Nachgefragt bei Mike Schwede

Am 29. Mai 2024 treffen sich Vertreter des Onlinehandels und der Retailbranche erneut im StageOne in Zürich Oerlikon, denn die SCORE! findet zum dritten Mal statt. Wie im Vorjahr präsentieren Post und PostFinance die Masterclasses. Unsere Interviewserie gibt einen Einblick in das, was euch erwartet.

Die bevorstehende Veranstaltung verspricht den Teilnehmenden ein vielseitiges und hochwertiges Programm. Zu den Gästen gehört unter anderem Mike Schwede, Co-Founder bei Powdience.

Wir haben im Vorfeld bereits mit Mike gesprochen und bieten euch einen ersten Einblick in seine Masterclass mit dem Thema «Neupositionierung Victorinox: mit AI-Analysen zu mehr Instagram-Engagement», die er mit Alexandra Hinz durchführen wird. Ausserdem haben wir ihn gefragt, wie er die SCORE! bisher erlebt hat und worauf er sich am meisten freut.

Finde heraus, welche der beiden Antworten von Mike selbst geschrieben wurde. Eine der beiden Antworten wurde vom MikeGPT verfasst.

Die Auflösung findest du ganz am Schluss des Blogs.

Was hat dich dazu motiviert, dich in kürzester Zeit so tief ins Thema AI einzuarbeiten?

Antwort A: Die Digital-Marketing-Trends der letzten Jahre, wie das Metaverse, haben mich von Anfang an wenig überzeugt. Beim Aufkommen von Generative AI habe ich dafür gleich gespürt, dass das etwas Grosses wird. Ähnlich wie damals 2006/2007, als Social Media aufkamen. Wir hatten in den letzten Jahren immer wieder mit AI / Machine Learning gerade für Datenanalysen gearbeitet, aber Generative AI hat nochmals ganz neue Möglichkeiten gebracht.

Antwort B: Meine Motivation, mich intensiv mit dem Thema AI zu beschäftigen, stammt aus meiner Faszination für Neues und der Erkenntnis der enormen Potenziale, die AI bietet, sowohl in kreativen als auch in geschäftlichen Bereichen. Die Möglichkeit, durch AI die Effizienz und Qualität in verschiedenen Arbeitsprozessen zu steigern und gleichzeitig neue kreative Wege zu beschreiten, hat mich besonders angesprochen.

Welche Arten von AI-Technologien oder -Algorithmen werden typischerweise zur Analyse von Instagram-Daten verwendet, und wie unterscheiden sie sich in ihrer Anwendung?

Antwort A: Wenn man sich auf die numerischen Daten wie Follower, Wachstum, Engagement Rate, Posting-Rhythmus usw. fokussiert, reichen «einfache» Algorithmen wie Cluster-Analysen (Unsupervised Learning) oder Decision Trees bzw. Random Forest. Diese Algorithmen sind nicht nur schnell und ressourcenschonend, sondern haben eine hohe Nachvollziehbarkeit der Resultate im Gegensatz zum Deep Learning. Zurzeit sammeln wir viele Bild-Daten von erfolgreichen und weniger erfolgreichen Posts und Accounts, um mit Random Forest, aber auch Deep Learning genauere Voraussagen zu machen, ob z. B. ein Foto erfolgreich oder weniger erfolgreich sein wird. Mit der Bilderkennung von OpenAI können wir zudem tausende Fotos besser kategorisieren. Z. B. was der Inhalt des Fotos ist, ob Menschen darauf vorkommen oder Formelles wie die Bildqualität oder die Perspektive eines Fotos. Zurzeit experimentieren wir mit der Analyse von Reels und TikToks. Das alles hilft quasi den Algorithmus besser zu verstehen und nicht nur auf die Intuition des Social-Media-Managers zu vertrauen.

Antwort B: In der Analyse von Instagram-Daten werden typischerweise Algorithmen für Bilderkennung eingesetzt. Bilderkennungsalgorithmen, wie sie von Tools wie Dall-E, Midjourney und Stable Diffusion genutzt werden, analysieren visuelle Inhalte, um Muster und Merkmale zu identifizieren. Diese Technologien unterscheiden sich in ihrer Anwendung hauptsächlich durch die Art der Daten, die sie verarbeiten und durch die spezifischen Modelle und Trainingsdaten, die sie verwenden, um genaue Ergebnisse zu liefern.

Kannst du uns einen kurzen Überblick darüber geben, wie AI-Analysen dazu beitragen können, das Engagement auf Instagram zu verbessern?

Antwort A: Zum einen findet man die optimale Posting-Frequenz − viele Accounts posten zu viel. Oder beispielsweise der optimale Anteil von Bildern, Carousels und Reels − hier posten viele Accounts zu viele Reels. Auch sieht man, zu welchen Tagen und Tageszeiten idealerweise gepostet werden sollte. Natürlich alles immer im Vergleich zu den Benchmarks und Mitbewerbern. Bei den Bildanalysen sieht man zusätzlich, welche Themen besser ankommen, wie Fotos aufgebaut sein müssen und andere inhaltliche oder formelle Vorgaben. Hier kann man u. a. eine Menge an Produktionskosten einsparen und das Engagement steigern.

Antwort B: AI-Analysen können das Engagement auf Instagram verbessern, indem sie Muster und Trends in erfolgreichen Posts identifizieren. Zum Beispiel zeigen sie, dass Posts mit Menschen, insbesondere mit einer Person, Sportinhalten oder visuell emotionalen und farbenfrohen Bildern, generell mehr Interaktionen generieren. AI kann auch die besten Zeiten für das Posten ermitteln und Empfehlungen geben, welche Arten von Inhalten (Bilder, Reels, Carousels) das Engagement steigern können. Durch die Analyse von Bild- und Carousel-Posts der erfolgreichsten und unerfolgreichsten Accounts können spezifische Strategien entwickelt werden, um das Engagement zu maximieren.

Inwiefern können AI-Analysen dabei helfen, die Zielgruppe auf Instagram besser zu verstehen und anzusprechen?

Antwort A: Da man die Analysen hinsichtlich der Reaktionen der User macht, richtet man sich automatisch auf die Zielgruppe − und den Instagram-Algorithmus aus. Zusätzliche Analysen z. B. der Werbekampagnen, der Website-Daten in Google Analytics oder Kaufdaten in Shopify können die Zielgruppenanalyse noch verfeinern. In bestimmten Projekten haben wir alle möglichen Datenquellen benutzt und zusammengeführt, um eine umfassende Analyse der Zielgruppe zu machen.

Antwort B: AI-Analysen identifizieren, welche Inhalte (z. B. Bilder mit Menschen, Sportinhalten, emotionale und farbenfrohe Bilder) die meiste Resonanz erzeugen. Ausserdem ermöglichen sie Einblicke in die besten Posting-Zeiten und -Formate, um das Engagement zu maximieren. So können Marken ihre Inhalte gezielter auf die Interessen und das Verhalten ihrer Zielgruppe ausrichten.

Inwiefern können AI-Analysen dabei helfen, Trends auf Instagram frühzeitig zu erkennen und sich an veränderte Verhaltensweisen der Nutzer anzupassen, um das Engagement zu steigern?

Antwort A: Für gewisse Kunden erstellen wir Quartalsreports. So kann man relativ zeitnah und doch mit genügend Daten aktuelle Veränderungen des Algorithmus antizipieren. Viele Best Practices auf Instagram sind nach sechs bis zwölf Monaten veraltet. Man muss am Ball bleiben. Mit den Analysen hat man es schwarz auf weiss, was sich geändert hat.

Antwort B: AI-Analysen helfen, Trends auf Instagram frühzeitig zu erkennen, indem sie grosse Datenmengen auswerten und Muster identifizieren, die aufkommende Trends anzeigen. Sie analysieren Engagement-Raten, bevorzugte Inhaltsarten (z. B. Bilder vs. Reels), Posting-Zeiten und thematische Vorlieben. So können Marken ihre Strategien anpassen, um Inhalte zu erstellen, die resonieren und das Engagement steigern, z. B. durch Fokus auf Bilder, die Nutzung von Carousels oder die Anpassung der Posting-Frequenz.

Wie können Unternehmen sicherstellen, dass die AI-Analysen korrekt und effektiv eingesetzt werden?

Antwort A: Wie bei jeder Anwendung von Machine Learning ist die Datenqualität entscheidend und die Menge, damit man genügend signifikante Aussagen treffen kann. Manchmal müssen wir daher zwei Jahre analysieren, um genügend Fotos kategorisieren zu können. Zudem muss man bei den Daten besondere Ausreisser ausklammern, da diese das Resultat stark verändern können. Gerade bei den Bildanalysen passen wir die Kategorien je nach Branche und Account auch an. Die Anzahl von Naturfotos bei einem Tourismus-Account hat ein anderes Gewicht als z. B. für einen Telekomdienstleister. Dann muss man auch die Analysen von OpenAI kritisch hinterfragen. Wie auch bei ChatGPT sind die Resultate nicht immer akkurat oder machen Sinn.

Antwort B: Unternehmen können sicherstellen, dass AI-Analysen korrekt und effektiv eingesetzt werden, indem insbesondere sichergestellt wird, dass die Daten aktuell, repräsentativ und vielfältig sind, um Bias zu vermeiden und die Genauigkeit der Analysen zu erhöhen.

Gibt es bestimmte Herausforderungen oder Fallstricke, die bei der Implementierung von AI-Analysen auftreten können, und wie können diese bewältigt werden?

Antwort A: Je nach Plattform ist es gar nicht so einfach, Tausende von Posts zu analysieren. LinkedIn liefert z.B. «nur» die letzten zwölf Monate aus. Möchte man irgendwann mehrere Jahre analysieren, macht es Sinn, vorab schon mal alle Daten zu speichern, um diese dann z. B. Anfang 2025 zur Verfügung zu haben. Wie auch sonst gilt: besser zu viele und zu früh Daten sammeln als umgekehrt.

Antwort B: Ja, es gibt bestimmte Herausforderungen und Fallstricke bei der Implementierung von AI-Analysen. Z. B. mangelhafte oder verzerrte Daten können zu ungenauen Ergebnissen führen. Lösung: Sicherstellen, dass die Daten aktuell, umfassend und repräsentativ sind. AI-Systeme können zudem komplex sein, und es kann schwierig sein, ihre Entscheidungen nachzuvollziehen. Mitarbeiter und Stakeholder könnten skeptisch gegenüber AI sein. Lösung: Kommunikation der Vorteile und des Potenzials von AI, Einbeziehung der Mitarbeiter in den Implementierungsprozess. Durch proaktive Planung und strategische Ansätze können diese Herausforderungen bewältigt werden, um den erfolgreichen Einsatz von AI-Analysen zu gewährleisten.

Du warst bereits einmal als Speaker und einmal als Gast an der SCORE! − welche Eindrücke sind dir geblieben?

Antwort A: Ein sehr interessiertes und kompetentes Publikum mit guten, konkreten Fragen. Ich habe es gern, wenn ich nicht alle Antworten aus dem Ärmel schütteln kann. So kann man sich weiterentwickeln und kommt selber auf neue Ideen.

Antwort B: Als Teilnehmer der SCORE! als Speaker und Gast blieben mir vor allem die dynamische Atmosphäre und der rege Ideenaustausch in Erinnerung. Die Vielfalt der Themen und die Qualität der Diskussionen boten wertvolle Einblicke und Inspiration für meine Arbeit im digitalen Marketing. Es war eine einzigartige Plattform für Lernen und Netzwerken, die meinen Horizont erweitert hat.

Auf was freust du dich am meisten am 29. Mai 2024?

Antwort A: Auf die Resultate der Analysen und Kampagnen, denn wir präsentieren ja ein laufendes Projekt und sind selber gespannt, was dabei rauskommt.

Antwort B: Am meisten freue ich mich darauf, meine Erfahrungen und Erkenntnisse über die Anwendung von KI in der digitalen Marketingstrategie zu teilen und gleichzeitig von den Perspektiven und Fragen der Teilnehmenden zu lernen. Es ist immer inspirierend, in einen Austausch mit Gleichgesinnten zu treten und gemeinsam neue Möglichkeiten der Technologie zu erkunden.

Die grosse AI-basierte Instagram-Studie von mehr als 200 Schweizer Instagram Business Accounts gibt es hier.

Mensch oder Maschine?
Von Mike sind alle Antworten A, von MikeGPT ist jeweils die Antwort B.