen. Ob ein Fernseher zum Beispiel in Deutschland ins Wohnzimmer gehört oder in Chile ins Schlafzimmer macht einen deutlichen Unterschied und schlichte wörtliche Übersetzungen reichen da sinngemäß nicht. Aus diesem Grund kann man den Menschen als Arbeitskraft nicht aus der Content Produktion rauslassen. Zwar könnte Künstliche Intelligenz tausend verschiedene chilenische Fernsehtexte lesen und scannen, womit Deep-Learning beginnt. Allerdings ist das Verfahren sehr teuer und aufwendig und würde sich höchst wahrscheinlich nicht rentieren.

Unterschied Mensch-Maschine im Content Marketing

Ein großer Unterschied zwischen Mensch und Maschine ist, dass eigene interessante und teilweise sperrige Ideen schwer in die Maschine eingearbeitet werden können. Man muss der Maschine eine komplette datengetriebene Übernahme anvertrauen, um ein präzises und KPI gesteuertes Ergebnis zu erhalten. Außerdem kann das KI-Tool keine Keyword-Recherchen übernehmen. Amazon und Google unterscheiden sich sowie die verschiedenen Kombinationen von Mid-Tail-Keywords, Long-Tail-Keywords für unterschiedliche Anlässe. Diese Informationen sowie Vorgaben des Kunden müssen strukturiert in die Datenbank eingespielt werden, damit das System diese weiterverarbeiten kann. Maschinen haben den Vorteil, dass sie ihr angeeignetes Wissen ewig behalten und umsetzen und somit Flüchtigkeitsfehler vermieden werden. Sobald Qualität mit einem Fokus auf KPIs angesagt ist, überzeugen Maschinen mithilfe von Daten und Fakten mit Maschinen immer mehr als menschliche Arbeit.