In sozialen Netzwerken werden ohne Ende Meinungen, Haltungen, Erfahrungen und Gefühle geteilt. Per Sentimentanalyse (Opinion Mining) können Unternehmen messen, wie das Netz fühlt und denkt. Wie das in der Theorie funktioniert, haben wir schon vorgestellt. Nun geht es um die praktischen Einsatzmöglichkeiten.

Noch einmal kurz zusammengefasst: Sentimentanalyse, auch Opinion Mining genannt, dient der systematischen Erforschung von Meinungsäußerungen und der Ableitung von Stimmungsbildern in sozialen Netzwerken. Diese Art des Monitorings kann die Bedeutung und Auswirkungen eines bestimmten Events feststellen und liefert somit wichtige Hinweise auf zu erwartende Kundenreaktionen.

Für die Sentimentanalyse gibt es verschiedene Erhebungsverfahren. In puncto Treffsicherheit der Analyseergebnisse macht das vollautomatisierte maschinelle Lernverfahren mittels sogenannter CoBots gegenüber der starren Wörterbuch-basierten Methode das Rennen.

Events haben spürbaren Einfluss auf die Stimmung

Die CoBots kamen auch im nachfolgenden Praxisbeispiel zum Einsatz, bei dem die Entwicklung der Stimmung gegenüber einer deutschen Finanzgruppe näher betrachtet wurde. Ende März verkündete die Finanzgruppe über die Presse die Einführung einer neuen Gebühr für Bargeldverfügungen. Grundsätzlich nichts Neues: Dass Bankkunden zur Kasse gebeten werden, wenn sie am Automaten Geld abheben, ohne ein Konto bei der Finanzgruppe zu führen, ist bekannt.  Allerdings geht es in diesem konkreten Fall um die Einführung einer Abhebegebühr für eigene Kunden.

Das dieses Thema auf Twitter die Gemüter erregte, lässt sich aus dem Stimmungsverlauf ablesen. So kam es zu einem deutlichen Rückgang der positiven Tweets über die Bankengruppe im Zeitraum 30.03. bis 07.04. sowie im Mai. In den übrigen Zeiträumen lassen sich nur geringe Schwankungen im Stimmungsverlauf messen.

Quelle: Duale Hochschule Baden-Württemberg, 2017

Neben der Tatsache, dass Finanzthemen gerne öffentlich und heiß diskutiert werden, lässt sich die intensive, wenn auch nur kurze, medienwirksame Debatte über Bankgebühren als Ursache für den Stimmungsabfall nennen. Der schlechte Stimmungs-Score im Mai ist vermutlich eine Folge der Umsetzung der Gebührenerhöhung und der direkten Verbraucherwahrnehmung auf dem Kontoauszug.

Wörterbuch-basiertes Verfahren bestätigt CoBot-Methode

Das Wörterbuch-basierte Messverfahren führt zu einem ähnlichen Ergebnis. Grundsätzlich ist zu erkennen, dass im Zeitverlauf der Anteil der negativen Worte im Verhältnis zu den positiven deutlich geringer ist. Eine deutliche Verringerung der Gesamtzahl der Worte sowie der positiven Inhalte der Tweets tritt zum Zeitpunkt der Ankündigung der Gebührenerhöhung sowie im Mai ein.

Quelle: Duale Hochschule Baden-Württemberg, 2017

Auf Basis der gemessenen Wahrnehmung der Gebühreneinführung kann die Finanzgruppe ihre Kommunikation anpassen. Sie sollte beispielsweise die Gründe für die Einführung der Zusatzgebühr noch stärker erklären und auf die derzeitige Kosten- und Ertragssituation der Institute eingehen, um in der breiten Bevölkerung für Verständnis zu werben. Dabei kommt es darauf an, mögliche Auswirkungen auf die Bilanz, die die anhaltenden Niedrigzinsphase, die Aufwände für die Umsetzung regulatorischer Vorgaben und die Anpassung des Geschäftsmodells an das sich verändernde Kundenverhalten verständlich zu vermitteln. Neben einer entsprechenden Schulung der Filialmitarbeiter sollte die Bankengruppe auch intensiver auf Twitter sowie auf der Website und weiteren Social-Kanälen erklärend aktiv werden.

Vielfältige Anwendungsmöglichkeiten

Diese Form der Event-basierten Sentimentanalyse eignet sich gut, um die Wahrnehmung von Produkt- oder Kommunikationskampagnen im Netz zu messen und lässt sich auch auf andere Kanäle erweitern. Allerdings liefert die Analyse auch ein allgemeines Stimmungsbild, wie im Netz über Unternehmen und Unternehmensgruppen gedacht wird und wie die Gefühlslage gerade aussieht. Opinion Mining ist damit ein guter Indikator für die Reputation. Über einen Branchenindex können sich Unternehmen mit anderen vergleichen.

Quelle: Duale Hochschule Baden-Württemberg, 2017

Die Abbildung zeigt das Ergebnis einer 10-tägigen Stimmungsanalyse gegenüber vier ausgewählten deutschen Finanzgruppen. Es ist zu erkennen, dass die Stimmung aller Finanzgruppen über dem Branchenindex liegt, jedoch der Anteil der positiven Tweets bei Finanzgruppe 4 am größten ist.

Eigene Einschätzung zu Opinion Mining

Die Aussagekraft einer solchen Analyse hängt wie immer vom Datenmaterial und der Quellen ab und sollte immer kritisch hinterfragt werden. Kürzlich abgespielte Imagekampagnen und die Medienpräsenz eines Unternehmens aufgrund eines Events um den Erhebungszeitraum herum, können das Stimmungsbild massiv beeinflussen. Derartige Faktoren sollten immer in die Bewertung der Ergebnisse einfließen.

Die Sentimentanalyse ist somit ein gutes Tool um kurzfristige Stimmungsbilder, mit jedoch schwankender Aussagekraft, zu generieren und entsprechende Maßnahmen abzuleiten. Die Algorithmen der Wörterbuch-basierten Methode sowie des maschinellen Lernverfahrens mittels CoBot unterscheiden sich zum Teil deutlich. Daher ist auf jeden Fall das maschinelle Verfahren vorzuziehen, auch wenn es zu höheren Anfangsinvestitionen führt.