Geomarketing getrieben durch Knowledge Graphs

Bisher betreiben vor allem von großen Unternehmen wie Handels- und Gastronomieketten Geomarketing. Die Analyse liefert vielfältige Information zur Planung und Bewertung von Standorten, zu Marktpotenzialen und potentiellen Zielgruppen. So können sie ihr lokales Leistungs- und Produktportfolio optimieren. Das geht so weit, dass sie durch Analyse bspw. den Umsatz einer neuen Filiale oder lokalen Kampagne auf wenige Prozent genau kennen. Für KMU lohnte sich das dennoch kaum. Für sie sind die externe Daten und nötigen Auswertungswerkzeuge zu kostspielig. Zwar könnten sie auch freie und eigene Daten nutzen, aber das nötige Expertenwissen besitzen KMU üblicherweise nicht.

Getrieben durch metaphactory, nutzt GEISER Geodaten als Rohstoff für intelligente ortsbezogene Dienste. Durch Geiser sollen künftig auch kleine Unternehmen Sensordaten, Daten aus sozialen Medien, Open Data, Foren, Webseiten und eigenen Kundendaten für ihre Werbe- und Geomarketing-Strategien nutzen.

Konkretes Beispiel: Kontextualisierung von Twitter-Daten durch die Verknüpfung mit WikidataGeomarketing getrieben durch Knowledge Graphs

Über viele lokale Ereignisse, wie Konferenzen, Konzerte, Schulungen und anderen Veranstaltungen werden häufig Tweets verfasst. Diese Tweets können genutzt werden, um lokale Veranstaltungen zu erfassen. Auch kann über die darauf bezogene relative Twitter-Aktivität deren lokale Bedeutung abgeschätzt werden. Lokale Ereignisse haben einerseits erheblichen Einfluss auf die Zusammensetzung und Frequenz der Kunden im Umfeld. Sie sind also zusätzliche „Frequenzbringer“ für bestimmte Zielgruppen. Andererseits sind viele Ereignisse geeignet, um aktiv Target-Marketing zu betreiben. Den Erfolg zeigt das Web. Dort werden Werbebotschaften längst gezielt gesendet, Streuverluste vermieden und Nutzer individuell angesprochen. Durch die Twitter-Analyse können KMU in Einzelhandel und Gastronomie ganz ähnliche Strategien nutzen. Dazu müssen Tweets räumlich und zeitlich eingeordnet und ihr Bezüge zu Veranstaltungen erkannt werden.

Automatisierte Detektion von Ereignissen

Geomarketing getrieben durch Knowledge GraphsDie erste Herausforderung besteht in der maschinellen Verarbeitung natürlichsprachlicher Tweets. Es muss, bspw. aufgrund der Erwähnung irgendeines bekannten Stichworts, erkannt werden, ob sich der Tweet auf ein Ereignis bezieht. Eine Lösung sind räumliche, zeitliche und/oder thematische Gruppen von Tweets. Sie erhöhen die Trefferwahrscheinlichkeit der Stichwortsuche erheblich. Am einfachsten sind natürlich Hashtags wie bspw. #data2day. Liegen die zugehörigen Nachrichten räumlich und zeitlich nah beeinander, könnte es dabei um ein lokales Ereignis handeln. Und liegt im Kernbereich ein möglicher Veranstaltungsort, so ist dies mit einiger Wahrscheinlichkeit der Austragungsort. Tatsächlich ist data2day eine Konferenz und viele Tweets wurden zuletzt im Gebäude der IHK Karlsruhe verfasst.

Verknüpfung zu Entitäten aus WikidataGeomarketing getrieben durch Knowledge Graphs

Im konkreten Beispiel werden die Daten zudem mit Wikidata-Entitäten verbunden. Wikidata ist ein Wissensgraph, der unter anderem in Wikipedia steckt. Wikidata verknüft beispielsweise Karlsruhe mit vielfältiger weiterführender Information (Großstadt, Lage, Zugehörigkeit, Namensgeber und vieles mehr). Gegenüber einer reinen Twitter-Analyse ergeben sich so mehrere wesentliche Verbesserungen:

  • Der Fragende erhält sehr viel detailliertere Antworten. So lässt sich bspw. erkennen, dass die data2day eine Konferenz für Softwareentwickler ist. Das grenzt dort anzutreffende Zielgruppe ein. Auch weiterführende Informationen über den Veranstalter, den Austragungsort und dessen genaue Lage sind hilfreich.
  • Der Kontext erlaubt andere Fragestellungen – bspw. von Wikidata nach Twitter. So könnte man fragen: „Über welche Ereignisse mit Bezug zu Softwareentwicklung ist in Karlsruhe und Umgebung besonders viel getweetet worden?“ ein Software-KMU auf Mitarbeitersuche erfährt so, dass sich die data2day-Konferenz für Recruiting eignet.
  • Die semantische Verknüpfung gibt wertvolle Hinweise darauf, wie ein Ergebnis am besten visualisiert werden kann. Ist der Ortsbezug Teil der Antwort, so bieten sich bspw. Karten an. Ist der Zeitaspekt wichtig, könnte ein Zeitstrahl sinnvoll sein. Und geht es um die absolute oder relative Anzahl von Tweets, sind bspw. Balken- und Kuchendiagramme geeignet.

Den Demonstrator finden Sie auf der CeBIT in Halle 6, Stand C40.