Social Analytics – Neue Einsichten oder Voodoo?

Soziale Medien – vor einigen Jahren noch Anlass heftiger Diskussionen – sind mittlerweile im Alltag angekommen. Ganz selbstverständlich wird gebloggt, gechattet und gepostet, und das nicht nur privat. Jedes größere Unternehmen unterhält Facebook-Seiten, twittert Neuigkeiten und veröffentlicht Blogs (so wie etwa diesen).

Während eine aktive Online-Präsenz heute allgemein als notwendig gilt, gehen die Meinungen zur Analyse der entsprechenden Daten weit auseinander. Social Analytics ist zwar als Thema äußerst präsent, jedoch unterscheidet sich schon die individuelle Interpretation dieses Schlagwortes erheblich, geschweige denn der erwartete Nutzen.
Doch fangen wir einmal ganz am Anfang an: Welche Erkenntnisse sollen denn eigentlich durch die Analyse von Social Media Daten gewonnen werden? Auf diese Frage bekommt man zwar viele Antworten, diesen ist jedoch eines gemeinsam: Sie sind allesamt sehr vage. Etwa „Die Stimmungslage der Kundenbasis erheben“, „Trends erkennen“ oder „die Zielgruppe besser kennenlernen“.

Fakt ist, anders als klassische, betriebswirtschaftliche oder technische Kennzahlen sind Social Media Daten in höchstem Grade unstrukturiert und stammen oft aus nicht vertrauenswürdigen Quellen. Postings, Blogs und Tweets bestehen nun einmal aus freiem Text, gemischt mit Bildern und Videos, zu deren Urhebern es häufig keine verlässlichen Angaben gibt. Ein weiterer Unsicherheitsfaktor sind bewusst manipulierte Daten. Mittlerweile ist es sehr einfach und nicht teuer, ganze Bloggernetzwerke damit zu beauftragen, bestimmte Meinungen im Netz zu verbreiten. Wenn man diese Ausgangslage mit einem klassischen strukturierten Data Warehouse vergleicht, lässt das manche Unternehmen am Sinn von Social Analytics zweifeln.

Social Analytics „light“
Doch muss man wirklich gleich mit Text-Mining, linguistischen Verfahren oder Sentiment-Analysen starten? Gibt es keine einfacheren Auswertungen? Doch, die gibt es! Alleine schon die Zählungen von Postings, Likes, Retweets, Followern oder Page Visits liefern bereits eine ganze Menge an relevanten Daten. Die gute Nachricht ist, dass sich derartige Daten äußerst leicht erheben lassen. Alle führenden Social Media Portale verfügen über entsprechende Schnittstellen und zahlreiche Analysewerkzeuge bieten bereits standardmäßig eine Einbindung dieser Informationen an.

Auf diese Weise lässt sich nicht nur die Reichweite des eigenen Contents beurteilen, sondern auch die Relevanz für die Zielgruppe, und auf die kommt es letztlich an, besonders im Vergleich zu klassischen Medien. Schließlich erkennen die Algorithmen von Facebook & Co. wenn Beiträge offensichtlich interessieren und spielen den Content beim nächsten Mal an mehr Fans aus, womit wiederum die Reichweite erhöht wird. Auch ermöglicht das automatische Monitoring der Zugriffszahlen das frühzeitige Erkennen besonderer Ereignisse. Heißt eine plötzliche Verdreifachung der Postings auf meiner Facebook-Seite, dass ein Artikel besonders gefällt, oder braut sich hier vielleicht gerade ein „Shitstorm“ zusammen?

vergleich
Analyse von Facebook-Daten – Vergleich der Online-Aktivität zweier Marken

Schon deutlich schwieriger ist es, auf die Personen hinter den Online Beiträgen und Reaktionen zu schließen. Außer einem (mehr oder weniger frei wählbaren) Benutzernamen ist hier selten mehr Information vorhanden. Eine Möglichkeit ist es, vom Benutzer die Erlaubnis zur Nutzung weiterer Daten zu erhalten. Dies kann z.B. durch Apps erfolgen, die im Tausch gegen nützliche Funktionalität den Zugriff auf bestimmte Profil-Informationen erhalten, durch Gewinnspiele oder ähnliches. Alter, Geschlecht, Beziehungsstatus etc. lassen durchaus Rückschlüsse darauf zu, inwieweit die jeweiligen Follower einer definierten Zielgruppe entsprechen, wie unterschiedliche Gruppen von Personen auf bestimmte Meldungen reagieren bzw. erlauben das Anpassen des Contents an die jeweiligen Personengruppen. In der Praxis scheitern derartige Ansätze oft an der zu kleinen Samplegröße, die keine belastbaren statistischen Auswertungen ermöglicht.

Das Versprechen zahlreicher Anbieter von Social Analytics Lösungen, aus der Masse an Daten Variablen zu identifizieren, die aussagekräftige Rückschlüsse auf betriebswirtschaftliche Kennzahlen zulassen, wurde bislang noch nicht eingelöst. Zu ungenau lassen sich sprachliche Äußerungen bis dato vom Computer analysieren, zu vielfältig sind die Reaktionen von Usern, um hier klare Ergebnisse zu erhalten. Auch die Verknüpfung von eigenen Kundendaten mit Profilen in sozialen Netzwerken scheitert meist an der Verfügbarkeit dieser Informationen.

Fazit
Heißt das, dass Social Analytics keinen messbaren Mehrwert bringt? Social Analytics für sich allein betrachtet wird kaum relevante Auswirkungen auf Umsatz oder Profitabilität haben. Als Werkzeug zur Optimierung der eigenen Social Media Präsenz, zum Monitoring der Online-Aktivitäten sowie zur Beobachtung von Märkten und Zielgruppen kann es jedoch wertvolle Dienste leisten.

Alle datenbasierten Informationen bedürfen einer Interpretation durch Menschen, und gerade auf Social Media Daten trifft dies besonders zu. Wenn man dies beherzigt und die entsprechenden Werkzeuge mit Augenmaß verwendet, dann lassen sich in den Weiten der Social Media Daten sicher so manche Schätze heben!

Autor: Johannes Silhan

Johannes Silhan ist MicroStrategy Certified Engineer, BI-Experte und kann auf zahlreiche erfolgreiche Kundenprojekte mit MicroStrategy als BI-Plattform verweisen.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.