Big Data im Digital Publishing

Schweizerische Text Akademie
CAS Digital Publisher
CAS Digital Publisher / Big Data/ ©2014, 1

Die Datenmenge wächst und wächst …
Quelle: Communications of the ACM, 56/12 (December 2013), 66

… und Daten werden zum Treibstoff für Unternehmen
„Daten sind die Trittleiter zu einer neuen Erkenntnisstufe. Big
Data wird Gesellschaft, Politik und Wirtschaft so grundlegend
verändern wie der elektrische Strom und das Internet.“
(Bloching, Luck & Ramge, 2012, 10 f.)

Google und soziale Netzwerke als Datenpools
Frage:
Wer weiss heute am meisten über meine Kunden?
Antwort:
Google, Facebook und alle anderen sozialen
Netzwerke!

Beispiel: HealthMap
http://blog.tagesanzeiger.ch/datenblog/index.php/4959/ein-online-tool-bemerkte-den-ebola-ausbruch-vor-allen-anderen

Beispiel Facebook Graph Search
Graph Search gestattet umfassende Anfragen wie …
• „Welcher meiner Freunde hat die Veranstaltung XY besucht?“
• „In welchen Restaurants essen meine Freunde?“

Beispiel reputami.com (1)
• Die Suchmaschine Reputami liefert Hotels und Gastronomiebetrieben
Daten über ihre Gäste – und bewertet die Gäste nach ihrer Wichtigkeit.

Beispiel reputami.com (2)
• Darüber hinaus gibt Reputami Auskunft über Vorlieben und Wünsche der
Kunden.

Fazit 1: Big Data und Digital Publishing
Daher ist es für Unternehmen unerlässlich …,
• die Interessen und Vorlieben der Kunden zu kennen;
• dadurch auf die Kunden zugeschnittenen digitalen Content
zu produzieren;
• und in der Folge den Erfolg des Contents zu messen.

Beispiel Facebook-Statistiken
Facebook liefert an Besitzer von Fanpages immer bessere
Statistiken, um digitalen Content massgeschneidert zu produzieren
und zu platzieren.

PS!!
Quelle: algorithmsarethenewgatekeepers-131017060529-phpapp02.pdf

Beispiel: FB Edgerank steuert den Newsfeed (1)
Der Edgerank-Algorithmus von Facebook beruht auf …
• affinity: Nähe des Followers zum „FB-Edge“ (= Ereignis wie
Status Update, Kommentar, Like, Share usw.), etwa durch
häufige Interaktion.
• weight: Bedeutung des FB-Edges (z.B. sind Kommentare
wertvoller als Likes).
• time decay: abgelaufene Zeit seit Publikation des FB-Edges
(junge Edges sind wertvoller als alte).
Quelle: http://www.whatisedgerank.com

Beispiel: FB Edgerank steuert den Newsfeed (2)
• Edgerank steuert die Sichtbarkeit von Meldungen auf dem Newsfeed
individueller User.
• Bei jedem Post prüft es die folgenden Variablen:
Quelle: http://blog.bufferapp.com/understanding-facebook-news-feed-algorithm

Beispiel: Twitter (1)
Twitter plant, dem Beispiel von Facebook folgend mittels eines
Algorithmus den Newsfeed seiner Nutzer zu individualisieren.
http://gigaom.com/2014/09/04/twitter-cfo-says-a-facebook-style-filtered-feed-is-coming-whether-you-like-it-or-not/

Beispiel: Twitter (2)
Bei den Nutzern überwiegt die Angst, dass Twitter seine
Qualität als Echtzeit-Newskanal verliert.
Bezug nehmend auf die Unruhen in
Ferguson, Missouri im August 2014
http://gigaom.com/2014/08/18/twitter-vs-facebook-as-a-news-source-ferguson-shows-the-downsides-of-an-algorithmic-filter/

Fazit 2: Algorithmen und Digital Publishing
Erfolgreich für ein Unternehmen zu publizieren, bedeutet
auch …
• die Algorithmen zu kennen, nach denen Facebook&Co die
Meldungen auf die Bildschirme und Mobiltelefone der
einzelnen Nutzer verteilt;
• seinen Content nach diesen Algorithmen auszurichten;
• und die eigene Community zu pflegen.

Schweizerische Text Akademie
Web: http://www.textakademie.ch
Blog: http://blog.textakademie.ch
Facebook: https://www.facebook.com/textakademie
issuu: http://issuu.com/textakademie

Big Data im Digital Publishing

Recomendados

Recomendados

Mais conteúdo relacionado

Destaque

Destaque (16)

Semelhante a Big Data im Digital Publishing

Semelhante a Big Data im Digital Publishing (20)

Último

Último (7)

Big Data im Digital Publishing