KStA Man vs. machine – an AI approach to news publishing
Nominiert für den Nova Innovation Award 2023 in der Kategorie Produktinnovation
Der Kölner Stadt-Anzeiger hat ein eigenes KI-getriebenes Empfehlungssystem entwickelt. Mit Hilfe von maschinellem Lernen konnten so Rückschlüsse auf das Leseinteresse Einzelner gezogen werden. Durch das steigende User-Engagement konnte die Brand Loyalty erhöht und die Monetarisierung durch Display Marketing gesteigert werden. Der voll automatisierte Recommender performte nach A/B-Tests in allen KPIs besser als die manuelle Kuration von Inhalten durch die Redaktion.
Im Interview Robert Zilz, Head of Data, Kölner Stadt-Anzeiger Medien
Wie funktioniert die Empfehlungsmaschine Man vs. machine – an AI approach to news?
Rückgrat des Recommenders ist unsere Datenplattform. Über diese sammeln wir konstant Bewegungs-/Konsumdaten des Nutzers-, sowie Content-Metainformationen. Über diese Plattform lassen sich nun viele Anwendungsszenarien realisieren – egal ob Analytics oder, wie im Fall des Recommenders, auch KI-Applikationen. Der Recommender selbst basiert auf dem sogenannten Collaborative Filtering. Man könnte dies schon fast als „klassisches“ Machine-Learning Modell bezeichnen, um Verhaltensmuster von Nutzergruppen auszuwerten und dann auf das Interesse einzelner User zu schließen. Die ganze Applikation basiert auf einem Regelwerk, welches z.B. auch Problemen wie dem sog. „cold start“ bestmöglich entgegenwirkt.
Robert Zilz | Head of Data | Kölner Stadt-Anzeiger MedienWir können über unsere Analyse die Performance und damit den Erfolg der Applikation sehr gut bewerten. Der A/B-Test hat eine Steigerung der Click-Through-Rate von 80% versus der manuell kuratierten Version gezeigt.
Wie stellen Sie die volle Funktionsfähigkeit der KI-basierten Inhalte und wie informieren Sie die Nutzer über die Erstellung durch das Tool?
Um über Funktionsfähigkeit und natürlich auch Erfolg einer solchen Applikation Aussagen zu treffen, bedarf es einer tiefen Integration der Analyse. Auch hier hilft uns unsere Datenlandschaft um z.B. die Funktionsfähigkeit der Applikation selbst, aber auch ihre Performance zu monitoren. So haben wir die Applikation auch in einem A/B-test sehr gut evaluieren können. In der Kommunikation gegenüber dem Nutzer bedienen wir uns der klaren Ausweisung beispielweise über den Titel des Moduls – „Für mich empfohlen“. Man kann es ein wenig mit den Ansätzen von Netflix oder Amazon vergleichen.
Welchen Erfolg konnten Sie mit dem Tool erreichen?
Wir können über unsere Analyse die Performance und damit den Erfolg der Applikation sehr gut bewerten. Der A/B-Test hat eine Steigerung der Click-Through-Rate (CTR) von 80% versus der manuell kuratierten Version gezeigt. Weitere nachgelagerte Metriken, wie der vollständige Konsum der empfohlenen Artikel, zeigte eine Steigerung von 13%.
Was war persönlich für Sie die Innovation in der letzten Zeit?
Ich möchte auf diese Frage jetzt nicht mit „ChatGPT“ antworten :). Der Bereich der KI birgt ein schier unendlich erscheinendes, exponentiell wachsendes Potential an Innovationen – und das auf allen Ebenen von Branchen und Gesellschaft. Die Schaffung von neuen Möglichkeiten und Mehrwerten im Hinblick auf die unterschiedlichsten Anwendungsfälle ist für mich persönlich extrem spannend.