"Der Algorithmus optimiert sich selbst"

Interview

5 Minuten

01.07.2019

Portrait von János Moldvay

Bei seinen Customer-Journey-Analysen setzt der SaaS-Anbieter Adtriba auf Machine-Learning. Das System lernt selbstständig, welche Bedeutung die einzelnen Touch Points haben – online wie offline. Dabei entdeckt es auch versteckte Zusammenhänge. Ein Gespräch mit Co-Gründer und CEO János Moldvay.

János, lass uns zu Beginn kurz über den Begriff „Customer Journey“ sprechen. Eigentlich ist allen klar, dass sich die Customer Journey nicht ausschließlich über den letzten Klick definiert. Und trotzdem wird es häufig so gemacht…

Moldvay: Tatsächlich sieht sich die überwiegende Mehrheit der Marketingmanager die Customer Journey aus der Last-Click-Perspektive an. Viele betrachten auch die einzelnen Touch Points wie Facebook oder Google Adwords völlig isoliert.

Woran liegt das? An Unwissenheit?

Moldvay: Ich glaube nicht. Das Thema ist einfach nicht so trivial. Es gibt ja nicht viele Tools, die detaillierte Einblicke erlauben. Last-Click-Attribution ist einfach, das versteht jeder – auch wenn sie offensichtlich nicht richtig ist.

Ihr bietet ein System an, das mit Machine Learning arbeitet und die unterschiedlichen Touch Points berücksichtigt. Online kann man sich das ja gut vorstellen. Aber wie lässt sich darin der Beitrag der Offline-Kanäle abbilden?

Moldvay: Zunächst einmal: Offline-Kanäle wie Print, TV oder Out-of-Home sind bedeutend, weil sie längerfristige Effekte auslösen. Da kann man nicht so tun, als ob der Verkauf nur auf Performance-Marketing-Kanäle zurückzuführen sei. Die Markenbekanntheit kann einen sehr starken Impact auf die Abverkäufe haben. Man darf sich also nicht nur ansehen, was auf der User-Journey trackbar ist, sondern alles weitere, wofür eine Brand Geld ausgibt. Das aber ist nicht so einfach, weil die Arten der Daten, die einem zur Verfügung stehen, komplett unterschiedlich sind.

Konkret zur Frage: Der Machine-Learning-Algorithmus muss dafür die Daten zu den Offline-Kampagnen, die nicht pro User sondern nur aggregiert zur Verfügung stehen, mit den User bezogenen Traffic Daten in Verbindung setzen.

Ihr seid aus der Digitalmarketing-Branche gekommen – Du selbst hast einen Data-Science-Hintergrund – und bietet mit Adtriba eine SaaS-Lösung an, die tatsächlich auch die Wirkung von abgeschriebenen Medienkanälen wie Zeitschriften oder gedruckten Kataloge berücksichtigt. Inwiefern spielt hier Künstliche Intelligenz eine Rolle?

Moldvay: Der Begriff Künstliche Intelligenz wird häufig missverständlich verwendet, weswegen wir lieber konkreter von Machine Learning sprechen. Das bedeutet, dass wir Algorithmen und Methoden verwenden, die es dem Computersystem erlauben, selbständig zu lernen. Ich muss ihm nicht explizit Regeln oder Anweisungen geben. Das System erarbeitet sich das selbst.

Kannst Du das an einem Beispiel erklären?

Moldvay: Eine konkrete, nicht auf Machine Learning basierende Regelanweisung wäre zum Beispiel: Immer wenn Facebook oder Google an der Customer Journey beteiligt sind, gehen 50 Prozent auf ihr Konto. Bei uns errechnet der Machine-Learning-Algorithmus genau, welcher Kanal welches Ergebnis zur Conversion beisteuert, wobei es sich kontinuierlich selbst optimiert. Das System lernt, welche Bedeutung die einzelnen Touch Points wirklich haben. Dabei vergleich es permanent die Journeys der Käufer mit den Journeys der Nicht-Käufer.

Ihr trackt also auch die Journeys, die nachweislich nicht zu Conversions geführt haben?

Moldvay: Genau. Durch diese Vergleiche lernt das System beispielsweise, dass Journeys, an denen möglicherweise Google beteiligt ist, erfolgreicher sind als andere. Das ist zugegebenermaßen sehr einfach ausgedrückt. Es geht im Prinzip darum, dass das System nach und nach auch versteckte Zusammenhänge erkennt und berücksichtigt.

Sind denn die Entscheidungen des Systems nachvollziehbar oder ist das eine Black Box?

Moldvay: Es ist wichtig, dass der Kunde die Grundzüge des Systems versteht, deshalb sollte alles nachvollziehbar sein. Es ist doch so: Im Moment schreibt sich jeder auf die Fahne, mit KI oder AI zu arbeiten. Und wenn man versucht herauszufinden, was da genau passiert, wird es plötzlich still im Wald. Das wollen wir eben nicht. Deswegen reden wir konkret über Machine Learning. Um so transparent wie möglich gegenüber unseren Kunden zu sein, erklären wir dann auch den Machine-Learning-Algorithmus.

Ihr arbeitet für Kunden wie Die Zeit oder Flixbus. Wie nutzen die Adtriba?

Moldvay: Die einfache Antwort auf die Frage wäre: Wir liefern ihnen die Ergebnisse für die Entscheidung, welche Marketingkanäle sie stärken und wo sie ihre Ausgaben verringern sollten.

Jetzt verfolgen die Kunden aber doch mit ihrer Marketingkommunikation unterschiedliche Ziele.

Moldvay: Das stimmt. Aber die Hauptaufgabe bleibt dennoch, Conversions zu forcieren, also mehr Buchungen oder mehr Abo-Abschlüsse zu erzielen. Doch natürlich gibt es bestimmte Abstufungen. Flixbus ist zum Beispiel sehr daran interessiert, nicht nur Erstfahrer oder Einmal-Fahrer zu generieren, sondern neue Kunden zu akquirieren, die den Bus häufig nutzen. Anders gesagt: Ziel ist es, Kunden mit einem hohen Customer-Lifetime-Value zu akquirieren. Es hat also hier keinen Sinn, eine einzelne Conversion isoliert zu betrachten; stattdessen werden auch alle folgenden Conversions im Laufe des gesamten Kundendaseins für ein Unternehmen betrachtet.

Ist es denkbar, dass man bei Eurem System eines Tages nur noch einmal einen Sprachbefehl erteilt und die Maschine dann alle Kanäle selbst auswählt und sich ständig optimiert?

Moldvay: Das fragen uns viele Kunden und vielleicht ist das auch der Traum vieler Marketingmanager. Aktuell ist es noch nicht möglich. Denn das Wissen, das dafür nötig ist, ist zwar vorhanden, aber es ist derzeit nicht möglich, es effizient zu integrieren. Um beispielsweise Google Ads richtig bespielen zu können, müsste ich genau wissen, was alle anderen Wettbewerber machen. Deshalb: Heute nein. Künftig: Definitiv vorstellbar und auch eine Art Vision, die wir haben.

Das Interview führte Helmut van Rinsum

János Moldvay ist Co-Gründer und CEO von Adtriba, Hamburg, einem SaaS-Anbieter für dynamisches Attribution Modeling und Customer-Journey-Analysen. Nach einem Wirtschaftsinformatik-Studium startete Moldvay 2003 seine Karriere im Bereich Data Warehouse, CRM und Data Mining beim Versandhändler OTTO. 2007 wechselte er zu XING. Dort, wie auch bei Unique Digital (heute Syzygy) und Jimdo, baute Moldvay Business-Intelligence- und Data-Science-Teams auf. 2015 gründete er gemeinsam mit Ludwig Ostrowski (CTO) Adtriba.


"Der Algorithmus optimiert sich selbst"

Interview

5 Minuten

01.07.2019

Portrait von János Moldvay

Bei seinen Customer-Journey-Analysen setzt der SaaS-Anbieter Adtriba auf Machine-Learning. Das System lernt selbstständig, welche Bedeutung die einzelnen Touch Points haben – online wie offline. Dabei entdeckt es auch versteckte Zusammenhänge. Ein Gespräch mit Co-Gründer und CEO János Moldvay.

János, lass uns zu Beginn kurz über den Begriff „Customer Journey“ sprechen. Eigentlich ist allen klar, dass sich die Customer Journey nicht ausschließlich über den letzten Klick definiert. Und trotzdem wird es häufig so gemacht…

Moldvay: Tatsächlich sieht sich die überwiegende Mehrheit der Marketingmanager die Customer Journey aus der Last-Click-Perspektive an. Viele betrachten auch die einzelnen Touch Points wie Facebook oder Google Adwords völlig isoliert.

Woran liegt das? An Unwissenheit?

Moldvay: Ich glaube nicht. Das Thema ist einfach nicht so trivial. Es gibt ja nicht viele Tools, die detaillierte Einblicke erlauben. Last-Click-Attribution ist einfach, das versteht jeder – auch wenn sie offensichtlich nicht richtig ist.

Ihr bietet ein System an, das mit Machine Learning arbeitet und die unterschiedlichen Touch Points berücksichtigt. Online kann man sich das ja gut vorstellen. Aber wie lässt sich darin der Beitrag der Offline-Kanäle abbilden?

Moldvay: Zunächst einmal: Offline-Kanäle wie Print, TV oder Out-of-Home sind bedeutend, weil sie längerfristige Effekte auslösen. Da kann man nicht so tun, als ob der Verkauf nur auf Performance-Marketing-Kanäle zurückzuführen sei. Die Markenbekanntheit kann einen sehr starken Impact auf die Abverkäufe haben. Man darf sich also nicht nur ansehen, was auf der User-Journey trackbar ist, sondern alles weitere, wofür eine Brand Geld ausgibt. Das aber ist nicht so einfach, weil die Arten der Daten, die einem zur Verfügung stehen, komplett unterschiedlich sind.

Konkret zur Frage: Der Machine-Learning-Algorithmus muss dafür die Daten zu den Offline-Kampagnen, die nicht pro User sondern nur aggregiert zur Verfügung stehen, mit den User bezogenen Traffic Daten in Verbindung setzen.

Ihr seid aus der Digitalmarketing-Branche gekommen – Du selbst hast einen Data-Science-Hintergrund – und bietet mit Adtriba eine SaaS-Lösung an, die tatsächlich auch die Wirkung von abgeschriebenen Medienkanälen wie Zeitschriften oder gedruckten Kataloge berücksichtigt. Inwiefern spielt hier Künstliche Intelligenz eine Rolle?

Moldvay: Der Begriff Künstliche Intelligenz wird häufig missverständlich verwendet, weswegen wir lieber konkreter von Machine Learning sprechen. Das bedeutet, dass wir Algorithmen und Methoden verwenden, die es dem Computersystem erlauben, selbständig zu lernen. Ich muss ihm nicht explizit Regeln oder Anweisungen geben. Das System erarbeitet sich das selbst.

Kannst Du das an einem Beispiel erklären?

Moldvay: Eine konkrete, nicht auf Machine Learning basierende Regelanweisung wäre zum Beispiel: Immer wenn Facebook oder Google an der Customer Journey beteiligt sind, gehen 50 Prozent auf ihr Konto. Bei uns errechnet der Machine-Learning-Algorithmus genau, welcher Kanal welches Ergebnis zur Conversion beisteuert, wobei es sich kontinuierlich selbst optimiert. Das System lernt, welche Bedeutung die einzelnen Touch Points wirklich haben. Dabei vergleich es permanent die Journeys der Käufer mit den Journeys der Nicht-Käufer.

Ihr trackt also auch die Journeys, die nachweislich nicht zu Conversions geführt haben?

Moldvay: Genau. Durch diese Vergleiche lernt das System beispielsweise, dass Journeys, an denen möglicherweise Google beteiligt ist, erfolgreicher sind als andere. Das ist zugegebenermaßen sehr einfach ausgedrückt. Es geht im Prinzip darum, dass das System nach und nach auch versteckte Zusammenhänge erkennt und berücksichtigt.

Sind denn die Entscheidungen des Systems nachvollziehbar oder ist das eine Black Box?

Moldvay: Es ist wichtig, dass der Kunde die Grundzüge des Systems versteht, deshalb sollte alles nachvollziehbar sein. Es ist doch so: Im Moment schreibt sich jeder auf die Fahne, mit KI oder AI zu arbeiten. Und wenn man versucht herauszufinden, was da genau passiert, wird es plötzlich still im Wald. Das wollen wir eben nicht. Deswegen reden wir konkret über Machine Learning. Um so transparent wie möglich gegenüber unseren Kunden zu sein, erklären wir dann auch den Machine-Learning-Algorithmus.

Ihr arbeitet für Kunden wie Die Zeit oder Flixbus. Wie nutzen die Adtriba?

Moldvay: Die einfache Antwort auf die Frage wäre: Wir liefern ihnen die Ergebnisse für die Entscheidung, welche Marketingkanäle sie stärken und wo sie ihre Ausgaben verringern sollten.

Jetzt verfolgen die Kunden aber doch mit ihrer Marketingkommunikation unterschiedliche Ziele.

Moldvay: Das stimmt. Aber die Hauptaufgabe bleibt dennoch, Conversions zu forcieren, also mehr Buchungen oder mehr Abo-Abschlüsse zu erzielen. Doch natürlich gibt es bestimmte Abstufungen. Flixbus ist zum Beispiel sehr daran interessiert, nicht nur Erstfahrer oder Einmal-Fahrer zu generieren, sondern neue Kunden zu akquirieren, die den Bus häufig nutzen. Anders gesagt: Ziel ist es, Kunden mit einem hohen Customer-Lifetime-Value zu akquirieren. Es hat also hier keinen Sinn, eine einzelne Conversion isoliert zu betrachten; stattdessen werden auch alle folgenden Conversions im Laufe des gesamten Kundendaseins für ein Unternehmen betrachtet.

Ist es denkbar, dass man bei Eurem System eines Tages nur noch einmal einen Sprachbefehl erteilt und die Maschine dann alle Kanäle selbst auswählt und sich ständig optimiert?

Moldvay: Das fragen uns viele Kunden und vielleicht ist das auch der Traum vieler Marketingmanager. Aktuell ist es noch nicht möglich. Denn das Wissen, das dafür nötig ist, ist zwar vorhanden, aber es ist derzeit nicht möglich, es effizient zu integrieren. Um beispielsweise Google Ads richtig bespielen zu können, müsste ich genau wissen, was alle anderen Wettbewerber machen. Deshalb: Heute nein. Künftig: Definitiv vorstellbar und auch eine Art Vision, die wir haben.

Das Interview führte Helmut van Rinsum

János Moldvay ist Co-Gründer und CEO von Adtriba, Hamburg, einem SaaS-Anbieter für dynamisches Attribution Modeling und Customer-Journey-Analysen. Nach einem Wirtschaftsinformatik-Studium startete Moldvay 2003 seine Karriere im Bereich Data Warehouse, CRM und Data Mining beim Versandhändler OTTO. 2007 wechselte er zu XING. Dort, wie auch bei Unique Digital (heute Syzygy) und Jimdo, baute Moldvay Business-Intelligence- und Data-Science-Teams auf. 2015 gründete er gemeinsam mit Ludwig Ostrowski (CTO) Adtriba.


"Der Algorithmus optimiert sich selbst"

Interview

5 Minuten

01.07.2019

Portrait von János Moldvay

Bei seinen Customer-Journey-Analysen setzt der SaaS-Anbieter Adtriba auf Machine-Learning. Das System lernt selbstständig, welche Bedeutung die einzelnen Touch Points haben – online wie offline. Dabei entdeckt es auch versteckte Zusammenhänge. Ein Gespräch mit Co-Gründer und CEO János Moldvay.

János, lass uns zu Beginn kurz über den Begriff „Customer Journey“ sprechen. Eigentlich ist allen klar, dass sich die Customer Journey nicht ausschließlich über den letzten Klick definiert. Und trotzdem wird es häufig so gemacht…

Moldvay: Tatsächlich sieht sich die überwiegende Mehrheit der Marketingmanager die Customer Journey aus der Last-Click-Perspektive an. Viele betrachten auch die einzelnen Touch Points wie Facebook oder Google Adwords völlig isoliert.

Woran liegt das? An Unwissenheit?

Moldvay: Ich glaube nicht. Das Thema ist einfach nicht so trivial. Es gibt ja nicht viele Tools, die detaillierte Einblicke erlauben. Last-Click-Attribution ist einfach, das versteht jeder – auch wenn sie offensichtlich nicht richtig ist.

Ihr bietet ein System an, das mit Machine Learning arbeitet und die unterschiedlichen Touch Points berücksichtigt. Online kann man sich das ja gut vorstellen. Aber wie lässt sich darin der Beitrag der Offline-Kanäle abbilden?

Moldvay: Zunächst einmal: Offline-Kanäle wie Print, TV oder Out-of-Home sind bedeutend, weil sie längerfristige Effekte auslösen. Da kann man nicht so tun, als ob der Verkauf nur auf Performance-Marketing-Kanäle zurückzuführen sei. Die Markenbekanntheit kann einen sehr starken Impact auf die Abverkäufe haben. Man darf sich also nicht nur ansehen, was auf der User-Journey trackbar ist, sondern alles weitere, wofür eine Brand Geld ausgibt. Das aber ist nicht so einfach, weil die Arten der Daten, die einem zur Verfügung stehen, komplett unterschiedlich sind.

Konkret zur Frage: Der Machine-Learning-Algorithmus muss dafür die Daten zu den Offline-Kampagnen, die nicht pro User sondern nur aggregiert zur Verfügung stehen, mit den User bezogenen Traffic Daten in Verbindung setzen.

Ihr seid aus der Digitalmarketing-Branche gekommen – Du selbst hast einen Data-Science-Hintergrund – und bietet mit Adtriba eine SaaS-Lösung an, die tatsächlich auch die Wirkung von abgeschriebenen Medienkanälen wie Zeitschriften oder gedruckten Kataloge berücksichtigt. Inwiefern spielt hier Künstliche Intelligenz eine Rolle?

Moldvay: Der Begriff Künstliche Intelligenz wird häufig missverständlich verwendet, weswegen wir lieber konkreter von Machine Learning sprechen. Das bedeutet, dass wir Algorithmen und Methoden verwenden, die es dem Computersystem erlauben, selbständig zu lernen. Ich muss ihm nicht explizit Regeln oder Anweisungen geben. Das System erarbeitet sich das selbst.

Kannst Du das an einem Beispiel erklären?

Moldvay: Eine konkrete, nicht auf Machine Learning basierende Regelanweisung wäre zum Beispiel: Immer wenn Facebook oder Google an der Customer Journey beteiligt sind, gehen 50 Prozent auf ihr Konto. Bei uns errechnet der Machine-Learning-Algorithmus genau, welcher Kanal welches Ergebnis zur Conversion beisteuert, wobei es sich kontinuierlich selbst optimiert. Das System lernt, welche Bedeutung die einzelnen Touch Points wirklich haben. Dabei vergleich es permanent die Journeys der Käufer mit den Journeys der Nicht-Käufer.

Ihr trackt also auch die Journeys, die nachweislich nicht zu Conversions geführt haben?

Moldvay: Genau. Durch diese Vergleiche lernt das System beispielsweise, dass Journeys, an denen möglicherweise Google beteiligt ist, erfolgreicher sind als andere. Das ist zugegebenermaßen sehr einfach ausgedrückt. Es geht im Prinzip darum, dass das System nach und nach auch versteckte Zusammenhänge erkennt und berücksichtigt.

Sind denn die Entscheidungen des Systems nachvollziehbar oder ist das eine Black Box?

Moldvay: Es ist wichtig, dass der Kunde die Grundzüge des Systems versteht, deshalb sollte alles nachvollziehbar sein. Es ist doch so: Im Moment schreibt sich jeder auf die Fahne, mit KI oder AI zu arbeiten. Und wenn man versucht herauszufinden, was da genau passiert, wird es plötzlich still im Wald. Das wollen wir eben nicht. Deswegen reden wir konkret über Machine Learning. Um so transparent wie möglich gegenüber unseren Kunden zu sein, erklären wir dann auch den Machine-Learning-Algorithmus.

Ihr arbeitet für Kunden wie Die Zeit oder Flixbus. Wie nutzen die Adtriba?

Moldvay: Die einfache Antwort auf die Frage wäre: Wir liefern ihnen die Ergebnisse für die Entscheidung, welche Marketingkanäle sie stärken und wo sie ihre Ausgaben verringern sollten.

Jetzt verfolgen die Kunden aber doch mit ihrer Marketingkommunikation unterschiedliche Ziele.

Moldvay: Das stimmt. Aber die Hauptaufgabe bleibt dennoch, Conversions zu forcieren, also mehr Buchungen oder mehr Abo-Abschlüsse zu erzielen. Doch natürlich gibt es bestimmte Abstufungen. Flixbus ist zum Beispiel sehr daran interessiert, nicht nur Erstfahrer oder Einmal-Fahrer zu generieren, sondern neue Kunden zu akquirieren, die den Bus häufig nutzen. Anders gesagt: Ziel ist es, Kunden mit einem hohen Customer-Lifetime-Value zu akquirieren. Es hat also hier keinen Sinn, eine einzelne Conversion isoliert zu betrachten; stattdessen werden auch alle folgenden Conversions im Laufe des gesamten Kundendaseins für ein Unternehmen betrachtet.

Ist es denkbar, dass man bei Eurem System eines Tages nur noch einmal einen Sprachbefehl erteilt und die Maschine dann alle Kanäle selbst auswählt und sich ständig optimiert?

Moldvay: Das fragen uns viele Kunden und vielleicht ist das auch der Traum vieler Marketingmanager. Aktuell ist es noch nicht möglich. Denn das Wissen, das dafür nötig ist, ist zwar vorhanden, aber es ist derzeit nicht möglich, es effizient zu integrieren. Um beispielsweise Google Ads richtig bespielen zu können, müsste ich genau wissen, was alle anderen Wettbewerber machen. Deshalb: Heute nein. Künftig: Definitiv vorstellbar und auch eine Art Vision, die wir haben.

Das Interview führte Helmut van Rinsum

János Moldvay ist Co-Gründer und CEO von Adtriba, Hamburg, einem SaaS-Anbieter für dynamisches Attribution Modeling und Customer-Journey-Analysen. Nach einem Wirtschaftsinformatik-Studium startete Moldvay 2003 seine Karriere im Bereich Data Warehouse, CRM und Data Mining beim Versandhändler OTTO. 2007 wechselte er zu XING. Dort, wie auch bei Unique Digital (heute Syzygy) und Jimdo, baute Moldvay Business-Intelligence- und Data-Science-Teams auf. 2015 gründete er gemeinsam mit Ludwig Ostrowski (CTO) Adtriba.


Newsletter

Hier erfährst Du einmal in der Woche, wo Künstliche Intelligenz in das Marketing eingreift, welche Trends sich abzeichnen und wie sie Kommunikation und Medien verändert. Informativ, unterhaltsam, nachdenklich.

Schließe Dich den 1.500+ Abonnenten an, kostenlos.

Newsletter

Hier erfährst Du einmal in der Woche, wo Künstliche Intelligenz in das Marketing eingreift, welche Trends sich abzeichnen und wie sie Kommunikation und Medien verändert. Informativ, unterhaltsam, nachdenklich.

Schließe Dich den 1.500+ Abonnenten an, kostenlos.

Newsletter

Hier erfährst Du einmal in der Woche, wo Künstliche Intelligenz in das Marketing eingreift, welche Trends sich abzeichnen und wie sie Kommunikation und Medien verändert. Informativ, unterhaltsam, nachdenklich.

Schließe Dich den 1.500+ Abonnenten an, kostenlos.