Das Projekt- und Medienarchiv der HdM

Predictive Maintenance

Serviceprobleme frühzeitig erkennen? – Wie können Unternehmen Social Media Content nutzen, um frühzeitig Schwachstellen in ihrer Produktpallette vorherzusehen und diese zu verbessern? Dieser Frage sind wir im Kurs TP-CMS auf den Grund gerückt und haben anhand von vier selbst gewählten Anwendungsbeispielen den Markt nach Bewertungen und Posts auf Social-Media-Kanälen durchsucht.
Loading the player...

Beschreibung

Serviceprobleme frühzeitig erkennen? – Wie können Unternehmen Social Media Content nutzen, um frühzeitig Schwachstellen in ihrer Produktpallette vorherzusehen und diese zu verbessern? Dieser Frage sind wir im Kurs TP-CMS auf den Grund gerückt und haben anhand von vier selbst gewählten Anwendungsbeispielen den Markt nach Bewertungen und Posts auf Social-Media-Kanälen durchsucht. Dabei haben wir uns an verschiedenen KIs als Hilfsmittel (Webharvy, Vico, Azure Machine Learning) bedient, um das Sammeln und Auswerten der Daten zu erzielen.
Durch die Unmenge an Daten, die verbesserte Konnektivität der Endgeräte und die Möglichkeit das Netz schnell nach Informationen zu durchsuchen, werden immer häufiger Bewertungen und Beiträge zu bestimmten Produkten erfasst und ausgewertet. Bewertungen spielen eine große Rolle in der Auswahl eines Produktes und beeinflussen so die Kaufentscheidung ins Negative oder Positive.
Ziel dieses Kurses war es, in Teamarbeit die vor allem negativen Bewertungen zu analysieren, eventuelle Korrelationen vorauszusagen und die Tonalität der Beiträge zu erfassen.




Projektart

Semesterarbeit

Semester

SS2020

Beteiligte Studiengänge

Wirtschaftsingenieurwesen Medien (Bachelor)

Druck- und Medientechnologie / Digital Publishing (Bachelor, 7 Semester)

Team
Lina Dreher, Nina Koch, Sarah Maul, Kristina Mikuteit, Jule Reiter, Nadine Schuler, Arlien Seiler, Stefanie Ullrich, Buket Usluer
Betreuer
Jens Grambau, Arno Hitzges
Ansprechpartner

Buket Usluer

Software

PowerBI

Vico

Webharvy

Azure Data Machine Learning