Implisense schließt Projekt ab

Middleware bewertet Kundenpotenzial von Firmen

| Autor / Redakteur: Martin Hensel / Nico Litzel

Implisense geht neue Wege bei der Analyse von Firmendaten.
Implisense geht neue Wege bei der Analyse von Firmendaten. (Bild: Implisense)

Der Analytics-Spezialist Implisense aus Berlin hat den erfolgreichen Abschluss seines Forschungsprojekts „Customer Prediction Platform (CPP)“ bekanntgegeben.

Das von 2016 bis 2018 laufende Projekt drehte sich um die Entwicklung einer Middleware, die Firmenkunden auf deren Kundenpotenzial hin bewerten soll. Mit der CPP wurde dabei ein Paradigmenwechsel umgesetzt: Die Plattform lässt öffentliches Kontextwissen in eine vollständig automatisierte Empfehlung für Endanwender aus dem B2B-Marketing einfließen. Auf diese Weise lassen sich beispielsweise aus Inbound Leads individuelle Produktempfehlungen berechnen.

Problemlöser für das B2B-Marketing

Laut Implisense soll die CPP eine ganze Reihe von Anwenderproblemen im B2B-Marketing lösen. So wird zwar zunehmend auf die Gewinnung neuer Interessenten über Inbound Marketing gesetzt, obwohl die Bewertung unbekannter Firmen über interne Daten schwierig ist. Letztere erfordern oft aufwendige Datenbereinigungen und -anreicherungen, ehe sie belastbare Analysen ermöglichen. Außerdem kann die Recherche von öffentlich verfügbaren Unternehmensdaten für CRM-Nutzer frustrierend sein, zumal sie als Service automatisierbar wäre. Zudem führt die ungerichtete Sammlung von Informationen schnell zu einer Überlastung, da diese von Endanwendern in der Regel nicht auswertbar sind.

Ergebnisse des Forschungsprojekts

Nach dem Ende der Berichts- und Evaluationsphase hat Implisense nun einige Highlights seiner Forschungsarbeit vorgestellt. Dazu zählt das Open-Source-Projekt DALPHI Active Learning Platform for Human Interaction. Sie soll den kontinuierlichen iterativen Prozess der Modellverbesserung im Machine Learning praktisch umsetzen. Dies geschieht über Active Learning: Dabei identifiziert das Modell selbstständig aus nicht annotierten Daten diejenigen, zu denen die Kenntnis des korrekten Outputs den größten Mehrwert bieten würde. Es handelt sich dabei meist um Beispiele „nahe der Entscheidungsgrenze“, die anschließend einem menschlichen Annotator vorgelegt werden. Danach werden sie dem Trainingsdatensatz hinzufügt und auf dieser Basis ein neues Modell angelernt. In der aktuellen Version der Software sind verschiedene Annotationsinterfaces enthalten, die sich an unterschiedliche Fragestellungen anpassen lassen.

Scoring und Ereignis-Monitoring

Implisense stellte auch eine Categorize-Funktion vor, die eine beliebige Firma nach deren Affinität zu kundenindividuellen Profilen bewerten kann. Somit lässt sich ein Lead neben traditionellen Kriterien auch nach eigenen Zielkunden-Profilen qualifizieren, wie beispielsweise dem bereits bekannten Käufer eines Produkts. Ebenfalls neu ist ein Ereignis-Monitoring, das nun auch Pressemitteilungen, Ad-hoc-Meldungen, internationale News, Jobanzeigen, Blogposts und Corporate-Twitter-Meldungen auf Firmennennungen hin auswertet. Erfolgt eine Zuordnung, werden weitere Fakten aus der Meldung ermittelt und in einem semantischen Modell mit über 100.00 Entitäten abgelegt. Der so entstandene Graph ermöglicht das künftige Inferieren von Eigenschaften zwischen Firmen. Technologisch wurden hier Named Entity Recognition (NER), Named Entity Disambiguation und Relationsextraktion bearbeitet.

Produktiver Einsatz

Da die Entwicklungen von Großkunden aus IT, Handel und Bankwesen begleitet wurden, sind bereits produktive Integrationen in Data Lakes und Anbindungen an CRM-Systeme entstanden. Zudem wurden kostengünstige Angebote von Cloud-basierten Integrationsdiensten wie Zapier oder dem Mashape API Marketplace eingebunden. Für die Zukunft plant Implisense, den Company Graph mit Finanzkennzahlen aus Geschäftsberichten und Konzernabschlüssen zu erweitern. Kunden erhalten dadurch zusätzliche Möglichkeiten zur Profilierung von Bestandskunden in B2B-Marketing, Vertrieb und Risikomanagement.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45542589 / Analytics)