3 Vorteile mit automatisierten Klassifikationen, von denen Medien und Verlage beim Themen-Management profitieren

Der Markt für automatisierte Content-Klassifizierungen entwickelt sich dynamisch. Gemäß den Marktforschern von MarketsandMarkets liegt das jährliche Wachstum bei über 19 % und erreicht 2025 ein Volumen von ganzen 1,6 Mrd. US-Dollar. Zugleich generieren Medien- und Verlagshäuser eine Fülle an Inhalten zu unterschiedlichsten Themen und aus verschiedensten Quellen. Das automatisierte Einordnen solcher Inhalte in Klassen bzw. Kategorien unterstützt redaktionelle Teams dabei, die Leserschaft durch thematisch gebündelte Artikelsammlungen anzuregen und zu binden. Insgesamt dienen thematische Klassifikationen dazu, den Lesern/innen einen schnellen und einfachen Zugang zu relevanten Inhalten zu verschaffen und eine nutzerfreundliche Navigation durch klar strukturierte Online-Angebote sicherzustellen.

Nachfolgend skizzieren wir, welche Vorteile das automatisierte Klassifizieren von Inhalten in der Praxis liegen und vermitteln Möglichkeiten für die Monetarisierung.

Was können automatisierte Klassifikationen?

Thematische Klassifikationen im Medienbereich sind strukturierte Systeme, die zur Kategorisierung und Organisation von Medieninhalten verwendet werden. Sie unterstützen redaktionelle Teams dabei, den Content nach bestimmten Themen oder Kategorien zu gruppieren, um es der Leserschaft leichter zu machen, relevante Informationen zu finden und zu konsumieren. Zudem lassen sich ähnliche Inhalte in Kategorien und Unterkategorien einteilen und hierarchisch anordnen.

Zugleich helfen solche Klassifikationen, die Navigation durch und Suche von Online-Angeboten nach bestimmten Inhalten zu vereinfachen. Dadurch ist es für die Leserschaft deutlich unkomplizierter, sich gezielt über bestimmte Themen zu informieren. Zentral ist hierbei die Verwendung von Tags und Schlagwörtern, die bestimmte Themenbereiche und Kategorien kennzeichnen. Zum Beispiel könnten Artikel, die sich mit gesellschaftlichen Themen befassen, mit dem Tag "Klimawandel" versehen werden.

Die Einordnung der Themen in bestimmte vordefinierte Klassen oder Kategorien erfolgt durch Maschinelles Lernen und Künstliche Intelligenz. Diese Technologie bietet hierfür Methoden, um automatisierte Klassifikationen anhand von Beispielobjekten zu trainieren. Die entsprechende Klassifikationsmodelle werden anschließend jeden einzelnen Artikel einer semantisch passenden Klasse zugeordnet.

Das Themen-Management-System (TMS) von Retresco ist auf solche automatisierten Klassifikationen mithilfe von Maschinellen Lernen und KI ausgelegt. So lassen sich alle gewünschten Themen bündeln und Inhalte um Metadaten ergänzt. Auch werden Informationen aus unstrukturierten Texten extrahiert und durch sogenannte Entitäten semantisch angereichert sowie bereits trainierten Klassen zugeordnet.

Im TMS ist eine Klassifikation von Leserinteressen in Form von IAB-Klassen integriert, um eine einfache inhaltsgetriebene Zuordnung werblicher Klassen zu Artikeln zu ermöglichen. Die IAB-Klassen sind ein Standard zur Kategorisierung werblicher Inhalte, der vom internationalen Verband Interactive Advertising Bureau entwickelt wurde. Durch die Verwendung der IAB-Klassen lässt sich die Art der Anzeigen, die genutzt werden, präzise beschreiben und definieren. Dadurch wird die eigene Leserschaft deutlich zielgenauer angesprochen und individuelle Informationswünsche entsprechend erfüllt.

Wie lassen sich Klassifikationen in der Praxis nutzen?

Automatisierte Klassifikationen bieten die Möglichkeit, Texte und textbasierende Inhalte nach Art, Form und Thema zu kategorisieren. Auf dieser Basis unterstützt Retresco bereits seit mehreren Jahren sehr erfolgreich Medien und Verlage wie das Spiegel-Archiv und das Archiv der Süddeutsche Zeitung. Neben der Automatisierung und dem hohen Organisationsgrad werden in solchen Medienarchiven etwa auch Dokumente in thematisch passende Dossiers einsortiert.  

Die 3 zentralen Benefits von automatisierten Klassifikationen für Medien- und Verlagshäuser:

1. Verbesserte Ausspielung von Werbung

Nicht immer ist es möglich, bei der Werbeausspielung einen personalisierten Ansatz zu fahren und der Leserschaft werbliche Inhalte auf Basis individueller Interessen anzuzeigen. Aufgrund restriktiverer Cookie-Richtlinien wird diese Art der Werbung in Zukunft noch problematischer. Dagegen sind kontextspezifische Werbeausspielungen durch die Klassifikation von Artikeln und Inhalten nach Leserinteressen in Form der standardisierten IAB-Klassen auch künftig jederzeit möglich. Hat der Leser/in ein starkes Interesse an bestimmten Themen, lässt sich hierfür automatisiert eine inhaltlich passende Werbung anzeigen.

Medien und Verlage werden also durch automatisierte Klassifikationen dabei unterstützt, die Zielgenauigkeit ihrer Werbung zu verbessern, um gewünschte Zielgruppen innerhalb der eigenen Leserschaft effektiver anzusprechen. Die relevanten IAB-Klassen werden hierbei an den Online-Vermarkter auf der Nutzerebene übermittelt. Sofern der Vermarkter oder das Ad-Network die IAB-Klassen unterstützt, lässt sich dadurch ein perfektes werbliches Matching sicherstellen.

2. Analysen zu Abo-Steigerungen

Automatisierte Klassifikationen mit dem Themen-Management-System von Retresco helfen aber auch bei Analysen zur Steigerung von Abo-Abschlüssen. Meist wird nur darauf geschaut, welcher letzter Artikel geklickt und gelesen wurde, bevor die Leserschaft ein kostenpflichtiges Abonnement abgeschlossen hat. Klassifikationen unterstützen Medien und Verlage aber auch dabei, größere Zusammenhänge zu erkennen. Mit der Einbindung der TMS-Klassifizierung in die verwendeten Trackingtools, lässt sich auch identifizieren, welche thematischen Interessen besonders klickstark sind und bei welchen Leserinteressen es besonders häufig zu Abo-Abschlüssen kommt.

Leserinteressen sind in der Online-Analyse ein zentraler Indikator, um zu erkennen, welche thematischen Interessen zu mehr Abo-Abschlüssen führt. Besonders aufschlussreich sind hierbei Analysedaten, die mit den bereits erwähnten IAB-Klassen gematcht werden.

3. Personalisierte Content-Recommendations

Im Rahmen automatisierter Klassifizierungen können Medien und Verlage auch verwandte und damit relevante Themen bzw. Merkmale in ihre Leser-Empfehlungen einfließen lassen. Solche Content-Recommendations gehen über herkömmliche Content-to-Content-Empfehlungen hinaus, wo Inhalte anhand von Entitäten platziert werden, d.h. Content-Platzierungen aufgrund relevanter Merkmale im Text wie etwa Personen, Orte, Organisationen, Produkte und Ereignisse.

Diese Art der Recommendations sind nicht zuletzt für kleinere Medien und Verlage spannend, wenn nur wenige Artikel vorliegen, die die Kriterien gleicher Entitäten und unlängst veröffentlichter Inhalte erfüllen. Das Wissen darüber, welche Leserinteressen jeder einzelne Artikel bedient, ist eine grundlegende Vorrausetzung, um für die Leserschaft lesenswerte Inhalte zur weiteren Lektüre vorzuschlagen und somit die Verweildauer zu entwickeln.

Fazit

Automatisierte Klassifikationen unterstützen Medien und Verlage maßgeblich bei der Monetarisierung ihrer Angebote. Indem Artikel nach Leserinteressen klassifiziert werden, kann Werbung punktgenau an relevante Zielgruppe ausgespielt werden. Auch die Tracking-Analysen werden verbessert und erweitert: durch Klassifikationen lässt sich feststellen, welche Themen zu Abo-Abschlüssen führen. Und nicht zuletzt bekommen Leser/innen durch Klassifizierungen personalisierte Content-Recommendations ausgespielt, die zu mehr Kundenzufriedenheit und damit mehr Engagement führen.

Für Fragen und weitere Informationen zu automatisierten Klassifikationen und dem Themen-Management-System stehen wir gerne zur Verfügung. Sprich uns an – unsere Expert/innen melden sich gerne bei dir!