Bestseller berechnen

Die Süddeutsche Zeitung berichtet über ein Hamburger Start-up-Unternehmen, das automatisiert ausrechnet, mit welcher Wahrscheinlichkeit ein literarischer Text ein Bestseller werden wird. In der SZ wird die Gründerin mit einer Trefferquote von 77% zitiert, im April 2018 waren es noch nur 70,3%, im Oktober 2017 waren es auch schon mal 80%.

Erstens: Die Trefferquote überzeugt mich nicht, solange ich nicht mehr Details kenne. Wenn ich 1000 Texte analysiere, von denen 800 tatsächlich Bestseller waren, erreiche ich 80% Trefferquote schon dann, wenn ich einfach alle Texte als Bestseller bewerte.

Zweitens: Ich glaube schon, dass automatisierte Textanalysen Korrelationen zwischen Textstruktur und kommerziellem Erfolg offenlegen können. Ich glaube aber nicht, dass es jenseits der Bedürfnisse einzelner Autorinnen und Autoren einen Markt dafür gibt, zumal nicht im Verlagssektor. Eine Lektorin oder ein Lektor wird nach Durchsicht der ersten paar Seiten eines Manuskripts beurteilen können, ob der Text etwas taugt. Eine Fehlerquote wird es geben, aber die hat der Algorithmus auch.

Weiterführend:

• Wie so eine Textanalyse praktisch funktioniert, zeigt die Konkurrenz.
• Die hat auch ein Beispiel veröffentlicht.
• Der New Yorker meint: “The Bestseller Code” Tells Us What We Already Know