Im Zeitalter der sozialen Medien ist es für Unternehmen äußerst interessant, die allgemeine Wahrnehmung von Marken, Produkten oder Personen regelmäßig zu beobachten. Durch die Vielfalt an Meinungen fällt es jedoch in der Regel schwer, zwischen Einzelmeinungen und der generellen Meinung zu unterscheiden. Der hier vorgestellte Ansatz zum „Social Media Monitoring“ schaut genau auf Beiträge großer Plattformen und erkennt durch eine automatisierte Themenzuordnung sofort Schwerpunkte in der Vielfalt an Meinungen. Auf diese Weise gelangt man in die komfortable Lage, Trends frühzeitig erkennen zu können, um jederzeit darauf reagieren zu können. Dies stellt für den Anwender einen klaren Wettbewerbsvorteil dar.

Hintergrund

Angenommen, man interessiert sich dafür, wie eine Marke, eine Person oder ein bekanntes Produkt in der Ü–ffentlichkeit, und damit auch in den sozialen Medien, wahrgenommen und besprochen wird. Also: „Wer schreibt was, und vor allem wo, darüber?“ Unregelmäßige und zufällige Checks sind hierbei wenig zielführend, da sich praktisch jede erdenkliche Meinung an irgendeiner Stelle finden lässt. Wie lässt sich also das Meinungsbild in seiner Gänze einfangen, zusammenfassen und quantifizieren, vielleicht sogar dessen zeitlicher Verlauf beobachten? Hierzu soll im Folgenden sehr kurz eine Lösung präsentiert werden, die den individuellen Wünschen des Anwenders so weit wie möglich entgegenkommt.

Kurzvorstellung des Ansatzes

Die wesentlichen Elemente und Features:

  • entdeckt, was zum Suchbegriff geschrieben wird
  • bewertet die Herkunft des Beitrags
  • klassifiziert die Inhalte automatisiert nach Themen
  • identifiziert die Top-Themen
  • .. und visualisiert die Ergebnisse in Ihrem zeitlichen Verlauf

Auf diese Weise behält man konstant den Überblick über Relevanz und Lokalität von Meinungen und Trends und kann entsprechend frühzeitig gegensteuern.

Methodik

Um zum Ziel zu gelangen, werden gängige Verfahren des Text Mining, wie etwa das Entfernen von Sonderzeichen oder die Wortstammreduzierung, verwendet. Zusätzlich sind verschiedene Gewichtungen zur besseren Relevanz-Bewertung der Wortbausteine in die Lösung integriert. Auf diese Weise entsteht eine auswertbare Datengrundlage. Das Ganze wurde in R konzipiert und geschrieben.

Aufbereitung und Analyse

Die Ergebnisse zum Suchbegriff werden zur besseren Übersicht in einer Word-Cloud grafisch aufbereitet. Auf diese Weise so erscheinen die häufigsten Begriffe in Relation am größten. Weitere Schritte sind nun für eine automatisierte Themen-Zuordnung notwendig. Dies wird – vereinfacht dargestellt – über Worthäufigkeiten und den Abstand einzelner Wörter zueinander erreicht. So kann man über mathematische Verfahren, wie Zerlegung in Hauptkomponenten und Clusterzuordnung, bestimmte Themenblöcke extrahieren, um zu sehen, in welchem unterschiedlichen Kontext die Suchbegriffe genannt werden. Die Folge sind Unter-Themen zum Suchbegriff, die auf logische Themen-Einheiten zusammengefasst werden. Beispielsweise lässt sich häufig eine Unterscheidung in News, Werbung und individuelle User-Meinungen (positiv/ negativ) beobachten, die im Einzelnen und je nach Suchbegriff weiter logisch unterteilt werden können.

Der Mehrwert

Führt man die oben beschriebenen Arbeitsschritte beispielsweise mehrmals am Tag durch und integriert die Ergebnisse in die jeweiligen Reportings, so lassen sich frühzeitig Trends, Phänomene, aber auch Feedback zu Produkten oder Unternehmensstrategien beobachten. Ein rechtzeitiges Handeln oder Gegensteuern kann durch diese Impulse initiiert werden, was dem Unternehmen Geld und Aufwand erspart, denn es gilt: hat sich der Image-Schaden durch negative Presse, aber auch durch ein Nicht-Gegensteuern erst einmal in den sozialen Medien etabliert, ist dies nur schwer wieder rückgängig zu machen.

Alle Beiträge von Clemens v. Bismarck-Osten

Data Scientist

Schreibe einen Kommentar