Case Neste: Koneoppiminen sisällöntuotannossa

Case Neste: Koneoppiminen sisällöntuotannossa

Dataohjautuva sisällöntuotanto on markkinoijalle haasteellista: tekstien muuntaminen dataksi vaatii toimenpiteitä, jotka eivät kuulu perinteisen analytiikan työkalupakkiin. Atte Honkasalo ja Mikael Montonen DDS:ltä esittelivät IAB:n seminaarissa 3.10.2018, miten koneoppimista voidaan käyttää sisällöntuotannon tukena.

Nesteen sisällöntuotanto oli tilanteessa, jossa sisältöä tuotettiin paljon, mutta sen tuloksellisuus oli vaihtelevaa. DDS toteutti yhdessä Nesteen kanssa projektin, jossa data tuotiin osaksi sisältösuunnittelua. Projektissa tuotettiin tekoälyyn perustuva työkalu, joka auttaa Nestettä tuottamaan parempia sisältöjä johdonmukaisemmin ja vähemmällä vaivalla.

Nesteen verkkoon tuottama sisältö (yhteensä noin 1300 blogia, uutista ja tiedotetta!) analysoitiin koneoppimiseen pohjautuvalla semanttisella tekstinymmärryspalvelulla. Teksteille saatiin niiden sisältöä kuvaavat tägit, sekä pisteytys tägien merkitykselle tekstin sisällön suhteen. Yhteensä noin 300 tägin avulla sisältö voitiin luokitella ryhmiin paremmin ja yhtenäisemmin, kuin ihmiset siihen pystyvät.

Koneoppimiseen perustuva malli ennustaa sisältöjen kiinnostavuutta hyödyntäen sekä tekstinymmärryksen tuottamia tägeja että taustamuuttujia, kuten tekstin ikää, pituutta ja markkinointiin käytettyjä euroja. Näin voidaan ymmärtää eri tägien (aihepiirien, teemojen, asioiden) ja taustamuuttujien vaikutusta tekstin menestymiseen, hyödyntää sitä sisältötuotannossa, ja arvioida sisällön suoriutumista jo ennen julkaisua.

Lataa PDF tästä!

Case Neste:

Koneoppiminen sisällöntuotannossa

Jaa sivumme

About The Author

Työskentelen DDS:n Lead Data Scientistinä. Vastuullani ovat DDS:n ekonometrisen mallintamisen ja kehittyneen analytiikan palvelut. Haluan optimoida monikanavaista markkinointia, tuottaa tietoa markkinoinnin suunnittelua varten sekä käyttää dataa tehokkaammin ja strategisemmin.