Immer mehr Fachverantwortliche im Unternehmen möchten gerne wissen, was Nutzer in Social Media-Quellen über ihr Unternehmen und ihre Produkte verbreiten. Nun ist es äußerst mühselig, händische Auswertungen vorzunehmen, insbesondere wenn dies zeitnah und in hoher Frequenz geschehen soll. Vor diesem Hintergrund begeben sich immer mehr Unternehmen auf die Suche nach technischen Social Media-Monitoring-Lösungen. Nicht selten wird dabei erwartet, dass die Monitoring-Tools automatisiert auf jeden relevanten Beitrag hinweisen, der irgendwo im Social Media-Dschungel auftaucht – und zwar nicht nur zu definierten Fragestellungen, sondern auch zu neuen Themen. Außerdem soll jeder Beitrag automatisch auf Tonalität (positiv, negativ, neutral) hin ausgewertet und nach Inhalten klassifiziert werden. Das Ganze sollte möglichst Real-Time erfolgen, also idealerweise unmittelbar nach dem Erscheinen des Beitrags.
Technologieanbieter neigen dazu, diesen Maximalanforderungen eins zu eins genügen zu wollen, aus Furcht sonst im Ausschreibungsverfahren nicht berücksichtigt zu werden. So kommen dann Marketingaussagen zustande, die suggerieren, dass es ähnlich wie bei Suchmaschinen einen unmittelbaren Zugriff auf Hunderttausende von relevanten Social Media-Quellen gäbe oder dass maschinell verstanden werden könne, was ein Beitrag zu bedeuten habe oder wann ein relevantes Thema aufkommt, auch wenn dieses begrifflich noch gar nicht eingegrenzt wurde. Dass die Realität aus guten Gründen anders aussieht, erfahren die Kunden meist erst später. Ihre legitimen, aber unter Machbarkeitsgesichtspunkten überzogenen Erwartungen werden häufig nicht erfüllt.
Es gibt auch Alternativen zu diesem leider nicht seltenen Szenario. Unternehmen könnten z.B. zunächst einmal die Frage aufwerfen, auf welchen Business Case bzw. welche Nutzendimensionen (siehe den vorhergehenden Beitrag) das Monitoring überhaupt einzahlen soll, um dann die Anforderungen an den Technologieprovider entsprechend zu spezifizieren. Geht es z.B. primär darum, generelle Meinungsverteilungen und -trends zu erfassen? Oder soll tatsächlich Issue Management betrieben und jede noch so kleine Quelle kontinuierlich beobachtet werden, um ja nicht zu verpassen, wenn „Problem“-Themen aufkommen, und ggf. direkt Stellung zu nehmen?
Beide Use Cases implizieren ganz unterschiedliche Monitoring-Anforderungen: Im ersten Fall genügt ein in regelmäßigen Abständen durchgeführtes Sampling relevanter Quellen, wobei die Relevanz in einem initialen Quellenscreening zu ermitteln ist. Dieses Stichprobenverfahren kann im Extremfall sogar händisch durchgeführt worden, obwohl auch hier in der Regel technische Unterstützung sinnvoll ist. Der entscheidende Vorteil des Stichprobenansatzes ist, dass menschliche anstatt maschinelle Intelligenz die Relevanz und Bedeutung der Quellen bewertet.
Stichproben machen offensichtlich keinen Sinn, wenn tatsächlich der Anspruch besteht, möglichst jeden Beitrag zu einem Thema zu entdecken, um z.B. öffentlichkeitswirksam Customer Service-Support anzubieten oder aber zu verhindern, dass falsche oder unerwünschte Aussagen unwidersprochen verbreitet werden. Aber auch hier stellt sich die Frage, ob das Pareto-Prinzip greifen soll, d.h. ob man sich begnügt, 70 bis 80% aller Beiträge in Foren und Blogs abzudecken, oder ob man ehrgeizigere Ziele hegt. Letzteres kann den Aufwand deutlich erhöhen, insbesondere mit Blick auf die technische Verfügbarkeit von relevanten Quellen.
Um eine Quelle sauber abzuziehen sowie Autorennamen und Zeitpunkt des Postings exakt zu erfassen, muss der Parser entsprechend angepasst werden. Das bedeutet z.T. signifikanten manuellen Aufwand. Alle anderen Verfahren sind entweder unvollständig oder ungenau. Viele Anbieter, die vorgeben, das gesamte Soziale Web im Zugriff zu haben, gehen über diesen wesentlichen Punkt gerne hinweg.
Auch bezüglich der semantischen Fähigkeiten sollten sich die Anforderungen an das Monitoring-Tool in realistischem Rahmen bewegen. Das gilt z.B. für das Thema automatische Tonalisierung. Natürlich kann über moderne Textmining-Verfahren mit einer bestimmten Güte ein Beitrag als Neutral, Positiv oder Negativ eingestuft werden. Bei mehreren Themen pro Beitrag ist das allerdings schon wesentlich schwieriger. Der Unterschied zur Qualität menschlicher Tonalisierer ist hier noch beträchtlich, vor allem wenn es um Feinheiten geht wie zum Beispiel, ob eine negative Äußerung nur zitiert wurde oder tatsächlich als Meinungsäußerung des Autors zu verstehen ist.
Mit anderen Worten: Käufer von Monitoring-Lösungen und -Services sollten nicht zu leichtgläubig sein, wenn ihnen ubiquitärer Quellenzugriff oder maschinelle Tonalisierung versprochen wird. Außerdem sollten sie sich zunächst selbst darüber klar werden, welchen Qualitätslevel sie eigentlich benötigen. Das gilt auch für das automatisierte Erkennen neuer relevanter Themen jenseits der vorgegebenen Suchbegriffe. Das setzt normalerweise umfangreiche Thesauri und Ontologien voraus, die man zwar erstellen kann, was aber in der Regel mit Aufwand einhergeht, den das Anwendungsunternehmen bezahlen muss.
Ein weiteres weit verbreitetes Missverständnis der Monitoring-Anwender betrifft den Ressourcenaufwand und die erforderlichen prozessualen Maßnahmen für eine effektive Nutzung von Monitoring-Tools. Die einfachste Form der Nutzung ist der Blick auf ein Monitoring-Cockpit sowie die Lektüre vom standardisierten Reports. Beide basieren auf vorher festgelegten Suchtermen und zeigen deren quantitative Veränderungen auf. Monitoring-Tools können jedoch bei richtiger Anwendung viel mehr: So lassen sich über Tag Clouds Begrifflichkeiten anzeigen, die überdurchschnittlich häufig auftauchen. Um zu interpretieren, welche dieser aufpoppenden Begriffe tatsächlich relevant ist, bedarf es des Sachverstands der Fachabteilungen, also z.B. des Produktmarketings. Eine „Maschine“ kann nicht entscheiden, ob es sich lohnt diesem oder jenem Begriff nachzugehen. Auch einem fachfremden Analysten dürfte dies schwer fallen. Daher sollten die Fachabteilungen in der Anwendung des Monitoring-Tools geschult und gleichzeitig Prozesse aufgesetzt werden, die regelmäßige Analysen in den Fachfunktionen vorsehen und die gewonnenen Erkenntnisse verwertbar machen. Vor dem damit verbundenen personellen und organisatorischen Aufwand scheuen bisher viele Anwender zurück, häufig mit dem Argument, dass der Nutzen nicht klar sei. Dieser kann jedoch erst nachgewiesen werden, wenn das Monitoring-Tool vernünftig benutzt wird – das klassische Henne-Ei-Dilemma also.
Die Liste der Erfolgs- und Misserfolgsfaktoren für die Beschaffung und den Einsatz von Monitoring-Lösungen ließe sich fortsetzen. Als generelles Fazit lässt sich festhalten: Bevor ein Unternehmen in Monitoring-Technologie investiert, sollte es zunächst eine empirische Bestandaufnahme dazu machen, wie häufig es überhaupt in Social Media vorkommt und welche inhaltlichen Diskussionen es zu seiner Marke oder seinen Produkten gibt. Basierend auf diesen Ergebnissen ist zu bestimmen, welche Business Cases (Reputation Management, Customer Service, Trenderkennung etc.) im Vordergrund stehen. Hieraus sind dann die Anforderungen ans Monitoring abzuleiten und die entsprechenden Implementierungsbedingungen zu schaffen. Außerdem sollten die Business-Anforderungen idealerweise gleich für mehrere Unternehmensfunktionen definiert werden (also z.B. Marketing, Unternehmenskommunikation, Mafo, Customer Service). damit eine ausbaufähige Plattformlösung als Shared Service aufgesetzt werden kann. Das erleichtert dann auch die Finanzierung eines solchen Tools, weil ja die Budgets mehrerer Unternehmensbereiche genutzt werden können.

Letzte Kommentare