Forscher wollen Erfolg von Online-Inhalten vorausberechnen
Wird ein Video oder ein Text besonders häufig angeklickt? Ein Algorithmus von Wissenschaftlern der HP-Labs soll dies bereits aus den ersten Zugriffen ermitteln können.
Die aktuelle Wirtschaftskrise sorgt für eine Neuausrichtung der Marketingbudgets. Da ist es kein Wunder, dass Firmen nach neuen Möglichkeiten suchen, auch im Internet jeden Werbedollar möglichst effizient einzusetzen. Forscher an den HP Labs in Palo Alto haben nun ein Verfahren entwickelt, mit dem sich früh feststellen lässt, wie populär ein Online-Videoclip oder ein textlicher Inhalt werden könnte, bei dem sich das Schalten von Bannern lohnt. Die Wissenschaftler betrachten dazu die ersten paar Stunden oder Tage, nachdem ein Beitrag ins Netz gestellt wurde, berichtet das Technologiemagazin Technology Review in seiner Online-Ausgabe. Daraus ließ sich die künftige Beliebtheit (und Klickrate) erstaunlich genau erschließen.
Wenn Inhalteanbieter vorhersagen könnten, wie viele Nutzer ein Video oder einen Artikel während einer bestimmten Zeitspanne betrachten, könnten sie die populärsten Beiträge mit den teuersten Werbeflächen kombinieren. Außerdem könnten dann die Spitzenangebote besonders weit vorne platziert werden, was die Anzahl der Betrachter (und die Werbeumsätze) noch weiter erhöhen würde, hoffen die HP-Forscher.
"Bei dem, was wir hier tun, fällt ganz offensichtlich auch viel für die Erfolgssteigerung von Reklame ab", sagt Bernardo Huberman, Senior Fellow bei HP, der die Studie leitet. "Das wird den Werbetreibenden erlauben, zumindest ein Gefühl dafür zu bekommen, wo sie gerne buchen wollen, wenn sie früh genug Informationen darüber erhalten, was die Leute interessiert."
Huberman und seine Kollegen untersuchten dazu gesammelte Daten von der Video-Website YouTube und dem Nachrichtenaggregator Digg, der es Nutzern erlaubt, mitzubestimmen, welche Geschichten am prominentesten im Angebot platziert werden. Die Forscher setzten verschiedene mathematische Modelle auf diese Datensätze an und bestimmten so eine "Popularitätskurve" für unterschiedliche Beiträge. Diese Kurven erlaubten es den Forschern dann, aus den Daten der ersten Zeit die künftige Popularität zu extrapolieren.
Mehr zum Thema in Technology Review online:
(bsc)
