Möchten Sie investieren? Zur Investorenseite

Wie „sieht“ Crowdlending aus? — Ein Image-Mining-Fall - Acredius

Wie „sieht“ Crowdlending aus? — Ein Image-Mining-Fall

„Ein Bild sagt mehr als tausend Worte“

Es ist ein Sprichwort, das wir alle schon einmal gehört haben, und anhand der Inhalte in unserem Newsfeed ist es leicht zu erkennen, wie wahr es ist. Während wir scrollen, werden wir mit Bildern mit wenig bis gar keinem Text bombardiert.

In der Entwicklung der beliebtesten Social-Media-Plattformen sind wir von Facebook, wo geschriebene Posts der einzige Stau waren, zu Instagram gegangen, wo Bilder nicht nur im Mittelpunkt der Plattform stehen, sondern auch eine hervorragende ästhetische Qualität erwartet wird. Autoplay-Funktionen auf diesen Plattformen haben Videos allgegenwärtig und unverzichtbar gemacht, und tatsächlich sehen wir, dass jüngere Massen zu TikTok wechseln, einer Plattform, die vollständig auf Videoinhalten basiert. Aber was sind Videos, wenn nicht eine Reihe von Bildern? Das Visuelle steht im Mittelpunkt unserer Online-Welt und ausgehend von dieser Beobachtung versuchen wir zu untersuchen, was uns eine Bildersuche über Crowdlending sagen kann.

Ok Google, was siehst du?

Unsere Methodik unterscheidet sich nicht sehr von derjenigen, die nach Crowdlending sucht: Wir haben Google geöffnet und in den Bildern nach „Crowdlending“ gesucht (mit Hilfe von Python). Wir haben die ersten 300 Bilder* heruntergeladen und dann wurde es interessanter, aus der Data-Science-Perspektive.

*Eine kurze Anmerkung: Wir haben diesen Befehl am 21. Februar 2020 und auf dem Computer von Cédric, unserem Data-Science-Praktikanten, ausgeführt. Inzwischen können einige der resultierenden Bilder aus derselben Abfrage unterschiedlich sein. In der nächsten Abbildung zeigen wir alle gesammelten Bilder.

Wir hätten visuelle Experten und Designer bitten können, einige Analysen für uns durchzuführen, aber da wir Techniken des maschinellen Lernens auf alternative Daten und Bilder anwenden wollten, fragten wir die Google Cloud Vision API.

Der erste Schritt für die API bestand darin, die Komponenten unserer Bilder zu identifizieren, eine Objekterkennung für jedes Bild der Probe durchzuführen und die erkannten Objekte von den am häufigsten bis zu den am wenigsten vorkommenden zu ordnen. Die API ermöglichte es uns, die drei wichtigsten „Anmerkungen“, die in den Bildern identifiziert wurden, für jedes der 300 Bilder (insgesamt 900 Anmerkungen) zu sammeln. Die nächste Abbildung zeigt das Auftreten der 14 am häufigsten vorkommenden Anmerkungen.

Die drei am häufigsten identifizierten Anmerkungen sind: Text, Schriftart und Linie. Die Anmerkung „Text“ sagt uns, dass das Bild Text enthält, die Anmerkung „Schriftart“ sagt uns, dass eine klare Schriftart im Bild identifiziert wird, und die Anmerkung „Linie“ sagt uns, dass ein wichtiger Teil des Bildes entweder a Graph, eine Figur oder ein Diagramm.

Hier präsentieren wir die gleiche Ausgabe, aber diesmal in Prozent.

Wir machten uns an eine Bildanalyse und doch enthalten 32% unserer Bilder Text … Enttäuscht oder nicht, dies sagt uns immer noch viel darüber aus, wie Crowdlending online gesehen wird: Crowdlending-Bilder werden erstellt, um beschreibende Illustrationen zu sein.

Und Google stimmt uns zu: 7% der Bilder sind als Illustrationen, 2% als Design, 2% als Grafikdesign, 4% als Diagramm und 2% als Cartoon gekennzeichnet. Es ist offensichtlich, dass die meisten dieser Bilder Text enthalten, was das häufige Vorkommen von Text, Schriftart und Linien in unseren Anmerkungen erklärt.

Interessanterweise sind 5% der Bilder Logos von Crowdlending-Unternehmen.

Text, aber was sonst?

Wie zu erwarten, wird die „Menge“ in „Crowdlending“ visuell dargestellt, „Personen“ und „soziale Gruppe“ (rote Rahmen) stehen auf der Liste der Anmerkungen. Wir finden auch „Trommel“ und „Kegelausrüstung“ (grüne Rahmen), die nicht die ersten Dinge sind, die einem in den Sinn kommen, wenn man an Crowdlending denkt.

Eine Anmerkung, die wegen ihrer Abwesenheit interessant ist, ist „menschliches Gesicht“. In unserer Bildersammlung gibt es keine bestimmten Personen, sondern nur Gruppen von ihnen. Das unterscheidet sich stark von Bildern aus der Bankenbranche. Banken stellen oft einzelne menschliche Gesichter dar, um einen Berater darzustellen, die angebotenen maßgeschneiderten Dienstleistungen zu präsentieren oder einen Top-Manager des Unternehmens vorzustellen. Bei P2P-Plattformen liegt der Akzent eher auf der kollektiven Macht der Gruppe oder der Menge, und folglich wurde in der Stichprobe kein einziges einzelnes menschliches Gesicht entdeckt.

Schauen wir über Anmerkungen hinaus

Wenn wir die verschiedenen Grau- und Brauntöne verwerfen, die die meisten Fotos dominieren, sagt uns die Google-API, dass die dominierenden Farben in unseren Bildern Grün (5% der Zeit) und Blau (4% der Zeit) sind. Diese Prozentsätze mögen nicht sehr hoch erscheinen, sind aber dennoch informativ.

Grün ist eine Farbe, die im Grafikdesign als stabilisierend gilt und in den meisten westlichen Kulturen mit Wachstum, Ruhe und Fülle assoziiert wird. In einer Ad-hoc-Analyse können wir sehen, dass die Crowdlending-Bilder Grün verwenden, um das Wachstum des P2P-Marktes hervorzuheben und seine Stabilität zu betonen.

Ebenso wird die Farbe Blau mit Verantwortung, Stärke und Zuverlässigkeit assoziiert. Es überrascht nicht, dass es hauptsächlich in den Logobildern zu finden ist, was darauf hindeutet, dass Crowdlending-Unternehmen es verwenden, um ihre Zuverlässigkeit gegenüber potenziellen Investoren oder Kreditnehmern auszudrücken.

Blau und Grün sind online sehr verbreitet (denken Sie an die Facebook-Plattform), aber noch mehr in den externen Kommunikationsbildern, die von Banken und anderen Finanzinstituten bereitgestellt werden. Ob es sich um ein traditionelles Bankunternehmen oder eine neu gegründete Crowdlending-Plattform handelt, beide sind im Finanzsektor tätig, wo Zuverlässigkeit und Vertrauen die Haupttreiber jeder Transaktion sind.

Aber schauen wir tiefer

Wir haben einige unserer eigenen Analysen durchgeführt, indem wir jedes Bild auf seine dominanteste Farbe verallgemeinert haben. Das Ergebnis ist eine einzigartige Mischung aus Primärfarben, nämlich Rot, Grün und Blau. Die Ausgaben sind in den Radardiagrammen in der nächsten Abbildung zu sehen. Für jede gesammelte dominante Farbe haben wir dann die Menge an Rot, Grün und Blau extrahiert und summiert. Wir haben auch den gleichen Ansatz verwendet, aber dieses Mal haben wir jeden einzelnen Farbwert multipliziert mit seiner Gewichtung oder Proportion innerhalb des Bildes hinzugefügt.

Beim Betrachten des ersten Radardiagramms können mehrere Beobachtungen gemacht werden. Es unterstützt die Erkennungen der Google Cloud Vision API: Grün wurde zuvor als das am häufigsten vorkommende in Crowdlending-Bildern erkannt, gefolgt von Blau und dann Rot. Basierend auf reinen Pixelwerten erhalten wir die gleiche Reihenfolge.

Auf dem zweiten Radardiagramm jedoch, wenn das Gewicht innerhalb des richtigen Bildes berücksichtigt wird, übernehmen die roten Pixel die Führung, gefolgt von den grünen und zuletzt von den blauen. Da sich lediglich die Berücksichtigung der Gewichtung innerhalb des Bildes geändert hat, müssen sie der Grund dafür sein, dass nach dieser Analyse Rot die am häufigsten vorkommende Farbe ist. Tatsächlich ändert sich der Wert der roten Pixel nicht. Um also vor Grün und Blau zu liegen, müssen die roten Pixel mit hohen Gewichtungen innerhalb des Bildes verknüpft werden. Das bedeutet, wenn rote Pixel dominieren, teilen sie das Bild nicht mit vielen anderen Farben; während selbst wenn grüne und blaue Pixel dominieren, das Bild viele andere Farben enthält.

Dies lässt sich durch Gestaltungsrichtlinien erklären: Rot wird allgemein als so dominante Farbe empfunden, dass es nur mit weißen oder grauen Hintergründen kombiniert wird.

Auf der hellen Seite…

Lassen Sie uns einen Schritt zurücktreten und die Bilder allgemeiner betrachten, sind sie hell oder dunkel?

Für eine Hell/Dunkel-Analyse haben wir jedes Bild noch einmal auf seine dominante Farbe reduziert. Dann haben wir für jede Primärfarbe festgestellt, ob sie im hellen oder im dunklen Spektrum liegt.

Aus der obigen Abbildung können wir erkennen, dass die überwiegende Mehrheit der dominierenden Farben aus hellen Primärfarben besteht. Basierend auf diesen Ergebnissen schließen wir, dass die Mehrheit der Crowdlending-Bilder eine helle dominante Farbe hat. Wir können davon ausgehen, dass das durchschnittliche Crowdlending-Image hauptsächlich hell ist.

Diese Erkenntnis fördert die positive Stimmung, die Grün und Blau in die Bilder einfließen lassen. Helle Töne werden mit Tageszeit und Transparenz assoziiert und unterstreichen die Botschaft, dass Crowdlending eine positive und vertrauenswürdige Aktivität ist.

Die endgültige zusammengesetzte Zeichnung von Crowdlending:

Unsere Analyse hat uns eine ziemlich klare Vorstellung davon gegeben, wie das durchschnittliche Crowdlending-Image aussieht. Es ist informativ und enthält im Allgemeinen Text und eine Abbildung, manchmal eine Gruppe von Personen. Es inspiriert Positivität und Zuverlässigkeit, indem es eine Mischung aus Farben verwendet, bei denen Grün und Blau dominieren. Es wird oft von einem Logo und einer Bowlingausrüstung begleitet … Moment mal, was?

Hier ist unser Versuch, der Beschreibung am besten zu entsprechen:

*Ein besonderer Dank geht an Cedric Higel, unseren Data Scientist-Praktikanten, der eine wichtige Rolle bei der Erstellung und dem Schreiben dieses Artikels gespielt hat. Dasselbe gilt für Benedetta Pusateri, die auf der Redaktionsseite großartige Arbeit geleistet hat.

Weiter lesen

Weiter lesen Neugierig, mehr zu erfahren? Sehen Sie sich
unsere weiteren Blog Posts an

Sehen Sie sich unseren YouTube-Kanal an

Dieser Kanal wird die Crowdlending-Branche abdecken!
Unsere Mission ist es, Ihnen alle Erkenntnisse
aus diesem Markt zu liefern und Ihnen zu helfen, fundierte Entscheidungen zu treffen.

Weitere Videos ansehen

Kontakt Sie mit unserem grossartigen Team

Hinterlassen Sie uns gerne hier eine Nachricht oder rufen Sie uns direkt an. Unser Experten-Support-Team ist hier, um Ihnen zu helfen!

Acredius AG Firmenidentifikationsnummer: CHE-443.581.719 © 2018-2023 Acredius AG. Alle Rechte vorbehalten.