ANZEIGE
Folgen Sie uns:
planung & analyse GmbH auf facebook.de planung & analyse auf twitter.de planung & analyse GmbH auf google+ planung & analyse GmbH auf xing

Editor's Pick


Das Ende der Dummheit?

Bild: pixabay.com 

 Bild: pixabay.com


Markiert künstliche Intelligenz in der Marktforschung das Ende oder den Anfang der Dummheit? Letzteres wäre der Fall, wenn wir uns in die (blinde) Abhängigkeit von maschinellem Lernen und selbstlernenden Algorithmen begeben würden. KÜNSTLICHE INTELLIGENT braucht menschliche Intelligenz und andersherum. Wie künstliche Intelligenz die Ergebnisse von Social Media Screening verbessern kann, zeigt Konrad Weßner von puls aus Nürnberg.


Mit Social Media Screening wird der von Konsumenten oder B2B-Kunden im Web 2.0 generierte Content erkannt und so verdichtet, dass Markttrends und mögliche Markenbeschädigungen frühzeitig erkannt werden. So können Markenverantwortliche aktiv und frühzeitig gegensteuern.

Konkret soll durch Social Media Screening herausgefunden werden, welche Themen, egal ob positiv, negativ oder neutral, über Unternehmen, Marken, Produkte, neue Technologien oder Marketingmaßnahmen im Social Web besprochen werden. Aufgezeigt wird auch, in welchen Foren, Blogs oder sozialen Netzwerken die Beiträge im Zeitverlauf "gepostet" werden.

Besonders geeignet ist Social Media Screening, um spontane Feedbacks besonders involvierter Personen zu neuen Technologien, wie etwa Elektromobilität oder Connected-Car-Funktionen, neue Werbekampagnen, Preis- und Beitragserhöhungen oder Skandale, Qualitätsprobleme, Rückrufe oder mögliche Markenbeschädigungen, wie etwa beim VW-Abgasskandal, strukturiert zu erfassen und zu verdichten.

Die Ergebnisse werden dann in Form kundenindividueller Online-Dashboards und dahinterliegender Indices (etwa dem Social Reputation Index) aufbereitet und zugriffsfähig gemacht. Die Auswertung solcher Beiträge ist mühsam und aufwendig und bindet viele Kräfte. Es ist daher naheliegend, diesen Vorgang via Künstliche Intelligenz zu automatisieren.

Bessere Insights durch selbstlernendes Textmining

Wenn wir unter künstlicher Intelligenz den Versuch verstehen, menschenähnliche Intelligenz zu automatisieren, liegt die Wertschöpfung intelligenter Social Media Analysen auf der Hand: Nur selbstlernende (= künstlich intelligente) Textmining-Analysetechnologien geben effiziente Antworten auf die naheliegende Frage, über welche Themen im Zusammenhang mit bestimmten Marken, Produkten, Technologien im Web 2.0 gesprochen wird. Nur auf diese Weise gelingt es, die tatsächlich wichtigen Themen in unstrukturierten Texten zu entdecken und im Sinnzusammenhang zu verstehen.

Für dieses Topic Detection müssen die Technologien typische Wortbedeutungen und Wortassoziationen verstehen und kontinuierlich lernen, in welchen Sinnzusammenhängen Wörter verwendet werden. Zusätzlich sollten intelligente Analyseverfahren die Bedeutung von Marken, Fachbegriffen und Abkürzungen aus der zu beobachteten Branche beigebracht werden.

Um selbstlernendes Textmining anbieten zu können, haben wir in Zusammenarbeit mit den auf automatisierte Textanalyse spezialisierten Lehrstühlen der Hochschulen Hof und Leipzig linguistische Datenbanken zu Themen wie Connected Cars, Elektromobilität, neue Automobilantriebe, Direktbanken oder Heil- und Pflegemittel aufgebaut und mit lernenden Algorithmen verknüpft.

Zudem müssen Veränderungen der Sinnzusammenhänge von Begriffen und Wörtern kontinuierlich gelernt werden. Nach einer Testphase des Textmining-Systems war klar, dass die durch künstliche Intelligenz unterstütze Social Media Analyse die explorative Aufdeckung von Themen und Herausforderungen auf eine neue Erkenntnisebene hebt.

Beispiel VW-Skandal

Das explorative Social Media Screening der Beiträge zum VW-Abgasskandals deckt via selbstlernender Textmining Technologie die Themen auf, die die Kunden in diesem Zusammenhang tatsächlich bewegen. Im Unterschied zu klassischen Kundenbefragungen stehen dabei spontane Bewertungen aus dem Alltag im Vordergrund. Automobilhersteller, Händler und Zulieferer gewinnen so wertvolle Reaktionszeit.

Dass sich automatisiertes Textmining der Social Media Beiträge lohnt, zeigt sich schon daran, dass wir im deutschsprachigen Web 2.0 zwischen September 2015 und Januar 2016 knapp 12.000 qualitativ aussagefähige Beiträge zum VW-Skandal extrahieren konnten. 90 Prozent dieser Kommentare wurden kurz nach Bekanntwerden des Skandals verfasst. Als Ergebnis haben wir drei Top-Themen identifiziert:
  • Personen, die sich im Web 2.0 zum VW-Skandal äußern, wünschen sich zuallererst konkrete Informationen zu betroffenen Fahrzeugen (43,8 Prozent), den konkreten Folgen für die Abgaswerte (32,8 Prozent) und den betroffenen Dieselmotoren (32 Prozent). Da sich im Web 2.0 vor allem die vom VW-Skandal direkt betroffenen Personen äußern, werden an dieser Stelle bereits klare Informationsdefizite von VW zum Ablauf und der Organisation der aus dem VW-Skandal resultierenden Rückrufaktionen deutlich.
  • Zum Zweiten werden Fragen zur Rolle und der Reaktion des Managements gestellt. Dabei geht es um (möglichen) Betrug (30,5 Prozent) und Fragen zur Übernahme der Verantwortung (22,6 Prozent) sowie die Zeitdauer der Reaktionen (20,3 Prozent).
  • Zum Dritten werden Fragen zu möglichen Strafzahlungen für VW (29,6 Prozent) sowie die Folgen für den Umweltschutz (14,4 Prozent) und die Reputation von VW (12,4 Prozent) gestellt.
Den Knowing-Doing-Gap schließen

Nach dem Motto „People don’t live in Excel-Sheets“ liefern intelligente Social Media Analysen nicht nur in sich zusammenhängende Themen, sondern auch dazugehörige Einzelnennungen aus dem täglichen Leben der Menschen. Die hohe Alltagsrelevanz solcher Aussagen erzeugt nach allen unseren Erfahrungen deutlich mehr Handlungsdruck als die gängigen Power-Point-Charts mit aggregierten Ergebnissen. Wenn intelligentes Social Media Screening durch Repräsentativstudien ergänzt wird, entwickeln sich daraus integrierte Wissenslösungen mit hoher Maßnahmenrelevanz.

Eine Einschränkung müssen wir dabei immer machen: Auch (künstlich) intelligentes Textmining der Social Media Beiträge wird niemals in der Lage sein, Ironie zu verstehen. Dies ist oftmals aber auch mit Hilfe natürlicher Intelligenz schwer möglich.

Empfehlungen für exploratives Social Media Screenings:

1. Bauen Sie ein kontinuierliches Social Media Screening zu Ihrem Unternehmen, Ihrer Marke, Ihren Produkten und den für Sie relevanten Themen auf.

2. Entwickeln Sie proaktiv für „den Fall der Fälle“ einen schnellen Reaktionsprozess auf mögliche kritische (oder auch positive) Beiträge im Web 2.0. Um Spekulationen, Gerüchte und ein Hochschaukeln negativer Kommentare zu vermeiden, kommt es dabei auf Geschwindigkeit an.

3. Beantworten Sie als betroffenes Unternehmen zuerst die Fragen, die im Web 2.0 als Themen aufgeworfen werden. So hätte VW die negativen Folgen von „Dieselgate“ wohl durch schnelle und strukturierte Informationen zur Organisation der Rückrufe, persönliche Verantwortungsübernahme ohne Wenn und Aber und Aufzeigen möglicher Folgen für den Konzern abmildern können.


Dr. Konrad Weßner 

 Dr. Konrad Weßner

Dr. Konrad Weßner ist Geschäftsführer der puls Marktforschung GmbH in Schwaig bei Nürnberg


KI ist Titelthema
in Heft 4/16 von planung&analyse

Dort finden sich weitere Beiträge
zum Inhalt | zum Abo | dieses Heft bestellen


Facebook Twitter Google LinkedIn Xing RSS Email