SlideShare uses cookies to improve functionality and performance, and to provide you with relevant advertising. If you continue browsing the site, you agree to the use of cookies on this website. See our User Agreement and Privacy Policy.
SlideShare uses cookies to improve functionality and performance, and to provide you with relevant advertising. If you continue browsing the site, you agree to the use of cookies on this website. See our Privacy Policy and User Agreement for details.
Successfully reported this slideshow.
Activate your 14 day free trial to unlock unlimited reading.
Social Media Analytics und individualisierte Kommunikation
3.
„Social media data is clearly the largest, richest and most dynamic
evidence base of human behavior, bringing new opportunities to
understand individuals, groups and society.
(Batrinca/Treleaven 2015)
4.
User
Generated
Content
Text
Bild
Video
Audio
Bewertungen
Beziehungen
Ort
Zeit
Kontext
Emotionen
Interessen
….
Bildung
Gewohnheiten
Stimmung
…
Analyse
5.
„Social media analytics is concerned with developing and evaluating
informatics tools and frameworks to collect, monitor, analyze,
summarize, and visualize social media data, usually driven by specific
requirements from a target application.“
(Zeng et al. 2010)
6.
Sentinent Analysis
Opinion Mining
Network Analysis
Trend Analysis
Topic Modelling
Visual Analysis
Holsapple et al. 2014
Natural Language Processing
Opinion Mining
Sentiment Analysis
Information Retrieval
Pattern Recognition
Data Mining
Predictive Analytics
Batrinca, Treleaven 2015
11.
Beispiel
• Ziel: möglichst viele Daten. NICHT: Durchschnittswerte
• Alle 166 Mio. US-Wähler in Datenbank, zu jedem
mehrere Datenpunkte (Name, Anschrift, Antworten in
Umfragen, Einkommen, Konsumverhalten, Facebook-
Freundschaften etc.)
• Berechnung eines Persuation Score (1-100):
• Wahrscheinlichkeit, dass ein Bürger wählen geht
• Wahrscheinlichkeit, dass ein Bürger Obama wählt
• Fokussierung der Kampagne auf 15 Mio. Wähler, die als
überzeugbar identifiziert wurden
(Kucklick 2014)
12.
Mechanismen
• Singularisierung der
Wähler
• Ständiges Feedback (inkl.
A/B-Testing aller
Kommunikationsmittel)
• Nutzen der privaten
Kommunikation der
Wähler (Freiwillige) Foto: flickr, User: Pargon, CC BY 2.0
13.
– Anwendungsfelder in der PR
Social Media Analytics
14.
Issues Management
• Besseres Verständnis von Issues/Einstellungen
• Früheres Erkennen von Issues
• Verständnis von Verbreitungswegen
• Prognosen zu Impact und Verbreitung
15.
Stakeholder-Management
• zunehmende Heterogenität von Stakeholder
• Singularisierung in Kommunikation
• Identifizierung Kritiker - Unterstützer
• Kommunikation im „Long Tail“
• Bevorzugte Kommunikationskanäle
• Anpassung Tonalität, Argumente, Botschaften,
Themen
16.
User Experience
In 200 m Entfernung ist das Mosch-
Mosch. Dort gibt es vegane Gerichte,
Dein Facebook-Freund Carl empfiehlt
besonders das Gericht King Kong für
8,25 Euro
(nach Kent/Taylor 2014)
Ortsdaten
Vorlieben
Beziehung
UGC
Website
Siri, empfehle mir
ein Lokal!
17.
UX & Content Distribution
• Automatisiert:
• Paid Media
• Ausspielen innerhalb von Owned Media (z.B.
Corporate Magazines, Apps, Bots)
• Individuell:
• Influencer Relations
22.
Arbeitsweisen in Zukunft
• Mehr direkte Stakeholder-Beziehungen
• Genauere Ansprache - weniger Streuverlust
• Granulare Botschaften und Markenerlebnisse
• Dynamische Kommunikationskonzepte bzw.
Kampagnen (laufende Optimierung)
• Detailliertere Impactmessung
23.
Zentrales Problem:
Akzeptanz & Legitimität
der Datenverwendung
25.
Anforderungen
• Methodenkompetenz in Analytics (Toolauswahl, -
anwendung, Interpretation etc.)
• Schnittstellenkompetenz (Datenanalysten, Programmierer
etc.)
• Kommunikation: zwischen automatischer Textproduktion
(z.B. Bot trainieren) und emphatischer
Individualkommunikation
• Strategie: Individuelle Stakeholderkommunikation setzt
(oft) personalisierte, individuelle Kommunikation voraus -
Mensch statt Marke
• Recht und Ethik: Daten als CSR-Thema
26.
Thesen
1
Ohne Analytics kein
Kommunikations-
management
27.
Thesen
2
Social Media Analytics
nur ein Aspekt
• auch: Website
Analytics, Mobile
Analytics etc.
28.
Thesen
3
• Social Media) Analytics
helfen, vorhandene
Informationen zu finden und
zu verstehen - ohne dass
Stakeholder involviert
werden.
• Stakeholder-Engagement ist
ein weitergehender Schritt
29.
Thesen
4
Umfeld: (Re-)Targeting in
Marketing: Sinkende
Akzeptanz
PR muss Legitimität
granularer
Kommunikation
diskutieren
30.
Lackmus-Test
?
Leisten (Social Media)
Analytics einen Beitrag zu
Aufbau und Pflege von
Sozialkapital für
Organisationen?
31.
Quellen
• Batrinca, B.; Treleaven, P.C. (2015): Social media analytics: a survey of techniques, tools and
platforms, in: AI & SOCIETY, Volume 30, Issue 1, pp 89–116, DOI: 10.1007/s00146-014-0549-4
• Holsapple, C.; Hsiao, S.-H.; Pakath, R. (2014): Business Social Media Analytics: Definitions, Benefits
and Challenges, in: Proceedings of the Twentieth Americas Conference on Information Systems,
Savannah, http://aisel.aisnet.org/cgi/viewcontent.cgi?article=1218&context=amcis2014
• Kent, Micheal L. (2015): Social Media Circa 2035: Directions in Social Media Theory, Atlantic Journal of
Communication, 23:1, 1-4, DOI: 10.1080/15456870.2015.972407
• Kurniawati, K., Shanks, G., and Bekmamedova, N. (2013): The Business Impact of Social Media
Analytics, in: Proceedings of the 21th European Conference on Information System, Utrecht, The
Netherlands, p. 48-61.
• Kucklick, C. (2014): Die granulare Gesellschaft, Berlin
• Sinha, V., Subramanian, K.S., Bhattacharya, S., and Chaudhary, K. 2012. "The Contemporary
Framework on Social Media Analytics as an Emerging Tool for Behavior Informatics, HR Analytics and
Business Process," Journal of Contemporary Management Issues (17:2), pp. 65-84.
• Stieglitz, S.; Dang-Xuan, L. (2012): Social media and political communication: a social media analytics
framework, in: Social Network Analysis and Mining, DOI 10.1007/s13278-012-0079-3
• Stieglitz, S.; Dang-Xuan, L.; Bruns, A., Neuberger, C. (2014):
• Social Media Analytics, in: Business & Information Systems Engineering, Issue 2, pp 89-96. DOI
10.1007/s12599-014-0315-7
• Zeng, D; Chen, H.; Lusch, R. and Li, S.H. (2010): Social Media Analytics and Intelligence, in :IEEE
Intelligent Systems, vol. 25, no. 6, pp. 13-16, Nov.-Dec. 2010.doi: 10.1109/MIS.2010.151
(alle Online-Ressourcen geprüft am 16.6.2016)