Predictive Analytics ist wie eine datengestützte Glaskugel mit einem Sprung. Warum Sprung? Wie können Voraussagen zum Nutzerverhalten präziser entwickelt werden?
Aktualisiert am 17. April 2020. Bei Predictive Analytics wird etwas übersehen bzw. außen vorgelassen. Weil in diesem Verfahren der entscheidende Faktor fehlt, der zu individuellem Verhalten führt: der Faktor Emotion. Predictive Analytics ist ein datengestütztes Verfahren, mit dem Vorhersagen über zukünftige Entwicklungen getroffen werden sollen. Interessant ist das wahrscheinliche Verhalten von Menschen (sogenannte User, Nutzer, Leads, Kunden, Käufer, Influencer etc.) Interessant sind natürlich die Markttrends, also das, was sich aus dem Verhalten der verschubladeten, kategorisierten Menschen ergeben könnte.
Predictive Analytics schafft ein ähnliches Dilemma wie die Gleichsetzung von Such- und Nutzerintention
Data-Mining-Verfahren ziehen historische Daten (Nutzerverhalten, Käufe, Retouren, Bewertungen, Empfehlungen usw.) heran. Diese historischen Daten werden dafür verwendet, hochzurechnen. Hochkomplex. Szenarien werden entwickelt. Eskalationen simuliert. In vielen Fällen lassen sich hier interessante Vorhersagen treffen. Aber:
- Nicht erfasst werden können die nicht getätigten Suchen und Käufe, also jene, die nie in einer Anfrage auftauchen. Weil diese mangels Nutzung von Tastatur oder Sprachsuche niemals gemessen werden können.
- Nicht erfasst werden können die Emotionen der suchenden Menschen, die oft nur halb zufrieden sind mit einem Ergebnis. Denn:
- Das beste Ergebnis unter den näherungsweise richtigen Treffern wird für das tatsächlich beste Ergebnis halten. Mangels Alternative. Eigentlich logisch.
- Wo findet diese Tatsache (die Tatsache der nur im Näherungsbereich bleibenden Treffsicherheit) eine Würdigung bei der Bewertung der Daten und ihrer Auswertung für Zukunftsmodelle, z. B. OLAP – Online Analytical Processing?
Data-Mining kann keine Gedanken lesen
- Data-Mining setzt tatsächliche Handlungen und messbare Entwicklungen (hierzu zählen auch Handlungsabbrüche) voraus.
- Data-Mining kann aber keine Gedanken lesen, auch wenn viele dies gerne hätten.
- Was Data-Mining nie können wird – auch wenn der Mensch noch so viele Mimik-Erkennungsverfahren entwickelt: Emotionen erkennen / empfinden und Emotionen simulieren, um wahrscheinliche Handlungen zu berechnen.
Der Widerspruch des Systems ist systemimmanent – er liegt im System
Wer fragt jemals die Besucher einer Website, was sie wirklich wollen? Wer fragt sie über das explizite Angebot, das im Regal oder im Speicher des Anbieters liegt, hinaus?
- „Kunden, die X gekauft haben, haben auch Y gekauft.“ Das können die Maschinen problemlos. Das ist trivial.
- Das ist mehr oder weniger gutes Tagging.
Mit einer ganz anderen Aussage kämen wir weiter. Mit „wir“ sind hier die Suchenden gemeint.
„Manche Kunden haben X gekauft. Andere haben nix gekauft und sich anders geholfen, und zwar so: ….“
Eine solche Informationskultur würde freilich voraussetzen, dass die Symbiose zwischen Suchsystembetreibern, Marktteilnehmern und weiteren Protagonisten (Händler, Zwischenhändler und Affiliates) nicht so attraktiv wäre. Das ist sie aber.
Die Illusion der Wahl engt die Suche ein
In der Regel findet ein Matching zwischen einer expliziten Anfrage und einer expliziten Antwort auf der Dokumentseite (Index) statt. Es ist somit die Illusion der Wahl, der viele erliegen – und drauf los bestellen.
Predictive Anaylics, Lebensereignis Insektenstich, Pharma-SEO
Man kann davon ausgehen, dass jeder Head of SEO eines Pharmaunternehmens alles dafür unternimmt, die hauseigene Insektenstichsalbe technisch und textseitig als die beste Lösung für das „Problem Insektenstich“ zu präsentieren.
- Die Suchintention dürfte hier sein „Schmerzlinderung bzw. Juckreiz abstellen“.
- Die Nutzerintention könnte aber eine andere sein, mit der Suchintention zwar verwandt, aber weit über sie hinausgehend:
- Würde man den gestochenen Nutzer in einem Interview fragen, so könnte er äußern, was er sich wünscht (das ist nämlich seine Intention):
- „Sofortige, natürliche, kostenlose und nebenwirkungsfreie Beseitigung des Juckreizes“. Um diese Nutzerintention zu erfüllen, müsste der Mensch nur in die eigene Küche gehen, eine Zwiebel durchschneiden und die Insektenstiche einige Male mit der Zwiebel einreiben. Mit dem Ergebnis wäre jeder, der von gewöhnlichen Stechmücken heimgesucht worden ist, zufrieden (Nutzerintention erfüllt).
Aber welches Pharmaunternehmen schreibt schon auf seine Website: „Versuchen Sie es erst einmal mit einem Hausmittel. Wenn das nichts nützt, können Sie immer noch bei uns einkaufen.“ Macht keiner. Auch hier ist wieder der große Unterschied zwischen den denkbaren Intentionen sichtbar.
Alle Vorhersagen, die sich mit Predictive Analytics treffen lassen, beziehen sich auf Wahrscheinlichkeiten: Sommer > nachts Fester offen > Trend Insektenstich > Suche Insektenstich (informativ)> SERP: Insektenstichsalben> Suche beste Insektenstichsalbe (navigational) > Angebot Salbe X (transaktional).
Was passiert mit den navigationalen und transaktionalen Werten, wenn die informationale Suche zu anderen Ergebnissen führt?
- Weniger Menschen bestellen Insektenstichsalben.
- Mehr Menschen greifen zur Zwiebel (altes Hausrezept).
Der Systemfehler (bzw. Denkfehler) bei Predictive Analytics
Die Werte für Wahrscheinlichkeiten sind von vornherein tendenziell verstellt, wenn die Grundgesamtheit der vorzuschlagenden Informationen limitiert ist. Wenn Suchsystembetreiber darauf aus sind, dem Nutzer das bestmögliche Ergebnis zu liefern, dann ist das beste Ergebnis aus marktwirtschaftlicher Sicht jenes Ergebnis, zu dem eine Konversion kommt, die Geld in Umlauf bringt.
„Das vordergründige Interesse eines Menschen (Nutzer) wird derzeit mit dem langfristigen Interesse anderer Menschen (Unternehmen) synchronisiert.“
- Der Nutzer einer Suchmaschine ist auf die Ergebnisse der Abgleiche angewiesen, die zwischen der Textanalyse (Keyword-Analyse) und der Texterstellung (Content) maschinengesteuert stattfinden.
- Damit diese Prozesse gut laufen, werden sie über Programmierung und über Content-Produktion aufeinander abgestimmt.
- Der Mensch mit seiner dem Suchsystem verborgenen Intention bleibt automatisch draußen.
- Je genauer die Suchsysteme werden, desto weniger Kreativität ist im Suchprozess möglich
Ein kreativer Suchprozess setzt – wie auch beim Forscher und beim Künstler – die Bereitschaft zur situativ-chaotischen Suche voraus:
- Jede neue Entwicklung ist in ihren Anfängen von Unwägbarkeiten, von Fehlern und – der entscheidenden (!) Nichtberechenbarkeit geprägt. Beispiel Erfindung:
- Eine Erfindung zeichnet sich eben gerade dadurch aus, dass es nichts Vergleichbares gibt. Daher auch in keinem Verzeichnis. Beispiel Patent:
- Die Voraussetzung für ein Patent ist die Verschwiegenheit des Patenteinreichers. Würde er die Funktionen seiner Erfindung offenbaren, wäre diese „Stand der Technik“ und somit nicht mehr patentfähig.
- Suchsysteme arbeiten systembedingt mit dem Stand der Technik; sie können nichts Neues bieten
Eine mathematisch-algorithmische Hochrechnung auf Basis evaluierter Daten (Stand der Technik) kann nichts wesentlich Neues hervorbringen. Noch nie in der Geschichte der Menschheit hat eine Maschine eine Erfindung hervorgebracht, etwas vom Wesen her Geniales.
Man bräuchte ein Suchsysten für die noch nicht vorhandenen bzw. nicht bekannten Dinge und Ideen
Das perfekte Suchsystem gibt es längst: in ca. 7,442 Milliarden Versionen weltweit
Das Problem mit dem Matching: Gerade weil technische Suchsysteme aus umfangreichen Daten (Big Data) hochkomplexe Berechnungen zur Suchintention erstellen können, wird die Wahrscheinlichkeit eines inspirierenden Zufallstreffers, mit dem man nicht rechnete, immer geringer.
Hier findet eine Verdichtung der Suchergebnisse zugunsten von Marktteilnehmern statt, die ihre Online-Angebote immer mehr der situativen Suchintention anpassen, um Matchings zu erzielen. Dies wirkt technisch gesehen wie ein Wunderwerk, und doch bleibt es maschinell. Und deshalb bleibt ein Teil der Nutzerintention außen vor.
Dabei gibt es das perfekte Suchsystem längst. Jeder Mensch trägt es in sich, doch die Menschen geben immer mehr von der Hoheit an die ihnen untergeordneten Suchsysteme ab. Bei einem dynamischen Routenplaner ist das eine hervorragende Sache. Bei einer anstehenden Lebensentscheidung kann das fatal sein.
Gefangen in der Falle der Relevanz
Umsatzbeteiligte Suchsysteme definieren Relevanz bzw. „das beste Ergebnis“ über ROI. Deshalb ist „bestes Ergebnis“ relativ.
- Nehmen wir an, im Online-Marketing würden die Suchenden nicht mehr nur nach dem Zusammenhang ihrer Suchanfrage gefragt.
- Man würde sich auch nach ihren Zielen im Beruf, im Leben usw. erkundigen.
- Hier liegen die Nutzerintentionen hinter den Suchintentionen verborgen.
Sodann müssten die Suchsysteme in weiten Teilen neu geschrieben werden. Denn man käme nicht umhin, themenübergreifend zu denken und zu handeln. Auch in Sachen Predictive Analytics, weil bei einer solchen Denkweise viele nicht mehr berechenbare Faktoren hinzukommen.
Momentan optimieren sich noch die meisten Onlineangebote mit dem Ziel „Seite 1“ um die Wette. Was Predictive Analytics nicht auf dem Schirm hat, ist eine tatsächlich auf die erweiterte Nutzerintention optimierte Onlinewelt. Noch ein Alltagsbeispiel:
Wo kommen wir denn da hin?
Ein Beratungsunternehmen (z. B. eine psychologische Praxis) müsste dann auch solche Relevanzsignale einbauen, die auf den ersten Blick nur indirekt etwas mit der Suchintention zu tun haben. Nehmen wir das Beispiel „Angst vor Entscheidungen / Fehlern“. Die meisten Menschen suchen nach der Entfernung unerwünschter Gedanken, als wären diese dermatologisch behandelbar.
Was würde passieren, wenn eine psychologische Praxis eine ganz andere Geschichte anbieten wollte: Wir arbeiten mit Ihnen und mit Ihrer Angst. Wir verschreiben keine Tabletten gegen Angst. Bei uns lernen Sie, mit gelegentlich aufkommendem Unbehagen einen guten Alltag zu gestalten.
Jedem standesgemäß arbeitenden VT-Therapeuten sträuben sich da die Nackenhaare auf. Den Patienten ist mit einem ressourcenorientieren Ansatz schnell geholfen (Nutzerintention Patient). Der VT-Therapeut verliert eine bisherige Einnahmequelle (langfristige Therapie) und sieht seine Nutzerintention in Gefahr (Hauskredit abbezahlen).
- Damit aber bewegen wir uns weg von der Keyword-Basis.
- Und erst recht entfernen wir uns vom Wettbewerbsvergleich.
- Mit dieser Denkweise verändern wir den Markt.
Kaum auszudenken. Und schon gar nicht vorherzusagen – auch nicht mit Predictive Analytics
Auf der Website eines Beratungsunternehmens (z. B. eine Praxis) würden mit einem Mal Inhalte von Pharmaseiten zitiert werden … weil eine Suchanfrage nach einer Tablette einen anderen Hintergrund (Nutzerintention) haben kann. Wer eine Tablette sucht, offenbart höchstens eine aktuelle Suchintention.
Kaum auszudenken, wenn die tatsächliche Nutzerintention in Abgrenzung zur Suchintention Einzug in die Vorhersagen hielte. Die Welt würde wieder ein Stück spontaner.
Warum eigentlich nicht? Logistik ist heute so flexibel, dass sie Just in Time reagieren können sollte.
Wollen Sie mehr über die Erhöhung von Wahrscheinlichkeiten jenseits von Predictive Analytics erfahren?
Schreiben Sie mir, in welcher Branche Sie arbeiten und welche Menschen Sie erreichen wollen. Entdecken Sie einen Kontext, über den neue, kreative Wege zu den Menschen entstehen können.