Analytics im Web 2.0

95
Analytik im Web 2.0 - Soziale Netze nutzen und entschlüsseln 23. November 2010 Roland Fiege

description

Integration von Social Media Monitoring-Erkenntnissen in bestehende Geschäftsprozesse.

Transcript of Analytics im Web 2.0

Page 1: Analytics im Web 2.0

Analytik im Web 2.0-

Soziale Netze nutzen und entschlüsseln

23. November 2010

Roland Fiege

Page 2: Analytics im Web 2.0

Agenda

- Vorstellung- Social-Media-Revolution?- Aus Unternehmenssicht: Was ist das Neue?- Relevanz für die wirtschaftliche Nutzung?- Business Cases- Social Media Monitoring- „Social CRM“

2

Page 3: Analytics im Web 2.0

Ihr Dozent

• Roland Fiege (1969), [email protected]

• MBA (Business Information Systems)

• fachl. Schwerpunkt: Corp. Social Media Strategien, Social Media Balanced Scorecard

• Leistungen:

• herstellerunabhängige Beratung & Evaluation

• Entwickung & Implementierung von „Social Plugins“

• Dozent & Trainer (de, eng, fr)

3

Page 4: Analytics im Web 2.0

fachliche Netzwerke & Projekte

• fachl. Netzwerke:

Hochschule St. Gallen (Fokusgruppe Social Media) Fachgruppe Social Media BVDW

• Buchprojekt:

Social Media Balanced Scorecard (Vieweg/Teubner - Springer Fachmedien, Wiesbaden)

Leitfaden Social Media Monitoring(BVDW)

4

Page 5: Analytics im Web 2.0

Vorträge und Beiträge• Webmontag MRN

• DGI-Konferenz

• Tweetakademie

• Social Media Magazin

• T3N

• facebookmarketing.de

• Social Software Conference (MUC)

• FH Ludwigshafen, Pop-Akademie Mannheim

• Fokusgruppe Social Media Strategie HSG, St. Gallen

5

Page 6: Analytics im Web 2.0

im Social Web

6

Page 7: Analytics im Web 2.0

Herausforderung SM

• allg. Verwirrungszustand

• „...Social Media müssen wir machen...“

• aber warum eigentlich?

• hohe Innovationsgeschwindigkeit

• Relevanz?

Page 8: Analytics im Web 2.0

8

„Entscheidend ist, was hinten rauskommt.“

Page 9: Analytics im Web 2.0

9

= >

Page 10: Analytics im Web 2.0

Relevanz SM?

10

87% der befragten Unternehmen schätzen die Relevanz von Social Media für Ihre

Organisation als steigend ein.

Quelle: Teilergebnis I, Studie Next Corporate Communication HSG

Page 11: Analytics im Web 2.0

11

Page 12: Analytics im Web 2.0

Worum geht es eigentlich?

Definitionen & Grundsätzliches

Page 13: Analytics im Web 2.0

Definition SM (BVDW)• „Social Media sind eine Vielfalt digitaler Medien und

Technologien, die es Nutzern ermöglicht, sich untereinander auszutauschen und mediale Inhalte einzeln oder in Gemeinschaft zu gestalten. Die Interaktion umfasst den gegenseitigen Austausch von Informationen, Meinungen, Eindrücken und Erfahrungen sowie das Mitwirken an der Erstellung von Inhalten. Die Nutzer nehmen durch Kommentare, Bewertungen und Empfehlungen aktiv auf die Inhalte Bezug und bauen auf diese Weise eine soziale Beziehung untereinander auf. Die Grenze zwischen Produzent und Konsument verschwimmt. Diese Faktoren unterscheiden Social Media von den traditionellen Massenmedien. Als Kommunikationsmittel setzt Social Media einzeln oder in Kombination auf Text, Bild, Audio oder Video und kann plattformunabhängig stattfinden“ (vgl. BVDW, 2009, Social Media Kompass, S. 5)

13

Page 14: Analytics im Web 2.0

kürzer:

• “Unter Web 2.0 wird eine Reihe von Entwicklungen im Netz zusammengefasst, die Soziale Netzwerke und User Generated Content in den Mittelpunkt stellen. Dabei verwischt die klassische Rollenverteilung von Medienanbietern und -konsumenten und es entstehen zahlreiche neue Kommunikationsformen“.

Miriam Meckel & Katharina Stanoevska-Slabeva (Hrsg.): Web 2.0: Die nächste Generation Internet

14

Page 15: Analytics im Web 2.0

15

Page 16: Analytics im Web 2.0

Web 2.0 Mechanismen im Social Web

• Informationen

• konsumieren

• teilen

• kommentieren

•mitteilen

•Dialog!

16

Page 17: Analytics im Web 2.0

Kommunikation 1:n

17

Page 18: Analytics im Web 2.0

Kommunikation heute

18

Page 19: Analytics im Web 2.0

90 : 9 : 1

Page 20: Analytics im Web 2.0

Ungleiche Verteilung

20

http://www.useit.com/alertbox/participation_inequality.html

Page 21: Analytics im Web 2.0

21

Page 22: Analytics im Web 2.0

Natives vs. Immigrants?

Page 23: Analytics im Web 2.0

Wichtige Zielgruppen im Social Web

• Digital Natives vs. Digital Immigrants

• Ihre (zukünftigen) Mitarbeiter

• Ihre (zukünfigen) Kunden

23

Page 24: Analytics im Web 2.0

Digital Natives?

24

Page 25: Analytics im Web 2.0

Welche Kanäle sind sinnvoll für meine Organisation?

• Kriterien zur Auswahl der Social Media Kanäle

• Ziele?

• wo ist meine Zielgruppe?

• welches Medium passt zu meiner Organisation & Zielgruppe?

• eigene Community schaffen?

25

Page 26: Analytics im Web 2.0

Chancen & Risiken• Kommunikation auf „Augenhöhe“

• Empfehlungskultur

• Transparenz (Nestlé, BP, Chefticket), unkontrollierbar

• Reichweite durch virale Effekte (+/-)

• Engagement vs. Werbedruck (Fans vs. Ads)

• Social Graphs erlauben Clustering von Zielgruppen (Targeting beim Advertising)

26

Page 27: Analytics im Web 2.0

27

Page 28: Analytics im Web 2.0

Risiken in Social Media

28

Page 29: Analytics im Web 2.0

Chancen

29

Page 30: Analytics im Web 2.0

Haben wir den Zug schon verpasst?

30

Page 31: Analytics im Web 2.0

31http://blueberrytotem.files.wordpress.com/2010/02/dont-panic.jpg

Page 32: Analytics im Web 2.0

32

Page 33: Analytics im Web 2.0

33

Page 34: Analytics im Web 2.0

Business Cases

Wertschöpfung durch die Einbindung von Social Media

Was uns brennend interessiert:

Page 35: Analytics im Web 2.0

Social Media Business Cases für unser Unternehmen

35

Zentrale Frage:

Wo und wie kann Social Media mit all seinen Möglichkeiten zur Wertschöpfung beitragen?

Page 36: Analytics im Web 2.0

Nutzungsmöglichkeiten Social Media für/in

36

Page 37: Analytics im Web 2.0

Social Media in

37

Imagebildung (intern & extern)

Ansprache von HS-Absolventen

-> Innovatives Unternehmen

Studenten und Praktikanten finden und binden

Page 38: Analytics im Web 2.0

38

Page 39: Analytics im Web 2.0

39

Page 40: Analytics im Web 2.0

Scorecard

40

Ziele Maßnahmen KPIs Vorgaben

Ansprache Absolventen

Youtube, Twitter und Facebook nach allen

Regeln des Social Media Marketings

„befeuern“ (Schwerpunkt HR-

Ziele)

# „sehr guter“ Bewerber p. Periode

# Bewerber bestimmter

Hochschulen

>20% Bewerber mit 1er Notenschnitt p.

Studienjahr

>20% BWL-Absolventen aus MA/Köln/Muc

Imagebildung

Youtube, Twitter und Facebook nach allen

Regeln des Social Media Marketings

„befeuern“ (Schwerpunkt HR-

Ziele)

# „sehr guter“ Bewerber p. Periode

# Bewerber bestimmter

Hochschulen

>20% Bewerber mit 1er Notenschnitt p.

Studienjahr

>20% BWL-Absolventen aus MA/Köln/Muc

Studis & Praktis erreichen

Youtube, Twitter und Facebook nach allen

Regeln des Social Media Marketings

„befeuern“ (Schwerpunkt HR-

Ziele) Anzahl rekrutierter Werkstudenten

50 Werkstudenten p. a. über Social Media

rekrutieren

Kosten Hochschulmarketing

halten

Budgets effektiver und effizienter einsetzen

TEUR Ausgaben für Hochschulmarketing

Qualität* der Neueinstellungen um

10% steigern

Page 41: Analytics im Web 2.0

Social Media in

41

B2B / B2C(Social) CRM

- weniger Kontaktverwaltung- mehr Beziehungsmanagement

- Integration Timeline & Lifestream

- Video Channels- Integration (z.B. von Empfehlungsmgmt) in ECommerce

Page 42: Analytics im Web 2.0

Kontaktkanäle CRM

Page 43: Analytics im Web 2.0

43

Page 44: Analytics im Web 2.0
Page 45: Analytics im Web 2.0

45

Page 46: Analytics im Web 2.0

46

Social Commerce Anfänge

Page 47: Analytics im Web 2.0

47

Page 48: Analytics im Web 2.0

Scorecard

48

Ziele Maßnahmen KPIs Vorgaben

Steigerung Anzahl

Neukunden

Empfehlungsmarketing verbessern

# Neukunden / Periode

5% der Neukunden p. Periode über Social

Media

Abverkauf steigern

Sonderaktionen/Rabatte

# abverkaufter Units

3% Steigerung Umsatzvolumens

Erweiterung Saleschannel

Social Commerce App% Anteil Umsatz

über Social Commerce

5% Umsatzanteil Social Commerce p.

Periode

Page 49: Analytics im Web 2.0

Social Media in

49

- Geschwindigkeit- Kundenzufriedenheit- auf Augenhöhe- es menschelt!- Kunden helfen Kunden- Kunden haben Ideen!- Innovationsmanagement

Page 50: Analytics im Web 2.0

50

Page 51: Analytics im Web 2.0

51

Page 52: Analytics im Web 2.0

52

Page 53: Analytics im Web 2.0

53

Page 54: Analytics im Web 2.0

54

Page 55: Analytics im Web 2.0

Scorecard

55

Ziele Maßnahmen KPIs Vorgaben

Supportanfragen schneller

lösen

Support über Twitter oder Facebook

anbieten, Manuals & Leitfäden per

Slideshare, praktische Tipps via Youtube

# Neukunden / Periode

5% der Neukunden p. Periode über Social

Media

Kundenzufriedenheit steigern

Support über Twitter oder Facebook

anbieten, Manuals & Leitfäden per

Slideshare, praktische Tipps via Youtube

Churn-Rate# der „Wechsler“ p.

Periode um 10% senken

Kunden helfen

Kunden

Dialog zwischen Kunden fördern (Blog,

Facebook o.ä.)# Supportanfragen

Senkung der Supportanfragen um 20% bis Ende 2011

Page 56: Analytics im Web 2.0

56

- „innovatives“ Image- Dialog- Viral- Empfehlungsmarketing- Markenpflege- „günstig“- Advertising (?)

Social Media in

Page 57: Analytics im Web 2.0

57

Page 58: Analytics im Web 2.0

Scorecard

58

Page 59: Analytics im Web 2.0

Zwischenfazit

• Social Media ist Business-Relevant

• zahlreiche Berührungspunkte & Business Cases

• komplexes Thema

• hohe Innovationsgeschwindigkeit

Page 60: Analytics im Web 2.0

Analytik im Web 2.0

• Soziale Netze entschlüsseln

• Webmonitoring -> Social Media Monitoring

Page 61: Analytics im Web 2.0

Social Media Monitoring?

• Unterschiede / Erweiterungen zum „klassischen“ Monitoring, Logging, Webmonitoring

Page 62: Analytics im Web 2.0
Page 63: Analytics im Web 2.0

SMM Kernprozesse

• Datenerhebung & Extraktion

• Datenaufbereitung & Analyse

• Reporting

• Beratung / Maßnahmenempfehlungen

63

Page 64: Analytics im Web 2.0

Anbieterkategorien

64

Page 65: Analytics im Web 2.0

It´s a jungle out there!

http://rolandfiege.com/social-media-monitoring/65

Page 66: Analytics im Web 2.0

Vergleichbar?

http://www.flickr.com/photos/47219207@N03/4993906123/in/pool-1162312@N25 http://www.flickr.com/photos/keltia1/4177403224/66

Page 67: Analytics im Web 2.0
Page 68: Analytics im Web 2.0

Stand der Technik 2010Datenerhebung √ 50 -99%++

(je nach Anbieter)

Datenanalyse (Tonalität)

~ 30-50%

Datenanalyse (Statistik) √ 100 %

Reporting √ 100 %

iterativ / automatisiert

QS manuell

iterativ / automatisiert

on demand / automatisiert

68

Page 69: Analytics im Web 2.0

Wichtige Kriterien

• Initialer Aufwand? (Brand Audit, Folgekosten)

• Nutzerfreundlichkeit, Performance, Flexibilität

• Datenhaltung, historisierte Daten?

• relevante Quellen? (Blogs, Foren, Facebook,Videos,Twitter)

• Support?

• Globaler Partner?

• Reporting / Alerting per RSS/Widget möglich?

• KPIs, Benchmarks, Scorecard hinterlegbar?

69

Page 70: Analytics im Web 2.0

Was tun? (1)• Zunächst sollten folgende Fragen geklärt werden

• Ziele

• Monitoring & Reportingintervalle

• QS / manuelle Sentiment-Analysis (intern/extern)

• Datenhaltung

• Reportingformate

• Ressourcen (Knowhow, Manpower, EUR)

70

Page 71: Analytics im Web 2.0

Showtime

• und so sieht das in der Praxis aus

71

Page 72: Analytics im Web 2.0

„free“ Services

72

Page 73: Analytics im Web 2.0

Exkurs: KeywordsBoole´sche Operatoren

AND bzw. UND bzw. & oder +sucht Seiten, die alle vorgegebenen Begriffe enthalten (Und-Verknüpfung); Leerzeichen bei »+« beachten: ohne Leerzeichen mit »+« (Max+Moritz) werden die Wörter in der angegebenen Reihenfolge gesucht; mit Leerzeichen und »+« (Max + Moritz) Seiten, die sowohl das eine als auch das andere Wort beinhalten

ODER bzw. OR bzw. |sucht Seiten, die zumindest einen der Begriffe enthalten (Oder-Verknüpfung) Bsp.: Max OR Moritz; wenn die Schreibweise nicht klar: Schröder OR Schroeder

NOT bzw. NICHT bzw. -schließt den nachfolgenden Begriff aus (Schnittmenge), z.B. Apfel AND Birnen AND NOT Bananen

NEAR bzw. ~sucht Seiten, in denen der eine Begriff meist maximal 10 Wörter vom anderen entfernt steht; z.B. Schröder NEAR Koalitionsverhandlung

„........................“

sucht Seiten, in denen ganz bestimmte Phrasen (zusammenhängende Begriffe) vorkommen; es werden exakt nur die Seiten gefunden, die die zwischen die Anführungsstriche gesetzte Phrase in der gleichen Wortreihenfolge enthalten „Bayern München“

73

Page 74: Analytics im Web 2.0

netvibes

• Motto: Dashboard everything

• sehr einfach zu bedienen

• www.netvibes.com

74

Page 75: Analytics im Web 2.0

75

Page 76: Analytics im Web 2.0

iGoogle

• Alerts einrichten (RSS-Feeds)

• iGoogle Startseite einrichten

• RSS-Feeds importieren

• Twitter-Feed importieren

• Facebook-Search integrieren*

• www.Google.com/ig76

Page 77: Analytics im Web 2.0

77

Page 78: Analytics im Web 2.0

Exkurs: facebook search• Graph API

• released auf der F8 (Sommer 2010)

• http://developers.facebook.com/docs/api

78

Page 79: Analytics im Web 2.0

yahoo.pipes

• grafisches DIY-Tool für „Applikationsmonteure“

• Remix & Mashup von Feeds, Webseiten usw.

• http://pipes.yahoo.com/pipes/

79

Page 80: Analytics im Web 2.0

80

Page 81: Analytics im Web 2.0

Professionelle Services

• eine unabhängige, willkürliche und unvollständige Auswahl

• keine Bewertung

81

Page 82: Analytics im Web 2.0

Alterian SM2

Text

-> Historisierung82

Page 83: Analytics im Web 2.0

Infospeed

-> Foren im Griff83

Page 84: Analytics im Web 2.0

84

Page 85: Analytics im Web 2.0

Q - Agentur für Forschung

-> Marktforscher am Werk85

Page 86: Analytics im Web 2.0

86

Page 87: Analytics im Web 2.0

Vico Research

-> Linguisten am Werk87

Page 88: Analytics im Web 2.0

88

Page 89: Analytics im Web 2.0

Stand der Technik 2010Datenerhebung √ 50 -99%++

(je nach Anbieter)

Datenanalyse (Tonalität)

~ 30-50%

Datenanalyse (Statistik) √ 100 %

Reporting √ 100 %

iterativ / automatisiert

QS manuell

iterativ / automatisiert

on demand / automatisiert

89

Page 90: Analytics im Web 2.0

Fazit & Diskussion

• „Echtzeit“-Informationen

• Trendbeobachtung

• Marktforschung

90

Page 91: Analytics im Web 2.0
Page 92: Analytics im Web 2.0

Checkliste

• Anforderungskatalog formulieren

• Anbietermatrix erstellen

• Herstellerangaben prüfen

• gründliche Evaluation(!) von n Anbietern / SWOT-Analyse

• Proof-of-Concept (Testphase) in mind. 2 Sprachzonen

92

Page 93: Analytics im Web 2.0
Page 94: Analytics im Web 2.0

• noch Fragen?

Page 95: Analytics im Web 2.0

Danke!

Roland Fiege, MBA

www.rolandfiege.comBI, METRICS & MEASUREMENT IN DER SOCIAL MEDIA-SPHÄREWaldhofstrasse 17768169 MannheimTel.: +49 160 973 68 [email protected]/rolandfiege