Vertrauen in Algorithmen aufbauen

Kunde: Führendes Ad Tech Unternehmen
Aufgabe: Erkläre optimierte DSP (Demand Side Platform) RTB (Real Time Bidding) Bietstrategien
Datum: 2014

Mein Kunde hat einen Machine Learning Algorithmus entwickelt, der besser als jeder Mensch RTB Kampagnen optimieren kann. Aber wie kann man einem Kampagnenmanager erklären, was dieser Algorithmus tut, warum er immer das bestmögliche Ergebnis erreicht, das unter den gewählten Parametern machbar ist, und, warum er dabei die Ergebnisse des erfahrenen Kampagnenmanagers übertrifft?

Ich habe dafür eine Explorable Explanation, einen visuellen 2D und 3D Prototypen gebaut. Damit kann man den Möglichkeitsraum der RTB Auktionen räumlich begreifen, und die optimierte Bietstrategie verstehen.

Das ist Mengenlehre, geometrisch erklärt. Haben Sie sich jemals gefragt, inwiefern das Ändern einiger Parameter die Ergebnismenge beeinflusst? Oder was eigentlich die beste Größe der Ergebnismenge ist?
Mit dieser Explorable Explanation kann der Nutzer visuell Schritt für Schritt die Parameter ändern und den Effekt beobachten. Ich habe ein geometrisches 3D-Modell des Ergebnisraums verwendet, und Flächen, die diesen Raum durchschneiden und verkleinern. Der Aha-Effekt ist garantiert und das Tool wird mit großem Erfolg eingesetzt, um das neue Produkt vorzustellen.