Im digitalen Zeitalter ist guter Content allein oft nicht mehr genug. So interessant und hochwertig Ihre Inhalte auch sein mögen – in der täglichen Content-Flut gilt es, sich durch Relevanz zu behaupten. (Gastbeitrag von Franca Ding)
82 % aller Marketer setzten schon 2021 auf Content Marketing (Quelle: HubSpot). Das bedeutet, dass Sie sich durch Relevanz und Qualität von einer großen Anzahl Konkurrenten abheben müssen.
Besonders relevant wird der Content bspw. durch data-driven Distribution: Zugeschnitten auf spezifische Nutzerinteressen und entlang einer aktuellen Nachfrage schafft die gezielte Ausspielung dem Leser den gefragten Mehrwert im richtigen Moment. Eine effektive Content-Strategie ist unabdingbar. Hier kann der Einsatz von Natural Language Understanding einen Mehrwert bieten.
Warum ist relevanter Content so wichtig?
Content Marketing erfreut sich in allen Branchen größter Beliebtheit. Immer mehr Content wird immer schneller produziert und distribuiert, Inhalte können von überall und zu jeder Zeit abgerufen werden und das zu großen Teilen kostenlos. Klassische Erlösmodelle der Publisher bleiben durch den „Content-Marktplatz“ Google auf der Strecke, und der kommerzielle Journalismus rutscht immer tiefer in die Krise.
Nun müssen innovative Finanzierungsmöglichkeiten gefunden, verlorengegangene Leser aufs Neue begeistert, unkonventionelle Arbeitsweisen erprobt und Transformationshilfen geschaffen werden.
Definition Natural Language Processing
Natural Language Processing (NLP) ist die maschinelle Verarbeitung natürlicher Sprache und ein Teilbereich der Künstlichen Intelligenz. In Kombination mit der Linguistik wird hier versucht, die natürliche Sprache zu erfassen und mithilfe von Regeln und Algorithmen – die wiederum auf statistischem Machine Learning aufbauen – maschinell zu verarbeiten.
Diese Verarbeitung kann in zwei Richtungen stattfinden: Natural Language Generation (NLG) ermöglicht die automatische Erstellung von natürlichsprachlichen Inhalten auf Basis strukturierter Daten. Im Gegensatz dazu geht es beim Natural Language Understanding darum, sich mit dem Verständnis des maschinellen Lesens zu befassen. Natural Language Understanding (NLU) versteht den Sinn von Sätzen, kann deren Kontext interpretieren und sogar Fragen beantworten. Chatbots in Messaging-Applikationen oder digitale Sprachassistenten wie Cortana, Alexa und Siri werden so realisiert. Sprachverständnis gehört zu den komplexen Aspekten der Künstlichen Intelligenz.
Als besonders performant und langlebig in den Suchergebnislisten haben sich im Rahmen einer Content-Strategie-Planung die Seiten erwiesen, die eine Vielzahl von Artikeln zu einem bestimmten Thema zusammenfassen: Content Hubs. Nutzer schätzen den umfassenden Überblick auf solch kuratierte Themenseiten und die Möglichkeit, mit wenigen Klicks inhaltlich tief in ein Thema einzutauchen.
Eine durch aktuelle Geschehnisse gerade entstandene Nachfrage kann durch eine spezifische Themenseite direkt abgefangen werden – und das, ohne erst neuen Content zu produzieren. Bereits existierender Content wird somit intelligent reaktiviert und kann mehrfach in verschiedenen Themen-Hubs verwertet werden.
Wie können Sie relevanten Content auf Themenseiten bündeln?
Durch die automatische Kuratierung von Themen-Hubs lässt sich der verwertbare Output des eigenen Angebots skalieren. Zu einem aktuell relevanten Thema wird dabei mit wenigen Klicks – oder sogar vollautomatisiert – eine Themenseite aus bereits existierenden Inhalten erstellt.
Welche Themen besonders nachgefragt sind, finden die ins System integrierten Trendanalysen automatisch heraus. Auf diese Weise lassen sich nahezu in Echtzeit Inhalte erstellen und redaktionelle Lücken schließen.
Zusätzlich zur (teil-)automatisierten Ausspielung des Contents in tausenden dynamischen Themenseiten erlaubt es ein solches Themenmanagement, personalisierte Themenempfehlungen auf Basis inhaltlicher Nähe auszuspielen und an relevanten Keywords interne Verlinkungen zu setzen.
Um besser gelistet zu werden, mehr organischen Traffic zu erlangen und Leser eher vom Angebot zu überzeugen, spielen untereinander durch In-Text-Links verlinkte Themenseiten sowie die Empfehlung weiterer relevanter Themen eine wichtige Rolle.
Diese Form der Aufdeckung spannender Kontexte unterstützt den Leser dabei, die relevantesten Themen zu entdecken und leitet ihn entlang seiner Interessen über das Angebot; die Nutzerbindung steigt.
Die resultierende längere Verweildauer und weiterführenden Klicks auf interne Verlinkungen sind wiederum ein Zeichen für die Suchmaschine für relevanten Inhalt. Google und Co. honorieren die Nutzersignale mit guten Such-Rankings.
Die redaktionellen Beiträge bleiben natürlich das Herzstück einer jeden Content-Strategie: Via Google News, über soziale Plattformen und nicht zuletzt durch die direkten Zugriffe der treuen Fans einer Medienmarke wird der nötige Traffic generiert. Denn einer der wichtigsten Faktoren für nachhaltige Sichtbarkeit im Internet und damit Garant für einen steten Zustrom von Besuchern sind die Platzierungen der Inhalte in den Suchmaschinen.
Neben Steigerung der SEO-Relevanz spielt ein effektives Themenmanagement auch bei der Einbindung von Paid Content eine bedeutende Rolle, indem neue redaktionelle Umfelder in Form hochrelevanter Themenseiten geschaffen werden. Relevanter Content wird dynamisch sichtbar – für User und Suchmaschine.
Natural Language Understanding: Wie wird aus human-driven data-driven?
Die zahlreichen Vorteile eines Umschwungs von human-driven zu data-driven bei der Ausspielung von Inhalten werden ermöglicht durch die Technologie des Natural Language Understandings (NLU).
Als Teilbereich der Künstlichen Intelligenz ist es der Maschine durch NLU möglich, die Bedeutung von Inhalten zu verstehen: Durch semantische Komponenten und Machine Learning werden die Inhalte automatisch getaggt, relevante Entitäten identifiziert und ein besserer Überblick über die Gesamtheit des bestehenden Contents ermöglicht.
Unstrukturierte Daten werden dabei zu strukturierten Daten – diese sind maschinell lesbar, digital verwertbar und lassen sich monetarisieren.
Natural Language Understanding analysiert den gesamten Content-Pool eines Publishers semantisch, extrahiert relevante Informationen und nutzt diese zur Kategorisierung der Artikel.
Diese Klassifizierung macht versteckte Zusammenhänge und dadurch neue Potenziale sichtbar, welche für den Menschen in der Masse an Content schlicht und ergreifend untergehen würden. Große Datenmengen lassen sich so einheitlich und im richtigen kontextuellen Zusammenhang archivieren.
Angebot und Nachfrage im Matching
- Semantische Komponenten und Machine Learning zur Analyse des Angebots und zur Aufdeckung versteckter Potentiale
- Objektive Trendanalysen zur Feststellung nachgefragter Themen
- Optimierte Themenausspielung: für den User und für die Suchmaschine
Die Medienbranche sieht sich durch die digitale Transformation besonderen Herausforderungen gegenüber, eine davon ist die digitale Sichtbarkeit der eigenen Inhalte als eine wichtige Säule des Geschäftsmodells. Wie gelingt es, bestehenden redaktionellen Content effizient und nutzerorientiert zu verwerten und so die Sichtbarkeit im Internet weiter zu erhöhen? Durch Content Automation.
Wie erstellen Sie ein Themenseiten-Konzept?
Für Publisher bieten Themenseiten eine Vielzahl von Vorteilen: Themenseiten generieren Sichtbarkeit und Traffic, tragen zur Nutzerbindung bei und schaffen so die Voraussetzungen für eine zielgerichtete Monetarisierung von Inhalten.
Eine Reihe von Medienhäusern mit regionalen bzw. überregionalen Zielgruppen hat bereits Lösungen implementiert, die Beiträge effizient zweitverwerten.
Effizienz ist in diesem Zusammenhang ein zentraler Aspekt: Angesichts von Hunderttausenden Beiträgen kann die Erstellung von Themenseiten keine rein redaktionelle Aufgabe mehr sein, der Prozess lässt sich aber durch Automatisierung wirtschaftlich sinnvoll abbilden. Eine innovative und ressourcenschonende Lösung zur Content Automation bietet ein Themenmanagement-System (TMS) wie das von Retresco.
In der Praxis lassen sich die positiven Effekte der Anwendung auch anhand von eindeutigen Zahlen belegen. So konnte etwa ein führendes deutsches Nachrichtenangebot die SEO-Sichtbarkeit in den Ergebnislisten von Google nach Einführung eines Themenmanagement-Systems zeitweise mehr als verdoppeln (den zugehörigen Use Case erhalten Sie auf Anfrage).
Ist das der Anfang eines Roboterjournalismus?
Die Automatisierung, vor allem die zur automatisierten Erstellung von Inhalten, wird oft noch als Zukunftsmusik abgehakt oder als bedrohlich eingeschätzt. Dabei sind sowohl Natural Language Understanding als auch Natural Language Generation längst im Tagesgeschäft angekommen.
Die Technologien werden bspw. eingesetzt, um Texte im Bereich der Finanz- oder Sportberichterstattung durch NLG in Echtzeit zu generieren und durch NLU gezielt zu distribuieren.
Daher bleibt festzuhalten: Automatisierter Content wird sich weiterentwickeln und ganz „natürlich“ in redaktionelle Workflows integrieren lassen. Die Technologien sind als Werkzeuge zu sehen, welche Redakteure und Autoren nachhaltig unterstützen und ihnen mehr Freiräume für ihre tatsächliche Arbeit geben.
Um hier aber Transparenz zu gewährleisten, empfiehlt sich eine offensive Kennzeichnung der Mensch-Maschine-Gemeinschaftsproduktion, vor allem bei der Verwendung von Natural Language Generation; in etwa: „Teile dieses Textes wurden unter Verwendung automatischer Textgenerierung umgesetzt.“
Der Schritt in die Automatisierung ist nicht mit der Abgabe der redaktionellen Kontrolle zu verbinden – der Mensch ist und bleibt im Lead. Die Kombination von Expertenwissen mit der richtigen Technologie bringt nachhaltigen Erfolg bei der Ausspielung von dynamischem und relevantem Content.
MBmedien-Gastautorin Franca Ding (twittert unter @francacharlotte) ist als Marketing Koordinatorin für die Retresco GmbH in Berlin tätig. Sie ist Expertin fürs Thema AI-driven Content Automation. Die von Retresco entwickelte Semantik analysiert Inhalte jeder Art und erkennt darin wichtige Keywords und Themen. So können aus unstrukturierten Texten strukturierte, maschinenlesbare Daten erstellt und neue Inhalte generiert werden. Themen werden zudem in die richtigen Zusammenhänge gesetzt und automatisch untereinander verlinkt.
MBmedien-Gastautorin Franca Ding (twittert unter @francacharlotte) ist als Marketing Koordinatorin für die Retresco GmbH in Berlin tätig. Sie ist Expertin fürs Thema AI-driven Content Automation. Die von Retresco entwickelte Semantik analysiert Inhalte jeder Art und erkennt darin wichtige Keywords und Themen. So können aus unstrukturierten Texten strukturierte, maschinenlesbare Daten erstellt und neue Inhalte generiert werden. Themen werden zudem in die richtigen Zusammenhänge gesetzt und automatisch untereinander verlinkt.
