Die Menge der Tag täglich gesammelten Daten nimmt rasant zu. Diese sind für die meisten Unternehmen jedoch so erstmal nutzlos. Um sie als Grundlage von Geschäftsentscheidungen, zur Verbesserung von Produkten und Dienstleistungen oder auch zur Optimierung von Prozessen zu nutzen, müssen die Daten entsprechend analysiert werden.

Spätestens hier kann das Problem auftreten, dass vor allem unstrukturierte Daten, wie z. B. Social Media Posts, Kundenrezensionen oder offene Umfrageantworten schnell herausfordernd werden. Um die wertvollen Erkenntnisse zu erlangen, könnte an dieser Stelle das Sprachmodell ChatGPT, welches zuletzt viel Aufmerksamkeit erhalten hat, helfen.

Stimmungsanalyse, Textzusammenfassung, Themenmodellierung und Segmentierung der Kundschaft werden im Folgenden vier thematisierte Techniken aus dem Bereich Data Analytics mit potenzieller Anwendung des Sprachmodells sein.

Dabei geht es allerdings hier erstmal darum, ob es möglich ist, das Sprachmodell überhaupt zu verwenden. Ressourcenschonung oder auch etwaige Verkomplizierung der Prozesse werden an dieser Stelle zunächst nicht beachtet.

Stimmungsanalysen

Bei der Stimmungsanalyse können Social Media Posts, Nachrichtenartikel, Kundenrezensionen o. Ä. darauf untersucht werden, ob sie eine positive, negative oder neutrale Konnotation aufweisen. Durch das Training mit großen Mengen Textdaten kann ChatGPT die Stimmung in den gefütterten Daten mit hoher Genauigkeit registrieren. Unternehmen können so den Ruf der eigenen Marke und die Stimmung der Kundschaft erfassen. Zusätzlich lassen sich in den analysierten Daten Muster erkennen, die dabei helfen können, Reputationsrisiken frühzeitig zu erkennen oder Kundenzufriedenheit und -service zu verbessern.

Textzusammenfassungen

Bei der Textzusammenfassung wird eine komprimierte Version eines längeren Textes, z. B. eines Nachrichtenartikels oder einer Forschungsarbeit erstellt? Das hat den Vorteil, dass große Mengen an Text schnell auf die wichtigen Informationen und Konzepte gekürzt werden. Typischerweise spricht man von zwei Arten der Zusammenfassung: Die extraktive und die abstrakte. Bei der extraktiven Zusammenfassung werden die wichtigsten Sätze oder Phrasen aus dem Originaltext ausgewählt und kombiniert. Im Gegensatz dazu werden bei einer abstrakten Zusammenfassung nicht dieselben Wörter aus dem Originaltext verwendet, aber dennoch die wichtigsten Ideen vermittelt.

In beiden Fällen kann ChatGPT genutzt werden, um entweder die wesentlichen Sätze und Phrasen zusammenzufassen oder die wichtigsten Informationen zu einem neuen Text zusammenzuführen. Zeitungen zum Beispiel können schnell und einfach Zusammenfassungen von Artikeln für die eigene Leserschaft oder die eigene Recherche erstellen. Gleiches gilt für Quellenzusammenfassungen im Forschungsbereich.

Ebenfalls zur Anwendung könnte es im Finanz- und Rechtswesen kommen, in dem große Mengen an Textdaten schnell verarbeitet und analysiert werden müssen. Die wichtigen Informationen aus langen juristischen oder finanzwissenschaftlichen Dokumenten können so schnell identifiziert werden.

Themenmodellierung

Themenmodellierung wird typischerweise bei der Sprachverarbeitung und Machine Learning verwendet. Mit ihr ist es möglich, die zugrundeliegenden Themen in einer Sammlung von Dokumenten zu erfassen, indem Wortgruppen identifiziert werden, die (im gleichen Dokument) häufig vorkommen.

ChatGPT, kann dabei die Wörter und Phrasen, die am stärksten mit jedem Thema assoziiert werden, bestimmen. Gleichzeitig können natürlich auch hier wieder Zusammenfassungen erstellt werden, die dabei helfen Konzepte und Ideen in den zugrunde liegenden Daten schnell zu verstehen.

Eine mögliche Anwendung der Themenmodellierung ist die Feedbackanalyse der Kundschaft. Unternehmen können Erkenntnisse wie die wichtigsten Probleme und Beschwerden gewinnen, die die Kundschaft im Zusammenhang mit ihren Produkten und Dienstleistungen beschäftigen. Die Verwendung dieser Erkenntnisse können wiederum dazu beitragen, Produktdesign, Dienstleistungen und die allgemeine Kundenzufriedenheit zu verbessern.

Die Analyse sozialer Medien durch Unternehmen kann ebenfalls von der Anwendung der Themenmodellierung profitieren, um die beliebtesten Themen in Bezug auf die eigene Marke (bzw. die der Konkurrenz) oder einer gesamten Branche zu identifizieren. Diese Informationen können anschließend in die Planung und Verwaltung von Marketingkampagnen und -strategien fließen.

Segmentierung der Kundschaft

Für Unternehmen, die bestimmte Segmente innerhalb der Kundschaft, mit maßgeschneiderten Marketingstrategien und Dienstleistungen ansprechen wollen, ist die Segmentierung ein wichtiger Prozess. Unternehmen können die Bedürfnisse ihrer Kundschaft besser verstehen und ansprechen, indem sie diese anhand ihres Verhaltens und ihrer Vorlieben gruppieren.

ChatGPT kann den Prozess entscheidend unterstützen, indem es Verhalten und Präferenzen der Kundschaft erfasst und eine Beschreibung erstellt. Für diesen Vorgang werden im Vorfeld Kaufhistorie, Website-Aktivitäten und das Social Media Engagement analysiert und zusammengefasst. Anschließend ist es dem Sprachmodell möglich, passende Segmente zu erstellen, die auf Vorlieben und Verhaltensweisen basieren. Entsprechend können z. B. die profitabelsten Segmente identifiziert oder das Produktangebot und Markenbotschaft für jedes einzelne Segment optimieren werden.

Fazit

Bei allen Anwendungen muss beachtet werden, dass die manuelle Eingabe von Daten und Texten in ChatGPT natürlich meistens nicht sehr zeiteffizient ist. Sollten große Mengen an Daten, z. B. Social-Media-Aktivitäten in Bezug auf das eigene Unternehmen, analysiert werden, sollte eine API die Daten vorerst erfassen. Alternativ könnten Social Media Überwachungstools ChatGPT oder andere Sprachmodelle direkt in die eigene Anwendung integrieren. Des Weiteren kommt hinzu, dass meistens bereits Tools existieren, deren Bedienung deutlich einfacher ist als der Gebrauch von ChatGPT im Rahmen der behandelten Anwendungsmöglichkeiten.

Zusammenfassend lässt sich sagen, dass OpenAIs Sprachmodell ChatGPT nicht nur ein Produkt der Data Science ist, sondern dass die Fähigkeit, Beschreibungen aus unstrukturierten Daten zu erstellen, es auch zu einem potenziell sehr effektiven Werkzeug für den Bereich der Data Analytics macht. Bei der Verwendung gibt es jedoch im Vorfeld einige Schwierigkeiten, wie z. B. das Erfordernis großer Mengen von Trainingsdaten und die Gefahr eines möglichen Data Bias – vor allem Letzteres wurde, nicht erst seit ChatGPT, sondern allgemein in Bezug auf AI, intensiv diskutiert.

Zuletzt sollte erwähnt werden, dass ChatGPT natürlich nicht die einzige Chatbot AI auf dem Markt ist. Google veröffentlichte kürzlich einen eigenen Chatbot „Bard“ und jeden Monat werden zahlreiche weitere AI-Anwendungen veröffentlicht. Ob Chatbots, Bild-, Video-, oder Sprachgenerierung – die Auswahl und Möglichkeiten der verschiedenen Tools nimmt rasant zu.

Autor: Max ist bei TIQ Solutions als Social Media Manager tätig.

weitere Beiträge