Wie es scheint arbeitet man beim Taxi-Dienst Uber weiter an der Optimierung von Dynamic Pricing. Schon seit längerem bestimmen dort Angebot und Nachfrage in Echtzeit über die Preise mit darüber wieviel man für eine Strecke bezahlen muss (bzw. dafür bekommt). Uber will mit „surge pricing“ zu Stoßzeiten mehr von den crowdgesourcten Fahrer_innen auf die Straße locken. Kund_innen müssen höhere Preise bezahlen, wenn auch viele andere unterwegs sind, und die Fahrer_innen werden dann auch besser entlohnt, um ihnen einen Anreiz zu bieten.
Wie es scheint hat sich das Unternehmen, dass für seinen aggresiv-expansiv-kapitalistischen Kurs bekannt ist, noch mehr dem BWL Modell der Gesellschaft verschrieben und verlangt jetzt Preise abhängig davon welches Profil sie jemandem zugewiesen haben.
Weiterlesen
Kategorie: Sonstiges
Dynamic Pricing bei Uber
In einem Radio-Interview hat letzte Woche ein Mitarbeiter von Uber über deren Dynamic Pricing Praxis berichtet. Dazu gehört nicht nur die Frage wie höhere Preise entstehen, sondern auch, wann die Leute bereit sind höhere Preise zu zahlen.
Micro-Targeting vs. Trump – 0:1
Zum Thema „Präsidentschaftswahlkampf in den USA“ liegt schon länger eine Linkliste im Entwurfsordner dieses Blogs. Dabei geht es um Profiling von Wähler*innen und Mikro-targeting. Es ist deswegen interessant, weil bei Obamas Wahlkämpf Datenanalyse eine immer größere Rolle spielte und es spätestens seit 2012 für alle Wahlkämpfenden als unverzichtbar gilt den Einsatz von Werbung und Freiwillige mit Data-Mining zu steuern. Aber in 2016 scheint alles plötzlich wieder anders.
Die Wettervorhersage ist ja per Definition in die Zukunft gerichtet, aber nicht besonders gut. Wann die Sonne wo stehen wird, ist dagegen relativ leicht zu bestimmen. Jetzt gibt’s ein Amteuerfotografie-Update: Die Vorhersage schöner Sonnenunter- und aufgänge. Erstmal allerdings nur für die USA.
Gefunden bei: nj.com
Modetrends aus Social Media „Vorhersagen“
An der Penn State University arbeitet eine Informatikprofessorin an einem System um Modetrends „vorherzusagen“. Es gibt noch keine genaue Veröffentlichung aber die Methode scheint relativ simpel: über die Analyse Sozialer Netzwerke. Google macht ähnliches bereits über die Analyse von Suchbegriffen.
Twitter ist für junge Arbeitslose
Und wieder eine Studie1 die irgendwelche Nutzungsdaten korreliert mit irgendwas anderem und damit vor allem die Notwendigkeit der eigenen Arbeit motiviert. Heise titelt „Wer morgens twittert, ist vielleicht arbeitslos„. Die Studie selbst ist etwas umfangreicher als diese eine catchy These und technisch-methodisch gar nicht unbedingt zu kritisieren. Viel mehr eignet sie sich als Beispiel für einen Trend in der Forschung in dem es vor allem um fancy Datenanalyse geht, als um die Analyse der Ergebnisse.
Ich lese mich gerade durch das Buch „Big Data: das neue Versprechen der Allwissenheit.“, Geiselberger, H. (Hrsg.): Suhrkamp, Berlin (2013).