Wie können die Betreiber von Web 2.0-Communities wie StudiVZ, eins.de, Yabadu oder sportme mit ihren rasch wachsenden Onlinegemeinschaften Geld verdienen? Diese Frage beschäftigt derzeit zahlreiche Risikokapitalgeber wie beispielsweise Holtzbrinck Ventures, die für fast 100 Mio. Euro bei StudiVZ und vielen weiteren Web 2.0-Startups eingestiegen sind.
Eine Antwort gibt jetzt die Karlsruher Technologieschmiede Epoq: Die beiden Unternehmer Thorsten Mühling und Michael Bernhard haben eine neuartige "Web 2.0 Recommendation Engine" zur Monetarisierung von Communities entwickelt.
Das Prinzip ist nach Angaben der beiden Karlsruher Tüftler ebenso simpel wie erfolgreich: Die Epoq-Engine kann aufgrund einer dynamischen Analyse der Community genau voraussagen, zu welchem Zeitpunkt und in welcher Situation welches Mitglied mit höchster Wahrscheinlichkeit auf welche werblichen Angebote besonders bereitwillig reagiert.
Dadurch lässt sich zielgenaue Werbung über Empfehlungsmarketing so feinfühlig steuern, dass sie von den Mitgliedern nicht etwa als Belästigung, sondern im Gegenteil als Bereicherung des Community-Lebens empfunden wird.
"Situatives Empfehlungsmarketing statt plakativer Bannerkampagnen sind der Schlüssel zur Monetarisierung des Web 2.0", sagt Epoq-Geschäftsführer Thorsten Mühling. Herkömmliche Recommendation Engines, die beispielsweise als Schlüssel für den kometenhaften Aufstieg des Onlinehändlers amazon gelten, sind für Communities ungeeignet, weil sie auf einer Warenkorbanalyse basieren ("Verbrauchern, die dieses Buch gelesen haben, hat auch jenes Buch gut gefallen").
Genau diese Shoppingsituation fällt jedoch im Web 2.0 weg. Daher setzt die Epoq-Technologie beim sog. Data Mining an, der Herausfilterung verhaltensbezogener Merkmale aus dem Datenbestand aller Community-Mitglieder und der dynamischen Verknüpfung dieser Erkenntnisse mit der aktuellen Situation, in der sich das einzelne Mitglied momentan befindet, etwa beim Betreten oder Verlassen eines Themenforums.
Das Epoq-System ist dabei selbst lernend organisiert, weiß also von Tag zu Tag besser, wie die jeweilige Internet-Gemeinschaft funktioniert und was das für die werbliche Ansprache des Einzelnen bedeutet. Dabei nutzt die Software jede einzelne Reaktion auf eine zuvor gegebene Empfehlung, analysiert und bewertet diese und optimiert sich dadurch ständig selbst.
Eine Antwort gibt jetzt die Karlsruher Technologieschmiede Epoq: Die beiden Unternehmer Thorsten Mühling und Michael Bernhard haben eine neuartige "Web 2.0 Recommendation Engine" zur Monetarisierung von Communities entwickelt.
Das Prinzip ist nach Angaben der beiden Karlsruher Tüftler ebenso simpel wie erfolgreich: Die Epoq-Engine kann aufgrund einer dynamischen Analyse der Community genau voraussagen, zu welchem Zeitpunkt und in welcher Situation welches Mitglied mit höchster Wahrscheinlichkeit auf welche werblichen Angebote besonders bereitwillig reagiert.
Dadurch lässt sich zielgenaue Werbung über Empfehlungsmarketing so feinfühlig steuern, dass sie von den Mitgliedern nicht etwa als Belästigung, sondern im Gegenteil als Bereicherung des Community-Lebens empfunden wird.
"Situatives Empfehlungsmarketing statt plakativer Bannerkampagnen sind der Schlüssel zur Monetarisierung des Web 2.0", sagt Epoq-Geschäftsführer Thorsten Mühling. Herkömmliche Recommendation Engines, die beispielsweise als Schlüssel für den kometenhaften Aufstieg des Onlinehändlers amazon gelten, sind für Communities ungeeignet, weil sie auf einer Warenkorbanalyse basieren ("Verbrauchern, die dieses Buch gelesen haben, hat auch jenes Buch gut gefallen").
Genau diese Shoppingsituation fällt jedoch im Web 2.0 weg. Daher setzt die Epoq-Technologie beim sog. Data Mining an, der Herausfilterung verhaltensbezogener Merkmale aus dem Datenbestand aller Community-Mitglieder und der dynamischen Verknüpfung dieser Erkenntnisse mit der aktuellen Situation, in der sich das einzelne Mitglied momentan befindet, etwa beim Betreten oder Verlassen eines Themenforums.
Das Epoq-System ist dabei selbst lernend organisiert, weiß also von Tag zu Tag besser, wie die jeweilige Internet-Gemeinschaft funktioniert und was das für die werbliche Ansprache des Einzelnen bedeutet. Dabei nutzt die Software jede einzelne Reaktion auf eine zuvor gegebene Empfehlung, analysiert und bewertet diese und optimiert sich dadurch ständig selbst.
