IBM weist darauf hin, dass sich innerhalb der sozialen Medien „die Nachricht von einem großartigen Produkt wie ein Lauffeuer verbreiten kann. Und Nachrichten über ein schlechtes Produkt – oder eine schlechte Erfahrung mit einem Kundendienstmitarbeiter – können sich genauso schnell verbreiten. Verbraucher ziehen Unternehmen jetzt für ihre Markenversprechen zur Rechenschaft und teilen ihre Erfahrungen mit Freunden, Kollegen und der breiten Öffentlichkeit.“

Social Media Analytics helfen Unternehmen, diese Erfahrungen zu verarbeiten und sie zu nutzen, um:

• Trends in Bezug auf Angebote und Marken zu erkennen
• Gespräche zu verstehen – was gesagt wird und wie es aufgenommen wird
• daraus die Meinung der Kunden zu Produkten und Dienstleistungen abzuleiten
• Reaktionen auf soziale Medien und andere Mitteilungen zu messen
• Funktionen mit hohem Wert für ein Produkt oder eine Dienstleistung zu erkennen
• herauszufinden, was die Wettbewerber sagen und wie effektiv sie sind
• herauszufinden, wie sich Drittanbieter und -kanäle auf die Leistung auswirken können

Diese Erkenntnisse können nicht nur genutzt werden, um taktische Anpassungen vorzunehmen, wie zum Beispiel die Reaktion auf einen verärgerten Tweet, sondern sie können auch dazu beitragen, strategische Entscheidungen zu treffen. Tatsächlich stellt IBM fest, dass Social Media Analytics jetzt „in die zentralen Diskussionen darüber einfließen, wie Unternehmen ihre Strategien entwickeln“.

Diese Strategien wirken sich auf eine Reihe von Geschäftsaktivitäten aus:

• Produktentwicklung – Die Analyse von Facebook-Beiträgen, Tweets und Amazon-Produktbewertungen kann ein klareres Bild von Kundenproblemen, sich ändernden Anforderungen und den gewünschten Funktionen liefern. Trends lassen sich identifizieren und verfolgen, um das Management bestehender Produktlinien zu gestalten und die Entwicklung neuer Produkte zu steuern.
• Kundenerfahrung – Eine IBM-Studie ergab, dass „sich Unternehmen von produktorientierten zu erlebnisorientierten Unternehmen entwickeln“. Auf allen sozialen Kanälen lassen sich Verhaltensanalysen anwenden, um Mikro-Momente zu nutzen, Kunden zu begeistern und die Loyalität und den Lebenswert zu erhöhen.
  Branding – Social Media ist möglicherweise die weltweit größte Fokusgruppe. Die Verarbeitung natürlicher Sprache und die Stimmungsanalyse können kontinuierlich positive oder negative Erwartungen überwachen, um die Markengesundheit zu erhalten, die Positionierung zu verfeinern und neue Markenattribute zu entwickeln.
• Wettbewerbsanalyse – Es ist immer wichtig zu wissen, was Wettbewerber tun und wie Kunden reagieren. Beispielsweise kann ein Wettbewerber andeuten, dass er auf einen Nischenmarkt verzichtet. Damit entsteht eine Chance. Oder ein Anstieg der positiven Erwähnungen für ein neues Produkt kann Unternehmen auf Marktveränderungen aufmerksam machen.
• Betriebseffizienz – Mit Hilfe einer gründlichen Analyse der sozialen Medien können Unternehmen die Nachfrage besser einschätzen. Einzelhändler und andere können diese Informationen nutzen, um Lagerbestände und Lieferanten zu verwalten, Kosten zu senken und Ressourcen zu optimieren.

Der erste Schritt für effektive Social Media Analytics ist die Entwicklung eines Ziels. Die Ziele können von der Umsatzsteigerung bis zur Lokalisierung von Serviceproblemen reichen. Davon ausgehend können Themen oder Schlüsselwörter ausgewählt und Parameter wie beispielsweise Fristen festgelegt werden. Auch Quellen müssen spezifiziert werden – Reaktionen auf YouTube-Videos, Facebook-Gespräche, Twitter-Diskussionen, Amazon-Produktrezensionen, Kommentare von Nachrichtenseiten. Es ist wichtig, Quellen auszuwählen, die für ein bestimmtes Produkt, eine bestimmte Dienstleistung oder eine bestimmte Marke relevant sind.

Normalerweise wird ein Datensatz erstellt, um die Ziele, Themen, Parameter und Quellen zu unterstützen. Daten werden abgerufen, analysiert und über Visualisierungen dargestellt, die das Verständnis und die Bearbeitung erleichtern.

Diese Schritte sind typisch für einen allgemeinen Ansatz zu Social Media Analytics, den man mit verschiedenen Funktionen der Social Media Analytics-Plattformen noch effektiver gestalten kann.

• Natürliche Sprachverarbeitung und maschinelles Lernen identifizieren Entitäten und Beziehungen in unstrukturierten Daten – Informationen, die nicht für eine Datenanalyse vorformatiert sind. Fast alle Social Media-Inhalte sind unstrukturiert. Diese Technologien sind entscheidend, um aussagekräftige Erkenntnisse zu gewinnen.
• Segmentierung ist eine grundlegende Notwendigkeit in Social Media Analytics. Sie kategorisiert die Teilnehmer sozialer Medien nach Geografie, Alter, Geschlecht, Familienstand, elterlichem Status und anderen demografischen Merkmalen. Das kann dabei helfen, Influencer in diesen Kategorien zu identifizieren. Botschaften, Initiativen und Antworten lassen sich besser abstimmen und zielgerichtet verwenden, wenn man versteht, wer zu wichtigen Themen interagiert.
• Verhaltensanalysen werden verwendet, um die Bedenken von Social-Media-Teilnehmern zu nachzuvollziehen, indem Verhaltenstypen wie „Benutzer“, „Empfehler“, „Interessent“ und „Kritiker“ zugewiesen werden. Das Verständnis dieser Rollen hilft dabei, gezielte Botschaften und Antworten zu entwickeln, um der jeweiligen Wahrnehmung gerecht zu werden, sie zu ändern oder abzulenken.
• Die Stimmungsanalyse misst den Ton und die Absicht von Social-Media-Kommentaren. Dabei werden in der Regel Technologien zur Verarbeitung natürlicher Sprache verwendet, um Entitäten und Beziehungen besser zu verstehen und positive, negative, neutrale oder ambivalente Eigenschaften aufzudecken.
• Share of Voice analysiert Prävalenz und Intensität in Gesprächen über Marke, Produkte, Dienstleistungen, Reputation und mehr. Dies hilft bei der Ermittlung von Schlüsselproblemen und wichtigen Themen. Es hilft auch dabei, Diskussionen als positiv, negativ, neutral oder ambivalent zu klassifizieren.
• Clustering-Analysen können verborgene Unterhaltungen und unerwartete Erkenntnisse aufdecken. Sie stellen Assoziationen zwischen Schlüsselwörtern oder Phrasen her, die häufig zusammen vorkommen, und leiten daraus neue Themen, Probleme und Möglichkeiten ab. Hersteller von Backpulver entdeckten beispielsweise mithilfe der Clustering-Analyse neue Verwendungsmöglichkeiten und Chancen.
• Dashboards und die Visualisierung von Diagrammen, Grafiken, Tabellen und anderen Präsentationsmitteln fassen die Ergebnisse von Social Media Analytics zusammen und geben sie weiter – eine wichtige Möglichkeit zur Kommunikation und zum Handeln auf der Basis des Gelernten. Sie ermöglichen es den Benutzern auch, Bedeutungen und Erkenntnisse schneller zu erfassen und auch ohne fortgeschrittene technische Kenntnisse tiefer in bestimmte Ergebnisse einzutauchen.