Definition

Was ist Social Media Analytics?

| Autor / Redakteur: Tutanch / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

Mithilfe von Social Media Analytics lassen sich Daten sozialer Netzwerke und Medien verdichten und auswerten. Die gewonnenen Erkenntnisse können Unternehmen nutzen, um auf Basis der analysierten Kundenaktivitäten und -meinungen fundierte Entscheidungen zu treffen.

Social Media Analytics sammelt digitale Daten aus sozialen Netzwerken und Medien, um diese zu analysieren. Das Vorgehen ist systematisch und versucht, zunächst relevante Plattformen und Informationen zu identifizieren. Anschließend erfolgt das Sammeln und Verdichten der Daten. Die extrahierten Informationen lassen sich in einem nächsten Schritt nach verschiedenen Aspekten auswerten. Das Ergebnis sind Berichte und Kennzahlen, die die Unternehmen in Entscheidungsprozessen unterstützen.

Die Unternehmen erhalten einen besseren Überblick über Meinungen ihrer Kunden und können ihr Image oder ihre Marken dank Social Media Analytics besser entwickeln. Neben dem Marketing wird auch der Kundenservice durch die Ergebnisse unterstützt. Durch eine detaillierte Analyse von Diskussionen in öffentlichen Foren und sozialen Netzwerken sind Schwachstellen schnell zu identifizieren. Die Informationen, die für Social Media Analytics genutzt werden, können beispielsweise Facebook-Likes, Tweets, Shares, Verlinkungen oder Kommentare auf Blogs, Foren und anderen Plattformen sein.

Kennzahlen

Mögliche Kennzahlen, die sich ermitteln lassen, sind die Anzahl an Followern eines Twitter-Accounts, die Menge der Likes eines Produkts, Erwähnungen von Firmen- oder Markennamen und negative oder positive Kundenmeinungen in einem Blog sowie viele weitere Parameter mehr.

Bei Social Media Analytics handelt es sich um ein interdisziplinäres Verfahren, das sowohl Erkenntnisse der Sozialwissenschaften als auch der Computerwissenschaften nutzt. Die für die Analysen verwendeten Daten sind strukturiert oder unstrukturiert. Oft müssen große Datenmengen verarbeitet werden, um die gewünschten Informationen zu erhalten. Deshalb kommen Anwendungen und Datenbanktechniken aus dem Big-Data-Umfeld zum Einsatz.

Für Social Media Analytics und die Auswertung der Daten stehen unterschiedliche Analysetools und Datenbankanwendungen zur Verfügung.

Die verschiedenen Prozessschritte von Social Media Analytics

Social Media Analytics setzt auf einen strukturierten Ansatz und wendet immer gleiche Prozessschritte an. Diese wichtigsten Prozessschritte sind:

  • Die Identifikation relevanter Daten,
  • das Sammeln der identifizierten Daten,
  • das Bereinigen und Verdichten der Daten,
  • das Analysieren und Visualisieren der Daten sowie
  • das Interpretieren der Daten.

Die verschiedenen Prozessschritte werden im Bedarfsfall mehrfach durchlaufen. Bei der Identifikation der relevanten Informationen geht es zunächst darum, die richtigen Quellen ausfindig zu machen und zu benennen. Anschließend werden die Informationen extrahiert und gesammelt. Hierfür lassen sich beispielsweise APIs (Application Programming Interfaces) zu verschiedenen Plattformen und automatische oder manuelle Prozeduren nutzen.

Der Verdichtungsprozess entfernt die nicht benötigten oder nicht relevanten Daten aus dem Datenspeicher. Die so gereinigten Informationen analysiert der nächste Prozessschritt nach unterschiedlichen Aspekten. Es existiert eine Vielzahl verschiedener Analysemethoden und Algorithmen. Ergebnisse der Analysen sind abhängig vom Typ der Informationen, Berichte, Kennzahlen oder visualisierte Diagramme und Dashboards.

Das Interpretieren der Daten stellt den Abschluss der Social-Media-Analytics-Prozesse dar. Die Interpretationen basieren auf menschlichem Urteilsvermögen oder auf automatisierten Algorithmen.

Social Media Analytics und Big Data

Für Social Media Analytics werden Daten aus den unterschiedlichsten Quellen herangezogen. Je nach Quelle und Information handelt es sich um strukturierte oder unstrukturierte Daten. Für das Speichern und Prozessieren der Daten kommen daher Methoden und Anwendungen aus dem Big-Data-Umfeld zum Einsatz wie beispielsweise NoSQL-Datenbanken, die einen nicht-relationalen Ansatz verfolgen und sich für die Verarbeitung unstrukturierter Daten wesentlich besser eignen. Mögliche Datentypen bei Social Media Analytics sind:

  • Textbasierte Daten wie Kommentare oder Tweets,
  • netzwerkbasierte Daten wie Facebook-Vernetzungen, Twitter-Follower-Strukturen oder Linkhierarchien,
  • suchmaschinenbasierte Daten,
  • auf Aktivitäten basierende Daten wie Shares oder Likes,
  • Standortdaten – und viele weitere.

Social Media Analytics und die automatische Bilderkennung

In vielen sozialen Medien spielen Bilder eine wichtige Rolle. Posts oder Kommentare erhalten neben den Textdaten oft Bildinformationen. Einige moderne und leistungsfähige Social-Media-Analyse-Tools sind daher in der Lage, neben Text auch Bilder auszuwerten. Sie nutzen intelligente Bilderkennungsverfahren und auf Künstlicher Intelligenz basierende Algorithmen. Beispielsweise können sie Firmen- oder Markenlogos erkennen. Dadurch lässt sich feststellen und auswerten, ob Zielgruppen ein Logo in sozialen Netzwerken verwenden oder online mit ihm agieren.

Mögliche Einsatzszenarien für Social Media Analytics

Social Media Analytics bietet eine Vielzahl möglicher Einsatzszenarien und Anwendungsbereiche. Unternehmen können sich mit Wettbewerbern vergleichen, Branchen-Trends ausfindig machen oder wichtige Influencer für Markenmeinungen identifizieren. Darüber hinaus kann mit Social Media Analytics der Erfolg von Kampagnen oder Events ermittelt werden. Weitere beliebte Anwendungen sind Reputationsanalysen zum Schutz des Unternehmensrufs, die Optimierung des Kundenservice, Keyword-Recherchen, Markenanalysen, Neukundengewinnung, Unterstützung von Produkteinführungen, Analysen der Contentstrategien oder das Hashtag-Tracking zu Verbesserung der Reichweite in sozialen Netzwerken.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

Data Warehousing – wohin geht die Reise?

Kommentar von Angelika Jung, DSAG

Data Warehousing – wohin geht die Reise?

SAP hat im Herbst 2016 überraschend die neue Data-Warehousing-Lösung BW/4HANA vorgestellt und somit die Diskussion „S/4HANA ersetzt das BW“ beendet. Wie grenzt sich diese zu anderen SAP-Produkten ab und was rät die DSAG, wie Anwenderunternehmen mit der neuen Roadmap für Business Analytics umgehen sollen? lesen

Business Intelligence ist zurück in der Zukunft

Kommentar von Nathan Jagoda

Business Intelligence ist zurück in der Zukunft

Die vierte industrielle Revolution schreitet mit Siebenmeilenstiefeln vorwärts – und sie wird die Wirtschaft in den nächsten Jahren kräftig durchschütteln. Mit neuen Entwicklungen im Zuge von Industrie 4.0 und dem Internet der Dinge (IoT) verändern sich Unternehmen bereits heute massiv – was in erster Linie auf Grundlage von Business Intelligence (BI) und Big Data passiert. lesen

Der Kunde forscht mit

BI Innovation Lab

Der Kunde forscht mit

BI- und Big-Data-Technologien sind komplex. Und sie entwickeln sich rasant. Als Entscheider verliert man dabei schnell den Überblick. Welche Themen sind für meine Branche relevant? Und wie lassen sich aktuelle Entwicklungen für mein Unternehmen optimal nutzen? Eine Antwort gibt das Innovation Lab von Oraylis. lesen

Innovative, aber erschwingliche Big-Data-Auswertungen

eBook zum Thema Big Data Analytics aus der Cloud

Innovative, aber erschwingliche Big-Data-Auswertungen

Big Data Analytics aus der Cloud ermöglicht auf relativ einfache Weise, zeitnah Anwendungen wie Betrugserkennung, Risikobewertung sowie jede Art von Rating zu realisieren. Im eBook stellen wir diese und eine Reihe weiterer Einsatzbereiche von BDA aus der Cloud vor. Außerdem finden Sie eine Auswahl von Cloud-Dienstleistern. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44780666 / Definitionen)