Tag: Amazon

Mit einem Bot und Fotolia Geld verdienen

strange_phone_case2

Beispiel einer vom Bot erstellten HandyhĂŒlle mit StrapOn. Quelle: OnlineMarketingRockstars

Wie OnlineMarketingRockstars berichtet, hat der deutsche Software-Hersteller ToasterNet mit einem Nebenprojekt auf Amazon fĂŒr Furore gesorgt. Mittels eines Bots wurden Designs von HandyhĂŒllen erstellt. Die Fotos kamen vom Stockfotodienst Fotolia. Die Beschreibungen der Bilder soll ein Bot in Amazon-Suchbegriffe umgewandelt haben und so automatisiertes Suchmaschinenmarketing (SEA) betrieben haben. Insgesamt sollen dabei 30.000 Artikel (verschiedene Motive fĂŒr verschiedene Handytypen) erstellt worden sein.

Beispiel einer vom Bot erstellten HandyhĂŒlle. Quelle: OnlineMarketingRockstars

Beispiel einer vom Bot erstellten HandyhĂŒlle. Quelle: OnlineMarketingRockstars

Auch etwas untypische Motive wie ein Strap-On oder ein Fußzehen, welche von Fußpilz befallen wurden, waren im Shop erhĂ€ltlich. Ob der Bot nun aus dem Ruder lief oder GeschĂ€ftssinn bewies, bleibt noch zu klĂ€ren.




Allerdings zeigt dieses GeschĂ€ftsmodell wiederum den aktuellen Trend, mit Arbitrage-Modellen Geld zu verdienen. Produkte werden ĂŒber Ali Baba gĂŒnstig eingekauft, mit einem eigenen Label oder Motiven versehen und dann auf Amazon teurer weiter verkauft.

Wird Sentiment Analysis Produkt-Reviews vereinfachen?

3 Minuten Lesezeit | Stimmungen und Meinungen sind wichtig. Viele Firmen sammeln diese Informationen ihrer Kunden und werten sie aus. Produkt-Reviews sind seit jeher ein wichtiger Forschungsgegenstand der Sentiment Analysis. Bisher hat es aber noch kein System geschafft, Produkt-Reviews so aufzuarbeiten, dass das Lesen Spaß macht.

Sentiment Analysis beschreibt die Extraktion von Stimmungen aus beispielsweise Texten. Die ersten AnsÀtze beschrÀnkten sich auf einen Dictionary-Ansatz, bei dem hinter jedem Wort ein bestimmter Sentiment-Wert lag, deren Summe am Ende berechnet wurde (positiv oder negativ). Um mehr textuellen Kontext aus den Worten und Phrasen zu bekommen, wurden N-Gram-Modelle genutzt. Damit konnte man beispielsweise Verneinungen und Phrase detektieren. Der aktuelle State-of-the-Art arbeitet mit Deep Learning Netzen (Beispiel: A Deep Neural Architecture for Sentence-level Sentiment Classification in Twitter Social Networking).

pro-vs-con

Beste Pro vs. Contra Bewertung des Buches “Homo Deus“. Quelle: amazon.com

Dadurch wird die Sentiment Analysis immer robuster. Es ergeben sich viele Anwendungsfelder, die vorher nicht möglich waren. Ein spannendes Feld sind Produkt-Reviews. Jeder kennt es, jeder hasst es. Produkt-Reviews sind meist nach Sternen sortiert. Trotzdem können die Texte der Reviews einen positiven sowie negativen Teil enthalten. Will man verstehen, warum eine Sternebewertung zustande kommt, muss man den kompletten Text lesen.

Die Lösung: EingefĂ€rbte Textstellen (positiv / negativ) wĂŒrden das Lesen und Reviews vereinfachen und schnellere Kaufentscheidungen forcieren. Es hĂ€tte also einen positiven Effekt fĂŒr den KĂ€ufer sowie den HĂ€ndler.

block-review

Ein spannendes Review (Homo Deus) das von vielen Usern sicher ungelesen bleibt. Quelle: amazon.com

FĂŒr wen lohnt es sich?

Von farblich aufgearbeitete Reviews könnten alle Akteure profitieren:

  • Plattformbetreiber – Reviewer können weiterhin ausfĂŒhrliche Reviews schreiben, denn diese werden fĂŒr sie aufgearbeitet. Es wird also mehr AktivitĂ€t erzeugt.
  • Reviewer – Können sich auf den Inhalt konzentrieren, das die Formatierung fĂŒr sie erledigt wird. Da mehr Leute ihre ausfĂŒhrlichen Reviews lesen, werden sie dadurch beflĂŒgelt, mehr Content zu liefern.
  • HĂ€ndler – Kriegt die Reviews fĂŒr sein Produkt besser aufgearbeitet und kann gegensteuern bzw. besser an den die Kontrapunkten seines Produktes arbeiten.





Blut geleckt?

Du hast Blut geleckt und willst dich mit Sentiment Analysis beschÀftigen. Hier zeigen wir dir, was du tun must:

  1. Lies diesen Artikel 😉 der Klassiker (hier)
  2. Schau dir die Demo an und beschÀftige dich mit den Dokumenten (hier)
  3. Videos, Videos, Videos! Dan Jurafsky und Chris Manning auf Youtube (hier)
  4. Was ist State of the Art? Wir sagen es euch im Science Radar

Wird Dynamic Pricing das Online Business revolutionieren?

Die ersten Algorithmen, die sich mit dynamischen Preisen befassten, waren noch sehr rudimentĂ€r. Durch die Medien ging 2011 ein fataler Fehler beziehungsweise ein potentieller Lucky Shot. Zwei Drittanbieter haben auf Amazon das gleiche Buch angeboten. Der simple Algorithmus konnte damals noch ĂŒberlistet werden und das Buch kostete 23 Mio. US-Dollar.

Mehr AbschlĂŒsse durch Kompensation

money-coins-stack-wealth-50545Sowas darf natĂŒrlich nicht passieren – aber es passierte – warum? Die ersten Algorithmen zu diesem Thema widmeten sich vor allem der Konkurrenz. Wie viel Geld wird verlangt, wie lange gilt das Angebot, gibt es Rabatte oder Aktionen? Nach dem man sich von dieser Denkweise gelöst hat, wendete man sich dem KĂ€ufer zu. Dynamische Preise wurden fĂŒr verschiedene Segmente, meist basierend auf soziografischen Eigenschaften, ausgespielt. Falls man von diesen Algorithmen profitiert, hat man sicherlich nichts dagegen etwas zu sparen. Findet man sich aber auf der anderen Seite wieder und muss mehr bezahlen, findet man das ganze sicherlich nicht so spaßig. Denn dort, wo man Low-Segment-KĂ€ufer gewinnt (niedrigere Gewinne macht), muss man mehr aus den High-Segment-KĂ€ufern herausholen (um niedrigere Gewinne zu kompensieren).

The Bigger Picture

 

 

pexels-photo-236093Zusammen mit der Entwicklung des persönlichen Home-Assistenten kann das ein spannendes Szenario werden. Wenn der Algorithmus lernt, dass einige KĂ€ufer wenig Zeit mit Preisvergleichen verbringen und lieber Produkte ĂŒber den Home-Assistenten bestellen, wird er zum Pokerspieler. Er spekuliert auf ein bestimmtes Verhalten und macht einen guten Deal. Das Bestellen von Lebensmitteln wird dadurch auch zu einem Pokerspiel, wenn in der Zukunft automatisch bestimmte Produkte nachgekauft werden sollen.




Interessant?

Du fandest das spannend? Hier gibt es eine absolute Empfehlung zu einem Radio-Interview (englisch) mit Sven Brodmerkel (Professor, Bond University), Max Daniel (Executive Director, FRI Berlin) und Steve Wise (President,  Nonhuman Rights Project) mit dem Titel: Dynamic pricing – and should AI be granted “legal personhood”. Außerdem wird es demnĂ€chst  im Science Radar auch Updates zum Thema Dynamic Pricing geben.

Monthly Summary – Das war der Dezember 2016

Was ist im Dezember passiert? Welche Schlagzeilen dominierten die News und was gibt es neues aus der Wissenschaft? Wir fassen alle relevanten Informationen zusammen und berichten ĂŒber die kommenden Trends. Unser Monthly Summary ist eine Zusammenfassung fĂŒr Entscheider, Management oder Entwickler aus den Bereichen KĂŒnstliche Intelligenz und Informationstechnologien. Diesen Monat haben wir aus 293 Artikeln das Relevanteste zusammengefasst.

Im Spotlight: Service, Service, Servie

In diesem Monat drehte sich alles um die Automatisierung von Service-Dienstleistungen. Eigentlich ein vernĂŒnftiger Schritt, denn die meisten Service-Anfragen sind schnell beantwortet und fast immer identisch. Menschen sollten sich auf die schwerlösbaren Probleme konzentrieren. Diese Firmen haben im Dezember vorgelegt:

  • Starbucks will schnelleren Service anbieten und auf Bots setzen. Hier gehts zum Artikel.
  • IBM hat sich auch fest vorgenommen, Service zu automatisieren, schreibt die adWeek.
  • Auch Meedia sieht Chat-Bots als den digitalen Trend im kommenden Jahr. Hier gehts zum Artikel.

 

Neues aus der Wirtschaft

Bier brauen war bisher immer in der Hand von Menschen. Nun hat sich eine kĂŒnstliche Intelligenz auf den Weg gemacht, das beste Bier der Welt zu brauen. In London sitzt ein Startup, dass es sich zur Aufgabe gemacht hat, iterativ Bier zu brauen. Sie sammeln das Feedback der Kunden. Auf Basis dieser Informationen braut das Unternehmen dann Bier. Hier gehts zum Artikel ĂŒber IntelligentX.

ApplyMagicSauce – was verrĂ€t Facebook dem Politiker? Der Dezember war auch der Monat, in dem die Nachwehen der U.S.-PrĂ€sidentschaftswahlen zu spĂŒren waren – nĂ€mlich in Form von Marketing. Alexander Nix von Cambridge Analytica berichtete darĂŒber, wie seine Firma Donald Trump dazu verholfen haben soll, PrĂ€sident zu werden. Auch viele Firmenkunden soll Cambridge Analytica bereits haben. Auf der Seite ApplyMagicSauce kann man sich selbst screenen. Viel Spaß dabei!

Audi prĂ€sentiert Einpark-Algorithmen auf der NIPS. Auf einer der grĂ¶ĂŸten Fachkonferenzen hat Audi in einem Showcase verschiedene Strategien zum automatisierten Einparken vorgestellt. Dabei wurde ein Audi Q2 Modell im Maßstab 1:8 benutzt. Das System nennt sich zFAS (zentrales FahrerassistenzsteuergerĂ€t) und wurde zusammen mit NVIDIA entwickelt. Audi arbeitet schon seit einigen Jahren zusammen mit NVIDIA an dieser und anderen Technologien. Hier gehts zum Artikel.

Wie Price Waterhouse Cooper die Versicherungsbranche verunsichert. PWC hat Anfang des Jahres eine Studie plus Report zum Thema Machine Learning in der Versicherungsbranche veröffentlicht. Nun springen Geico (großer Versicherungskonzern in den USA) und weitere Mitbewerber auf diesen Zug auf und kĂŒndigen an, dass das AusfĂŒllen von Formularen zukĂŒnftig KI-assistiert verlaufen soll. Hier gehts zum Report von PWC vom MĂ€rz.

Kurz notiert. Amazon mit einer weiteren Promo fĂŒr die Zustellung per Drohne. Eine KI fĂŒr Personaler. Apple fĂ€ngt endlich auch mal an Forschungen öffentlich zu machen: superrealistische Fotos. Adobe launcht Adobe Sensei.

 

Neues aus der Wissenschaft

Eine KI die eine Kolonie von Fliegen bewacht. In Minnesota hat ein Forscherteam ein Projekt namens flyAI auf die Beine gestellt. Dabei wurde eine KI installiert, die eine Kolonie von Fliegen bewacht. Sie regelt alles, was die Fliegen zum leben brauchen. Hier gehts zum Artikel ĂŒber flyAI.

BegĂŒnstigt AI das Erstellen von Fakes? Ja, absolut. LĂ€sst man sich die Frage durch den Kopf gehen, denkt man direkt an Fake-IdentitĂ€ten, die sich textlich mit einem Menschen auseinander setzen. Hier gehen wir aber einen Schritt weiter: Bilder! Und nicht von nur von menschlichen IdentitĂ€ten. Prinzipiell kann eine Intelligenz die genĂŒgend Bilder gesehen hat, um abstrakte Konzepte zu lernen, alles faken. Geht nicht? Hier geht es zum Artikel ĂŒber Fake-Images mithilfe von Deep Learning. Oder: Artikel ĂŒberspringen und direkt zum Paper.

 

Notable Papers

Florian TramĂ©r et al. (Polytech Lausanne, Cornell University und University of North Carolina) haben untersucht, wie man Modelle von Anbietern ĂŒber API-Calls nachbauen kann. Hierbei geht es darum, die Datenpunkte die man dem Dienstleister schickt, als eigene Trainingsdaten zu verstehen, die man nachfolgend nutzen kann, um eigene Modelle zu trainieren. Hier gehts zu Stealing Machine Learning Models via Prediction APIs.

Vıt Perzina und Jan M. Swart (Univerzita Karlova und Institute of Information Theory and Automation of the ASCR Praha) wenden das Stigler-Luckock Modell auf den BĂŒcherverkauf sowie -lagerung an und gehen der Frage nach: How many market makers does a market need?

Huan Song et al. (Arizona State University, Lawrence Livermore National Labs und IBM T.J. Watson Research Center) experimentieren mit verschiedenen Kernel-Funktionen und gehen der Frage nach, wie man mehrere Kernels von verschiedenen oder gleichartigen Klassifikatoren miteinander verheiraten kann. Dabei legen sie das Augenmerk auf statistische Kernel- und Aggregationsfunktionen – auch mit Deep Learning Ă€hnlichen Methoden. Hier gehts zu A Deep Learning Approach to Multiple Kernel Fusion.

Ankesh Anand, Tanmoy Chakraborty und Noseong Park (Indian Institute of Technology, University of Maryland, University of North Carolina) sind dem Thema Clickbaits nachgegangen. Sie haben ein Neuronales Netzwerk trainiert, um Clickbaits zu identifizieren. Laut ihrer Experimente arbeitet das Modell richtig gut. Überzeugt euch selbst, hier gehts zu You won’t believe what happened next!

Über den Tellerrand

Technik ist immer ideell. Erst unsere Anwendung der Technik eröffnet den Raum fĂŒr Wertung. Deshalb ist es wichtig, dass man sich mit der Philosophie und Ethik hinter den Maschinen beschĂ€ftigt. Hier haben wir 2 Artikel gesammelt, die helfen sollen, ĂŒber den Tellerrand zu schauen.

Sangbae Kim baut Roboter, die in Krisen eingesetzt werden können. Warum er es macht und vor allem wie, darum geht es hier.

Kognitionsforscher Joscha Bach darĂŒber wie sich Menschen und Roboter entwickeln. Er sagt: Unser Geist liegt in Fesseln.

Das war der Dezember! Danke fĂŒrs Lesen. Wir sind offen fĂŒr Verbesserungen und VorschlĂ€ge. Kontaktiert uns auf Twitter.

Amazon Go – Der disruptive Supermarkt der Zukunft

Viele VisionĂ€re hatten sowas erst in 4 bis 5 Jahren auf dem Zettel. Nun kann der automatisierte Supermarkt schon viel schneller RealitĂ€t und konkurrenzfĂ€hig werden, als von vielen gewollt. Amazon stellte heut Amazon Go vor. Es ist der erste Supermarkt, der komplett ohne Personal im Front Office auskommt. Aber wie funktionierts? Laut Amazon werden dabei lang erprobte Deep Learning Modelle fĂŒr die Verhaltensanalyse verwendet.

Nach dem Einchecken per Smartphone, kann sich der Kunde jedes Produkt aus dem Regal nehmen, was ihm gefÀllt. Schlaue Computer Vision Algorithmen verstehen die Aktionen der User und buchen die Artikel problemlos auf das Amazon-Konto des Users.

In Seattle soll der erste Markt im FrĂŒhling 2017 an den Start gehen. Wir sind gespannt und beobachten den Fortschritt von Amazon Go!

[Forschung] Amazon Picking Challenge in Leipzig

Am Wochenende um den 30.6. bis 3.7 findet in Leipzig die Amazon Picking Challenge statt. 16 Internationale Hochschul-Teams stellen dabei AnsĂ€tze zur Automatisierung in der Logistik vor und kĂ€mpfen um eine Preisgeld von 80.000 USD. 2015 fand die Picking Challenge zum ersten Mal statt – damals in Seattle. Dabei fand die Challenge breite Zustimmung, wie Dave Clark (Senior Vice President) bestĂ€tigte. Diesmal kĂ€mpfen die Teams im Rahmen des RoboCups, der parallel in Leipzig stattfindet.

Die beiden Disziplinen sind das BestĂŒcken von Regalen (stow) und das BefĂŒllen von Kisten aus Regalen (pick). Neben den beiden Disziplinen gibt es auch noch eine Ausstellung, in der der Besucher mehr ĂŒber Amazon und die Arbeit in den Logistikzentren erfahren kann.

 

Über Amazon

Amazon.com öffnete seine virtuellen Tore im Juli 1995. Das Unternehmen wird von vier Grundprinzipien geleitet: Fokus auf den Kunden statt auf den Wettbewerb, Leidenschaft fürs Erfinden, Verpflichtung zu operativer Exzellenz und langfristiges Denken. Kundenrezensionen, 1-Click Shopping, personalisierte Empfehlungen, Prime, Versand durch Amazon, AWS, Kindle Direct Publishing, Kindle, Fire Tablets, Fire TV, Amazon Echo und Alexa sind nur einige der Produkte und Services, für die Amazon Pionierarbeit geleistet hat.

Buchempfehlung zum Thema

Robotics: Everything You Need to Know About Robotics from Beginner to Expert