5 Schritte zur Minimierung von KI-Voreingenommenheit im Marketing

Startseite » 5 Schritte zur Minimierung von KI-Voreingenommenheit im Marketing

Schließen Sie sich den Top-Führungskräften von heute online beim Data Summit am 9. März an. Hier registrieren.


Heutzutage werden immer mehr Marketing-Tools von KI unterstützt. Während diese Verschiebung eingetreten ist, ringen Vermarkter mit der Tatsache, dass es immer eine Form von unbeabsichtigter algorithmischer Verzerrung geben wird, die diese Plattformen betrifft. Die Voreingenommenheit ist einprogrammiert, auch ohne dass Data-Science-Teams dies bemerken, was es schwierig macht, sie zu erkennen und zu beheben.

Als Vermarkter erben wir Vorurteile in den Algorithmen, die wir für Werbung verwenden, unabhängig davon, ob es sich um Algorithmen handelt, die wir entwickeln oder kaufen. Daher ist es wichtig, konkrete Schritte zu entwickeln, um eine minimale Verzerrung der von uns verwendeten Algorithmen sicherzustellen, unabhängig davon, ob es sich um Ihre eigene KI oder die KI-Lösung eines Anbieters handelt. KI, insbesondere maschinelles Lernen, verbessert bereits eine breite Palette von Marketinglösungen, darunter Hypersegmentierung, dynamische Erstellung, Inventarqualitätsfilterung, dynamische Websites und Zielseiten. Aber es gibt viele Dinge, die den Erfolg eines Algorithmus behindern können.

Wenn sich Vorurteile in die KI einschleichen, können sie auf vielfältige Weise verheerende Auswirkungen auf Bemühungen und Kampagnen haben. Dies geschieht häufig, weil Marketer über bessere oder mehr Daten zu manchen Situationen oder Kunden verfügen als über andere, was dazu führt, dass ein Algorithmus für diejenigen mit einem größeren Datenvolumen genauer ist. Hier sind einige gängige Beispiele:

  • Wir alle wollen Kunden von unseren Konkurrenten „abwerben“, aber Marketer haben in der Regel bessere Informationen über bestehende Kunden als über zukünftige Interessenten. Infolgedessen kann ein erhebliches Risiko bestehen, dass diese Algorithmen von Natur aus erfolgreicher darin sind, Menschen wie ihre aktuellen Kunden zu finden.
  • Viele Vermarkter segmentieren und zielen auf hochwertige Kunden ab. Da es wahrscheinlich weniger davon gibt, werden Algorithmen in der Regel primär auf die Daten der häufigsten und weniger wertvollen Kunden trainiert. Infolgedessen erweisen sich diese Algorithmen als voreingenommen, um Kunden mit geringerem Wert zu finden, was den Bemühungen insgesamt schadet.
  • Vermarkter können Schwierigkeiten haben, das Marketing für Late Adopters zu optimieren, wenn Early Adopters den Großteil des Kundenstamms eines neueren Produkts ausmachen. Dies kann leicht passieren, da hauptsächlich die Daten von Early Adopters verwendet werden, um den Algorithmus zu trainieren.
  • Vermarkter könnten versehentlich Inventar gegenüber kürzeren Apps priorisieren, da die Algorithmen, die wir für die Gebotsoptimierung verwenden, mehr Trainingsdaten von diesen Apps als von anderen hatten.

Eine wichtige Lektion hier ist, dass wir KI-Algorithmen nicht für bare Münze nehmen können – und sie sind sicherlich nicht unfehlbar. Neben neuen Technologien und neuen Fähigkeiten müssen auch neue Bedenken berücksichtigt werden. Marketer müssen viele Fragen stellen – von der Motivation des Unternehmens, das die KI verkauft, bis hin zur Herkunft der Trainingsdaten. Wir müssen uns auch selbst betrachten und wissen, dass wir aufgrund unserer persönlichen Erfahrung Vorurteile in unsere Interpretationen einbringen.

Hier sind fünf umsetzbare Schritte, um sicherzustellen, dass Ihre KI nicht zu voreingenommen ist:

1. Machen Sie mit und bleiben Sie dabei. Die ständige Beteiligung des Menschen an der KI ist von entscheidender Bedeutung. Hinterfragen Sie alle Annahmen und vergleichen Sie menschliche Entscheidungen mit modellierten Entscheidungen, indem Sie alle Unterschiede oder Muster analysieren, die Sie finden können. Stellen Sie als Vermarkter sicher, dass Sie nicht zu früh in einen Automatisierungsanwendungsfall für KI einsteigen, der „einstellen und vergessen“ ist, und stellen Sie stattdessen regelmäßig sicher, dass der Algorithmus so funktioniert, wie Sie es sich wünschen.

2. Verwenden Sie repräsentative Trainingsdaten. Stellen Sie für alle Gruppen, die Sie in Ihrem Marketing haben möchten, sicher, dass die Trainingsdaten von dieser Gruppe gut dargestellt werden. Prognostizieren Sie seltene Ergebnisse wie Conversions genauer, indem Sie sicherstellen, dass diese Ergebnisse in den Trainingsdaten überindexiert werden, wodurch sichergestellt wird, dass der Algorithmus für jedes Ergebnis viele Erfolgsgeschichten hat. Stellen Sie als Marketer, der einen Anbieter bewertet, sicher, dass Ihr Anbieter Schritte unternommen hat, um sicherzustellen, dass die Daten repräsentativ sind.

3. Schauen Sie unter die Oberfläche. Konzentrieren Sie sich bei der Messung der Genauigkeit nicht nur auf die Gesamtleistung des Algorithmus, sondern betrachten Sie auch jede einzelne Untergruppe wie Plattformen, Geschlechter und Kunden mit hohem oder niedrigem LTV. Andernfalls erhalten Sie möglicherweise nur genaue Prognosen für digitale Werbung im Vergleich zu TV-Werbung oder für Publisher, in die Sie bereits viel Geld investieren, im Vergleich zu denen, die beispielsweise neu für Ihre Marke sind.

4. Suchen Sie kontinuierlich nach besseren Daten. Beruhige dich nie. Halten Sie nach besseren Trainingsdaten Ausschau und stellen Sie sicher, dass Ihre Anbieter denselben Ansatz verfolgen. Holen Sie mehr, gehen Sie weiter und probieren Sie neue Dinge aus, um Daten zu sammeln und/oder zu minen, die Sie zur Optimierung verwenden können. Wer die besten, vollständigsten und genauesten Trainingsdaten hat, ist im Vorteil. Fragen Sie als Marketer, der einen Anbieter bewertet, nach Trainingsdaten – deren Genauigkeit, woher sie kommen, wie oft sie aktualisiert werden. Es ist wichtig, sich daran zu erinnern, dass die „besten“ Trainingsdaten nicht unbedingt der größte Datensatz sind. Die Stärke von Trainingsdaten liegt mehr in der Qualität als in der Quantität.

5. Beurteilen Sie KI mit einer Portion Skepsis. Es ist ein leistungsstarkes Tool, das eine immer wichtigere Rolle in den Bereichen Targeting, Datengenauigkeit, kreatives Release-Management, Testen und Messen spielt. KI-gestützte Lösungen können Marketern dabei helfen, intelligenter zu arbeiten und aufregende neue Dinge in großem Maßstab zu erreichen. Wie bei jeder anderen Investition müssen Sie wissen, was Sie tun müssen, um Risiken zu vermeiden.

Wenn Sie in eine KI-basierte Lösung investieren, müssen Sie sich über algorithmische Verzerrungen Gedanken machen. Wenn Sie sich für eine Lösung entschieden haben, fragen Sie noch einmal … und immer wieder.

Jake Moskowitz ist Vice President of Data Strategy und Head of Emodo-Institut.

Die Mission von VentureBeat soll ein digitaler öffentlicher Platz für technische Entscheidungsträger sein, um sich über transformative Unternehmenstechnologie zu informieren und Transaktionen durchzuführen. Mehr erfahren