Distanzmaße in der Bildähnlichkeitsanalyse – neue Verfahren und deren Anwendung im Marketing

Bilder haben für das Marketing seit jeher eine große Bedeutung, die zudem aufgrund der Verbreitung digitaler Bilder im Internet ständig wächst. In sozialen Netzwerken, wie Facebook oder Twitter, werden täglich viele Millionen Bilder hochgeladen. Allerdings wird diese Datenflut von der Marktforschung noch kaum verwendet, da Methoden zur systematischen, feature-basierten Analyse der Bildbestände im Marketingkontext fehlen. Die Voraussetzung für eine Klassifikation von großen Bildbeständen, wie sie für Marketinganwendungen eingesetzt werden kann, ist die Durchführung einer Ähnlichkeitsanalyse. Die Ergebnisse einer solchen Analyse hängen im Wesentlichen von den verwendeten Distanzmaßen ab. Dabei spielen neben der Qualität der Ergebnisse auch die Laufzeit der Algorithmen sowie die Robustheit bezüglich unterschiedlicher Bildqualitäten eine maßgebliche Rolle. In der vorliegenden Studie wurde geprüft, welche Distanzmaße hinsichtlich Robustheit, Rechenaufwand und Klassifikationsergebnis geeignet sind, um große Bildbestände für die Marktforschung nutzbar zu machen. Dazu wurden eine Reihe empirischer Untersuchungen, wie eine Monte-Carlo-Analyse, ein Verwechslungstest sowie zahlreiche feature-basierte Bildähnlichkeitsanalysen, durchgeführt und beschrieben. Ein eigens entwickelter Algorithmus, der „Increasing Radius Algorithmus“ zur Approximation der, in der Bildanalyse weit verbreiteten, „Earth Mover“™s Distance", tat sich dabei besonders hervor. Dieser Algorithmus stellte sich als besonders robust bezüglich gängiger Qualitätsmängel in der digitalen Fotografie heraus. Diese können z. B. Überbelichtung, Rauschen oder eine zu geringe Auflösung sein. Das Buch zeigt eine Vielzahl von Forschungsbereichen im Marketing auf, für die die Bildähnlichkeitsanalyse in Zukunft relevant sein kann. Vor allem die Markenpositionierung anhand von Werbeanzeigen sowie die Verwechslung von Marken aufgrund visuell ähnlicher Anzeigen wurden hierzu näher beleuchtet. Die gewonnen Erkenntnisse sind aber auch für Gebiete wie die Lebensstilsegmentierung, Kundensegmentierung, die Suche von geeigneten Kampagnenbildern, die Neuproduktentwicklung oder die Unterscheidung von Käufern und Nichtkäufern vielversprechend. Ebenso ist zu erwarten, dass in Zukunft häufiger Bilder in Umfragen genutzt werden, welche mit den vorgestellten Methoden automatisiert ausgewertet werden können.