• deutsch
  • english

Social Media Intelligence – Soziale Medien als Quelle für potenzielle Marktforschungsdaten

Die Interaktionen der Kunden auf sozialen Plattformen werbetreibender Unternehmen liefern eine überwältigende Masse an Kundenkommentaren, welche Meinungen zu Marke, Produkten, Dienstleistungen oder spezifischen Eigenschaften widerspiegeln. Gleiches gilt für Äußerungen in Foren und auf Bewertungsportalen.

Wie sollen aus diesen Daten aber Erkenntnisse gezogen werden? Reichen die standardisierten Kennzahlen, die z. B. Facebook herausgibt – wie Anzahl der Fans oder Likes – nicht aus?

Soziale Medien als Quelle für potenzielle Marktforschungsdaten.

Soziale Medien als Quelle für potenzielle Marktforschungsdaten.


Im Gegensatz zu klassischen Marktforschungsumfragen, steht bei Social Media-Kommentaren die Datensammlung zeitlich vor der eigentlichen Fragestellung. Die Kommentare liegen in unstrukturierter Form vor. Denn Kunden äußern ihre Meinung zu jedem Thema, das ihnen auf dem Herzen liegt. Zudem kommt es zwischen den Usern zu Interaktion. Das Unternehmen kann also eine gegenseitige Beeinflussung der Kommentierenden nicht gleichermaßen ausschließen, wie es unter strengen Forschungsstandards möglich wäre.

Will ein Unternehmen die generelle Stimmung der Kunden gegenüber der Marke über alle Plattformen hinweg ableiten, muss es sich verschiedener Faktoren bewusst sein: Zum einen können die zu vergleichenden Zeiträume je Plattform variieren. Zum anderen existieren, je nach Plattform, unterschiedliche Standard-Bewertungsmaße. Bisher wurden von einigen Unternehmen diese einfachen Kennzahlen zur Messung der Social Media-Wirkung verwendet – darunter die Anzahl veröffentlichter Kommentare oder die durchschnittliche Emotion, die Online zur Marke verbreitet wird.

Das Problem dabei: Jede Social Media-Plattform ist eine sehr individuelle Umgebung – mit entsprechend unterschiedlichem Posting-Verhalten. Jede Plattform bringt ihre eigenen Neigungen und Trends mit sich. Beispielsweise scheinen Tweets generell immer ein Stück positiver zu sein – was darauf schließen lässt, dass tendenziell optimistischere Menschen ihre Wertschätzung gegenüber einer Marke ausdrücken. Auf Bewertungsportalen hingegen wird öfter über schlechte Erfahrungen berichtet.

Dashboard zur Visualisierung verschiedener Social Media-Kennzahlen.

Dashboard zur Visualisierung verschiedener Social Media-Kennzahlen.


Die unterschiedlichen Kennzahlen der verschiedenen Plattform sind übergreifend schwer zu vergleichen. Unternehmen müssen daher diese einfachen Kennzahlen in den Hintergrund stellen und sich auf Basis ihrer übergeordneten Marketingstrategie überlegen, wozu sie Soziale Medien einzusetzen versuchen. Daraus können Fragestellungen der Social Media Intelligence abgeleitet werden.

Was aber bewegt den Kunden dazu, einen Beitrag auf sozialen Plattformen zu leisten? Welche psychologischen Effekte wirken auf ihn? Bestimmte plattformspezifische Trends und ein entsprechendes Posting-Verhalten bestimmen die Entscheidung, sich überhaupt zu äußern sowie die Art und den Inhalt der veröffentlichten Kommentare. Um Erkenntnisse durch Social Media Intelligence (SMI) zu entwickeln, muss das Unternehmen die Kommentare aus drei Perspektiven betrachten: dem Inhalt, der gewählten Plattform sowie dem Veröffentlichenden. Zur Meinungsevaluation muss detailliert festgehalten werden, welchem Inhalt die Stimmung zuzuordnen ist: Geht es um die generelle Marke oder ein bestimmtes Produkt beziehungsweise seine Eigenschaften? Dass die Wahl der Veröffentlichungsplattform ebenfalls in die Bewertung des Kommentars eingeht, wurde bereits erwähnt. Je nach Art der Plattform, Größe des Kommentarfelds und Herkunft der Plattform-User können sich die Kommentare stark in ihrem Sentiment unterscheiden.

Verteilung der Kommentare auf verschiedenen Plattformen im Zeitverlauf.

Verteilung der Kommentare auf verschiedenen Plattformen im Zeitverlauf.


Social Media-Kommentare können also als Quelle für die Ermittlung von Veränderungen in der Markenwahrnehmung angenommen werden. Es gilt hierbei Kennzahlen zu extrahieren, die die „Gesundheit“ der Marke widerspiegeln. Der entscheidende Unterschied zwischen traditionellen Kennzahlen und dem „Abhören“ von Social Media-Kommentaren besteht darin, dass Social Media-Kommentare in unstrukturierter Form in jeder Art von Plattform vorkommen und so jeder User ein Sentiment bezüglich der Marke abgeben kann. In der traditionellen Marktforschung werden die für die Fragestellung relevanten Zielgruppen vorab identifiziert. Die Fragen werden vorstrukturiert um bestimmte Themen abzufragen, wobei potenzielle Voreingenommenheit zu vermeiden versucht wird. Faktoren, die die Social Media-Wahrnehmung beeinflussen, können eben erwähnte Plattform-spezifische Effekte und sowie soziale Interaktionen sein – beides beeinflusst, was wie veröffentlicht wird.

Die Konsequenz daraus ist, dass Social Media-Kennzahlen oft nicht mit denen traditioneller Umfragen vergleichbar sind. Dies ist aber nötig, um obige Überlegungen zu bestätigen und eine Kennzahl zu definieren, die aus den sozialen Daten abgeleitet werden kann.

Daher haben Wendy W. Moe von der University of Maryland, David A. Schweidel von der University of Wisconsin – Madison und Chris Boudreaux von dem Unternehmen Converseon, Inc. zusammen Studien durchgeführt, die genau dies zum Thema haben: Measuring Brand Sentiment from Online Conversations. Die Studien dienen dazu, das Potenzial zu ermitteln, tatsächliches Marken-Sentiment aus Social Media-Konversationen abzuleiten.

2012 wurde dafür ein erstes statistisches Modell entwickelt, das auf verschiedene, oben genannte beeinflussende Faktoren bereinigt. Unter anderem beeinflusst zum Beispiel das Posting-Umfeld, welche Kommentare auf welcher Plattform veröffentlicht werden. Es wurde eine Kennzahl, die General Brand Impression (GBI) isoliert, die den Frühindikator der Stimmungsveränderungen der Kunden gegenüber der Marke auf Produkte und Attribute innerhalb eines Portfolios darstellt.

Moe verwendet dafür zwei Datensätze. Im ersten werden 15 Monate lang Marken-bezogene Online-Kommentare gesammelt. Dabei wurden 140 Produkte und 59 Markeneigenheiten genannt. Der zweite Datensatz wurde klassisch offline, nämlich telefonisch erstellt, und beruht auf 1.055 Kundenbefragungen über 10 Monate hinweg.

Im direkten Vergleich beider Datensätze konnte absolut keine Korrelation zwischen der Telefonumfrage und dem durchschnittlichen Sentiment-Wert der Online-Kommentare ermittelt werden. Beim Vergleich der Telefon-Umfragewerte mit dem angepassten Online-Marken-Sentiment konnte hingegen eine starke Korrelation bestätigt werden.

Das Modell wurde auf eine Vielzahl von Marken verschiedener Branchen und Industrien angewandt um potenzielle Fallstricke aufzudecken, die in Bezug auf ein einfaches Durchschnittsmaß anfallen würden. Unter anderem konnte die GBI auch als Frühindikator von wechselnden Aktienkursen bestätigt werden.

Im ersten Schritt wurde die GBI allerdings dem manuell via Interviews ermitteltem Sentiment-Wert der zeitgleich durchgeführten Telefonumfrage entgegengestellt. Vorerst konnte die Annahme, dass der aus dem Social Media-Daten abgeleitete Sentiment-Wert (GBI) dem klassisch erhobenen entspricht, nicht bestätigt werden. Der Grund hierfür wurde allerdings schon durch eine einfache Visualisierung deutlich: Während die Ergebnisse des sozialen Daten-Modells direkt eingespeist und zeitnah auf den konkreten Monat weitestgehend automatisiert berechnet wurden, ergab sich durch die telefonische Erhebung, Dokumentation und Bewertung des ausgesagten Sentiments eine Zeitverzögerung.

Vergleich des GBI mit klassisch erhobenen Umfragewerten.

Vergleich des GBI mit klassisch erhobenen Umfragewerten.


Die Ergebnisse zeigen ein Potenzial dafür auf, dass Social Media-Kommentare in die Erhebung und Analyse der Markenwahrnehmung inkludiert werden können. Die von Moe mitentwickelte Kennzahl (GBI) dient dabei als Frühindikator der Änderungen von Grundstimmung der Kunden gegenüber der Marke und übertrifft andere derzeit gängige Social Media-Kennzahlen.

Allerdings muss die Entwicklung der individuellen GBI je Unternehmen mit Vorsicht genossen werden. Nur eine einzige Plattform zu überwachen, ließe Manager nicht zwischen Plattform-spezifischen Faktoren und genereller Markenwahrnehmung unterscheiden. Unternehmen können generelle Veränderungen des Marken-Sentiments von einer breiteren Masse an Plattformen bzw. darauf veröffentlichter Kommentare ableiten – unter Beachtung von Unterschieden zwischen den Attributen, Produkten, Plattformen und Kundenerfahrungen innerhalb der Kommentare.

Daher sollte bei der Einrichtung von Dashboards mindestens zwischen den verschiedenen Plattformen und Themen unterschieden sowie strategische Ziele und Vergleichswerte angegeben werden. Aus Moes Studie resultiert ein Tool, das allgemeines Marken-Sentiment differenziert betrachtet und in ein zu Grunde liegendes Marken-Sentiment sowie Sentiment bezogen auf spezifische Produkte im Markenportfolio bzw. Marken-Eigenschaften trennt.

Social Media-Daten in die Marktforschung zu integrieren, scheint in diesem Ausmaß zwar noch eine komplizierte Herausforderung zu sein. Zum einen sind statistische Modelle zum GBI noch kaum in Tools umgesetzt. Zum anderen ist die automatisierte Auswertung von Textdaten in Hinblick auf die Stimmungsmessung vor allem auf Grund der deutschen Grammatik noch schwer umsetzbar – und vorhandene Tools hierzu noch zu sehr auf vereinfachenden Annahmen basierend.

Allerdings bietet der Social Media Intelligence-Ansatz auch große Chancen – vor allem für KMUs, die sich keine unternehmensinterne Marktforschungsabteilung oder eine beratende Agentur leisten können oder wollen. Es bleibt spannend, die Entwicklungen auf dem Feld der Social Media Intelligence zu verfolgen.

Klar ist, dass die sozialen Medien neben den gängigen Plattform-spezifischen Kennzahlen noch einiges mehr an Wissen über das Kundenverhalten und die Markenwirkung bergen. Sie sollten daher als wichtige Quelle für potenzielle Marktforschungsdaten gesehen werden.



Schreibe einen Kommentar





Erforderliche Felder sind mit (*) markiert.