Author
Listed:
- Herbert Höckel
(mo’web GmbH)
Abstract
Zusammenfassung Die Digitalisierung hat die Welt komplett verändert. So bestimmen soziale Netzwerke wie Facebook oder Instagram längst unseren Alltag und die Art und Weise, wie wir miteinander kommunizieren. Ebenso haben sie einen immensen Einfluss auf die Meinungsbildung. Folglich sind sie zu Kommunikationskanälen geworden, deren Bedeutung kein Unternehmen mehr ignorieren kann. Die sozialen Medien bieten ungeahnte Möglichkeiten, potenzielle und bestehende Kunden zu erreichen. Nicht ohne Grund sind die sogenannten „Influencer“ für Werbetreibende zu einer unverzichtbaren Institution geworden. Auf der Gegenseite hat die Flut an Informationen, denen man in den sozialen Netzwerken begegnet, zu einer drastischen Verminderung der Aufmerksamkeitsspanne bei den Menschen geführt. Es bedarf weit mehr als einer gewöhnlichen Werbeanzeige, um aus dem Schwall an Reizen herauszustechen und Gehör zu finden. Die größte Herausforderung besteht darin, gerade in den sozialen Medien, Glaubwürdigkeit zu erzielen und nachhaltig zu vermitteln. Um dies zu schaffen, ist ein grundlegendes Verständnis der jeweiligen Influencer und deren Publikum notwendig. Hier gelangen die etablierten Systeme der Marktforschung sowie des Social-Media-Monitorings an ihre Grenzen respektive erweisen sich als unzulänglich. Der Einsatz von künstlicher Intelligenz (KI) ist somit kein überflüssiger Luxus, sondern eine Notwendigkeit: Unter Einsatz entsprechender Algorithmen auf Basis des Mindset-Matchings sowie des OCEAN-Modells ermöglichen sie es nicht nur, das exponentiell wachsende Datenvolumen (Posts, Clicks, Likes, Follower etc.) zu erfassen, sondern sind auch in der Lage, menschliches Verhalten und Sprache zu analysieren. Dies ist die Basis, um relevante Influencer zu finden und Prognosen über den Erfolg der Kollaboration mit ihnen zu erstellen.
Suggested Citation
Herbert Höckel, 2021.
"MindsetMatching® in Social Media mittels KI,"
Springer Books, in: Meike Terstiege (ed.), KI in Marketing & Sales – Erfolgsmodelle aus Forschung und Praxis, pages 225-238,
Springer.
Handle:
RePEc:spr:sprchp:978-3-658-31519-1_14
DOI: 10.1007/978-3-658-31519-1_14
Download full text from publisher
To our knowledge, this item is not available for
download. To find whether it is available, there are three
options:
1. Check below whether another version of this item is available online.
2. Check on the provider's
web page
whether it is in fact available.
3. Perform a
search for a similarly titled item that would be
available.
Corrections
All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-658-31519-1_14. See general information about how to correct material in RePEc.
If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.
We have no bibliographic references for this item. You can help adding them by using this form .
If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.
For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .
Please note that corrections may take a couple of weeks to filter through
the various RePEc services.