Im Internet werden im Sekundentakt Meinungen geäußert und verbreitet. Kein menschliches Gehirn kann all diese Informationen aufnehmen und analysieren. Zum Glück gibt es inzwischen Software und Tools, mit denen sich nachvollziehen lässt, was welche Kunden wo schreiben. Die Sentimentanalyse dient dabei dazu, die Stimmungslage der Kunden zu eruieren.

Wie das Verfahren funktioniert und welche Vor- und Nachteile Tools zur Sentimentanalyse mit sich bringen, haben wir hier für Sie zusammengefasst.

Download: Social Media Trends 2020

Die Bedeutung der Sentimentanalyse für Unternehmen

Sind die Kunden mit unseren Produkten zufrieden? Was mögen die Leute an unserem Unternehmen und was nicht? Wie kommt die neue Kampagne an? Antworten auf Fragen dieser Art werden Ihnen dank digitaler Medien heutzutage praktisch auf dem Silbertablett serviert – Sie brauchen nur zu analysieren, wie und was im Netz über Ihr Unternehmen gesagt wird.

Kein Wunder daher, dass Social-Media-Monitoring im Allgemeinen und die Sentimentanalyse im Speziellen zunehmend an Bedeutung gewinnen. Denn Letztere ermittelt die Tonalität der veröffentlichten Inhalte und analysiert somit nicht nur die Quantität, sondern auch die Qualität der Beiträge und Kommentare. So ergibt sich eine repräsentative Einschätzung, ob die vorherrschende Stimmung eher positiv, negativ oder neutral ist.

Und das wiederum hat Einfluss auf unternehmerische Entscheidungen. Denn je besser Sie über die Meinung Ihrer (potenziellen) Kunden Bescheid wissen, desto gezielter können Sie darauf reagieren und Produktentwicklung, Marketing oder Ihren Service entsprechend ausrichten. 

Wie funktioniert die automatische Sentimentanalyse?

Für kleine Unternehmen mit geringem Bekanntheitsgrad und überschaubarer Community kann die Sentimentanalyse ruhig ein manueller Prozess sein, bei dem Beiträge in sozialen Netzwerken von Mitarbeitern selbst gesichtet und bewertet werden. Je größer jedoch der Bekanntheitsgrad wird, desto mehr wird auch über ein Unternehmen gesprochen und desto umfangreicher wird die Analyse der Inhalte.

Bei der automatischen Sentimentanalyse übernehmen Softwarelösungen und Tools diese Aufgabe und erstellen ein Stimmungsbild aus den analysierten Inhalten. Folgende Daten werden dabei ausgelesen:

Je nachdem, welche Software zur Anwendung kommt, wird sich die Herangehensweise bei der Sentimentanalyse unterscheiden. Dabei wird aber stets auf eine statistische Analyse linguistischer Charakteristika zurückgegriffen.

Linguistische Analyse

In der einfachsten Variante durchsucht eine Software Beiträge und Kommentare dahingehend, wie häufig vorab definierte positive und negative Schlüsselwörter darin vorkommen. Diese Vorgehensweise birgt jedoch Risiken, wenn ein Satz etwa mehr positive Schlüsselwörter als negative enthält. Wenn beispielsweise die Bewertung eines Onlineshops folgendermaßen lautet:

Die Zahlung funktionierte einwandfrei und die Lieferung erfolgte schnell, aber die Qualität des Produktes war miserabel.

Die Software würde die Bewertung durch das 2:1-Verhältnis (einwandfrei & schnell vs. miserabel) insgesamt als positiv einstufen und damit falsch interpretieren. Ausgefeiltere Systeme ermöglichen es, Begriffe zu gewichten und individuelle linguistische Besonderheiten (wie Verneinungen oder wiederkehrende Sprachmuster) zu erfassen.

Dennoch hat dieses System seine Tücken. Da Sprachen äußerst komplex sind und beispielsweise kontextabhängige Bedeutungsunterschiede von Wörtern aufweisen, kann es hier keine absolute Interpretationssicherheit geben. So ist die Stimmung bei einer „kurzen Wartezeit“ vermutlich positiv, während die „kurze Lebensdauer“ eines Produktes eher von einem enttäuschten Kunden erwähnt wird.

Der in sozialen Netzwerken übliche Sprachstil birgt hier noch zusätzliche Tücken. Umgangssprachliche Ausdrücke, Dialekte, zielgruppenspezifische Trends oder auch der Einsatz von Abkürzungen und Emojis sind an der Tagesordnung. Von einem standardisierten Sprachgebrauch wird hier oftmals abgewichen, was es für viele Tools schwierig macht, die untersuchten Inhalte korrekt zu analysieren.

Maschinelles Lernen

Hier kann maschinelles Lernen mitunter einen erfolgversprechenderen Ansatz liefern. Dabei aktualisiert die Software anhand von bereits analysierten Beispieldaten laufend die Einschätzungen dazu, welche Äußerungen als positiv oder negativ zu bewerten sind – ungeachtet dessen, ob die verwendete Ausdrucksweise als „normal“ eingestuft wird oder nicht.

Wie gut das funktioniert, hängt von der Menge und Qualität der Daten ab, mit denen die Software gefüttert wird – je mehr Beispiele, desto besser. Die fortwährend gesammelten Informationen bilden hier eine Basis für die Analyse und Bewertung neuer Inhalte.

Doch auch diese Methode ist nicht gefeit vor Fehlinterpretationen. Die Herausforderung liegt hier darin, die Software in allen Themenbereichen, in denen sie eingesetzt wird, mit ausreichend Beispieldaten zu versorgen. Denn nur, weil ein Programm zum Beispiel auf Hotelbewertungen trainiert wird, liefert es noch lange keine aussagekräftigen Ergebnisse für den Sportartikel-Handel.

Hilfreiche Tools zur Sentimentanalyse in Social Media

Alleine auf Facebook werden pro Tag weltweit rund 55 Millionen Status-Updates in Form von Beiträgen, „Gefällt mir“-Angaben oder Kommentaren veröffentlicht. Natürlich ist davon nur ein Bruchteil auch tatsächlich für das jeweilige Unternehmen relevant. Trotzdem gibt diese beeindruckende Zahl ein Gefühl dafür, warum automatisierte Tools zur Sentimentanalyse durchaus hilfreich sind.

Moderne Softwarelösungen wie Brandwatch, QuickSearch oder Hootsuite Insights bedienen sich bereits künstlicher Intelligenz, um Beiträge auf Social-Media-Plattformen, Nachrichtenseiten, Blogs, Foren und Bewertungsportalen nach ihrem Kontext zu bewerten und so die tatsächliche Bedeutung hinter dem Geschriebenen zu erfassen. Damit analysieren sie nicht nur die Stimmung gegenüber Marken, Produkten oder Kampagnen, sondern identifizieren auch Trends und Einflussfaktoren innerhalb der Community.

Soziale Netzwerke haben enormes Potenzial, Meinungen zu prägen und zu verbreiten. Vor allem für Unternehmen ist dies hochgradig relevant, da die Außenwahrnehmung der Marke oder der Produkte unmittelbaren Einfluss auf künftige Kaufentscheidungen der Community und neuer Interessenten nehmen kann. Eine Sentimentanalyse liefert Ihnen wichtige Erkenntnisse über die aktuelle Stimmung und damit die Möglichkeit, mit entsprechenden Maßnahmen gezielt darauf zu reagieren.

Social Media Trends 2020

Ursprünglich veröffentlicht am 16. Januar 2020, aktualisiert am Januar 29 2020

Themen:

Kundenzufriedenheit