Name des Teilnehmers: Tim Polzehl
Beschreibung des IT-Forschungsprojekts: Automatische Nutzercharakterisierung für Marktforschung und Prototypenentwicklung anhand psychographischer Daten aus Social Media und Sprachanwendungen Facebook, Apple, Google und Twitter machen es uns vor: Neuartige Nutzeranalysen und Analysen von Nutzungsverhalten bergen ein enormes Potenzial für einzigartige Rückschlüsse auf die Bedürfnisse der Nutzer. Im Mittelpunkt der Nutzeranalysen stehen die sogenannten psychographischen Daten, die sehr viele Nutzer im täglichen Umgang mit Sozialen Netzwerken oder durch die immer populärer werdende Möglichkeit der Sprachinteraktion hinterlassen. Meinungen, Vorschläge, Anliegen und Beschwerden werden millionenfach täglich gepostet – eine Datenmenge, die ohne automatische Verfahren nicht mehr analysierbar ist.
Ziel des Projektes AUNUMAP ist es, passgerecht und tagesaktuell die Bedürfnisse einer großen Anzahl von Nutzern automatisch zu erkennen und diese Informationen möglichst nahtlos Marketing? und/oder Produktentwicklungsprozessen zugänglich zu machen. Die psychographischen Eigenschaften sind Ziele der automatischen Klassifikation im vorgeschlagen Projekt. Eine Software oder ein Service zur Datenaufbereitung hinsichtlich dieser Eigenschaften ist derzeit nicht existent. Eine Extraktion und Aufbereitung dieser Nutzerinformationen stellt somit eine Innovation dar. Diese neuartigen Nutzeranalysen
bürgen ein enormes Potenzial für einzigartige Rückschlüsse auf eine Charakterisierung und Bedürfnisanalyse der Nutzer.
Am Ende des Projektes sollen Algorithmen und Prototypen stehen, die für Analysen von Social?Media?Daten und Sprachdaten eingesetzt werden können. Des Weiteren werden diese Algorithmen und Resultate wichtige Parameter und Nutzereigenschaften aufzeigen, die im gesamten wissenschaftlichen Umfeld der Mensch?Maschine?Interaktion von fundamentalem Interesse sind. Mit den beschriebenen Eigenschaften lassen sich Schnittstellen gestalten, die zu einem intuitiveren Benutzererlebnis und zu einer natürlicheren Mensch?Maschine?Kommunikation beitragen, bspw. beim Einsatz in Dialogsystemen, die somit Stimmungen und persönliche Wertevorstellungen der Nutzer erkennen, und darauf Rücksicht nehmen können. Ergebnisse und Algorithmen werden ebenfalls helfen vorhandene Schnittstellen dynamischer und adaptiver zu gestalten. So könnten sich bspw. Maschinen an den Erfahrungsgrad ihrer Nutzer anpassen, bspw. bei Eingabe einer Websuche oder beim Aufbereiten der Ergebnisse einer solchen.
Software Campus-Partner: TU Berlin, Deutsche Telekom AG
Umsetzungszeitraum:01.03.2013 – 31.03.2015