Fachartikel

OKT2019
Ausgabe 6/2019, Seite 48 | 19-10-48-1

Danone-Case: Mit Social Data Intelligence Superfood-Trends vorhersagen

Du bist, was Du isst

Haben Sie schon von Ashwagandha gehört? Es vielleicht sogar probiert? Nein? Das könnte sich im kommenden Jahr ändern. Felix Scherrer berichtet, wie in einem Case mit Danone das nächste „Star-Ingredient“ ermittelt wurde. Zum Einsatz kam ein Trendvorhersage-Algorithmus, der Millionen von Verbrauchergesprächen in den Sozialen Medien analysierte.
Fachartikel Linkfluence zu \Foto: © Eskymaks – Shutterstock, Unternehmen
Superfoods oder auch sogenannte Star-Ingredients sind zum festen Bestandteil in der Lebensmittelindustrie geworden. Sie versprechen gesundheitsfördernde Eigenschaften, sollen Krankheiten vorbeugen und zudem satt und schlank machen. Welches Star-Ingredient ein Lebensmittel enthält, ist zu einem hochrelevanten Faktor für die Kaufentscheidung von Verbrauchern geworden.
Das Interesse an bestimmten Star-Ingredients ist volatil, es unterliegt häufig kurzen Hypes. Da dies mit den verhältnismäßig langen Entwicklungszyklen in der Lebensmittelindustrie kollidiert, mussten etablierte Unternehmen in jüngster Zeit nicht selten Marktanteile an kleine Start-ups abgeben. Die Lebensmittelkonzerne finden sich seit Jahren in einem deutlich disruptiveren Marktumfeld wieder. Daher ist es eine zentrale Herausforderung, schnell und verlässlich aufstrebende Superfoods und „Star-Ingredients“ vorherzusagen. Ein Produkt schon dann in den Regalen stehen zu haben, wenn ein Trend Fahrt aufnimmt, kann entscheidend für viele Millionen Euro Umsatz sein.


KI hilft, hat aber klare Grenzen

Anfang 2018 haben wir bei Linkfluence uns mit unserem langjährigen Partner Danone der Frage gewidmet, wie wir deren Produktinnovation durch Social-Media-Daten fördern können.
Soziale Netzwerke – allen voran Instagram und TikTok – sind Quelle und zentraler Verbreitungsort von Lifestyle- und Lebensmitteltrends der Generationen Y und Z. Allein für den Hashtag #foodporn finden sich auf Instagram über 200 Millionen Beiträge, und wir erheben in unseren Systemen pro Monat kontinuierlich weitere 600.000.
Social-Media-Listening-Lösungen können heute unkompliziert Millionen von Datensätzen aus öffentlich zugänglichen Nutzerkonversationen erheben. Die Herausforderung liegt hier vor allem in der Auswertung dieser massiven Datenmengen. Wir erheben aktuell mehrere hundert Millionen Tweets, Posts und Artikel am Tag. Damit die Daten auch wertvolle Erkenntnisse preisgeben, ist eine intelligente Datenstrukturierung unerlässlich. Der Einsatz von KI-gestützten Methoden hat die Arbeit in den letzten Jahren hierbei deutlich vereinfacht. Sie helfen uns beispielsweise dabei, Korrelationen zu identifizieren, können Emotionen wie Wut, Trauer oder Hass erfassen, Bildinhalte auswerten oder Spam-Inhalte ausschließen.
Bei Trendanalysen handelt es sich jedoch um stark explorative Fragestellungen und die zugrundeliegenden Datenmengen sind häufig besonders heterogen. Hier stoßen KI-gestützte Systeme derzeit noch an ihre Grenzen. Auch interpretiert KI nicht und generiert keine Handlungsanweisungen. Wir nutzen KI daher vor allem als Unterstützung für unsere Marktforscher und die Kunden unserer Tools, um interessante Daten zu identifizieren und repetitive Aufgaben effizient zu lösen. Künstliche Intelligenz ist jedoch hervorragend geeignet, um Muster nach vordefinierten Faktoren zu erkennen und zu prognostizieren.


Unterstützung von Produktinnovationen

Für die Fragestellung nach dem nächsten „Super-Ingredient“ trainierten wir deshalb unsere KI zunächst darauf, Volumenveränderung von Beiträgen und Nutzerinteraktionen von Social-Media-Konversationen zu erkennen und ihre Entwicklung zu prognostizieren. Verwendet wurden Trends aus unterschiedlichen Bereichen, welche sich in der Vergangenheit als erfolgreich erwiesen hatten und auf deren Daten wir in unserer Datenbank zugreifen konnten. Außerdem klassifizierten wir die Trendverläufe in unterschiedliche Muster, welche uns Hinweise auf ihre Stärke und Dauer liefern sollten (Abb. 1). Dadurch ließen sich passende Maßnahmen und die Höhe sinnvoller Investitionen besser abschätzen. Während es etwa für „Seasonal Riser“ ausreichend sein mag, eine Sonderedition einzuführen, verfügen „Safe Riser“ langfristig über Potenzial.
In einem zweiten Schritt erhoben wir Social-Media-Konversationen über rund 800 potenzielle „Star-Ingredients“ im US-amerikanischen Markt. Die Liste reichte von etablierten Lebensmitteln wie Spinat bis hin zu exotischen Baumrinden und Wurzeln.
Erhalten haben wir einen Datensatz von mehreren Dutzend vielversprechenden Zutaten, welche durch unsere Marktforscher auf potenzielle Chancen und Risiken gesichtet, mit einem weiteren Set an KPIs bewertet und mit der Produktstrategie von Danone abgeglichen wurden. Am Ende stand eine Liste von rund zehn Zutaten, in welche gezielt investiert werden konnte. Die Ergebnisse unterstützen nicht nur gezielt die Produktentwicklung, sondern auch das Supply-Chain-Management und die Kommunikation. Ohne zu viel verraten zu wollen – die Ergebnisse zeigten schon früh klare Muster: Ein signifikanter Teil entstammte dem Umfeld der antiken indischen Heilkunst Ayurveda.


Trends erkennen, sobald sie sich abzeichnen

Seitdem trainierten wir unseren Trendvorhersage-Algorithmus weiter und passten ihn an unterschiedliche Themenfelder an. Das Erkennen von Trendverläufen mit unserem System ist grundsätzlich auf nahezu alle Bereiche anwendbar, solange wir die zugehörigen Konversationsvolumina in Sozialen Netzwerken umfassend erheben können.
Im Bereich der „Star-Ingredients“ messen wir heute kontinuierlich über 2.000 Zutaten. So können wir unsere Kunden umgehend informieren, sobald sich ein neuer Trend abzeichnet (Abb. 2). ■
Felix Scherrer ist Head of Operations bei der Linkfluence Germany GmbH, einem der weltweit führenden Unternehmen für Social Media Intelligence Solutions. Er ist für die Abteilung Social Insights und Customer Services verantwortlich.
www.linkfluence.com



Diese Webseite verwendet Cookies. Cookies ermöglichen uns zu verstehen, wie Besucher unsere Webseite nutzen, damit wir sie verbessern und Ihnen das bestmögliche Erlebnis bieten können. Durch den Besuch unserer Website stimmen Sie der Verwendung von Cookies zu. Durch die Cookie-Einstellungen Ihres Internet-Browsers können Sie die Verwendung von Cookies blockieren. Weitere Informationen finden Sie unter Datenschutz.
akzeptieren