Was hat Sie dazu bewogen, im Bereich der Empfehlung von Nachrichteninhalten zu arbeiten?
Ich habe meine Karriere in der Energiebranche in den USA im Jahr 2005 begonnen. Ich habe 12 Jahre in der Energiebranche gearbeitet. Die Energiebranche ist sehr datenintensiv und schon sehr früh in meiner Karriere kam ich mit Big-Data-Projekten in Berührung. Es hat mir auf jeden Fall Spaß gemacht und im Nachhinein war es auch ein Segen, denn Big Data Analytics hat in den letzten 5 Jahren einen großen Aufschwung genommen. Es steht auch so viel Cloud-Computing-Leistung zur Verfügung, dass der Bereich Big Data Analytics sehr interessant wird.
Das war meine berufliche Laufbahn. Persönlich bleibe ich gerne auf dem Laufenden und halte mich über Entwicklungen auf dem Laufenden. Ich beziehe meine Nachrichten aus verschiedenen Quellen, darunter Nachrichten-Websites, soziale Medien und natürlich Fachblogs. Etwa im Jahr 2017 hatte ich das Gefühl, dass es schön wäre, mein Interesse an Big Data Analytics und Nachrichten zu vereinen, und ich wechselte von der Big Data Analytics der Energiebranche zur Big Data Analytics der Empfehlung von Nachrichteninhalten.
Wie hat Sie das dazu geführt, Newsology zu gründen?
Wie ich oben erwähnt habe, bin ich ein begeisterter Nachrichtenkonsument. Allerdings hatte ich das Gefühl, Nachrichtenempfehlungen von der breiten Öffentlichkeit zu erhalten – und nicht von Experten und Fachleuten in einem bestimmten Bereich. So erhielt ich zum Beispiel Artikel über Ernährung von der breiten Öffentlichkeit, vielleicht von meinen Freunden – und ich hatte das Gefühl, dass ich lieber lesen würde, was Ernährungswissenschaftler empfehlen. Die Hypothese ist, dass ein Fachmann in seinem Fachgebiet besser über die Qualität eines Nachrichtenartikels informiert ist.
Wir haben mehrere Feedback-Sitzungen durchgeführt, um unsere Hypothese zu testen, und waren der Meinung, dass dieses Problem angegangen werden muss. Deshalb haben wir Newsology im Jahr 2017 gegründet. Dabei haben wir Feedback von unserer Benutzergemeinschaft und Journalisten erhalten, um sicherzustellen, dass wir unseren Benutzern gute Inhalte empfehlen. Wir erhalten weiterhin Feedback zur Empfehlung der von unserer App vorgeschlagenen Artikel und optimieren unser Produkt entsprechend.
Wie sieht ein typischer Tag aus?
Ich bin definitiv eine Nachteule, daher beginnt meine typische „Nacht“ damit, dass ich unsere wichtigsten KPIs mit dem bestehenden System analysiere und dann den Fertigstellungsstatus der nächsten Verbesserungen ermittle, die wir entwickeln – das können Optimierungen an unserer KI-Engine oder Modifikationen daran sein unsere App. Wir arbeiten mit einem verteilten Team. Wir haben keine festen Terminpläne für Besprechungen. Alle sind auf Skype, also schreiben wir uns einfach gegenseitig Nachrichten und vereinbaren bei Bedarf Telefonkonferenzen.
Meine Nacht wird also für mehr technische Arbeit genutzt. Im Laufe des Tages neige ich dazu, andere Aufgaben wie Marketing, PR und Kundenfeedback zu erledigen.
Wie sieht Ihr Arbeitsaufbau aus? (Ihre Apps, Produktivitätstools usw.)
Ich habe einen Laptop mit einem Dual-Screen-Setup angeschlossen. Ich versuche zu vermeiden, lange E-Mails auf meinem Telefon zu schreiben und behalte sie für meinen Computer, damit ich klare Anweisungen und Antworten geben kann. Unsere Aufgaben werden auf Trello protokolliert. Wir haben sehr klare Richtlinien dazu, wie Probleme bei Trello protokolliert werden, wann eine Aufgabe als abgeschlossen markiert wird usw. Wir versuchen, eine Kultur beizubehalten, in der dem nächsten Benutzer zahlreiche Informationen bereitgestellt werden, damit die Aufgabe effizient und mit minimalen Besprechungen vorangetrieben werden kann. Wir sind definitiv ein O365-Shop. Unsere Dokumente, KPIs, Arbeitsabläufe, Präsentationen usw. werden alle in der O365-Cloud gespeichert. Darüber hinaus nutzen wir GitHub und AWS.
Wie bringt KI Originalinhalte zum Vorschein?
Es gibt eine Handvoll Nachrichtenaggregations-Apps, die KI verwenden, um Originalinhalte anzuzeigen. Es gibt mehrere Möglichkeiten, wie diese Apps KI verwenden, um Originalinhalte anzuzeigen. Ich erkläre zwei der am häufigsten verwendeten Methoden und dann eine Wendung, die Newsology verwendet.
Die erste Technologie, die verwendet werden kann, ist Collaborative Filtering. Wir können Collaborative Filtering anhand eines einfachen Beispiels erklären. Nehmen wir an, Stephan interessiert sich für Ernährung und Gewichtsverlust. Und Sarah interessiert sich auch für Ernährung und Gewichtsverlust. Aber Sarah interessiert sich auch für Meeresfrüchte. Vielleicht sollten wir Stephan Meeresfrüchte-Artikel empfehlen? Zeigt Stephan mangelndes Interesse an Seafood-Artikeln, wird das Model dies erkennen und ein anderes Thema testen. Hier sehen Sie, dass die KI-Engine selbstständig neue Themen findet, die einen Leser interessieren könnten.
Lassen Sie uns über eine zweite Technologie sprechen: Doc2Vec. Manchmal bietet ein Journalist oder Blogger eine interessante Perspektive. Und dies wird von einer großen Menge an Artikeln übertönt, die im Wesentlichen über dasselbe sprechen. Wir können Algorithmen wie Doc2Vec verwenden, um zu sehen, ob Journalisten über dasselbe Ereignis sprechen. Nehmen wir zum Beispiel an, dass ein Astrologe am selben Tag zwei interessante Dinge über unsere Galaxie entdeckt. Wir haben vielleicht 10 Journalisten, die über die erste Veranstaltung berichten, aber nur 1 Journalist berichtet über die zweite Veranstaltung . Doc2Vec kann erkennen, dass die 10 Journalisten in Wirklichkeit über dasselbe Ereignis diskutieren und ihre Artikel in nur einer „Anzeige“ gruppiert werden. Dadurch besteht die Möglichkeit, dass der zweite Artikel den Benutzern angezeigt wird, die sich für Astrologie interessieren. In diesem Fall half die KI einem Benutzer, Entwicklungen zu erkennen, die sonst möglicherweise verborgen blieben.
Der Clou, den Newsology hinzufügt, besteht darin, dass auch der berufliche Hintergrund eines Benutzers berücksichtigt wird. Nehmen wir unser erstes Beispiel mit Sarah und Stephan. Wenn ein Newsology-Benutzer angibt, dass er Ernährungsberater ist, fügen wir jetzt diese dritte Dimension hinzu, indem wir Sarah und Stephan Artikel über Ernährungsartikel empfehlen. Das heißt: Welche Artikel lesen Ernährungswissenschaftler? Was können wir Sarah und Stephan angesichts dieser Informationen nun empfehlen?
Natürlich gibt es nicht nur zwei oder drei KI-Modelle, die von Nachrichtenaggregations-Apps verwendet werden. Es gibt viele weitere Modelle, die zusammenarbeiten, gemeinsam testen und gemeinsam empfehlen. Sie erfahren auch selbst, ob ihre Empfehlung funktioniert. Reagiert der Benutzer beispielsweise auf die Empfehlung? Dies wird als A/B-Testing bezeichnet. Und wenn der Benutzer nicht antwortet, was tun wir?
Welchen Nutzen haben Blogger und Autoren?
Benutzer möchten originelle, gut artikulierte Inhalte konsumieren. Es gibt Tausende von Bloggern und Autoren, die Originalinhalte schreiben, die nicht genügend Beachtung finden. Newsology hilft dabei, die Inhalte unabhängiger Blogger und Autoren bekannt zu machen.
An welche Delegationstipps halten Sie sich?
Delegation ist ein Prozess. Der erste Schritt besteht darin, den Delegationsquadranten zu verwenden (wichtig/nicht wichtig vs. dringend/nicht dringend). Sie wären überrascht, wie viele Aufgaben in dieser Phase herausfallen. Wenn ich delegiere, ist es meiner Meinung nach besser, sich die Zeit zu nehmen und zunächst selbst die Vision/das Bedürfnis/das Problem aufzuschreiben, um sicherzustellen, dass ich das Problem und das gewünschte Endergebnis vollständig verstanden habe. Nachdem ich die Aufgabe gründlich durchdacht habe, frage ich mich dann, wem ich die Aufgabe am besten übertragen kann. Es ist wichtig, darzulegen, wie ein Erfolg aussieht, und den Delegierten zu ermutigen, sich zu fragen, ob er denkt, dass eine Aufgabe erfolgreich abgeschlossen wurde. Dadurch wird sichergestellt, dass die Person, die die Aufgabe erledigt, ihre eigene Qualitätskontrolle durchführt.
Inhalte unserer Partner
Welchen Rat haben Sie für ambitionierte Digital-Publishing- und Medienprofis, die in den KI- und ML-Bereich einsteigen?
Ich gebe zwei Ratschläge. Ein Soft Skill und ein Hard Skill.
Was die Soft Skills angeht, sollten Sie viel Zeit damit verbringen, die richtige Person für die Aufgabe einzustellen. Aber wenn Sie die Person erst einmal eingestellt haben, haben Sie keine Angst davor, die hohen Standards Ihres Teams einzuhalten. Sie wären überrascht, wie viele Menschen mit der „gut genug“-Mentalität agieren. Es ist nicht ihre Schuld. Sie suchen von Ihnen Rat bezüglich Ihrer Erwartungen.
Auf der Hard-Skill-Seite: KI- und ML-Technologien können Ihnen dabei helfen, Ihre Inhalte sichtbar zu machen. Versuchen Sie, in Ihren Artikeln Tagging und Schlüsselwörter zu verwenden. Die Crawling-Engines suchen nach diesen Schlüsselwörtern. Verwässern Sie Ihren Artikel auch nicht. Es gibt einige Verlage, die ihrem Artikel alle möglichen Schlüsselwörter hinzufügen. In ihrem Artikel geht es also vielleicht um Wandern, aber sie fügen im Hintergrund Schlüsselwörter wie „Internationale Politik, Zeitreisen usw.“ hinzu. KI-Engines können dies erkennen, und wenn überhaupt, schadet es der Anzeige Ihrer Artikel.