Suchen

Kommentar von Philipp Rodewald, Webbosaurus Bessere Business Insights mit Social Big Data

| Autor / Redakteur: Philipp Rodewald / Nico Litzel

Neue soziale Netzwerke, eine intensivere Nutzung digitaler Plattformen und die Digitalisierung der Gesellschaft sorgen dafür, dass sich immer mehr Menschen online aufhalten und auf den unterschiedlichsten Kanälen Informationen veröffentlichen. Dabei handelt es sich meist um Meinungen, Bewertungen und Kommentare von Konsumenten zu Produkten, Marken oder Themen. Mithilfe von Social Media Monitoring haben Unternehmen nun erstmals die Möglichkeit, diese Daten auszuwerten und gewinnbringend einzusetzen.

Firma zum Thema

Der Autor: Philipp Rodewald ist Gründer und Geschäftsführer der Webbosaurus GmbH, einem Full-Service Anbieter für Social Media Monitoring, Reporting und Listening.
Der Autor: Philipp Rodewald ist Gründer und Geschäftsführer der Webbosaurus GmbH, einem Full-Service Anbieter für Social Media Monitoring, Reporting und Listening.
(Bild: Webbosaurus GmbH)

Auf den ersten Blick ist der Begriff Social Media Monitoring jedoch etwas fehlerhaft. Denn beim Social Media Monitoring werden weitaus mehr Daten als reine Social-Media-Inhalte gesammelt. Unter dem Sammelbegriff werden alle Informationen gebündelt, die von Nutzern und Redaktionen publiziert werden. Neben Social-Media-Plattformen wie Facebook, Twitter und Instagram sind vor allem Foren, Blogs, Frage-&-Antwortportale, Verbraucher- und Bewertungsportale sowie Online-News relevante Informationsquellen für Social Big Data.

Technisch wird beim Social Media Monitoring ein Web-Crawler mit Booleschen Operatoren aufgesetzt, der die verschiedensten Plattformen im Internet durchforstet. Spezialisierte Monitoring-Dienstleister überwachen Größenordnungen von 200 bis 300 Millionen Quellen. Die Inhalte müssen durch entsprechende Text-Extraction identifiziert werden, um nur tatsächliche Aussagen und Bewertungen zu speichern. Das ist eine große Herausforderung, da sich ändernde Plattformen sowie die Vielzahl an Content-Management-Systemen eine Standardisierung erschweren.

Das Social Media Monitoring grenzt sich dabei stark von Social Media Analytics ab, bei dem standardisierte Kennzahlen wie Shares, Likes, Favorites aus den sozialen Netzwerken extrahiert und verarbeitet werden.

Inhaltliche Aufbereitung der Daten durch Machine Learning

Die durch das Monitoring erfassten Inhalte liegen somit im Optimalfall in Textform vor, sind sehr heterogen und oft nur schwer untereinander zu vergleichen. Die Texte entsprechen keiner eindeutigen Struktur, da Beiträge in einem Forum anders aufgebaut sind als Blogbeiträge oder ein Tweet, bei dem beispielsweise die maximale Länge 280 Zeichen beträgt. Die Analyse der unstrukturierten Daten erfolgt daher meist mit Machine-Learning-Modellen, um entsprechende Pattern zu erkennen.

Neben der textbasierten Suche mithilfe der booleschen Operatoren gewinnt das Thema Bilderkennung immer mehr an Relevanz. Durch entsprechende Algorithmen werden hierbei nutzergenerierte Bilder nach Unternehmenslogos durchsucht. Der technische Fortschritt ist jedoch noch nicht sehr weit, sodass die Bilderkennung nur für große Marken wie z. B. McDonald‘s und Coca-Cola zielführend funktioniert. Es ist jedoch davon auszugehen, dass mittelfristig die Bilderkennung weiter an Wichtigkeit gewinnt.

Business Intelligence aufgrund von User Generated Content

In der Praxis wird eine Status-quo-Analyse oft als Grundlage für strategische Maßnahmen genutzt. Diese Analyse ist eine Zusammenfassung des IST-Zustandes für eine bestimmte Marke, ein Produkt oder ein Thema. Durch diese Nullmessung können Ziele definiert werden und ein Grundrauschen wird ermittelt, welches das zu erwartende Gesprächsvolumen widerspiegelt.

Kontinuierliche Daten werden gezogen, wenn Unternehmen Themen mit dem Ziel beobachten möchten, dass Trends identifiziert und für die eigene Innovation genutzt werden sollen. Die fortlaufende Beobachtung eigener Produkte und derer der Konkurrenz liefert ein gutes Bild über die derzeitigen Schwächen und Stärken bezogen auf Kommunikation, Image, Produkt und mehr. Dieses Feedback der Kunden lässt sich somit für die Optimierung von Produkten verwenden, aber auch die eigene Kommunikation wird durch Social Big Data gestärkt. Durch die Schnelllebigkeit im Social Web werden dabei nicht nur Trends frühzeitig erkannt, sondern auch potenzielle Shitstorms können in ihrer Entstehung gefunden und durch entsprechende Maßnahmen kann diesen entgegengesteuert werden.

Kennzahlen

Aufgrund der unstrukturierten Daten ist die Verwendung von Kennzahlen äußerst schwierig und es gibt wenige einheitliche KPI, die von allen Monitoring Dienstleistern verwendet werden.

  • Social Buzz: Die am häufigsten genannte Kennzahl ist der Social Buzz, der die absolute Anzahl an relevanten Beiträgen zu einer Marken oder einem Produkt angibt. Somit lässt sich feststellen, ob und welche Relevanz das Thema im digitalen Raum besitzt.
  • Share of Buzz: Der Share of Buzz misst den Anteil an Beiträgen im Verhältnis mit allen relevanten Suchbegriffen. Er dient dazu, die eigene Sichtbarkeit im Vergleich mit allen anderen Konkurrenten auszuwerten.
  • Image-Wert: Der Image-Wert errechnet sich aus der Anzahl der positiven Nennungen abzüglich der negativen Nennungen, geteilt durch die Gesamtzahl aller wertenden Beiträge und ermittelt somit eine Art Weiterempfehlungsrate. Mit diesem Wert lässt sich darstellen, welche Stimmung zu bestimmten Themen herrscht und welchen Einfluss diese auf die Nutzer haben.

Social Media Analytics zur Anreicherung der Datenqualität

Das Social Web lebt vor allem vom Mitmachen, sodass die Anzahl an Likes, Kommentaren, Shares und Interaktionen wichtige Kennzahlen sind, um die Akzeptanz innerhalb einer Community zu messen. Daher empfiehlt es sich in der Praxis, die aus dem Monitoring aggregierten Links bzw. Beiträge auch quantitativ mithilfe von Social Media Analytics auszuwerten. Durch diese Anreicherung quantitativer Kennzahlen können Beiträge innerhalb einer Herkunftsart verglichen sowie deren Relevanz und Impact gemessen werden. Auch die Vernetzung innerhalb der Community wird durch Social Analytics gemessen und unterstützt dabei, die Verbreitung von Inhalten zu überprüfen.

Social Big Data erst am Anfang

Mithilfe von Social Big Data lassen sich wertvolle Business Insights generieren und es gibt zahlreiche Einsatzszenarien und Anwendungsbereiche; egal ob zum Wettbewerbsvergleich, zur Trendidentifikation, zur Messung der digitalen Reputation, zur Marktforschung oder, um die passenden Influencer zu finden und zu gewinnen. Da die Vernetzung der Gesellschaft und die technologischen Fortschritte immer weiter voranschreiten, werden die Datenmengen und die Möglichkeiten der automatisierten Auswertung immer größer. Social Big Data wird somit sukzessive zu einem festen Bestandteil in Unternehmen und wird künftig eine noch größere Rolle bei strategischen Entscheidungen spielen.

Artikelfiles und Artikellinks

(ID:45153513)