Inlytics ist eine webbasierte Analytics-Plattform für das beliebte Netzwerk LinkedIn. Nachdem die Inlytics-Plattform mit einem LinkedIn-Account verknüpft wurde, sammelt und analysiert sie Daten über die Performance der LinkedIn-Beiträge des Nutzers. Dadurch kann ein Nutzer nützliche Informationen wie Reichweite, Reaktionen und die Zielgruppe der eigenen Beiträge im Dashboard von Inlytics abrufen.
Ich habe einen cloud-basierten Machine-Learning-Algorithmus für Inlytics programmiert. Dieser ist in der Lage vorherzusagen, zu welchem Zeitpunkt eine bestimmte Zielgruppe am besten auf LinkedIn erreicht werden kann. Der Algorithmus basiert auf der Programmiersprache Python und wurde von mir in einen Docker-Container eingebettet, damit er es als Cloud-Service in der Cloud von Inlyitcs betrieben werden kann.
Diesen Cloud-Service habe ich anschließend in Zusammenarbeit mit Inlytics in das sogenannte “Scheduling-Tool” eingebunden. Das Scheduling-Tool bietet Nutzern die Möglichkeit, LinkedIn-Beiträge vorzuformulieren und diese automatisch zu einem gewünschten Zeitpunkt auf LinkedIn veröffentlichen zu lassen. Mithilfe meines Cloud-Services können die Nutzer des Scheduling-Tools jetzt eine Zielgruppe anlegen, welche aus einem oder mehreren Ländern und Berufsbezeichnungen bestehen kann.
Anschließend durchsucht mein Algorithmus die Inlytics Datenbank, welche über eine halbe Millionen LinkedIn-Beiträge enthält, um Beiträge zu finden, welche zur gewählten Zielgruppe passen. Auf Basis der ausgewählten Beiträge werden dann Muster in den Veröffentlichungsdaten gesucht, um optimale Veröffentlichungszeiträume zu finden. Die favorisierten Zeiten werden zuletzt grün im Kalender des Scheduling-Tools hinterlegt.
Diese Erweiterung des Scheduling-Tools hilft den Nutzern von Inlytics dabei, die perfekten Veröffentlichungszeiträume zu finden und somit ihren Redaktionsplan zu optimieren. Der vorgestellte Cloud-Service legt dabei den Grundstein für Machine-Learning-basierte Vorhersagen auf der Inlytics-Plattform. In der Zukunft soll dieser Service noch weiter ausgeweitet werden, sodass er nicht nur Veröffentlichungszeiträume, sondern auch Beitragstexte und Hashtags analysieren kann, um detaillierte Verbesserungsvorschläge für jeden LinkedIn-Beitrag liefern zu können.
