Dieser Artikel wurde im Englischen von Giorgio Orsi, Senior Director für Data Science Innovation bei Meltwater, verfasst.
Bei Meltwater nehmen wir Big Data, KI und maschinelles Lernen (ML) sehr ernst, denn sie sind seit den Anfängen unseres Unternehmens das Herzstück unserer Arbeit.
Die ersten ML-Modelle für die Sentimentanalyse und Entity-Erkennung wurden bereits 2005 eingesetzt, lange bevor Social Media zum Mainstream wurde. Heute verarbeiten wir täglich mehr als 1,3 Milliarden neue Social-Media-Posts, Nachrichtenartikel und Blogbeiträge. Wir verarbeiten mehr als 20 Milliarden Interaktionsvorgänge in Echtzeit über alle sozialen Kanäle hinweg und ziehen mehr als 15 Milliarden Schlussfolgerungen aus unseren KI-Modellen.
In diesem Blogbeitrag führen wir dich durch alle Bereiche, die von unseren KI- und Data Science-Teams bei Meltwater abgedeckt werden, und erklären, wie wir KI in all unseren Produkten über unsere einheitliche Fairhair.AI-Plattform einsetzen:
KI-Bereiche
Verarbeitung natürlicher Sprache und LLMs
Sprachverarbeitung
Computervision - Bild- und Videoanalyse
Knowledge Graph
Zeitreihenanalyse und prädiktive Analytik
Spracherkennung und Geolokalisierung
Die Zukunft der KI bei Meltwater
KI-Bereiche
KI Bereiche werden häufig in zwei Haupttypen unterteilt:
- Symbolische (z. B. logische Regeln und andere formale Methoden)
- Subsymbolische (d. h. statistische) KI, zu der das maschinelle Lernen und insbesondere Deep Learning und neuronale Netze gehören.
Bei der symbolischen KI werden das Wissen und die Regeln explizit in das System einprogrammiert, d. h. das System hat einen vordefinierten Satz von Regeln zu befolgen. Dies hat den Vorteil, dass Daten und Wissen auf transparente und leicht verständliche Weise verarbeitet werden können, allerdings können Regeln beim Umgang mit Unsicherheiten und beim Lernen aus Daten ihre Grenzen haben.
Beim maschinellen Lernen (ML) hingegen werden Daten mithilfe statistischer Modelle und Algorithmen verarbeitet. Dabei werden häufig Modelle auf großen Datenbeständen trainiert, um Muster zu lernen und Vorhersagen auf der Grundlage der Daten zu treffen. ML eignet sich gut für den Umgang mit hochkomplexen Beziehungen zwischen Daten und für Rückschlüsse auf Szenarien, die bisher nicht bekannt waren.
Die Zukunft der KI wird höchstwahrscheinlich in einer Kombination der beiden Ansätze liegen, bei der Lernen und logisches Denken zusammenarbeiten, um aus den Daten zu lernen und die Regeln zu "befolgen", da viele Anwendungen bestimmte Sicherheits-, Regulierungs- und Fairnessanforderungen erfüllen müssen.
Verarbeitung natürlicher Sprache und LLMs
Die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) ist seit mehr als 20 Jahren das Kernstück der Arbeit von Meltwater. NLP ist ein Teilbereich der künstlichen Intelligenz, der sich mit der Interaktion zwischen Computern und menschlicher Sprache beschäftigt.
Bei Meltwater werden NLP-Techniken eingesetzt, um Textdaten aus Nachrichten, Blogs, Social-Media-Plattformen und First-Party-Daten zu extrahieren, zu strukturieren und zu analysieren, um Erkenntnisse darüber zu gewinnen, wie Marken von ihren Zielgruppen wahrgenommen werden, wie und wo Konversationen stattfinden und wie sie sich verbreiten. So können wir Modelle des Verbraucherverhaltens ableiten, aufkommende Trends verstehen und Empfehlungen für PR- und Marketingexperten aussprechen.
Dies sind einige der NLP-Aufgaben, die durch den KI-Stack von Meltwater unterstützt werden:
Stimmungsanalyse und Erkennung von Emotionen
Die Aufgabe, den Ton (positiv, negativ, neutral) und die Emotionen (z. B. Wut, Freude, Überraschung) eines Beitrags, Artikels oder einer ganzen Unterhaltung zu verstehen. Unsere Modelle basieren auf Large Language Models (LLMs), um sowohl die Stimmung als auch die Emotionen vorherzusagen.
Wir unterstützen mehr als 200 Sprachen mit einer Genauigkeit von über 90 %, und weitere Sprachen sind in Vorbereitung. Unsere Stimmungsanalysemodelle bilden die Grundlage für die Stimmungsanalyse in allen unseren Produktsuiten.
Tipp: Erfahre mehr über die Sentimentanalyse und nutze unser kostenloses Template zur manuellen Sentimentanalyse.
Entity/Keyphrase-Extraktion und -Verknüpfung
Die Aufgabe, relevante Entitäten und Schlüsselphrasen/-begriffe in Texten zu erkennen.
Bei dieser Aufgabe werden Techniken des maschinellen Lernens und die Leistungsfähigkeit des Meltwater-Wissensgraphen eingesetzt, um Marken, Personen, Produkte, Standorte und allgemeine Begriffe (Netzkabel, Bildschirmschutz) in mehr als 90 Sprachen zu erkennen und miteinander zu verknüpfen.
Die Algorithmen zur Extraktion von Entitäten und Schlüsselwörtern bilden die Grundlage für die Widgets zur Entitätsanalyse in allen unseren Produkten, die Suchfunktionen für Entitäten in Meltwater Explore und Smart Alerts. Außerdem wird die Sentimentanalyse verbessert, indem eine Stimmungsanalyse auf Entitätsebene (ELS) ermöglicht wird.
Klassifizierung der Themen
Die Aufgabe, Text in Kategorien zu klassifizieren, z. B. Sport, Finanzen, Wirtschaft.
Die Themenklassifizierung ist von entscheidender Bedeutung, um das Datenrauschen zu durchbrechen und die Analyse auf relevante und aussagekräftige Quellen zu konzentrieren.
Meltwater verwendet LLMs auch für die Themenklassifizierung und ist in der Lage, Inhalte in mehr als 30 Sprachen anhand einer Taxonomie mit Tausenden von Kategorien zu klassifizieren. Da es keine Einheitsgröße für alle gibt, unterstützen wir auch benutzerdefinierte Kategorien, um Kunden bei der Verfeinerung ihrer Suche nach noch relevanteren Ergebnissen zu helfen.
Benutzerprofilierung
Obwohl es sich nicht um eine NLP-Aufgabe im engeren Sinne handelt, baut sie auf vielen NLP-Bausteinen auf.
Bei Meltwater werden die Autoren von Beiträgen in sozialen Medien anhand von folgenden Merkmalen klassifiziert:
- Alter
- Geschlecht
- Beruf
- Beziehungsstatus
- gesprochene Sprache
- Orte, die sie in ihren Beiträgen erwähnen
- Themen, über die sie sprechen oder mit denen sie sich beschäftigen
Meltwater nutzt dieselbe Technologie, die auch von LLMs verwendet wird, um Modelle zu erstellen, die in der Lage sind, diese Profile für Beitragsverfasser auf der Grundlage von Millionen anderer Profile vorherzusagen.
Demografische Analysen und die Fähigkeit, Stämme automatisch zu identifizieren, sind für Consumer Intelligence, Customer Intelligenc(CI) und Social Media Marketing von entscheidender Bedeutung und ermöglichen eine gezieltere Ausrichtung von Marketingkampagnen sowie eine Verbesserung des Kundendienstes und der Customer Experience.
Unsere Funktionen zur Erstellung von Nutzerprofilen unterstützen die Registerkarte Autoren in Explore und unser Produkt Communities. Unser KI-Modell ist auch in der Lage zu erkennen, ob das Konto wirklich einem menschlichen Autor gehört und nicht etwa automatisierten Konten wie Produkt- oder Unternehmensseiten. Außerdem wird ein Autoritätswert berechnet, um wichtige Meinungsführer und Autoritäten der Community zu identifizieren.
Clustering und Zusammenfassungen
Diese Aufgabe erzeugt eine aussagekräftige Zusammenfassung von einem oder mehreren Artikeln und Beiträgen, die sich auf dieselbe Geschichte beziehen. Diese Funktion ermöglicht es PR- und Marketern, relevante Geschichten und die zugrundeliegenden Quellen schnell zu identifizieren, ohne sich durch Tausende irrelevanter Erwähnungen wühlen zu müssen.
Unsere erstklassige, LLM-gestützte Clustering-Technologie identifiziert automatisch Artikel und Beiträge, die zum selben Thema gehören, und erkennt auch Copy-Paste-Syndizierungen oder plagiierte Artikel.
Unsere Zusammenfassungs-Technologie nutzt dann generative KI, um die Geschichten zu prägnanten Zusammenfassungen zu verdichten.
Unsere KI kann einzelne oder mehrere Artikel und Beiträge in mehr als 50 Sprachen zusammenfassen. Jeden Tag verarbeiten wir mehr als 600.000 unterschiedliche Geschichten (Cluster), die jeweils aus mehreren tausend Artikeln bestehen.
Erkennung von Ereignissen
Die Ereigniserkennung identifiziert relevante Ereignisse wie Produkteinführungen, Börsengänge und Ernennungen von Führungskräften. Die Ereigniserkennung verfolgt jeden Tag Millionen von Nachrichtendokumenten und unterstützt mehr als 40 verschiedene Arten von Ereignissen.
Die Ereigniserkennung nutzt fortschrittliche neuronale Netzwerktechnologie, um Ereignisse zu identifizieren und Schlüsselattribute zu extrahieren, z. B. den für eine Akquisition gezahlten Preis oder den Namen der ernannten Führungskräfte. Die Ereigniserkennung wird sowohl in Smart Alerts als auch in Explore unterstützt. Die Ereignisse werden dann mit Social Media-Posts verknüpft, die ereignisbezogene Artikel über unsere fortschrittliche LLM-gestützte Clustering-Technologie teilen.
Spamerkennung
Eine Media Monitoring und Social Listening Suite ist nicht vollständig, wenn sie nicht in der Lage ist, wertvolle Informationen von irrelevanten Daten zu trennen.
Unsere Spam-Erkennungstechnologie unterstützt mehr als 200 Sprachen und kann alle Arten von Spam-Inhalten identifizieren, von NSFW-Inhalten (Not-Safe-For-Work) bis hin zu Bot-generierten Inhalten und Werbeanzeigen.
Dies hilft PR- und Marketing-Teams, den Datendschungel zu durchbrechen und die Kennzahlen für Wirkung und ROI in die Höhe zu treiben.
Sprachverarbeitung
Unter Sprachverarbeitung versteht man die Analyse und Verarbeitung von Sprachsignalen, in der Regel mit dem Ziel, nützliche Informationen zu extrahieren oder sie für bestimmte Zwecke umzuwandeln.
Bei der Spracherkennung werden gesprochene Wörter in Text umgewandelt. Bei Meltwater werden sie zur Verarbeitung der Rundfunkdaten (Radio, Fernsehen und Podcasts) verwendet, die wir von unseren Partnern wie TVEyes erhalten. Sobald der Text extrahiert ist, kann er wie jeder normale Text verarbeitet werden. Die Sprachverarbeitung spielt eine entscheidende Rolle beim Social Listening und des Brand Monitorings, da kurze Videos und Podcasts bei Influencern inzwischen sehr beliebt sind.
Die Sprachverarbeitung wird in mehr als 20 Sprachen unterstützt, und wir verarbeiten täglich das Äquivalent von 37.000 Stunden Sprache von mehr als 60.000 Sendern, was ungefähr 1,5.000 Tagen Sprache an jedem einzelnen Tag entspricht.
Computervision - Bild- und Videoanalyse
Ein Bild sagt mehr als tausend Worte, und wenn es um Brand Management geht, ist das wirklich wahr. Unsere eigenen Untersuchungen zeigen, dass Twitter-Posts mit Bildern 2,6 Mal mehr Engagement erhalten als reine Text-Posts.
Ebenso haben sich Videos in sozialen Medien als äußerst effektiv erwiesen, um Aufmerksamkeit zu erregen und das Engagement zu steigern. Die Daten von Meltwater zeigen, dass Tweets mit Videos doppelt so viel Engagement erhalten wie normale Posts. Daher ist es für eine Social Listening-Plattform von entscheidender Bedeutung, über eine KI-Technologie zu verfügen, die in der Lage ist, Bilder und Videos zu verstehen und daraus Erkenntnisse abzuleiten.
Bei Meltwater haben wir eine hochmoderne Computer-Vision-Technologie entwickelt, die auf Vision Transformers (das Äquivalent von LLMs für die visuelle Welt) basiert. Erfahre mehr über Image Recognition und Image Recognition Tools.
Unsere einheitliche Plattform unterstützt derzeit mehr Computer-Vision-Aufgaben als jede andere in unserer Branche, darunter:
- Erkennung von Logos und Prominenten: identifiziert Markenlogos, Prominente und andere VIPs (z. B. UnternehmensvertreterInnen) in Bildern. Wir unterstützen derzeit mehr als 3,5k Logos und 400 Prominente, und täglich kommen weitere hinzu.
- Gesichtserkennung (Alter, Geschlecht, Dichte): Unsere visuelle KI ist in der Lage, die wahrscheinliche Altersgruppe und das Geschlecht von Personen in Bildern auf der Granularität einzelner Gesichter zu erkennen. Dies ergänzt unsere demografischen Segmentierungsfunktionen, die von unserem NLP-Stack bereitgestellt werden. Unsere KI kann sogar Menschen in Bildern zählen, so dass wir Suchanfragen wie "Finde Ergebnisse, bei denen das Nike-Logo in einer Menschenmenge erscheint" beantworten können.
- Erkennung von Szenen und Objekten: Unsere KI kann mehr als 700 verschiedene Objekte und über 120 Szenen und Situationen erkennen. Dies ermöglicht z. B. die Suche nach einem Markenlogo in bestimmten Kontexten, wie z. B. das Markenlogo bei einer Sportveranstaltung im Vergleich zu einer MET-Gala.
- Erkennung von Emotionen: Diese Funktion erweitert unsere NLP-Fähigkeiten zur Erkennung von Gefühlen und Emotionen um die Fähigkeit, dieselben Emotionen in Bildern zu erkennen, um ein umfassenderes Hörerlebnis über alle Medienkanäle hinweg zu ermöglichen.
- Meme-Erkennung: In der heutigen Social-Media-Landschaft spielen Memes eine zentrale Rolle. Keine Social-Listening-Suite ist ohne Meme-Tracking und -Erkennung vollständig.
- Object Character Recognition: die Aufgabe, geschriebene Wörter in Bildern zu erkennen. Keine Social Listening Suite ist komplett, wenn sie nicht in der Lage ist, Textinhalte in Bildern zu identifizieren. Diese Fähigkeit erweitert unsere Such- und Überwachungsfunktionen in Radarly und Explore und ergänzt unsere Logoerkennung, um keine Markenerwähnung zu verpassen.
- Image Clustering: Durch die Nutzung der Leistungsfähigkeit von Visual Transformers, kann unsere KI Ähnlichkeiten zwischen Bildern erkennen und Cluster ähnlicher Bilder erstellen, was ein noch nie dagewesenes Maß an Entdeckung und Kontrolle in Social Listening-Anwendungen ermöglicht.
Die visuelle KI-Technologie ist die Grundlage für die Bildsuche und die Analysefunktionen in Radarly und Explore sowie für unsere Meltwater Influencer Marketing Suite.
Tipp. Erfahre mehr über die Grundlagen der Bilderkennung und die beste Bilderkennungssoftware dafür.
Knowledge Graph
Ein Knowledge Graph ist eine Art von Datenbank, die zur Darstellung und Speicherung von Wissen in Form von Entitäten (Knoten) wie Personen, Orten, Marken, Produkten und deren Beziehungen (Kanten) konzipiert ist. Zum Beispiel: John Box ist der CEO von Meltwater, iPhones werden von Apple hergestellt, John Simpson schreibt für die BBC.
Knowledge Graphen werden häufig zur Unterstützung intelligenter Anwendungen wie Suchmaschinen, KI-Assistenten und Empfehlungssystemen verwendet. Einige Beispiele für Wissensgraphen sind der Knowledge Graph von Google, der die Suchmaschine antreibt und Informationen über Entitäten wie Menschen, Orte und Dinge liefert, und der Social Graph von Facebook, der die Beziehungen zwischen Menschen und ihren Interessen darstellt.
Der Knowledge Graph von Meltwater enthält mehr als 20 Mio. Entitäten und 70 Mio. Beziehungen und umfasst Unternehmen und ihre Führungskräfte aus mehr als 300 Branchen. Der Wissensgraph ist die Grundlage für unsere Smart Alerts, die Entitätssuche von Explore sowie unsere Produkte Media Relations, Influencer Marketing und Sales Intelligence.
Wir nutzen ihn auch, um automatisch zu empfehlen, welchen Wettbewerbern man folgen oder sie beobachten sollte, und zwar mithilfe unserer KI-basierten Branchenklassifizierer, die Unternehmen automatisch ihren Branchen zuordnen und Wettbewerber miteinander verbinden.
Zeitreihenanalyse und prädiktive Analytik
Bei der Zeitreihenanalyse geht es um das Verständnis von Phänomenen, Mustern, Trends, saisonalen Schwankungen und anderen eher exotischen Datenbeziehungen im Langzeitverlauf. Sie wird verwendet, um auf der Grundlage vergangener Beobachtungen Vorhersagen über zukünftige Werte zu treffen.
Bei Meltwater hat unser Predictive Analytics-Team KI-Modelle entwickelt, um Engagement- und Erwähnungstrends sowie das Kundenverhalten zu verstehen, Anomalien (z. B. Spikes) zu erkennen und zu erklären und Vorhersagen über zukünftige Trends zu treffen. Diese Algorithmen bilden die Grundlage für unser Produkt Smart Alerts, mit dem Nutzer in Echtzeit über Spikes bei Erwähnungen und Engagement, Stimmungsschwankungen, gesponserte Facebook-Posts und virale Tweets informiert werden. Predictive Analytics-Algorithmen unterstützen auch die Spike-Erkennung in unserem neuen Discovery-Angebot.
Spracherkennung und Geolokalisierung
Bei der Spracherkennung und Geolokalisierung geht es darum, die Sprache und den Standort eines Nutzers anhand bestimmter Merkmale zu bestimmen. In einigen Fällen erhält Meltwater diese Informationen direkt von unseren Datenanbietern, aber wir validieren den Standort immer oder leiten ihn ab, wenn er mit Hilfe von KI-Technologie fehlt.
Die KI-gestützte Spracherkennung wird in mehr als 240 Sprachen unterstützt, aber unsere Plattform unterstützt die Suche und den Abruf in allen bekannten menschlichen Sprachen (mehr als 7k!). Sprach- und Geolokalisierung sind für die demografische Analyse und Kundensegmentierung sowie für die Durchsetzung unserer strengen Daten-Compliance-Regeln entscheidend.
Je nach Plattform ist unsere KI in der Lage, den Standort eines Nutzers bis auf die Granularität eines Stadtviertels zu bestimmen, und zwar auf der Grundlage der im Beitrag verfügbaren Informationen, der Biografie eines Autors und manchmal auch der IP-Adresse des Geräts, das zur Veröffentlichung des Beitrags verwendet wurde. Derzeit werden alle anerkannten ISO-Länder und -Gebiete von allen Produkten von Meltwater unterstützt.
Die Zukunft der KI bei Meltwater
Nachdem wir uns die Vergangenheit und den aktuellen Stand der KI von Meltwater angesehen haben, ist es nun an der Zeit, sich der Zukunft zuzuwenden.
Als Innovationsführer und AI-first-Unternehmen verdoppelt Meltwater seine Investitionen in AI und Machine Learning. Unser wissenschaftlicher Beirat gibt uns Einblicke in die technologische Innovation im Bereich der KI und hilft uns, neue Lösungen oder Technologien für einige unserer schwierigsten KI-Herausforderungen zu finden.
Die KI-Technologie birgt ein enormes Potenzial für die PR- und Marketingbranche, und Meltwater integriert KI-Hilfstechnologien in alle seine Produkte, einschließlich unserer Unternehmens- und Lieferdienste.
Freue dich auf viele weitere interessante KI Blogposts, in der wir dir unsere neuen Produktfunktionen vorstellen, darunter unsere generativen KI-Funktionen, innovative Videoanalyse, unseren GPT-gestützten PR-Assistenten und Engage-Assistenten, KI-gestützte benutzerdefinierte Klassifizierer, semantische Suche, Spike-Analyse, Empfehlungen und präskriptive Analysen sowie viele Tipps und Tricks für die effektive Nutzung unserer KI-gestützten Funktionen.
Tipp: Sieh dir an, wie der KI-Schreibassistent von Meltwater für Social Media Manager funktioniert.
