Sentiment-Analyse

(englisch: Sentiment Detection)

Sentiment, das, Substantiv, Neutrum, Worttrennung: Sen|ti|ment

1. Empfindung, Gefühl

2. (selten) Gefühl der Voreingenommenheit

(Quelle: https://www.duden.de/rechtschreibung/Sentiment, [Stand:31.01.2018])

Analyse, die, Substantiv, feminin, Worttrennung: Ana|ly|se

1. (bildungssprachlich) Untersuchung, bei der etwas zergliedert, ein Ganzes in seine Bestandteile zerlegt wird

2. (Chemie) Ermittlung der Einzelbestandteile von zusammengesetzten Stoffen oder Stoffgemischen mit chemischen oder physikalischen Methoden

(Quelle: https://www.duden.de/suchen/dudenonline/analyse, [Stand:31.01.2018])

Allgemein

Vorab ist zu sagen, dass für einen Erfolg oder auch Misserfolg einer Marke nicht nur die direkten Verkaufszahlen entscheidend sind, sondern vor allem auch die Kundenmeinungen - unabhängig davon ob der potenzielle Kunde das Produkt gekauft hat oder nicht. Das französische Wort “Sentiment“ steht für Empfindung oder Gefühl. Die Sentiment-Analyse (auch Tonalitätsanalyse) beschreibt also die feingliedrige Untersuchung von Gefühlen oder Stimmungen bezüglich eines vorgegebenen Sachverhalts, einer Organisation/Person oder eines Themas. Hiermit kann man also heraus schließen, dass eine Sentiment-Analyse besagen soll, wie die Zielgruppe / die Kunden die eigene Marke wahrnimmt und zudem auch beurteilt. Im Großen und Ganzen behältst du mit der Sentiment-Analyse den Überblick über die Stimmung in den sozialen Medien. Die Einstufung erfolgt meist nach “positiv“, “negativ“ und “neutral“.

Wie ist die Stimmung? Wohlwollend, neutral oder negativ?

Funktionsweise einer Sentiment Analyse

Es gibt neben der manuellen Analyse auch die maschinelle Analyse mithilfe von bestimmten Tools, welche die Sentiment-Analyse in Teilen zumindest auch automatisch durchführen.

Bei der manuellen Analyse nehmen die Menschen die Sichtung der entsprechenden Daten vor. Sie bewerten dann die in den sozialen Medien geäußerten Aussagen, Meinungen und Kommentaren bezüglich positiver, negativer oder neutraler Tonalität.

Hingegen bei der maschinellen Analyse, nimmt die Software diese Einordnung vor und durchsucht somit alle zur Verfügung stehenden Daten. Maschinell ist es zwar einfach möglich, große Textmengen zu analysieren, allerdings ist es dabei wichtig, relevante von nicht-relevante Texte zu unterscheiden. Hier werden außerdem Verfahren angewendet, welche auf die linguistische Quellen oder auf das Konzept des maschinellen Lernens beruhen.

Anwendungsbereiche

Liste Anwendungsbereiche der Sentiment Analyse:

- Soziale Medien

- Produktbewertung

- Kundengespräche

- Service /-Dienstleistungsbewertungen

Sentiment-Analyse an der Börse

An der Börse werden Aktien-Charts, Wirtschaftsdaten, Kennziffern und das Verhalten von Investoren ausgewertet, um Prognosen abgeben zu können, wie sich die Aktienkurse zukünftig entwickeln.

Sentiment-Analyse im Marketing

Im Marketing finden wir den Begriff der Sentiment-Analyse ebenfalls, sie ist dem „Text Mining“ untergeordnet. Aus diversen geschriebenen oder gesprochenen Texten wird die Grundstimmung gegenüber einem bestimmten Thema, Produkt, einer Organisation oder Person heraus gefiltert.

Vor allem im Bereich des Social Media Marketing und des Social Media Monitoring gewinnt die Sentiment-Analyse immer mehr an Bedeutung: Ganz gleich, ob auf Facebook, Twitter, Instagram, in Blogs, auf YouTube oder in Bewertungsportalen: Überall werden Gefühle zu bestimmten Themen, Personen, Organisationen oder Produkten verbreitet. Das kann in Form von Emojis, zu vergebenen Sternen, geschriebenem Text, Sprache in Audioformat, Bildern oder Videos geschehen. Im Rahmen des Social-Media-Monitoring gilt die Sentiment-Analyse als ein Tool, welches online-Beiträge und Posts nicht nur quantitativ, sondern auch qualitativ bewertet. Manuell oder maschinell wird die Meinung, bzw. die Stimmungslage der Internet-Community herausgearbeitet.

Sentiment-Analyse mit künstlicher Intelligenz

Während es früher im Marketing lediglich die manuelle Auswertung von Pressetexten oder Medieninhalten gab, wo reale Menschen die Emotionen und Bewertungen der anderen auswerteten, kann dieser Vorgang heute von lernenden Computern übernommen werden. Diese lernenden Computer werden zunächst mit einer Reihe von Daten und Texten gefüttert, die von Menschen formuliert wurden. Je mehr Daten dem Computer als Grundlage zum Trainieren vorliegen und je breiter das Spektrum an Themen ist, desto genauer wird auch seine spätere Sentiment-Analyse in Bezug auf ihm unbekannte Texte sein. Es werden auch Formeln und Algorithmen eingesetzt. Beispiele:

Das Produkt XY ist lecker und gesund.

(Hier werden dem Produkt XY zwei positive Adjektive zugeordnet und kein negatives – die Bewertung fällt positiv aus.)

Das Produkt XY ist lecker und gesund, aber leider nicht in Glas verpackt erhältlich. (Hier werden wieder 2 positive Adjektive zugeordnet sowie eine Verneinung, so fällt die Bewertung immer noch positiv aus.)

Das Produkt XY ist lecker und gesund, aber leider viel zu teuer und nicht in Glas verpackt erhältlich.

(Hier fällt die Bewertung neutral aus.)

Insgesamt werden die sprachlichen Feinheiten wie der Satzbau, die Wortarten etc. immer besser von Computern analysiert. Die Computer müssen auch Adjektive im Kontext bewerten: Eine "kurze Hundeleine" würde vielleicht negativ interpretiert, eine "kurze Wartezeit" dagegen positiv. Gerade im Internet wird verkürzt oder auch mit Emojis gesprochen, so dass die Software gründlich antrainiert werden muss. Trotz aller Algorithmen: Einer Maschine beizubringen, Sarkasmus oder Ironie zu interpretieren, bleibt dabei eine große Herausforderung.

Sentiment-Analyse und ihr Zweck

Mithilfe der Sentiment-Analyse kann sich ein Unternehmen, eine Firma, Person oder Organisation einen schnellen Überblick verschaffen, welche Gespräche online geführt werden und wie die Stimmung in der Community ist. Somit kann man z.B. erkennen, ob die laufende Social Media Kampagne erfolgreich ist oder korrigiert werden muss. Mithilfe der Sentiment-Analyse können Ursachen erforscht, Produkte verbessert und Kampagnen gelenkt werden. Für die Arbeit an der eigenen Online-Reputation ist die Sentiment-Analyse unabdingbar.