-
Social media monitoring met sentimentanalyse? Liever niet!
Consumenten praten online graag en veel over merken. Zo delen ze positieve ervaringen met een merk via social media, maar klagen ze ook graag over slechte ervaringen. Als je systematisch in de gaten wil houden wat klanten online over jouw merk vertellen – zodat je mogelijk via webcare deel kan nemen aan de conversatie – bestaat er eigenlijk geen andere mogelijkheid dan gebruik te maken van één van de velen social listening-tools.
-
Social media in de verzekeringssector: hoe scoren Nederlandse verzekeraars?
Digitaal je gegevens aanpassen, online declaraties indienen of met een muisklik je polis wijzigen. Het zijn in de verzekeringssector al lang geen onderscheidende factoren meer. Maar technologische ontwikkelingen bieden ook andere mogelijkheden. Halen verzekeraars bijvoorbeeld al alles uit social media? Organisaties die social media gebruiken om bruikbare inzichten op te doen en ze vervolgens ook toepassen, kunnen het verschil maken met de concurrentie. Rond welke verzekeraar was het sentiment afgelopen jaar het positiefst? Welke wordt het meest besproken? Wij onderzochten hoe 64 verzekeraars ervoor staan op social media.
-
Zwarte Piet bewijst: boosheid wordt sneller gedeeld dan blijheid
Bankiers die ons land bijna aan de rand van de afgrond hebben gebracht. De zeer hoge bonussen van de CEO’s. De soms maffe regels van de EU. Geld weggeven aan andere landen in Europa. Politici zoals Kathleen Ferrier die dankzij een verouderd regeltje nu tot haar pensioen van 10 jaar “wachtgeld” aan het genieten is in Hong Kong. Daar worden Nederlanders toch best wel redelijk verontwaardigd van. Maar als je aan Zwarte Piet komt, heb je de Nederlander pas echt bij de lurven. En al helemaal als de VN zich er ook mee gaat bemoeien, getuige het eclatante succes van de Facebook-pagina Pietitie. Bijna 2 miljoen likes in 3 dagen. Fan, Zhao, Chen en Xu, (2013), een aantal Chinese onderzoekers, voorspelden dit al in zeer recent artikel.
-
Ja maar, wat zegt die consument nu eigenlijk?
Dankzij sociale media kunnen consumenten steeds sneller, makkelijker en op grotere schaal hun ervaringen met producten en diensten delen via word-of-mouth. Het wordt dan ook steeds belangrijker om deze word-of-mouth te monitoren en erop in te spelen. Dit kan zowel individueel (webcare) als meer collectief (sentimentanalyse). Je kunt daarbij natuurlijk analyseren wat de consument zegt, of welk gevoel (positief/negatief) eruit spreekt en zo tot hele bruikbare conclusies komen over je product, je klant en je kansen. Dergelijke analyses worden inmiddels gedaan door veel organisaties. In deze blog wil ik graag een lans breken voor de taalwetenschap en laten zien hoe inzichten over taalgebruik kunnen helpen om klanten beter te begrijpen. Want taal is belangrijk, blijkt uit onderzoek. Ik presenteer hieronder een kleine greep uit dit onderzoek.
-
Mensen tweeten anders tegen je merk dan over je merk
Toen de Nederlandse tennisser Robin Haase twee weken geleden negatief in het nieuws kwam vanwege een woede-uitbarsting tijdens een tenniswedstrijd in Rosmalen, gebeurde er online iets opmerkelijks. De situatie werd enorm veel betwitterd (wisselend positief en negatief), maar veel mensen die Haases Twitteraccount tagden (@robin_haase) waren opvallend positief. Ik vroeg me af: is de trend, dat we positiever tegen iemand praten dan over iemand, hetzelfde onder bekende Nederlanders en merken? Ik ging op onderzoek uit in Coosto en dat leverde interessante resultaten op!
-
Storing ING leidde niet tot een negatiever online sentiment op de lange termijn
Begin april werd de ING getroffen door een aantal storingen. Uit het Social Insights Top-100 Merken onderzoek (Greenberry, 2013) bleek dat deze storing het meest besproken onderwerp op sociale media was in de afgelopen drie maanden. Maar heeft dat geleid tot een negatiever online sentiment rondom het merk ING? En wat is de waarde van online sentiment voor merken in het algemeen?
-
Menselijke vs. geautomatiseerde sentimentsanalyse: 0 - 1
Bij sentimentanalyse speelt het woord nauwkeurigheid altijd een hoofdrol. En wat blijkt? Geautomatiseerde sentimentanalyse scoort beter dan de menselijke beoordelingscapaciteiten. Maar hoe goed is de mens dan? Vaak wordt ervan uitgegaan dat mensen het sentiment in een tekst in 70% van de gevallen goed beoordelen. Dat getal wordt vaak gebruikt, maar het is lastig te achterhalen. Op Wikipedia wordt die 70% genoemd, maar er is geen citaat vemeld. En daarnaast, hoe representatief is dat getal voor voor tweets? Om die vraag te beantwoorden, organiseerde ik een maand geleden een experiment.
-
Wat is de toekomst van buzz- en sentimentonderzoek?
Ongeveer een week voor de verkiezingen ontstond er hier op Marketingfacts een kleine discussie naar aanleiding van de blogpost Buzzmonitoring? Cut the crap!. In het door Steven Jongeneel geschreven artikel werden belangrijke kanttekeningen geplaatst bij de vele duidingen van politieke buzz en sentiment. Met name het positioneren van deze data als onderzoeksresultaten en het klakkeloos overnemen ervan door de traditionele media haalde hij aan. Een interessante ontwikkeling volgde op de verkiezingsavond zelf.
Hoe gebruikelijk de peilingen en de nieuwerwetse online voorspellingen ook zijn, er blijven zaken die niet of moeilijk te meten zijn. Zijn deze hoeveelheden sociale data wel te duiden? Geeft een sentimentanalyse een goed beeld van de stemming in het land? Is hierin nog onderscheid te maken tussen handmatige en automatische analyse? En, hoe zullen sentimentanalyses zich in de toekomst gaan ontwikkelen? Door mijn eigen verleden bij een monitoringpartij was ik benieuwd naar de visie van de verschillende (andere) partijen. Wat zijn overeenkomsten en waarin verschillen zij van elkaar? Ik vroeg het Buzzcapture, Finchline, Teezir en Tracebuzz. Coosto was niet in de gelegenheid inhoudelijk te reageren. Martijn Kriens (Upstream) heeft met hen de afgelopen tijd politiek onderzoek gedaan en komt wel aan het woord.
-
Het monitoren van de verkiezingen via social media
In mei en juni van dit jaar schreef ik een serie van drie blogposts over de politiek (1, 2, 3) hier op Marketingfacts. Mede op basis van deze posts heb ik voor RTL de politiek gevolgd op basis van de sociale media. Met behulp van Coosto heb ik analyses gemaakt van partijen, partijleiders, debatten en nog veel meer. Met deze posting willen we graag delen wat ons is opgevallen, wat we geleerd heb over de mogelijkheden en de onmogelijkheden van sociale media-monitoring.
-
Wat voor effect hebben debatten op het imago van een lijsttrekker?
De laatste tijd zijn de lijsttrekkers van de grote partijen veel in het nieuws. Veel berichten gingen over wat de lijsttrekkers gezegd hadden, of dit nu wel of niet waar was en of ze er stemmen mee zouden winnen of verliezen. Met het Carré-debat in het vooruitzicht gaan we eens kijken naar hun imago en de mogelijke reputatieschade die eerdere debatten veroorzaakt kunnen hebben.
-
Marketingfacts polst verkiezingssentiment namens RTL Nieuws
Over iets meer dan drie weken staan we allemaal weer in het stemhokje voor de Tweede Kamer-verkiezingen (jij toch ook?). In aanloop naar die dag brengt Marketingfacts-collega en -blogger Martijn Kriens in het dagelijkse RTL-verkiezingsprogramma Wat Kiest Nederland een overzicht van de inhoud en stemming van de politieke discussies op sociale media als Twitter en Facebook. Welke partijen zijn onderwerp van gesprek, welke lijsttrekker is het populairst en wat zijn de trending politieke thema’s van de dag? Op Marketingfacts zullen we geregeld verslag doen van de analyses die Martijn maakt i.s.m. Coosto.
-
Sentimentanalyse: The Making Of ...
Enige tijd terug schreef ik al over de nauwkeurigheid en de toekomst van sentimentanalyse. Een korte kennismaking met een ongekend interessant nieuw werkterrein. Op dat stuk kreeg ik heel veel leuke reacties. Geïnteresseerde reacties, vaak met de vraag naar meer verdieping. Daarom nu een vervolg, met meer nauwkeurigheid over de nauwkeurigheid van sentimentanalyse. Hoe werkt het? Welke stappen doorloopt de methode en wat zijn de gevolgen als het binnen een van die stappen misgaat?
-
De nauwkeurigheid en toekomst van sentimentanalyse
We kennen het allemaal. Je stuurt iemand een tekstberichtje – een sms, tweet of mailtje – en degene aan wie je het stuurde, begrijpt het verkeerd. Denkt dat je boos bent of dat je op heel iets anders uit bent dan daadwerkelijk het geval is. Het probleem: een verkeerde interpretatie. Dan hebben we het over de menselijke analyse van tekst. Hoe dicht zou automatische sentimentanalyse daarbij in de buurt komen? Kan een computer op basis van patronen en woorden een stukje tekst interpreteren? Hoe verhoudt de nauwkeurigheid zich ten opzichte van interpretatie door een mens? Het zijn intrigerende vragen. Zeker in de context van social media. Op dat vlak heeft zulke sentimentanalyse namelijk de toekomst. Kijk je naar tweets? Dan is een accuraatheid van bijna 70% mogelijk. Hier volgen het waarom en het hoe.
-
Wie wordt de nieuwe CDA-lijsttrekker volgens social media?
Marketingfacts volgt samen met Coosto de verkiezingen in de aanloop naar 12 september. In deze tweede post over het monitoren van de verkiezingstijd op basis van sociale media gaan we ons wagen aan een eerste voorspelling. Gevaarlijk, maar we doen het toch: wie wordt de nieuwe CDA-lijsttrekker?
-
Sentimentanalyse: handmatig of automatisch?
In social media analyses zijn we veelal op zoek naar de grootste criticasters en vanzelfsprekend de grootste enthousiastelingen van een merk, product, campagne of evenement. Om deze personen te vinden en vervolgens hun beweegredenen en argumenten te achterhalen, is het nodig om de verzamelde berichten in te delen in positieve, neutrale en negatieve berichten. Deze sentimentanalyses zijn een veelbesproken onderwerp. En er lijken twee kampen te zijn. Het ene kamp voert deze analyses met de hand uit. Het andere laat dit aan een computer over. Maar hoe verhoudt geautomatiseerd zich nu tot handmatige sentimentanalyse? Blauw Research en de Universiteit van Amsterdam sloegen de handen ineen en zochten het uit.