Tag Archives: Web 2.0

CS Labs: Two And A Half Lean

Leave a reply

Neulich bei den comSysto Labs. Diesmal wollten wir unsere, bei dem Lean Startup Machine Workshop in London gewonnenen Fähigkeiten vertiefen. Zeitgleich standen wir bei unserer ShoeOfTheDay App vor dem Problem, dass unsere User die App nicht annahmen.

Deshalb entschieden wir uns unsere ShoeOfTheDayApp mittels Lean Ansätzen in den nächsten 2,5 Tagen genauer unter die Lupe zu nehmen.

Wir sind übrigens Diana, Thien-Thanh, Tim und Stefan.

ShoeOfTheDay ist unsere Facebook Anwendung, die wir seit etwa einem Jahr entwickeln. Die Idee, die dahinter steckte, kam von unseren Entwicklern. Anwender können auf Facebook in einem Schuhschrank ihre Schuhe zur Schau stellen. Für jeden Wochentag ist ein eigener Slot vorhanden. Außerdem können die User sich mit den Schuhen ihrer Freunde auf Facebook messen:

Leider ist der Besucheransturm bisher ausgeblieben:

Deswegen entschieden wir uns als ein Validation Canvas zu erstellen:

In dem Canvas wird:

  • eine Kundengruppe angenommen
  • die ein bestimmtes Problem hat
  • und es eine Lösung für dieses Problem formuliert.

Für unsere App nahmen wir folgendes an:

  • Unsere Kundengruppe sind Frauen im Alter von 20 bis 35 Jahren
  • Die sich über Schuhe austauschen möchten
  • Und für die die Lösung unsere App sein könnte :-)

Danach versuchten wir Risiken zu finden, die das Produkt möglicherweise gefährden könnten:

  • Der User möchte seine Schuhe seinen Freunden präsentieren.
  • Dies macht er über eine Anwendung am PC
  • Oder er nutzt eine mobile App
  • Der User ist gewillt sich die Zeit dafür zu nehmen

Unser größtes Risiko war dabei, ob die Frauen der Zielgruppe überhaupt ihre Schuhe ihren Freundinnen präsentieren wollen. Dazu haben wir eine Umfrage an der LMU München durchgeführt. Unsere Umfrage beeihaltete folgende Fragen:

  • Wann hast du dir das letzte mal einen richtig tollen Schuh gekauft? (Ist Teilnehmer an Schuhen interessiert? Ins Gespärch kommen)
  • Und, was haben deine Freunde zu den Schuhen gesagt? (Hat Bedürfnis seine Schuhe zu präsentieren)
  • Bei welcher Gelegenheit hast du den Schuh präsentiert? (Welche Lösungen hat der Teilnehmer bereits gefunden)
  • Welche Social Medias/Anwendungen (facebook, Whatsapp) würdest du am ehesten dafür verwenden? (Konkurrenz?)

Diese Fragen wurden von der Zielgruppe folgendermaßen beantwortet:

  • Alle Teilnehmer haben in den letzen Monaten neue Schuhe gekauft.
  • Wenige Teilnehmer präsentierten die Schuhe nicht ihren Freundinnen
  • Die meisten Frauen haben die Schuhe ihren Freundinnen bei privaten Treffen gezeigt, viele benutzen aber auch mobile Anwendungen, um den Schuh zu präsentieren
  • Diese Frage wurde mit WhatsApp, facebook und Skype beantwortet.

Daraus haben wir folgende Schlussfolgerungen gezogen:

Frauen haben ein großes Bedürfnis, ihre neu erworbenen Schuhe  Freundinnen zu präsentieren.

Einige Frauen setzen dabei auf Skype und facebook, andere wiederum benutzen Whatsapp, um Fotos ihrer Schuhe an Freundinnen zu versenden. Damit ist das Interesse, auf spielerische Art und Weise Schuhe zu präsentieren, grundsätzlich vorhanden. Auf Grund dieser Tatsache stellten wir uns im Team die Frage, was mit unserer App nicht in Ordnung sein könnte.

Durch das eingebaute Tracking erfuhren wir, das die User nach kurzer Nutzungszeit die App wieder verlassen und das Interesse daran verlieren. Wir wollten nun herausfinden, woran das liegen könnte.

Dazu luden wir mehrere Personen ein, um einen Test mit der Anwendung durchzuführen. Dabei stellten sich folgende Probleme mit dem Umgang der App heraus:

  • Der gewünschte Schuh wird in der App nicht angeboten. In diesem Fall existiert keine Möglichkeit ein Bild von dem Schuh in der Anwendung zu speichern. Gerade dieser Punkt dürfte ein K.O. Kriterium für die Akzeptanz der App darstellen, denn wie soll die Frau den Schuh präsentieren, wenn er nicht in der Anwendung vorhanden ist?
  • Es ist keine Suche nach Kategorien (Pumps, Ballerinas, Sandalen) möglich.
  • Die Anwendung ist sehr kompliziert zu bedienen. Dazu gehört die elementare Funktionalität einen Schuh auszuwählen. Für den User öffnet sich, im ungüngstigsten Fall, die Seite eines Schuhanbieters und die App wird verlassen.

Einige dieser Probleme wurde im Rahmen des cS-Labs abgestellt.Jedoch war die Zeit zu knapp um alle störenden Punkte zu beseitigen.

Im Anschluss sollten weitere Akzeptanz- und Oberflächentests durchgeführt werden, um herauszufinden, wie die User auf die Verbesserungen reagieren und frühzeitig Feedback zu erhalten. Dazu können auch die eingebauten Tracking-Mechanismen angewendet werden. Doch diese Geschichte wird in einem nächsten Lab zu einem hoffentlich guten Ende geführt werden.

Real-time Twitter heat map with MongoDB

18 Replies

Over the last few weeks I got in touch with the fascinating field of data visualisation which offers great ways to play around with the perception of information.

In a more formal approach data visualisation denotes “The representation and presentation of data that exploits our visual perception abilities in order to amplify cognition“

Nowadays there is a huge flood of information that hit’s us everyday. Enormous amounts of data collected from various sources are freely available on the internet. One of these data gargoyles is Twitter producing around 400 million (400 000 000!) tweets per day!

Tweets basically offer two “layers” of information. The obvious direct information within the text of the Tweet itself and also a second layer that is not directly perceived which is the Tweets’ metadata. In this case Twitter offers a large number of additional information like user data, retweet count, hashtags, etc. This metadata can be leveraged to experience data from Twitter in a lot of exciting new ways!

So as a little weekend project I have decided to build a small piece of software that generates real-time heat maps of certain keywords from Twitter data.

This is a first static peek on what it’s gonna look like (apparently the friendly floatees use Twitter, too):

See a screencast here: screencast.com

To get this working I have used lots of shiny things:

The app is written in Python and consists of mainly three components:

tstream.py:
A small service based on tweepy that implements a StreamListener which inserts incoming data in a MongoDB capped collection. Here you can also set filter terms. This example uses mostly terms related to “Big Data”.

tweet_service.py:
A Flask based web app which get’s new data from MongoDB and makes use of the publish-subscribe pattern. Being “tailable” MongoDB’s capped collections come in handy. There is no need to remember which messages a client has already received, the cursor itself yields new documents on arrival. Also, capped collections are of a fixed size which is appropriate for this use case but your mileage may vary. Incoming Tweets are published to a redis channel for which there is also a listener that returns a “text/event-stream” “Content-Type” header for connecting clients.

map.html:
A few lines of HTML and JavaScript which bring up a Google Maps canvas and a listener for server-sent events. When new data, basically consisting of Lat/Lon tuples, arrives the new point is added to a heat map overlay based on heatmap-gmaps.js in real-time.

Rough overview:

Conclusion

With a relatively small amount of code it is possible to turn text data in astonishing visualizations. With only a little more effort different hash tags could be illustrated by different colors. Or one could count tweets on a topic in certain regions and then compare activity based on number of citizens. There are lots of interpretations possibel through the underlying data set.

You can find the code on github, feel free to fork and play around!

comSysto becomes a Hippo Partner

Leave a reply

Since February 2012 comSysto is proud to be one of the direct partners of Hippo, delivering context aware CMS solutions and empowering their audience to engage with content.

Hippo is a Dutch company located in Amsterdam providing CMS based solutions for over 10 years. Their main product Hippo CMS is the first web content management solution to deliver context-aware content for its customers. According to CMS Match - a wiki portal for content management systems – Hippo CMS is one of the most feature-rich CMS solutions including context awareness, multi lingual, multi channel, multi site, SEO, advanced search, reporting and an intuitive interface. For details take a look at Hippo’s key capabilities.

From a technical perspective it is based on open source technologies like the Spring Framework, Apache Wicket, Apache Jackrabbit and open standards like the Content Repository for Java Technology API (JCR, specified in JSR 170 and JSR 283). It provides seamless integration in any web framework like Apache Wicket and Spring MVC and provides its own Hippo Site Toolkit (HST) for building CMS based web applications. The CMS itself is extensible through a plugin-architecture and managed content is accessible in various ways like via the Hippo Repository or REST services. For an overview about the technology behind Hippo take a look at Hippo’s technology overview.

Do you want to know more? Then try the online demo and get in touch with us – we are looking forward to build and deliver the content web solution you need!

hippo-comSysto

Community-Firma

Leave a reply

Swiss-Re spricht es klar aus: Das Unternehmen als eine real existierende Community braucht die elektronische Abbildung, um den Informationsfluß zwischen den Mitarbeitern im komplexen Marktgeschehen auf Hochtouren zu bringen.

http://www.cio.de/strategien/methoden/2235769/?qle=rssfeed_

Langfristiger Markterfolg und keine kurzfristigen ROI-Betrachtungen werden Swiss-Re Recht geben!

Collective Intelligence ein innovatives Verfahren Zu entwickelnden Methoden…

Leave a reply

Collective Intelligence – ein innovatives Verfahren

Zu entwickelnden Methoden (Collective Intelligence als Kernkomponente des Web 3.0)
Die Herausforderung des Projekts besteht darin Methoden und Verfahren zu entwickeln, die die klassische Business Intelligence durch den Web 2.0 Ansatz bereichern und erweitern. Die dadurch gewonnenen Daten verfeinern die bestehenden Benutzer- und Kundenprofile, und können zum Zwecke der Kundenbindung, bzw. der Neukundengewinnung genutzt werden. Der CI-Ansatz bietet die Möglichkeit Daten aus verschiedenen Quellen auf semantischer Ebene miteinander zu verknüpfen, um dadurch neue Zusammenhänge entdecken zu können, die zuvor nicht erkannt werden konnten. Informationen über Personen, Transaktionen und Produkte werden durch Collective Intelligence “verstanden” und miteinander in Beziehung gesetzt.

Business Intelligence + Web 2.0 (Social Commerce) = Collective Intelligence

Zu entwickelnden Softwaremodule (explizite, implizite und abgeleitete Intelligenz)
Die zu entwickelnden Softwaremodule sollen in der Lage sein alle drei Arten der Intelligenz zu generieren und in einer Reihe von Widgets (Content-Blöcken) zu kombinieren und anzuwenden. Die Widgets präsentieren sich als Aggregate aus unterschiedlichen Datenquellen, die für jeden Benutzer in Echtzeit indivuduell zusammengestellt werden.

Forschungs- und Entwicklungsprojekt: “Collective Intelligence”

Leave a reply

Collective Intelligence – Projekt Preview

Vorwort zum Projekt
Der bereits vollzogene Wandel des Internets, der unter dem Begriff “Social Web” oder “Web 2.0” bekannt ist, prägt unsere Gesellschaft nachhaltig und übt eine große Auswirkung auf die Art wie wir lernen und wie wir uns informieren.  Das “Lese/Schreibe – Prinzip” des Web 2.0 veränderte das weltweite Netz zu einer dezentralen Wissensquelle, in der jedes Individuum seine Erfahrung und sein Wissen der breiten Masse zur Verfügung stellt.

Unter “Collective Intelligence” (nachfolgend “CI”) versteht man eine extrahierbare und nutzbare Form der Intelligenz, die durch Zusammenarbeit, Wettbewerb und Interaktion vieler Individuen entsteht. Die CI-Methoden und Verfahren ermöglichen es die zur Verfügung gestellten Informationen auszuwerten, daraus Werte zu schaffen und das neu gewonnene Wissen in die bestehenden Abläufe zu integrieren. Viele Webanwendungen und Internetplattformen der Unternehmen lassen sich durch Web 2.0 und CI-Funktionen erweitern, wodurch man die Erfahrung und das Wissen der Kunden bzw. Benutzer in die Entwicklungs- und Produktionsprozesse einbinden kann. Der CI-Ansatz stärkt die Kundenbeziehung / Kundenloyalität und eröffnet durch bessere Kundenkenntnis neue Wege des Kundendialogs, bei dem die Webanwendungen jedem Benutzer personalisierte und auf ihn angepasste Inhalte in Echtzeit bereitstellen.

Der ganzheitliche Ansatz

Das Forschungs- und Entwicklungsprojekt “Collective Intelligence” stützt sich auf die Beratungserfahrung der comSysto GmbH, die in Kundenprojekten (meistens Großunternehmen und Konzerne) gesammelt werden konnte und fügt sich als Erweiterung der bereits eigens entwickelten Social Networking Software in unser Leistungssprektrum ein. Als einer der Vorreiter im deutschsprachigen Markt haben wir uns vorgenommen ein Kompetenzteam aufzubauen und modulare und flexibel einsetzbare CI-Softwaremodule zu entwickeln, mit denen sich beliebige e-Commerce und Web 2.0 bzw. Community Plattformen erweitern lassen. Dabei wird der ganzheitliche Ansatz verfolgt, ausgehend von einer ausführlichen Bestandsanalyse (Technologie, Datenstamm, Performance-Daten), über Implementierung der zu entwickelnden CI-Funktionen bis hin zur Entwicklung neuer kunden- oder branchenspezfischer CI-Module.