Wir gratulieren Nicolas Emberger für den erfolgreichen Abschluss des „CAS Data Science and Machine Learning“ der Universität Zürich und die exzellente experimentelle Arbeit innerhalb der Online Marketing AG unter der Leitung von Prof. Dr. Martin Volk und Dr. Simon Clematide (Department of Computational Linguistics).
Smarte Kampagnen, Broad Match & Smart Bidding, Performance Max und was sonst noch alles kommen mag, um die Automatisierung direkt in Google Ads zu fördern, verschiebt den Arbeitsaufwand in den Digital Agenturen vom ausgeklügelten Keyword-Setup hin zu verstärkter Keyword-Ausschluss-Optimierung in laufenden sowie neuen Search Kampagnen. Zugehörige Analysen und Aufgaben sind zeitaufwendig und bedingen ein sehr gutes kontextuelles Verständnis für die Leistungsangebote unserer Kunden sowie die Beherrschung der jeweiligen Sprache und ein wenig den Blick in die Glaskugel.
Mit der Fall-Studie und der praktischen Umsetzung, hat Nicolas ein binäres Klassifizierungsmodell erarbeitet, um Suchbegriffe basierend auf maschinellem Lernen automatisch auszuschliessen. Dazu kommen Techniken, wie die statische Einbettungen auf Vokabularebene (dichte Vektoren unter Verwendung von FastText) sowie kontextualisierte Einbettungen (Satz- BERT) zur Berechnung der Ähnlichkeit dieser Darstellungen zum Einsatz.
Die experimentelle Umsetzung in der Online Marketing AG hat gezeigt, wie wichtig es ist, sowohl Kosinusähnlichkeit als auch Worteinbettung zu verwenden, um ein erfolgreiches Modell zu erstellen. Wir haben gesehen, dass die Verwendung beider Einbettungen (Sentence BERT und fastText) für einige Algorithmen (Neural Network) bessere Ergebnisse liefern können, während für einige andere Algorithmen (Random Forest) die Verwendung von nur Sentence BERT vorteilhaft zu sein scheint. Am Ende basierte das beste Modell für die Kunden der Online Marketing AG auf Random Forest und hat eine Genauigkeit von 97,3 % mit einer positiven Erinnerungsrate von 98%.
Wir werden im Paid Advertising Team auch weiterhin den experimentellen Ansatz in „machine learning“ parallel zu den herkömmlichen Methoden verfolgen. Dabei spielt der Faktor „Zeit“ und „Zeitersparnis“, sowie die „Genauigkeit“ aber immer das Kunden-Ziel eine grosse Rolle für zukünftige Projekte und Investitionen. Die Arbeit im Rahmen des „CAS Data Science and Machine Learning“ von Nicolas Emberger hat unseren wissenschaftlichen Horizont enorm erweitert und viele neue Möglichkeiten für die Zukunft aufgezeigt. Vielen Dank.
Sie benötigen einen zuverlässigen Partner im Digital Marketing? Zögern Sie nicht und kontaktieren Sie uns noch heute.
