Startpunkt für jedes Monitoring sind der Unternehmensname und die Markennamen der Produkte des Unternehmens. Das Vorkommen dieser Namen im Social Web lässt sich zählen und die Häufigkeit der Nennungen auf der Zeitachse eintragen, sodass eine einfache Trendkurve entsteht. Diese kann als erster Indikator für Veränderungen im Grad der Auseinandersetzung der Bezugsgruppen mit der Marke gewertet werden.

Setzt man den Trendverlauf der Marke dann noch in Beziehung zu den Marken der Wettbewerber, hat man eine erste Vergleichsmöglichkeit geschaffen. Für sich allein genommen ist die Häufigkeit der Erwähnungen aber noch wenig aussagekräftig, weil der inhaltliche Zusammenhang fehlt.

Das ändert sich mit Einführung einer weiteren Analysedimension, der Tonalität. Dieser Analyseschritt wird auch als Sentimentanalyse bezeichnet. Sie begutachtet jede einzelne Fundstelle einer Marke im Social Web auf ihren Erwähnungszusammenhang hin und bewertet ihn nach einfachen qualitativen Kriterien. Dabei kann der »Klang« des Posts insgesamt oder nur in Bezug auf die Marke selbst in ein simples Skalensystem von »sehr negativ« bis »sehr positiv« eingetragen werden.

Über alle Fundstellen hinweg entsteht dann eine in Zahlen und Diagrammen darstellbare, konsolidierte Sicht auf das Stimmungsbild zur Marke im Social Web. Wieder auf die Zeitachse übertragen, können Veränderungen zum Positiven oder Negativen als Indikatoren für externe Ereignisse oder auch eigene Initiativen des Unternehmens herangezogen werden.

Steigt der Anteil der positiven Posts zum Beispiel nach einer kreativen Aktion bei Facebook an, kann das als Indikator für eine gelungene Maßnahme gewertet werden. Jedoch nicht, ohne zuvor die konkreten Fundstellen auch auf einen tatsächlichen inhaltlichen Bezug zur Facebook-Aktion abgeprüft zu haben.

Einige Anbieter von Monitoring-Tools führen als Vorteil ihrer Lösungen auf, dass sie zumindest halb-automatische Sentimentanalysen der gefundenen Artikel leisten. Was viel Zeitersparnis für den Nutzer verspricht, ist in der Praxis mit Vorsicht zu genießen. Und zwar aus einem einfachen Grund: Tools für Social Media Monitoring basieren auf Software, die nach eingebauten Regeln funktioniert. Diese Regeln sind aber nie so flexibel wie der menschliche Geist.

Beim Lesen eines Textes können wir sehr schnell erkennen, ob die Tonalität ernsthaft und im Kontext des gesuchten Begriffs negativ ist, oder ob jemand etwas ironisch kommentiert. Software kann das nicht. (Halb-)automatische Funktionen zur Tonalitätseinstufung analysieren Posts in der Regel auf bestimmte positiv oder negativ belegte Wörter in unmittelbarer Nachbarschaft des im Suchprofil eingerichteten Schlagworts.

So wird die Software sicher bemerken, dass der folgende Tweet nicht freundlich gemeint ist:

Abbildung 4.1 In diesem Beispiel machen Hashtags die Sentimentanalyse einfach.

Das Hashtag #epicfail – oder oft auch einfach #fail – und der negativ belegte Schlüsselbegriff »beschwert« oder »beschweren« werden ausreichen, um diesen Tweet in einer automatischen Sentimentanalyse als negativ zu kennzeichnen.

Beim folgenden Tweet wird es schon schwieriger:

Abbildung 4.2 Die bittere Ironie dieses Tweets kann eine Software nicht erkennen. Eine Sentimentanalyse müsste von Hand erfolgen.

Ein Monitoring-Tool wird ohne Weiteres den Suchbegriff »S-Bahn« finden. Bei einer automatischen Auswertung wird es aber auch das Schlüsselwort »guter« erkennen und den Tweet wohl tendenziell als positiv einordnen. Die Ironie, die in diesem Tweet mitschwingt, kann die Software aber nicht erkennen. Woher soll sie auch wissen, dass im Winter 2009/10 die Berliner S-Bahn zeitweise »witterungsbedingt« gar nicht mehr fuhr und tausende Pendler Zeit und Nerven kostete. Dieses Beispiel zeigt, wie wichtig der Kontext ist, in dem eine Äußerung getätigt wird. Mit dem Kontextwissen würde ein Mensch diesen Tweet allenfalls als neutral einstufen.

Im Regelfall wird eine automatische Sentimentanalyse also immer manuelle Nacharbeit erfordern, damit die Auswertung der gefundenen Posts auch wirklich aussagekräftig wird. Wenn Ihr Unternehmen oder Ihre Marke täglich mehrere hundert oder gar tausende Treffer produziert, steigt der Aufwand enorm an. Deshalb gibt es Lösungen, die zu einem gewissen Grad »lernen« können. Dafür setzen sie auf Erkenntnisse aus der Künstlichen-Intelligenz-Forschung (KI-Forschung), und bedienen sich eines umfangreichen Pools kontextabhängiger Bewertungen von Inhalten. Dieser Pool wird über einen gewissen Zeitraum hinweg aus echten Monitoring-Daten aufgebaut und durch eine Redaktion speziell auf die Bedürfnisse des Anwenders angepasst. Es sind also im ersten Schritt Menschen, die eine Software »trainieren«. Aus dem Bewertungspool werden Muster abgeleitet, die mit hoher Wahrscheinlichkeit darauf hindeuten, dass ein Schlüsselwort in einem positiven, neutralen oder negativen Kontext steht. Sobald das Monitoring »scharfgestellt« ist, werden die Fundstellen mit diesen Mustern abgeglichen und mit einer Bewertung versehen.

Nach diesem Prinzip funktioniert zum Beispiel die Monitoring-Lösung der B.I.G. Business Intelligence Group aus Berlin. Nur möchten wir Sie vorwarnen: Die KI-basierten Monitoring-Lösungen mit automatischer Sentimentanalyse sind die derzeit wohl teuerste Option für das Social Media Monitoring. Und eine hundertprozentige Trefferquote haben auch sie nicht.

Damit kommen wir zur wohl wichtigsten Analysedimension für Social Media Monitoring: zum Kontext. Denn reine Erwähnungen, und seien sie noch so genau auf ihre Tonalität hin bewertet, sagen nicht viel darüber aus, ob die Marke in dem Post eine Haupt- oder eine Nebenrolle spielt. Sie geben auch keine Auskunft darüber, in welchem inhaltlichen Zusammenhang die Marke genannt wird, ob es zum Beispiel um Produktqualität geht, um den Preis oder die Kulanz des Kundendienstes, oder ob vielleicht einfach nur ein zufriedener Käufer seiner Freude über das Produkt Ausdruck verleiht.

Doch erst mit einer Auswertung solcher je nach Unternehmen sehr individueller inhaltlicher Aspekte gewinnt ein Social Media Monitoring an Nutzwert für Kommunikatoren. Schließlich sind PR-Leute es gewohnt, in Themen zu denken, Issues zu beobachten und zu bewerten und aus inhaltlich-thematischen Kontexten Schlüsse für die Verbesserung der Kommunikation zu ziehen.

Nach welchem Schlüssel die Fundstellen eines Social Media Monitorings inhaltlich kategorisiert und damit quantitativ auswertbar gemacht werden, kann nur das betreffende Unternehmen selbst entscheiden. Zu unterschiedlich sind die Kontexte, zu verschiedenartig die Erkenntnisinteressen. Für die Planung der Themen- und Kontextkategorisierung sollten Sie sich Zeit lassen und genau überlegen, wie detailliert sie sein muss, um aussagekräftig genug zu sein. Denken Sie daran, dass Ihr Kategoriensystem klar und umfassend genug sein muss, um auch über eine längere Zeit hinweg Gültigkeit zu haben. Sonst laufen Sie Gefahr, bei der nächstbesten Gelegenheit zusätzliche Kategorien einführen oder zu fein unterteilte Themenkreise wieder zusammenführen zu müssen, damit Sie brauchbare Ergebnisse erhalten.

Wir geben Ihnen ein Beispiel: Angenommen ein Hersteller von Kameraobjektiven vertreibt seine Produkte in zwei Baureihen: eine für Hobbyfotografen und eine für anspruchsvolle Profis. Beide Baureihen sind für drei unterschiedliche Kamerahersteller erhältlich. In jeder Baureihe gibt es 15 Produkte für unterschiedliche Einsatzzwecke. Wollte der Kamerahersteller nun alle Objektivmodelle in seinem Kategoriensystem für das Social Media Monitoring erfassen, hätte er schon 90 verschiedene Punkte in seiner Liste. Manche Profi-Objektive sind nun so speziell, dass davon gerade mal 200 Stück im Jahr verkauft werden. Im Massenmarkt der Hobby-Baureihe werden hingegen mindestens 120.000 Exemplare eines Modells verkauft.

Die Wahrscheinlichkeit, dass sich zu den Hobby-Modellen viele Nutzer im Social Web zusammenfinden und Tipps und Erfahrungen austauschen, ist deutlich höher als bei den hochspezialisierten Profiobjektiven. Selbst wenn das Monitoring drei oder vier Blogposts dazu findet, ist ihr Gewicht im Vergleich zu Hunderten von Erfahrungsberichten aus dem Amateurbereich minimal. Der Aufwand für die Aufschlüsselung jedes einzelnen Objektivs als eigene Kategorie steht also in keinem Verhältnis zum Erkenntnisgewinn. In diesem Beispiel böte es sich also an, nur zwischen Hobby-Baureihe und Profi-Serie zu unterscheiden und dort eventuell noch Untergruppen für drei oder vier typische Einsatzzwecke zu bilden. So würde die Analyse nicht zu kleinteilig und der Objektivhersteller könnte besser vergleichen, welche Themen die Anwender beider Käufergruppen bewegen.

Beim Entwurf des Kategoriensystems für das Social Media Monitoring ist es deshalb sinnvoll, in der Planungsphase definierte Kategorien einmal probeweise auf einen Pool an Suchtreffern anzuwenden. So lässt sich das System je nach Bedarf verfeinern oder vereinfachen, bevor das Monitoring schließlich in die Produktivphase eintritt und dann eine historische Vergleichbarkeit der Ergebnisse geboten ist.

Sobald Sie sich über Themen, Kontexte und quantifizierbare Trends der Marken- oder Produktnennungen ein Bild gemacht haben, folgt der Schritt, der Sie in die Lage versetzt, die gefundenen Artikel als Anlässe für Gespräche im Social Web zu nehmen. Jetzt gilt es, die Personen zu identifizieren, die für Ihr Unternehmen wichtig sind und deren Stimme im Netz gehört wird: die Beeinflusser oder neudeutsch Influencer.

Solange die von einem Monitoring-Tool ausgewerteten Daten über eine frei zugängliche API gesammelt werden, lassen sich Nutzernamen bzw. Autorennamen bei einzelnen Posts recht leicht auslesen. So lässt sich quantifizieren, wie häufig eine bestimmte Person etwas zu Ihrem Unternehmen publiziert hat. Daraus lassen sich dann Ranglisten mit den wichtigsten Influencern erstellen. Das ist zum Beispiel mit Twitter oder Facebook möglich, wo die API den Nutzernamen entweder als Klarnamen oder wenigstens als Nickname ausgeben kann. Mit dem Tool Klout lässt sich zudem eine einfache Netzwerkanalyse durchführen. Die Seite zeigt an, mit welchen anderen Twitterern ein Influencer besonders gut vernetzt ist, und sie ermittelt einen Punktewert, der den tatsächlichen Einfluss verschiedener Twitterer vergleichbar machen soll.

Schwieriger wird es bei Blogposts, denn nicht jeder Blogautor nutzt als Autorenkennung seinen eigenen Namen. Es kommt oft vor, dass Nicknames oder Netzpseudonyme verwendet werden, unter denen die jeweiligen Autoren schon lange online aktiv sind. Für eine Zuordnung zu einer konkreten Person bleibt dann nur der Blick in das Impressum des Blogs. Es hat sich zwar in Deutschland in den letzten Jahren weithin eingebürgert, als Blogautor ein vollständiges Impressum zu führen, eine Pflicht zum Impressum gibt es für Privatpersonen jedoch nicht.

Eine weitere Schwierigkeit kommt hinzu, wenn eine Person verschiedene Social-Media-Plattformen nutzt und zum Beispiel im Blog mit Klarnamen schreibt, bei Twitter jedoch mit einem Nickname unterwegs ist. Auch hier hilft nur die manuelle Recherche.

Angesichts dessen, dass es im Social Web stets auch um den Aufbau von Beziehungen zu Bezugsgruppen geht, lohnt sich die Arbeit einer manuellen Influencer-Identifikation aber auf jeden Fall. Schließlich möchten Sie ja wissen, mit wem Sie es zu tun haben und wer für Ihr Unternehmen als Fürsprecher, Fan oder auch als Gegner im Netz unterwegs ist.

Eine Übersicht zu möglichen Operationalisierungen für das Social Media Monitoring wäre nicht vollständig ohne das Thema Netzwerkanalyse. Schließlich gehört die Vernetzung von Menschen zum Wesenskern des Social Web und sie trägt dazu bei, dass sich interessante Informationen schnell von Mensch zu Mensch verbreiten.

Entsprechend interessant ist die Netzwerkanalyse für Kommunikationsprofis. Im Kern geht es darum aufzuzeigen, wer mit wem online wie eng verbunden ist und auf welchen Wegen Informationen verbreitet werden. Grafisch aufbereitet wird so erkennbar, welche Personen besonders gut »vernetzt« sind, also eine Fülle von (losen) Beziehungen geknüpft haben, und ob deren potenzieller Einfluss auf ihre direkten Kontakte, also die Netzwerkebene ersten Grades, besonders hoch ist. Lässt sich dann noch empirisch nachweisen, dass Informationen, die von einem solchen hoch vernetzten »Knoten« ausgehen, eine besonders schnelle und weite Verbreitung bei Verbindungen zweiten, dritten oder gar vierten Grades haben, so hat man die Person in der Mitte des Netzwerks als wichtigen Influencer validiert.

In der Praxis ist das jedoch leider alles andere als trivial. Denn für eine genaue Netzwerkanalyse benötigen Sie einen Zugang zur Liste der Freunde oder Follower der jeweiligen Person. Bei Twitter können Sie sehen, wer die Follower Ihrer Follower sind. Schon bei Facebook, XING und LinkedIn ist diese Sicht durch die Privatsphäre-Einstellungen eingeschränkt, zudem müssen Sie hier mit der betreffenden Person selbst verbunden sein. Das ist für die Netzwerkanalyse in einem Umfeld, zu dem man bislang keine persönlichen Kontakte pflegt, nicht praktikabel.

Tools, die auf APIs basierende Netzwerke wie Facebook und Twitter direkt auf der Datenebene analysieren, können zu einem gewissen Grad Abhilfe schaffen. Das erfordert jedoch entweder Programmierkenntnisse, um die von den Plattformen angebotenen Daten auch in sinnvolle Informationen umwandeln zu können, oder man setzt auf Tools von Drittanbietern.

Wie eine Netzwerkanalyse visualisiert werden kann, zeigt die Facebook-Applikation Social Graph. Abbildung 4.3 zeigt das Freundesnetzwerk von Tapio Liller bei Facebook. Deutlich zu erkennen sind drei Cluster mit unterschiedlich vielen Personen. Sie zeigen, dass die Personen innerhalb der Cluster untereinander eng vernetzt sind. Zwischen diesen Gruppen gibt es Personen, die die Verbindung zu einem anderen Cluster herstellen und am Rande einige, die zwar einzelne Beziehungen zum Netzwerk haben, sonst aber offensichtlich kaum Berührungspunkte zu anderen in diesem »Social Graph« haben.

Für die PR sind in einer solchen Netzwerkdarstellung zwei Typen von Personen interessant. Der erste Typ hat Beziehungen zu Personen in mehreren Clustern und bildet so eine Brücke zwischen größeren Gruppen. Er ist ein »Konnektor«. In Abbildung 4.3 ist zum Beispiel Tapio Lillers Ehefrau Karen eine solche Verbindungsperson zwischen dem Cluster der deutschen Web- und Social- Media-Szene (rechts oben im Bild) und dem Cluster seiner Freunde aus Studienzeiten (links oben im Bild). Karen wäre also für die Kommunikationsplanung eine interessante Person, weil sie potenziell Informationen in beide Cluster verteilen kann oder sie von der einen zur anderen Seite überbringen kann.

Abbildung 4.3 Karen Liller verbindet durch ihre Kontakte zwei Cluster miteinander. Sie könnte also Informationen in beide Richtungen weiterverbreiten.

Abbildung 4.4 Sachar Kriwoj spielt im Zentrum dieses Clusters die Rolle eines hoch vernetzten Knotens. Als solcher ist er ein wichtiger Influencer für die anderen Personen.

Abbildung 4.4 zeigt etwas vergrößert das Cluster der Web- und Social-Media-Szene und hebt Sachar Kriwoj hervor, der im Zentrum dieses Clusters einen hoch vernetzten »Knoten« bildet. Er ist mit sehr vielen Personen in diesem Cluster verbunden, die wiederum untereinander einen hohen Vernetzungsgrad haben. Sachar wäre also ein idealer »Influencer«, wenn ein PR-Programm es darauf anlegt, die Web-Szene zu erreichen.