Mehr als Social Listening

Es handelt sich um ein ausgereiftes Angebot, das jedoch zwei Hauptprobleme aufweist, wie in mehreren Forschungsberichten von Forrester festgestellt wurde. Erstens: die Genauigkeit. Die Welt der sozialen Medien ist riesig und unstrukturiert, voller Witze, Sarkasmus, Übertreibungen, Emojis, idiomatischer Ausdrücke und oft auch mit Abkürzungen oder verkürzten Sätzen. Außerdem gibt es viele Möglichkeiten, das Gleiche zu sagen, was es für herkömmliches NLP sehr schwierig macht, den richtigen Kontext und die richtige Stimmung zu ermitteln.

Das zweite Problem mit Social Listening ist, dass es als alleinstehendes Instrument schwer ist, den ROI zu messen. Social Listening ist keine Plattform, auf der man gezielte Fragen stellen kann. Man bekommt, was man bekommt, aber es sind vielleicht nicht die Informationen, nach denen man sucht, oder sie haben keine Bedeutung, wenn man nicht andere Datensätze analysiert, die zusätzlichen Kontext liefern. Trotz des Eindrucks, dass die sozialen Medien überwiegend mit positiven oder negativen Beiträgen gefüllt sind, ist die überwiegende Mehrheit (87 %) der Meinungen neutral.

Das bedeutet, dass mehr Informationen benötigt werden, um aussagekräftige und umsetzbare Erkenntnisse zu gewinnen, z. B. was für einen Verbraucher wichtig ist, was ihm wichtig ist, was das Produkt tut, das er mag oder nicht mag, welche Vorteile oder andere Eigenschaften er mit dem Produkt verbindet, wie sich das Produkt tatsächlich auf den Umsatz auswirkt und so weiter.

All dies ist möglich, wenn du den Kontext besser verstehst (zurück zu Punkt eins) und die Verknüpfung von Social Listening mit anderen Datensätzen und das Aufbrechen von Datensilos, um eine einzige Quelle der Wahrheit zu schaffen.

Die Verknüpfung von Social Listening mit anderen Datensätzen durch fortschrittliche Analysen liefert handlungsrelevante Einblicke

Forrester gibt an, dass für 42 % der Befragten die größte Herausforderung beim Social Listening darin besteht, verwertbare Erkenntnisse zu gewinnen. Quantitative Daten gibt es im Überfluss, aber qualitative Details werden benötigt, um Strategien zu entwickeln. Die Lösung besteht laut Forrester darin, die Erwartungen an Social Listening anzupassen und es in ein breiteres Datenökosystem einzubinden, das eine vollständige Geschichte erzählen kann.

Neue Fortschritte in der fortgeschrittenen Analytik und NLP in Kombination mit kuratierten Taxonomien machen dies auf Branchen- und Kategorieebene möglich. Die fortschrittliche Analytik kann eine Vielzahl von Datenquellen einbeziehen und tief in Social Listening-Plattformen eindringen, um "Signale" herauszufiltern, die durch den Vergleich mit "Signalen" aus anderen Datenquellen validiert werden können und so vernetzte Erkenntnisse liefern.

Wenn du dir zum Beispiel den folgenden Instagram-Post ansiehst, wie würde eine Maschine verstehen, worüber gesprochen wird und in welchem Zusammenhang es mit anderen Produkten auf dem Markt steht?

 Da wir wissen, dass es um Hautpflege geht, müssen wir den Satz zunächst auf die relevanten Elemente hin untersuchen - den Kontext (Art der Lösung, Eigenschaften, Vorteile, Verwendungszweck) und dann das Sentiment. Die Taxonomie hilft uns, den Text zu klassifizieren und zu verstehen, dass es in diesem Beitrag um ein Serum geht, das gegen fettige und matte Haut eingesetzt und idealerweise morgens und im Sommer aufgetragen wird.

Das ist nur ein Beispiel dafür, wie Skai diese Herausforderung angeht, aber das ist natürlich nur ein Beispiel. Jeden Tag sind 32 Milliarden "Menschen" auf Facebook aktiv; es werden 500 Millionen Tweets gesendet, 2 Millionen LinkedIn-Posts, 4,2 Milliarden Instagram-Likes und so weiter. Der Umfang der zu sammelnden und zu klassifizierenden Daten ist enorm. Signals Analytics sammelt und erfasst diese Quellen zusammen mit anderen externen Datenquellen wie Produktrezensionen, Verkaufsdaten, Patenten, Beiträgen von Key Influencern, Blogs, Foren und mehr, um einen zusammenhängenden Kategoriedatensatz zu erstellen. Die Analysemodelle bewerten dann die Beziehungen zwischen all den verschiedenen Quellen und zeigen Trends und Erkenntnisse auf.

Der folgende Screenshot veranschaulicht dieses Konzept. Das Modell auf der linken Seite zeigt, dass die Verbraucherbedürfnisse nach Seren nicht ausreichend befriedigt werden, indem der Diskussionsstand der Verbraucher mit den Produktaussagen der verschiedenen Wettbewerber auf dem Markt verglichen wird. Die Blasen oben rechts im Diagramm sind die etablierten Trends; unten links sind die aufstrebenden Bereiche, die es zu erforschen gilt.

Als Vermarkter kannst du diese Art von Ergebnissen nutzen, um sicherzustellen, dass deine Produktaussagen mit den wahrgenommenen Vorteilen übereinstimmen und um zu verstehen, welche anderen Wettbewerber ähnliche Aussagen machen. Du willst herausfinden, ob die Verbraucherwahrnehmung je nach Vertriebskanal gleich oder unterschiedlich ist, und deine Marketingkampagnen oder Botschaften entsprechend anpassen. Wenn du in der Produktinnovation tätig bist oder Verbraucher- und MarktforschungWenn du im Bereich Produktinnovation oder Verbraucher- und Marktforschung tätig bist, wirst du wissen wollen, welche anderen Bedürfnisse die Verbraucher in Bezug auf Seren haben, die du nutzen kannst, und wenn du Dateninitiativen für dein Unternehmen verwaltest, wirst du diese mit den tatsächlichen Verkäufen, syndizierten Verkaufsdaten und anderen Quellen abgleichen wollen, um deine tatsächliche Marktpositionierung zu ermitteln.

Auf diese Weise trägt Skai dazu bei, den Wert von Social Listening zu maximieren, indem es mit anderen externen Datenquellen ergänzt wird. So wird einer der Hauptnachteile von Social Media als alleinstehendes Instrument überwunden und es werden aussagekräftige Erkenntnisse gewonnen, auf die reagiert werden kann.

-------------

*DieserBlogbeitrag erschien ursprünglich auf Signals-Analytics.com. Kenshoo hat Signals-Analytics im Dezember 2020 übernommen. Lies die Pressemitteilung.