Praxisbeitrag

Apps sind tot, es lebe der Chatbot!?

Martina Steinröder ist Gründerin von Steinröder Publishing Consulting. (Foto: privat)

Die Buchbranche hat mit Apps viele schlechte Erfahrungen gemacht. Sollten Verlage die Finger von Apps lassen und sich auf Chatbots konzentrieren? Martina Steinröder analysiert den mobilen Markt und entwirft Strategien.

10 Jahre ist es her, dass Apple das erste iPhone auf den Markt gebracht hat. Dem App-Boom standen die oft enttäuschenden Erfahrungen vieler Verlage entgegen. In den USA sinken die Download-Zahlen für Apps deutlich. Sind Apps ein Auslaufmodell? Sind Chatbots die neuen Apps? Und was hat das alles mit künstlicher Intelligenz zu tun?

Ich möchte in diesem Artikel den Status quo und die Entwicklungen bei Apps, Chatbots und dem damit eng verbundenen Thema des Machine Learnings (auch künstliche Intelligenz genannt) darstellen und aufzeigen, welche Möglichkeiten für Verlage und Informationsdienstleister sich entwickeln.

Apps sind tot?

Wenn wir den Veröffentlichungen der vergangenen Monate glauben, dann sind Apps tot bzw. haben nach den Erfahrungen vieler Verlage nie gelebt. Die zu Beginn der Smartphone-Ära massiv gehypten Apps haben viele Erwartungen enttäuscht. Bei genauerer Betrachtung der App-Nutzung wird aber klar: Apps werden so intensiv genutzt wie noch nie. In Deutschland stieg die Zeit, in der Apps genutzt werden, von 89 Minuten pro Tag im 1. Quartal 2015 auf 129 Minuten pro Tag im 1. Quartal 2017. Die Zeit, die im Internet-Browser verbracht wird, ist deutlich geringer und liegt bei 18% der App-Nutzung.

Natürlich wird sehr viel Zeit in den Top-Apps verbracht: Facebook, Whats-App und andere Social-Media- und Messenger-Apps, aber auch mit Spielen, Shopping oder Streaming-Apps. Dennoch bleibt ausreichend Zeit für andere Apps. In Deutschland verbringen Nutzer über 80% der Nutzungsdauer außerhalb der Top-App.

Quelle: eMarketer April 2017
Quelle: App Annie Mai 2017

Dass Apps zurzeit der relevante Zugangsweg zum mobilen Internet sind, zeigt sich auch darin, dass die Konversionsraten im E-Commerce deutlich höher sind als über mobile Browser.

Was mit wenigen Ausnahmen (z.B. Spiele, einige internationale Apps) nicht funktioniert, sind Stand-Alone-Apps. Apps müssen vom Geschäftsmodell her gedacht werden und sind erfolgreich und sinnvoll als mobiler Teil eines Angebotes bzw. Ökosystems. Facebook, Netflix, aber auch Runtastic oder ein Lernangebot wie Simple Club sind keine reinen Apps, nutzen aber Apps als wesentlichen Touchpoint.

Eine weitere Möglichkeit, mit Apps erfolgreich zu sein, besteht darin, Skaleneffekte zu nutzen. Durch einen standardisierten Entwicklungsprozess entstehen deutlich geringere Aufwände und Kosten. Eine Basis-App wird über einen standardisierten Workflow mit unterschiedlichen Inhalten befüllt. Beispiele sind Gräfe und Unzer, die auf Basis einer Rezepte-App mehr als 50 Apps zu Pasta, Clean Eating etc. veröffentlicht haben, oder Carlsen mit den Pixie-Apps. Auch Kiosk-Apps funktionieren nach diesem Prinzip.

Apps sind nicht tot, sondern relevanter Zugang zu mobilen Angeboten und wichtiger Bestandteil vieler Geschäftsmodelle.

Es lebe der Chatbot?

Unter einem Chatbot wird ein textbasiertes Dialogsystem mit natürlichsprachlichen Fähigkeiten textueller oder auditiver Art verstanden. Ein Chatbot untersucht die Eingaben der Benutzer und gibt Antworten und (Rück-)Fragen aus, unter Anwendung von Routinen und Regeln. Antworten/Dialoge werden in Verbindung mit Suchmaschinen, Thesauri und Ontologien sowie mithilfe der künstlichen Intelligenz (KI) generiert.

Chatbots sind keineswegs ein neues Phänomen. Der erste (bekannte) Chatbot ELIZA wurde von Joseph Weizenbaum bereits 1964 bis 1966 programmiert.

Die aktuelle stürmische Entwicklung wurde forciert durch:

  • Weiterentwicklung der künstlichen Intelligenz (KI)
  • Entwicklung KI-basierter Sprachassistenten (Google, Siri, Cortona, Alexa)
  • Die Ankündigung von Facebook, Chatbots einzusetzen im April 2016.

Prinzipiell lassen sich unterschiedliche Arten von Chatbots unterscheiden:

  • Einfache Chatbots, die (ggf. standardisierte) Texteingaben über (einfache) Algorithmen beantworten
  • Chatbots, die Texteingaben mit Machine Learning/KI untersuchen und beantworten sowie
  • Chatbots, die auf gesprochene Sprache mithilfe von Machine Learning/KI reagieren. Hier kommen vor allem die Sprachassistenten von Amazon, Google, Apple und Microsoft zum Einsatz.

Chatbots finden sich zurzeit am häufigsten beim Facebook-Messenger und beim Amazon-Lautsprecher Alexa/Echo, aber auch bei anderen Messengern (z.B. WeChat, kik), Telefonie-Anbietern wie Skype, anderen Sprachassistenten, auf Web­sites und in Apps.

Anbieterüberblick Chatbots

Amazon Google IBM Microsoft Apple Facebook Samsung
Geräte Echo, Echo Dot, Fire TV, Fire Tablet Home, Pixel Phone Airpods, iPhone, iPad, Macbook Galaxy
Assistent/ Voice User Interface Alexa Now, Assistant Skype, Teams Siri S Voice, Viv
Messenger Allo Connections Skype, Teams iMessage Messenger
Bot-Entwicklung ASK, AVS, Lex Api.ai Watson, Conversation Bot, Framework SiriKit, Xcode Wit.ai Viv
Künstliche Intelligenz Lex Api.ai Watson, Conversation LUIS Wit.ai Viv
Quelle: Crisp Research AG, 2017
Best Practices

Die Einsatzgebiete von Chatbots sind vielfältig, stehen aber erst am Anfang der Entwicklung. Der Hauptnutzen von Chatbots liegt bei Kommunikation, Personalisierung und einer deutlichen Vereinfachung der Suche.

Gerade beim Facebook-Massenger gibt es viele Beispiele für mehr oder minder intelligente Chatbots, wie der Chatbot von Robbie Williams oder der Wetterdienst Poncho, die eine einfache Kommunikation unterstützen.

Bolognese-Empfehlung per Chat: Der von Maggi entwickelte Chatbot „Kim“ merkt sich die Vorlieben seiner Chat-Partner und empfiehlt passende Rezepte.

Kommunikation, Personalisierung und Vereinfachung der Suche hat Maggi mit dem Chatbot Kim sehr gut umgesetzt. Kim, die eigentlich „Kitchen Intelligence (by) Maggi“ heißt, stellt sich zunächst als persönlicher Kochstudio-Bot vor. Kim zeigt, was ein guter Chatbot kann und sucht z.B. Rezepte, sowohl per Sprach- als auch als Texteingabe. Die Treffer lassen sich einfach verfeinern und weiterführende Erklärungen zum Rezept gibt es auf Wunsch auch. Die Dialoge sind ausgesprochen freundlich und sympathisch gemacht. Die Personalisierung funktioniert ebenfalls gut. Wenn Kim weiß, dass die Nutzerin Vegetarierin ist, werden z.B. bei Suche nach „Bolognese“ nur vegetarische Rezepte vorgeschlagen. Dieses Beispiel zeigt auch, dass durch geeignete Dialoge die Kundenbindung deutlich erhöht werden kann.

Auch für News eignen sich Chatbots gut. Beispiele sind der CNN-Chatbot oder der Chatbot in der Tagesschau-App.

Weitere Einsatzmöglichkeiten von Chatbots sind E-Commerce und Kundensupport. Chatbots können z.B. auf einer Website oder beim mobile Shopping komplexe Suchanfragen deutlich treffsicherer beantworten und ermöglichen eine einfachere Spezifizierung der Anfrage.

Viele Unternehmen, z.B. Daimler, entwickeln derzeit Chatbots für den Kundensupport. Bots sind 24/7 verfügbar und können vor allem im First Level-Support den Supportprozess unterstützen. Eine erste Anwendung ist der Antwort-Bot (nicht Chat-Bot) von Zendesk, der Mail-Anfragen analysiert und mit Lösungsvorschlägen basierend auf FAQs beantwortet.

Zukünftige Einsatzszenarien umfassen z.B. auch die Diagnostik in der Medizin, Rechtsauskünfte oder die Integration in Produktionsprozesse.

Führend bei den Sprachassistenten, die Chatbots nutzen, ist Amazon mit Alexa/Echo. Die Bots heißen hier Skills. Das Angebot ist überschaubar, wächst aber schnell. Die Skills dienen in erster Linie der Sprachsteuerung. So können mit den entsprechenden Skills ein Taxi gerufen (MyTaxi), Essen bestellt (Lieferando, Pizza Hut, Dominos Pizza), das Smart Home gesteuert oder der BMW abgeschlossen werden.

Der automatische Ermittler: Ein Chatbot zum Roman »Schwesterherz«

Chatbot zum Roman „Schwesterherz“

Als erster deutschsprachiger Verlag hat Random-House-Tochter Blanvalet im April 2017 einen Chatbot eingesetzt. Die Leser konnten auf der Facebook-Seite von Blanvalet quasi mit dem Ermittler des Krimis „Schwesterherz“ chatten. Unterstützt wurde der Verlag dabei von der Agentur Bilandia. Die Details:

  • Der Chatbot soll durch die Dialogform einen neuen, schnellen und unkomplizierten Einstieg zu Buchinformationen und Leseprobe bieten.
  • Die im Krimi angelegte Form des Interviews mit dem Ermittler wird durch den Chatbot spielerisch aufgegriffen.
  • Die Nutzer schlüpfen in die Rolle des Interviewers und lernen den Ermittler über vorgegebene Fragen kennen (s. Screenshot). Auch die Eingabe von Freitext ist möglich.
  • Alle Informationen können über ein weiteres Menü vom Nutzer angesteuert werden, um schon in der Konzeptionsphase Interaktions-Sackgassen weitgehend zu vermeiden.
  • Zum Kampagnenstart wurde der Chatbot mit der Facebook-Fanseite von Blanvalet verknüpft. Alle Nutzer, die dem Verlag eine Nachricht schicken, werden auf den Chatbot umgeleitet. Das Senden von normalen Nachrichten an den Verlag ist nach wie vor im Chatfenster möglich.
  • Parallel dazu präsentierte der Verlag während des Aktionszeitraums von zwei Wochen Buch und Chatbot in ausgewählten redaktionellen Postings auf Facebook und bewarb den Chatbot über Werbeanzeigen.
Machine Learning

Chatbots dienen vor allem der Kommu­nikation, das zugrunde liegende Machine Learning wird auch in vielen anderen Szenarien eingesetzt. Machine Learning oder auch „schwache“ künstliche Intelligenz beruht auf dem Analysieren (großer) Datenmengen, dem Erkennen von Mustern und der Prädiktion zu festgelegten Fragestellungen. Dabei lernt das System unter Verwendung von neuronalen Netzen und optimiert sich ständig weiter. Machine Learning beschreibt also ein selbstlernendes System zu einer umschriebenen und genau definierten Fragestellung.

Machine Learning ist nicht nur die Basis für „intelligente“ Chatbots, sondern wird für eine Vielzahl anderer Einsatzszenarien wichtig werden. Besonders relevant ist dabei die Analyse großer, unstrukturierter Datenmengen. Hierzu zählt die Foto- und Videoanalyse oder das Website-Ranking von Google. Otto.de nutzt Machine Learning, um ihre zahlreichen Produktbewertungen nach Themenschwerpunkten zu clustern und positive von negativen Bewertungen zu unterscheiden. Dadurch sind die Produktbewertungen für die Kunden deutlich besser zu nutzen.

Einsatzszenarien für Verlage

Chatbots und Machine Learning bieten Verlagen zahlreiche Möglichkeiten, aber wie auch bei den Apps gilt: „Wir machen jetzt auch mal einen Chatbot“ ist wenig erfolgversprechend. Ziel und Geschäftsmodell müssen klar definiert sein.


Apps und Chatbots – im buchreport.magazin 7-8/2017Das buchreport.magazin steht für Abonnenten von buchreport.digital im E-Paper-Archiv zur Verfügung. Die gedruckte Ausgabe können Sie hier bestellen.

Einsatzmöglichkeiten von Chatbots:

  • Marketing: Chatbots für Leser, um sich mit Autoren oder Protagonisten auszutauschen oder spezifische Informationen über Bücher zu bekommen
  • Produktseiten: Vereinfachung und Optimierung von Buchverkäufen, z.B. durch personalisierte Empfehlungen
  • Einfacher Kundensupport bei Bestellungen und Reklamationen
  • Vereinfachte Informationssuche, z.B. für News oder Fachinformationen.

Machine Learning wird u.a. die Suche grundlegend verändern. Die denkbaren Einsatzmöglichkeiten sind vielfältig und reichen von der Optimierung von verlagsinternen Prozessen, wie es z.B. Nomotekt mit der Analyse von Manuskripten versucht, bis hin zu völlig neuen Erschließungsmöglichkeiten von Fachinformationen, z.B. bei komplexen Anfragen in der medizinischen Diagnostik.

Für Verlage wird Machine Learning eine der größten Herausforderungen der nächsten Jahre werden, es lohnt sich also, sich mit dem Thema intensiv auseinanderzusetzen.

Martina Steinröder  ms@steinroeder.com