Digitaal is vrijwel alles meetbaar. Maar het is vaak een uitdaging om de impact van samenwerkingen tussen influencers (topsporters) en bedrijven te analyseren. Start-up Endrse gebruikt AI om socialmediacontent te analyseren om content van influencers en bedrijven beter op elkaar te laten aansluiten. Zo maak je impact bij het publiek!

1. With
Watson

2. Jeroen Eerden
Ex-topsporter
AI Consultant
Founder Endrse

3. Why, how, what
Endrse

4. Wij willen meer kansen
creëren voor talentvolle
individuen en groepen.
Why

5. Merken hebben moeite om
via influencers de juiste
beleving, tone of voice, waarden, identiteit,
campagne-onderwerpen of keywords
te communiceren richting het publiek.
Probleem

6. Waarom wil je
merkambassadeurs?
1. Zijn tevreden gebruikers en loyale kopers
van je product.
2. Wijzen anderen op de voordelen van het
product.
3. Bij kritiek zullen ze het merk
verdedigen.

7. Door te laten ervaren hoe zij hun
social-media-samenwerkingen
op een proactieve, slimme en effectieve
manier kunnen verbeteren.
How

8. Een SaaS-oplossing die bestaande
social-media-samenwerkingen
analyseert en helpt verbeteren via slimme
functionaliteiten en Machine Learning.
What

9. Merken kunnen hun
impact vergroten.
Resultaat
Influencers krijgen meer
kansen om te excelleren.

10. “Came very close to the
podium in Australia. Still
very happy with two 4th
places in strong races with
difficult soft snow
conditions! Now back to
New Zealand again!”
Maarten Meiners. 23 augustus 2018.

11. Welke emotie of
communicatiestijl wordt primair
in deze tekst geïdentificeerd?
Watson Tone Analyzer:
“Came very close to the
podium in Australia. Still
very happy with two 4th
places in strong races with
difficult soft snow
conditions! Now back to
New Zealand again!”
1. Zelfverzekerd
2. Analytisch
3. Blijheid

12. Welke emotie of
communicatiestijl wordt primair
in deze tekst geïdentificeerd?
Watson Tone Analyzer:
“Came very close to the
podium in Australia. Still
very happy with two 4th
places in strong races with
difficult soft snow
conditions! Now back to
New Zealand again!”
1. Zelfverzekerd 96%
68%3. Blijheid
2. Analytisch 0 %
68%

13. < 50% < >75%50%-75%
Welke emotie of
communicatiestijl wordt primair
in deze tekst geïdentificeerd?
Watson Tone Analyzer:
1. Zelfverzekerd
2. Analytisch
3. Blijheid
96%
0 %
None Strong
“Came very close to the
podium in Australia. Still
very happy with two 4th
places in strong races with
difficult soft snow
conditions! Now back to
New Zealand again!”
68%

14. “Came very close to the
podium in Australia. Still
very happy with two 4th
places in strong races with
difficult soft snow
conditions! Now back to
New Zealand again!”
< 50% < >75%50%-75%
Welke emotie of
communicatiestijl wordt primair
in deze tekst geïdentificeerd?
Watson Tone Analyzer:
1. Zelfverzekerd
2. Analytisch
3. Blijheid
96%
0 %
68%
None Strong

15. IBM Watson Tone Analyzer
1. Taalkundige analyse om emotie en
communicatiestijlen
te identificeren
2. Analyseer op document- en
zinsniveau
3. Leer hoe jouw
(bedrijfs)communicatie is
en wordt ontvangen
4. Leer de communicatiestijl
van jouw samenwerking
96%
< 50% < >75%50%-75%
None Strong
“Came very close to the
podium in Australia. Still
very happy with two 4th
places in strong races with
difficult soft snow
conditions! Now back to
New Zealand again!”

16. Wat is het meest bepalende
keyword dat de context
bepaalt in deze tekst?
Watson Natural Language Understanding:
“Came very close to the
podium in Australia. Still
very happy with two 4th
places in strong races with
difficult soft snow
conditions! Now back to
New Zealand again!”
1. Strong races
2. Difficult soft snow
3. Podium

17. Wat is het meest bepalende
keyword dat de context
bepaalt in deze tekst?
Watson Natural Language Understanding:
1. Strong races
2. Difficult soft snow
3. Podium
73%
92%
45%
“Came very close to the
podium in Australia. Still
very happy with two 4th
places in strong races with
difficult soft snow
conditions! Now back to
New Zealand again!”

18. IBM Watson Natural Language
Understandings
1. Natuurlijke taal analyse om
tekstkenmerken te ontdekken
2. Analyseer categorieën, concepten,
emotie, entiteiten, keywords,
metadata, relaties, woord en zin
ontledingen en sentiment. 0 %
“Came very close to the
podium in Australia. Still
very happy with two 4th
places in strong races with
difficult soft snow
conditions! Now back to
New Zealand again!”

19. Welke informatie wordt in de
afbeelding geïdentificeerd?
Watson Visual Recognition:
2. De kleur ultramarine
3. Cross-country skiing
4. Leeftijd van 30-36
1. Ski
5. Man

20. Welke informatie wordt in de
afbeelding geïdentificeerd?
Watson Visual Recognition:
2. De kleur ultramarine
3. Cross-country skiing
4. Leeftijd van 30-36
1. Ski
5. Man
97%
95%
50%
38%
99%

21. IBM Watson Visual
Recognition
1. Begrijp snel objecten, acties,
scenes en kleuren binnen een
afbeelding
2. Lokaliseer gezichten en identificeer
geslacht en leeftijd

22. Watson API integraties:
1. Language Translator
2. Personality Insights
3. Tone Analyzer
4. Natural Language Understanding
5. Visual Recognition

23. https://endrse.com
endrse endrse_com endrse

24. With
Watson