Die Sentimentanalyse ist ein wertvoller Bestandteil von State-of-the-Art Media Intelligence Tools. Ihr liegt der Vorgang der sogenannten Sentiment Detection zugrunde. Da wir unsere Funktionalität zur Sentimentanalyse stetig verbessern und damit zu den Vorreitern in diesem Bereich gehören, wollen wir mit diesem Beitrag etwas mehr Licht in das Thema Tonalitätsanalysen bringen.
Inhalt
Was bedeutet Sentiment?
Was ist eine Sentimentanalyse?
Welchen Zweck hat eine Sentimentanalyse?
Wie funktioniert eine Sentimentanalyse?
Was sind verschiedene Arten der Sentimentanalyse?
Wer kann eine Sentimentanalyse durchführen?
Die Entwicklung maschineller Sentimentanalyse
Die Zukunft von Sentimentanalyse Tools
Was bedeutet Sentiment?
Das Wort Sentiment stammt aus dem Französischen und bedeutet Empfindung oder Gefühl. Es beschreibt die psychologische Stimmungslage und ist eine Messgröße, die wertvolle Erkenntnisse darüber vermittelt, wie eine Marke von einer Zielgruppe wahrgenommen und beurteilt wird, insbesondere auf Social Media Plattformen und in redaktionellen Nachrichtenmedien - damit spielt die Sentimentanalyse im Marketing eine wichtige Rolle. Diese Marketing-Metrik wird angewendet, um Marken bei der Kontrolle und dem Schutz ihrer Reputation zu unterstützen und gleichzeitig das Online-Umfeld zu beobachten.
Die Beobachtung von Sentiment kann eurem Unternehmen aber auch in Echtzeit zeigen, wie eure Mitbewerber von eurem Zielmarkt wahrgenommen werden oder wie eure jüngste Influencer-Marketingkampagne bei eurem Publikum ankommt. Grundsätzlich könnt ihr sie zur Erfassung der Tonalität sämtlicher Konversationen in den Social Networks anwenden, von Filmkritiken bis hin zu News-Reportagen.
Was ist eine Sentimentanalyse?
Es gibt keine einheitliche Definition der Sentimentanalyse, da sie in so vielen verschiedenen Szenarien eingesetzt wird. Grundliegend lässt sich jedoch folgende Beschreibung festhalten:
Die Tonalitätsanalyse, wie die Sentimentanalyse auch genannt wird, findet Anwendung beim Erfassen der Stimmung in einer Branche, beim Ermitteln negativer Empfindungen und beim Umgang mit diesen - diese wertvollen Insights können zur Umwandlung in eine positive Markenwahrnehmung genutzt werden. Das Resultat: Die Möglichkeit zur Entwicklung einer effektiven Geschäftsstrategie und mehr Raum für Unternehmenswachstum.
Welchen Zweck hat eine Sentimentanalyse?
Je nach Bereich erfüllt die Durchführung von Tonalitätsanalysen einen anderen Zweck. Wir gehen im Folgenden kurz auf die Anwendung im Marketing und an der Börse ein.
Sentimentanalyse im Marketing
Es gibt verschiedene Anwendungsfälle für Tonalitätsanalysen im Marketing:
- (Online) Reputationsmanagement
Der naheliegendste Anwendungsfall liegt im Reputationsmanagement. Dadurch, dass Marketing- und PR-Aufgaben immer weiter verschwimmen, liegt es in immer mehr Firmen an den Marketern, sich um das Image der Organisation oder Brand zu kümmern. Mittels Sentimentanalysen lässt sich einfach herausfinden, wie die Öffentlichkeit denkt und an welchen Punkten Verbesserungspotential herrscht. Das ist auch in Hinblick auf das Thema der Corporate Social Responsibility (CSR) wichtig. - Branding
So wie es beim Reputationsmanagement darum geht, ein positives Image zu bewahren, beginnt Branding damit, erstmal ein Image zu etwablieren. Wenn ihr euch fragt: "Was sollte die Message meiner Brand sein" oder , dann lohnt es sich, mittels Sentimentanalysen in verschiedene Zielgruppensegmente einzutauchen und zu verstehen, welche Themen viel oder wenig diskutiert und welche positiv oder negativ besetzt sind. Dieses Vorgehen bietet Marketern eine Basis, um eine starke Marke zu etablieren. - Zielgruppenanalysen zur Verfeinerung von Marketingkampagnen
Jeder Marketer sollte wissen, für wen er seine Vermarktungsstrategien anlegt. Dementsprechend sollten Zielgruppen in Segmente und Personas aufgedröselt werden, die verschiedene Eigenschaften haben. Diese Eigenschaften sollten persönliche Vorlieben miteinbeziehen und an dieser Stelle kommen Tonalitätsanalysen zum Tragen. Denn durch Sentiment Detection lässt sich einfach herausfinden, wie (potentielle) Zielgruppen über Themen, Produkte, Dienstleistungen, Marken, Unternehmen und so weiter denken. So weiß jeder Marketer, woran er ist, wo es noch Verbesserungspotential gibt und an welchen Stellschrauben in den Marketingaktivitäten noch gedreht werden sollte.
Tipp: Nutze unsere kostenlose Vorlage zur manuellen Sentimentanalyse.
Sentimentanalyse an der Börse
Nicht nur im Marketing sondern auch im Finanzwesen - genauer genommen an der Börse - finden Tonalitätsanalysen einen wichtigen Anwendungsbereich. Genau wie wir es in unserem Beitrag zur Analyse des Börsengangs von Beyond Meat machen es auch Finanzprofis täglich: Die Stimmung der Investoren und Shareholder wird datenbasiert analysiert, um den Verlauf des Aktienkurses vorherzusehen.
Wie funktioniert eine Sentimentanalyse?
Die Sentimentanalyse bestimmt, ob der Ton eines Texts positiv, negativ oder neutral ist, indem bestimmte Wörter oder Ausdrücke durch Opinion Mining extrahiert werden. Das funktioniert durch die sogenannte Sentiment Detection. Eine Tonalitätsanalyse kann sowohl manuell als auch automatisiert durchgeführt werden. Für die automatisierte Version werden allerdings komplexe technische Grundlagen verwendet. Bei beiden Varianten ist die Grundlage allerdings gleich:
Texte werden nach positiven und negativen Äußerungen durchsucht, um zu bestimmen, in welchem Ton diese gemeint sind. Ein Algorithmus kann diese Aufgabe nach und nach durch Machine Learning übernehmen. Entscheidend sind bei dieser Methode die Beispieldaten.
Die Sentimentanalyse dient - trotz ihres Rufs als alternative Messgröße - als Schlüsselkomponente jeder fortschrittlichen Analyse. Deshalb ist die Tonalität von Social Media Erwähnungen auch einer der wichtigsten Social Media KPIs, die in keinem Reporting fehlen dürfen.
In der heutigen Welt, in der die Medien und insbesondere Social Media Insights dominieren, kann die Betrachtung eines solchen Datensatzes entscheidend dazu beitragen, eure Marke von der Konkurrenz abzuheben und eure Content Strategie zu optimieren.
→ Wenn ihr selbst eine manuelle Sentimentanalyse durchführen möchtet, dann nutzt unser kostenloses Template!
Was sind verschiedene Arten der Sentimentanalyse?
Modelle zur Stimmungsanalyse konzentrieren sich auf die Polarität (positiv, negativ, neutral), aber auch auf Gefühle und Emotionen (wütend, glücklich, traurig usw.) und sogar auf Absichten (z.B. interessiert vs. nicht interessiert).
Hier sind einige der beliebtesten Arten von Sentiment Detection aufgeführt:
Detaillierte (Fine-grained) Sentimentanalyse
Sentiment Detection von Emotionen
Aspektorientierte Sentimentanalyse
Detaillierte (Fine-grained) Sentimentanalyse
Wenn die Genauigkeit der Polarität für ein Unternehmen wirklich wichtig ist, können die üblichen Polaritätskategorien noch erweitert werden, sodass man eine wesentlich genauere Skala erhält:
- Sehr positiv
- Positiv
- Neutral
- Negativ
- Sehr negativ
Dieser Vorgang wird gewöhnlich als fine-grained (also detaillierte) Stimmungsanalyse bezeichnet und könnte z.B. zur Interpretation von 5-Sterne-Ratings in Rezensionen verwendet werden:
- Sehr positiv = 5 Sterne
- Positiv = 4 Sterne
- Neutral = 3 Sterne
- Negativ = 2 Sterne
- Sehr negativ =1 Stern
Sentiment Detection von Emotionen
Diese Art der Gefühlsanalyse zielt darauf ab, Emotionen wie Glück, Frustration, Wut, Traurigkeit usw. zu erkennen. Viele Emotionserkennungssysteme verwenden Lexika (d.h. Listen von Wörtern und den damit vermittelten Emotionen) oder komplexe Algorithmen des maschinellen Lernens. Wir bei Meltwater werten in unserer Social Listening Plattform beispielsweise die in Posts genutzten Emojis aus, um unseren Kunden einen Einblick in die Gefühlslage der User zu geben.
Einer der Nachteile der Verwendung von Lexika ist, dass Menschen Emotionen auf unterschiedliche Weise ausdrücken. Einige Wörter, die typischerweise Ärger ausdrücken, wie z.B. Bombe oder zerstören, können auch Glück ausdrücken (z.B. "Das ist Bombe!" oder "der Support zerstört!"). Auf dieses Problem gehen wir im Absatz " Das Problem: Ungenaue Social Media Daten
Aspektorientierte Sentimentanalyse
Bei der Analyse der Stimmung von Texten, z.B. von Produktrezensionen, wollt ihr in der Regel wissen, welche Aspekte oder Merkmale von Menschen als positiv, neutral oder negativ eingestuft werden. Hier kann eine aspektorientierte Stimmungsanalyse helfen, zum Beispiel in diesem Text: "Die Akkulaufzeit dieser Kamera ist zu kurz", könnte ein aspektbasierter Classifier feststellen, dass der Satz eine negative Meinung über das Merkmal "Akkulaufzeit" ausdrückt.
Wer kann eine Sentimentanalyse durchführen?
Prinzipiell kann jeder ohne die Hilfe eines Tools eine Tonalitätsanalyse durchführen - solange die Datenmenge überschaubar bleibt.
Das funktioniert so:
- Fragestellung formulieren, die man beantworten möchte.
Beispiel: Wie gut kommt mein neues in meiner Marketingkampagne beworbenes Produkt an? - Alle Kommentare sichten.
In diesem Beispiel könnten also schlichtweg alle Kommentare, die zu den Ads und Posts die Teil der Kampagne sind, von einem Mitarbeiter gesichtet und gesammelt werden. - Kommentare tabellarisch auswerten.
Die gesammelten Kommentare können nun in einer Tabelle nach positiven und negativen Meinungen sortiert gelistet werden. Dabei kann auch eine detailliertere Skala genutzt werden (s.Detaillierte (Fine-grained) Sentimentanalyse
). Was ist der Durchschnitt der Kommentare nach der genutzten Skala? Und welche Aspekte werden im Positiven sowie im Negativen am häufigsten genannt?
Was aber, wenn die Datenlast zu groß wird für eine manuelle Analyse? Dann hilft euch ein Social Media Monitoring Tool wie unseres dabei, diesen Prozess zu automatisieren. Im Folgenden gehen wir etwas näher auf den Algorithmus ein, der dahinter steckt.
Manuelle vs. maschinelle Analyse
In der heutigen Zeit von Big Data gibt es oftmals schlichtweg zu viele Daten, um eine Sentimentanalyse von Anfang bis Ende auf manueller Basis durchzuführen. Denn wer hat schon Zeit, sich Tausende von Social Media Posts und Rezensionen durchzulesen, um daraus am Ende einen Durchschnitt zu erstellen? Es wäre warscheinlich sogar eine endlose Aufgabe, denn täglich kommt eine große Anzahl neuer Beiträge hinzu. Deshalb finden Sentimentanalysen auf Grundlage großer Datenmengen immer mittels Unterstützung eines Algorithmus' statt.
So gliedert sich die Durchführung von Tonalitätsanalysen mittels Algorithmen:
- Regelbasiert: Diese Systeme führen Sentiment Detection auf der Grundlage einer Reihe von manuell erstellten Regeln durch.
- Automatisch: Systeme verlassen sich auf Techniken des maschinellen Lernens, um aus Daten zu lernen.
- Hybride Systeme kombinieren sowohl regelbasierte als auch automatische Ansätze.
Die Entwicklung maschineller Sentimentanalyse
Da wir bei Meltwater einen großen Fokus auf die stetige Weiterentwicklung unserer maschinellen Sentimentanalyse legen, die in unsere Meltwater Media Intelligence Plattform integriert ist, wollen wir auftretende Probleme, Lösungen und einen Ausblick für euch Beleuchten.
Das Problem: Ungenaue Social Media Daten
Sprache ist oft vage oder stark kontextabhängig. Das macht es für einen Algorithmus äußerst schwierig, sie ohne menschliche Unterstützung zu verstehen. Aus diesem Grund sind menschlich erläuterte Daten und Insights unerlässlich, wenn eine Machine Learning Plattform für die Analyse von Stimmungen und die Interpretation von Informationen entwickelt wird. Die Tonalität eines Artikels genau zu verstehen, ist der Schlüssel zur Erfassung aufschlussreicher, verwertbarer Daten und zur Bereitstellung von relevanten Themen- und Trenddaten.
Der ursprünglich von uns angewendete Algorithmus hat die Stimmung eines Textes als Ganzes bewertet. Je länger das Dokument, desto ungenauer konnte die Tonalität erfasst werden und desto verzerrter war die Analyse.
Die Lösung: Perfektionierung der Verarbeitung natürlicher Sprache durch Media Intelligence
Die Entwicklung von der Bewertung eines gesamten Dokuments hin zu einer Betrachtung der einzelnen Sätze bietet eine präzisere Art, wertvolle Marketing Insights zu gewinnen. Dabei wird die Tonalität eines jeden Satzes des Artikels oder Beitrags einzeln bewertet (positive, negative, neutrale Sprache).
Bei der dokumentbasierten Analyse werden zwar die einzelnen Sätze betrachtet, die Gesamtbewertung erfolgt jedoch anhand der Summe aller berücksichtigten Sätze.
In unserem Engineering Blog erfährt ihr mehr darüber, wie unsere Data Scientists Sentiment berechnen.
Sobald ihr den Wert der Analyse auf Satzebene als Bestandteil eurer KPIs nachvollziehen könnt, kann der Entscheidungsprozess in eurem Unternehmen drastisch beeinflusst und zu einem wichtigen Bestandteil der Medienanalyse gemacht werden. Natürlich könnt ihr auch sogenannte Word Clouds nutzen, um genauere Eindrücke in die am häufigsten in positiven und negativen Zusammenhängen genannten Begriffe zu erhalten. Das haben wir in der folgenden Abbildung für euch dargestellt.
Das Ergebnis: Präzisere Informationen mit Social Data
Bei dieser neuen Methode sehen wir in jeder Sprache einen deutlichen Umschwung der Tonalität (global 55-65 % weniger notwendige manuelle Anpassung). Dank Media Intelligence erhalten wir künftig einen umfassenden Einblick in Themen- und Trenddaten. Infolgedessen können wir unsere Kommunikationsstrategie anpassen und den Konsumenten Botschaften vermitteln, die sie begeistern. Ein weiterer Vorteil ist, dass auch kleinste Datensätze wie ein Keyword oder ein Ausdruck analysiert werden können.
Plötzlich sind wir also in der Lage, neue Geschäftsmöglichkeiten an der Spitze des Sales Funnel zu erkennen und Data Mining zu nutzen, um das reale Wachstum unserer Marken voranzutreiben. Wir können über die Messung der grundlegenden KPIs wie Engagement und Reichweite hinausgehen und wirklich verstehen, welche Emotionen ein Inhalt bei unseren Zielgruppen auslöst.
Anpassung von Marketingstrategien durch Innovation
Die bedeutendste Innovation der neuen Sentimentanaylse bringt jedoch die Kundenfeedbackschleife mit sich. Dabei werden bei jedem Kunden, der eine Sentimentbewertung auf unserer Plattform überschreibt, Informationen in unsere Systeme zurückgespeist, um deren Genauigkeit zu verbessern. Auf diese Weise wird unsere Analyse noch aussagekräftiger.
Hier ein Beispiel
Nehmen wir an, du betrachtest die Sentimentanalyse in ihren früheren Formen. Du stellst vielleicht fest, dass die Stimmung deiner Zielgruppe negativ war, weil durch Media Intelligence eine Analyse auf Gesamtebene erstellt wurde. Mit dem aktualisierten Verfahren bemerkst du nun aber, dass derselbe Text eine positive Stimmung aufweist. Weshalb? Weil bei der Satz-für-Satz-Analyse ein genauerer Messwert resultiert, der danach zu einem präziseren Gesamtergebnis kombiniert wird.
Heute verfügt Media Monitoring Software dank des technischen Fortschritts über diese Fähigkeit. Nun ist es an der Zeit, diese Technologie in deine Social Media Planung zu integrieren. Auf diese Weise kannst du ein System zur Tonalitätsanalyse schaffen, das sich auf deine gesamten Marketingaktivitäten auswirkt.
Die Zukunft von Sentimentanalyse Tools
Während sich unsere Methode und die angewandten Technologien stetig weiterentwickeln, arbeitet unser erstklassiges Data-Science-Team kontinuierlich an neuen und intuitiven Möglichkeiten zur Optimierung der Sentimentanalyse. Ein Beispiel, das sich bereits abzeichnet, ist das sogenannte Entity Based Sentiment. Dabei geht es darum, die Stimmung bestimmter Personen, Unternehmen oder anderer Entitäten in einem Text zu erfassen, wodurch die Dateninterpretation und damit die Sentiment Detection noch vielschichtiger wird.
Es ist also nur eine Frage der Zeit, bis die weltweite Anwendung dieser Technologie und damit die Möglichkeit, positive und negative Stimmungen zu beobachten, für Werbe-, Marketing- und PR-Fachleute zur Norm wird. Je früher ihr diese Technologie in eurem Unternehmen einführt und euch damit einen Wettbewerbsvorteil verschafft, desto schneller könnt ihr euer Social Media Management optimieren, neue Chancen identifizieren, euren Content verbessern, euren Ruf pflegen und nachvollziehen, was eure Kunden besonders an euch schätzen. Ihr werdet in der Lage sein zu entscheiden, ob ihr mit dem richtigen Publikum über relevante und für sie wichtige Themen sprecht, anstatt sich auf die Basics zu beschränken und das Social Listening zu vernachlässigen, das eure Marke von anderen abheben kann.
Wenn du dir gerne selbst ein Bild unserer Sentimentanalyse machen möchtest, dann fülle einfach das folgende unverbindliche Formular aus und erhalte eine kostenlose Demo unserer Plattform.
