In unserem Blogartikel erfährst du, wie moderne Technologien wie Machine Learning und Natural Language Processing dabei unterstützen, große Textmengen aus Social Media, Kundenbewertungen und mehr automatisch zu analysieren und die Stimmung deiner Kundschaft zu erkennen. Entdecke, wie du mit Sentimentanalysen wertvolle Einblicke gewinnst, um deine Marke, deinen Kundenservice und deine Marketingstrategien gezielt zu verbessern.
Definition der Sentiment Analyse
Vielleicht kennst du von die Sentiment Analyse unter einem der vielen anderen Namen: Sentiment Detection, Sentiment Analysis, Stimmungserkennung oder Opinion Mining. Die Sentiment Analyse gehört zum sogenannten Text Mining, was sich vom Data Mining ableitet. Text Mining ist ein algorithmisches Analyseverfahren, mit dem Bedeutungen in unstrukturierten Texten, wie zum Beispiel in Freitext-Antworten in Umfragen, erfasst werden.
Ziel der Analyse ist immer eine Auswertung der Emotionen und Gefühle, die in geschriebenen Texten transportiert werden. Dabei wird die Auswertung in positive, negative oder neutrale Emotionen eingeordnet. Manche Systeme registrieren auch „mixed“ oder gemischte Emotionen.
Die Auswertung verläuft dabei automatisch, sodass du ohne großen Arbeitsaufwand einen guten Überblick über die Stimmung deiner User und Kundschaft in Bezug auf dein Produkt, deinen Service oder deine Marke erhältst.
Sentiment Analysen sind besonders für Kundenbewertungen relevant, da Feedback nicht immer strukturiert vermittelt wird. Menschen reden informell, benutzen Redewendungen oder verstecken Stimmung und Emotionen unterschwellig. Je nachdem, wie viel Feedback du erhältst, ist ein manuelles Sortieren enorm zeitaufwändig. Hast du die Sentimentanalyse aber einmal aufgesetzt, musst du dich um (fast) nichts mehr sorgen.
Arten der Analyse
Generell gibt es zwei verschiedene Ansätze, eine Stimmungsanalyse durchzuführen: der maschinelle Ansatz oder der Wörterbuchansatz.
Wörterbuchansatz
Der Wörterbuchansatz, oder auch Lexikonansatz, beschreibt eine statistische Analyse, bei der eine bestimmte Menge an Wörtern als Basis der Sentimentanalyse vorausgesetzt wird. Die Basis besteht aus Begriffen, mit denen positive oder negative Stimmungen assoziiert werden, zum Beispiel „gut“, „schlecht“, „fantastisch“, grauenhaft“ usw.
Der Algorithmus durchforstet die eingegangenen Texte und bestimmt anhand der Häufigkeit der Wörter, welche Stimmung deine Kundschaft ausdrückt. Die Basis kann neben Wörtern auch Phrasen oder Redewendungen beinhalten, wie zum Beispiel „Schwein gehabt“ für „Glück“ oder „schon nicht schlecht“ für „gut“, was beides ein positives Sentiment ausdrückt.
Das Lexikon kann an die Branche oder den Fachbereich angepasst werden, für den es genutzt wird. Im E-Commerce Bereich ist es nicht unbedingt notwendig, dezidierte Wörterbücher aufzusetzen, da die Menschen hier durchschnittlich ähnlich schreiben, ob sie nun einen neuen Fernseher, ein Shampoo oder T-Shirts kaufen.
Um die Genauigkeit der Analysen zu verbessern, können Sentiment Scores vergeben werden. Das bedeutet, das verschiedenen Wörtern unterschiedliche Werte zugemessen werden. Das kann auf einer Skala von -1 bis +1 passieren oder auf einer Skala von 0 – 100.
Ein Beispiel:
Das Wort „schlecht“ erhält einen Score von -0,5, das Wort „schrecklich“ hingegen einen Score von -0,9, da es mehr Unzufriedenheit ausdrückt, als „schlecht“. „Gut“ hingegen hat einen Score von 0,5, während „fantastisch“ mit 0,9 mehr Enthusiasmus ausdrückt.
Das Wörterbuch kannst du manuell erstellen oder automatisch erstellen lassen. Eine manuelle Erstellung kann durch maschinelles Lernen unterstützt werden, indem du händisch Seed Words, also die wichtigsten Wörter, hinzufügst und diese automatisch um ihre Synonyme und Antonyme angereichert werden.
In jedem Fall solltest du dein Lexikon manuell überprüfen, besonders, wenn den Wörtern ein Sentiment Score zugewiesen wurde.
Maschinelles Lernen
Entscheidest du dich für eine Analyse, die auf Machine Learning Modellen basiert, wird der Algorithmus zu Beginn mit Trainings- und Testdokumenten gefüttert. Diese müssen klare Label enthalten, die den Input mit dem Ergebnis verknüpfen und dem Algorithmus unmissverständlich beibringen, warum zum Beispiel ein Social Media Kommentar oder eine E-Mail positiv oder negativ ist. Nur wenn der Input gut ist, funktioniert der Algorithmus und die Stimmungsanalyse ist zuverlässig.
ML Modelle lernen konstant weiter, je mehr Informationen sie erhalten. Dabei ist es wichtig, dass sie auch mit Natural Language Processing (NLP) trainiert werden, um zu verstehen, wie natürliche Sprache aussieht und funktioniert. Dafür wir unter anderem die Grammatik von unstrukturierten Texten analysiert.
Dafür nutzt du Sentiment Analysen
Kundenfeedback ist ein wertvolles Gut, das viel zu oft nicht richtig genutzt wird. Oft fehlt die Zeit, sich wirklich mit dem Feedback auseinander zu setzen. Besonders, wenn du viele Textmengen hast, sei es aus Umfragen, E-Mails an den Kundenservice oder aus Social Media Kanälen, kannst du nicht jeden einzelnen Text genau auf die Meinungen und Stimmungslage analysieren.
Dabei sind die Emotionen, die User und Kundschaft in ihrem Feedback ausdrücken, einer der Hauptgründe, warum sie ihr User-Verhalten und Kaufverhalten ändern. Die Sentiment Analyse hilft dir dabei, schnell die Meinung und Haltung deiner Kundschaft zu erfassen. Darauf basierend kannst du entscheiden, ob du in eine tiefere Analyse investieren möchtest, etwa wenn die Daten zeigen, dass die Kundenstimmung derzeit außergewöhnlich gut oder schlecht ist. Es lohnt sich deswegen, die Stimmungsanalyse über mehrere Monate hinweg zu verfolgen und zu vergleichen.
Je besser du die Stimmung deiner User verstehst, desto besser kannst du ihre Interaktionen mit deiner Marke und ihre Customer Journey nachvollziehen. Stellst du zum Beispiel fest, dass die Stimmung um besondere Ereignisse herum schlecht ist, etwa rund um Weihnachten, Valentinstag oder Black Friday, kann das etwa an einer längeren Lieferzeit aufgrund eines erhöhten Auftragsaufkommens liegen. Eine tiefere Analyse der Kundenrezensionen kann dir hier Aufschluss geben.
Mittlerweile können die meisten Tools auch Emojis analysieren. Insbesondere im Zeitalter der Sozialen Medien ist es selbstverständlich, den meisten Online-Konversationen Emojis hinzuzufügen. Manche Reviews bestehen auch nur aus einem einzigen Raketen- oder Feuer-Emoji. Die Untersuchung der Emojis muss dann verstehen können, dass Raketen und Feuer in dem Zusammenhang von Kundenbewertungen etwas Gutes bedeuten und eine positive Stimmung ausdrücken.
Anwendungsmöglichkeiten für die Textanalyse sind unter anderem:
Kundenfeedback
Analysiere Freitext-Antworten aus Umfragen, E-Mails an den Kundenservice, Produkt-Reviews auf Amazon & Co. oder Bewertungen deiner SaaS-Tools mithilfe von Sentimentanalysen. Das Feedback ist dein wichtigstes Tool, um deine bisherige Strategie zu überprüfen und eventuelle Schwachstellen in deinem Produktkatalog oder Service zu erkennen. Schalte die Umfragen direkt auf deiner Seite, versende sie in E-Mails oder leite deine Offline-Kundschaft über QR-Codes zur Survey.
Mögliche Fragen, um die Stimmung zu erfassen, sind zum Beispiel:
- Was können wir verbessern?
- Möchtest du uns noch etwas mit auf den Weg geben?
- Was hat dich heute davon überzeugt, bei uns zu kaufen/uns zu buchen?
- Welche Informationen fehlen dir auf den Produktseiten?
Die Inhalte der Antworten werden dann durch die KI und das Machine Learning Modell analysiert und du erhältst übersichtliche Daten zur Stimmung in Bezug auf das Kundenfeedback.
PollHero bietet dir eine KI Sentiment Analyse von jeglichen Freitext-Antworten. Du musst dafür kein zusätzliches Tool benutzen, die Analyse ist direkt integriert.
In den Umfrageergebnissen kannst du bei allen Freitext-Fragen direkt sehen, welche Meinung deine Kundschaft vertritt. Neben positiv, negativ und neutral zeigen wir dir in den Daten auch an, ob es gemischte Meinungen gibt. Eine gemischte Meinung kann zum Beispiel sein: „Die Lieferung hat viel zu lange gedauert, aber das Produkt war das Warten wert.“
Teste PollHero und die Sentiment Analysis 30 Tage kostenlos!
Reputationsmanagement & Markenwahrnehmung
Größere Unternehmen haben dezidierte Teams, die sich um das Reputationsmanagement sorgen, auf die Bewertungen eingehen und gemeinsam mit anderen Teams an der Markenwahrnehmung arbeiten. Egal, ob eigenes Team oder nicht, eine Sentiment Analyse kann dir ganz schnell einen Überblick verschaffen. Gib einfach alle Google My Business Rezensionen, Bewertungen auf OMR Reviews oder Trusted Shops Reviews an dein Sentimentanalyse-Tool weiter und erfahre, ob die Kundenmeinungen eher positiv oder negativ gestimmt sind.
Du kannst auch nur bestimmte Zeiträume analysieren lassen. Das empfiehlt sich besonders, falls du etwas an deiner Dienstleistung oder deinem Produkt, deiner Website oder deinem allgemeinen Markenauftritt geändert hast. So siehst du sehr schnell, wie die Veränderung angenommen wurde und kannst entsprechende Maßnahmen ergreifen.
Mitarbeitendenzufriedenheit
Führst du eine Net Promoter Score Umfrage durch, fasst du oft mit Folgefragen nach und bittest um eine Ausführung der Bewertung. Durch den durchschnittlichen NPS kennst du die grundsätzliche Stimmung deiner Mitarbeitenden zwar schon, aber es ist dennoch sinnvoll, eine Sentiment Analysen der drei unterschiedlichen Gruppen (Detraktoren, Indifferente, Promotoren) zu erstellen. Schließlich ist es möglich, dass deine Detraktoren dich dennoch relativ hoch bewerten, mit vielen 6en und positivem Sentiment, das durch das negative Feedback durchscheint. In diesem Fall ist die Stimmungsanalyse eine Art doppelter Boden, der den NPS erneut absichert oder dir spannende, weiterführende Insights geben kann.
Wettbewerbsanalyse
Statt deine eigenen Textmengen zu analysieren, kannst du auch die Textdaten deiner Konkurrenz genauer untersuchen. Wie wird deine Konkurrenz von ihrer Kundschaft angenommen? Fällt eine Marke besonders positiv oder negativ auf? Du kannst anhand des Stimmungsbildes deiner Wettbewerber deine eigenen Marketing-Maßnahmen untersuchen und so Abwanderer auffangen.
Social Media Monitoring
Besonders, wenn du viele Kommentare auf unterschiedlichen sozialen Medien erhältst, kannst du bzw. kann dein Social Media Team schnell den Überblick verlieren. Eine Echtzeit-Sentimentanalyse pro Kanal hilft dabei, Prioritäten zu setzen. Ist die Stimmung auf LinkedIn generell gut, aber auf Instagram bekommst du viele negative Kommentare, weißt du, worum du dich zuerst kümmern solltest.
Vorteile und Nachteile der Sentiment Analyse
Überlege dir in Ruhe, wie wichtig dir die Vor- und Nachteile einer Sentiment Analyse sind, bevor du dich damit auseinandersetzt, sie in deinem Unternehmen zu etablieren.
Vorteile
- Zeitersparnis durch automatische Zusammenfassung
- guter, schneller Überblick über die Stimmung
- konsistente Messgröße, die über einen längeren Zeitraum hinweg verglichen werden kann
- objektive Ergebnisse, die nicht durch persönlichen Bias verfälscht werden
- Stimmungsüberwachung in Echtzeit
Nachteile
- nicht gut für eine geringe Anzahl an Texten geeignet, da die Analyse dank Machine Learning Modell anhand der Textdaten stetig besser wird
- Ergebnisse sind nicht immer fehlerfrei, da das Verfahren noch relativ jung ist
- Context is Key und muss im Algorithmus gepflegt werden. Zum Beispiel ist „leise“ eine gute Qualität für Waschmaschinen, aber eine schlechte Qualität für die Moderation eines gebuchten Workshops.
- Analyse erkennt keinen Sarkasmus und würde zum Beispiel „Fantastisch, noch eine Lieferung ohne Bedienungsanleitung, wirklich toll“ als positiv deuten
Fazit
Zwar stecken Sentiment Analysen noch in den Kinderschuhen, aber die genutzte KI wird mit jedem Text, den du ihr zum Lernen gibst, besser und genauer. Die schnelle Übersicht kann dir eine längere Recherche ersparen und dir gute Hinweise auf Schwachstellen und Stärken deines Produkts, deiner Dienstleistung oder deiner Marke geben.
Möchtest du eine Sentiment Analyse etablieren, musst du kein Wörterbuch selbst erstellen oder einen Algorithmus trainieren. Es gibt mittlerweile zahlreiche Agenturen oder Unternehmen, die dir gute Tools anbieten, um deine Stimmungsanalyse ohne viel Aufwand durchzuführen. PollHero hat eine Sentiment Analyse bereits integriert, sodass du zwei Tools zum Preis von einem bekommst.