Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs

Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research

http://wiid.wiwi.tu-dresden.de 01062 Dresden

Telefon +49 351 463-33520 Telefax +49 351 463-32736

Prof. Dr. Andreas Hilbert [email protected]

Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs

Kai Heinrich [email protected]


Agenda

1. Einleitung

2. Forschungsfragen und Ziele

3. Kundenwert und Referenzpotenzial

4. Referenzpotenzial in Microblogs

5. Influence Potential Framework

6. Ausblick und Fazit

TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research

Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 3

Einleitung

„Ist der Kunde noch König?“



Einleitung: Entwicklung der Kundenseite

•  Wandel vom Static Web zum Social Web (vgl. [JAVA 2007])

•  Kommunikation und Interaktionen der Nutzer innerhalb von Web 2.0-Platformen haben deutlich zugenommen und somit auch der Austausch von Informationen

•  Benutzung von sozialen Netzwerken und Blogging-Diensten hält Einzug im täglichen Leben (vgl. Compass Heading, März 2010):

–  490 Millionen Facebook-Nutzer (davon 13 Mio. in Deutschland)

–  80 Millionen Twitter-Nutzer (davon 3 Mio. in Deutschland)

–  Über 50% der US-Bürger nutzen Facebook

Technischer Fortschritt bedingt einen Wandel der sozialen Interaktion in der Informations- und Referenzbeschaffung der Kunden



Einleitung: Entwicklung der Unternehmensseite

•  Wandel vom Transaktionsmarketing zum Beziehungsmarketing (vgl. [GRÖNROSS 1994])

•  Interesse an langfristigen Beziehungen steht im Mittelpunkt bei der Kundenbewertung (vgl. [RUST 2000])

•  Perspektivenwechsel von Kundenneugewinnung zu Kundenbindung (vgl. [RUST 2000])

•  Kunden werden verstärkt als Teil des Unternehmens gesehen und können in ihrer Funktion als Informations- oder Referenzgeber sehr wertvoll sein (vgl. [TOMZCAK 2006])

Der Wandel im Marketingparadigma lässt dem Kunden eine größere Rolle innerhalb des Unternehmens zukommen



Einleitung

„Der Kunde ist König“

Aber: Nicht jeder Kunde ist aus Sicht eines Unternehmens profitabel (vgl. [HELM et al. 2006])

à Kunde muss aus Sicht des Unternehmens mit Hilfe des Kundenwertes beurteilt werden


Agenda

1. Einleitung








Ziele und Forschungsfragen

Erkenntnisziel: Beschreibung des Kundenwertes

und seiner Determinanten, insbesondere die Charakteristika

des Referenzpotenzials

1. Welche Rolle spielt das Referenzpotentials innerhalb des Kundenwertes?

5. Wie können die beschreibenden Konstrukte des Referenzpotenzials mit

Hilfe von Microblogs operationalisiert werden?

6. Welches Vorgehen zur Analyse von Microblogs ist

notwendig, um diese Operationalisierung in die

Praxis umzusetzen?

Gestaltungssziel: Ausgestaltung einer Methode

zur Erfassung des Referenzpotentials in Microblogs

2. Welche Konstrukte können das Referenzpotential eines Kunden beschreiben?

3. Welche Wege zur Messung von Referenzpotentialen im gibt es ?

4. Eignen sich Daten aus Microblogs zur Bestimmung des Referenzpotentials?

Quelle: In Anlehnung an Becker at al.(2004).


Agenda

1. Einleitung








Kundenwertkonzepte

•  Vielzahl von Kundenwertmodellen vorhanden

•  Vielzahl monetärer und nicht-monetärer Determinanten

à Beschränkung auf mehrdimensionale, ganzheitliche Ansätze

•  Mehrdimensionale Ansätze oft ähnliche Determinanten

à Orientierung am ganzheitlichen Ansatz nach ([CORNELSEN 2001])

2 KUNDENWERT UND REFERENZPOTENZIAL 12

Die Losung durch die Kombination verschiedener Dimensionen scheint Abhilfe zu schaffen, schei-

tert jedoch meist an der Willkur der Scoringmodelle bzw. an der Wahl der einzelnen Dimensi-

onsgewichte (vgl. Bruhn (2002), S.145f.). Die einzelnen Ansatze sind in Abbildung 4 zusam-

mengefasst.

Um die angesprochenen Probleme zu minimieren und aus den unzahligen Modellen auszuwah-

len stutzt sich diese Arbeit auf den ganzheitlichen Bewertungsansatz von Cornelsen (2000),

wie er in Abbildung 5 dargestellt ist. Dieser Ansatz basiert ebenfalls auf dem Modell des

Customer-Lifetime-Value (CLV), berucksichtigt allerdings neben dem reinen Kapitalwert auch

nicht-monetare Determinanten und kombiniert diese um eine Gesamtaussage uber den Wert des

Kunden zu treffen.

Abbildung 5: Komponenten im ganzheitlichen Customer Lifetime Value Ansatz (Schneider(2007), S. 116)

Die Hauptkomponenten des nach Cornelsen (2000) entwickelten Ansatzes sind der Transakti-

onswert, der Referenzwert, sowie der Informationswert. Diese Werte spiegeln die entsprechenden

Potentiale aus Abbildung 3 wieder:

• Transaktionswert Unter dem Transaktionswert werden samtliche zukunftigen Cash-

Quelle: Schneider et al. (2007).



Referenzpotenzial und Determinanten

•  Im Modell von ([CORNELSEN 2000]) werden folgende Einflussfaktoren des Referenzpotenzials vorgeschlagen:

–  Soziales Netz

–  Kundenzufriedenheit

–  Meinungsführerschaft

„Unter dem Referenzpotenzial versteht man die Fähigkeit eines aktuellen Kunden, potentielle Kunden in seinem/ihrem sozialen Netzwerk mit positiven, negativen oder neutralen Informationen zu erreichen und ggf. zu beeinflussen “ ([CORNELSEN], 2006)



Meinungsführerschaft

•  Meinungsführer verbreiten Informationen an die „Masse“ (vgl. [ESCH 2006]):

•  Meinungsführerschaft zeichnet sich aus durch (vgl. [BRÜNE 89]): –  Fachwissen

–  Dauerhaftes Marktinteresse (Involvement)

–  Soziale Zentralität

•  Meinungsführer sind meist produktspezifisch aktiv (vgl. [HASSELOFF 85])

•  Personen mit besonderer Stellung gelten als virtuelle Meinungsführer (hohe soziale Zentralität) und verfügen über hohes Bezugspersonen-Einflusspotenzial (vgl. [BRÜNE 89])

Quelle: Esch (2006).



Soziales Netz

•  Beschreibt das soziale Umfeld einer Person und das zu Grunde liegende Muster der Interaktion in diesem Umfeld (vgl. [IACCOBUZI 95])

à umso größer das soziale Netz desto größer das Referenzpotenzial

•  Unterschiedliche Beziehungen zwischen Personen (vgl. [GRANOVETTER 85]): –  Strong ties: Dichte, kohäsive gruppen, oft Familien- oder Freundeskreise

–  Weak ties: Kommunikation über kohäsive Gruppen hinaus, z.B. Kollegen, entfernte Verwandte

•  Beispiel für ein soziales Netz:

2 KUNDENWERT UND REFERENZPOTENZIAL 20

Familie oder der Verwandtschaft von hohere Intensitat und kommen haufiger vor als Gesprache

in eher weniger bekannschaftlichen Kreisen. In dieser Hinsicht unterscheidet Granovetter

(1982), abhangig von der personlichen Bindung, zwischen strong ties und weak ties. In Famillien-

oder kleineren Bekanntenkreisen herrschen sehr oft starke Beziehungen vor, da es sich hierbei

um dichte, kohasive Gruppen handelt (vgl. Granovetter (1982) S.105ff.)

Abbildung 10: Darstellung eines egozentrischen sozialen Netzes (eigene Darstellung)

Im Gegenteil dazu dienen die weak ties dazu die Kommunikation uber kohasive Gruppen hinaus

zu ermoglichen. Ein charakteristische Beispiel fur weak ties sind z.B. die Referenzinteraktionen

mit entfernten Bekannten oder Kollegen. Nach Schenk (1989) wird damit die”makro-soziale In-

teraktion“ begunstigt (vgl. Schenk (1989), S.413f.). Dabei ist anzumerken, dass sich das Interes-

se, die Einstellung sowie die Meinungen innerhalb von schwachen Beziehungen unter Umstanden

sehr unterscheiden im Vergleich zum Fall der starken Bindung.

Die Art dieser Bindung ist entscheidend fur den Charakter des Informations- und Referenzver-

haltens innerhalb sozialer Netze. Nach Brown & Reingen (1987) kommt den weak-ties eher

eine großere informative Bedeutung zu, wahrend strong ties eher entscheidungsbeeinflussend

wirken (vgl. Brown & Reingen (1987), S.350ff.) Brown & Reingen (1987) schlussfolgern

daraus, dass im Falle”stark affektiver“ Kaufe, aufgrund der hohen emotionalen Komponente,

die strong ties hauptsachlich zur Entscheidungsfindung beitragen. Im Fall einer eher sachlichen

Quelle: Eigene Darstellung.



Kundenzufriedenheit

•  Bestimmt die Richtung der Referenz nach ([CORNELSEN 2001])

•  Möglichkeiten: dichotome Abgrenzung oder Kontinuum

•  Kein eindeutiger Zusammenhang mit Referenzverhalten bislang festgestellt: –  Positives Erlebnis regt eher zur Referenz an nach ([HOLMES 77])

–  Negatives Erlebnis regt eher zur Referenz an nach ([DUFFY94])

–  Indifferentes Verhalten herrscht vor nach ([ANDERSON 94])

à die Auswirkung symmetrischer oder asymmetrischer Zufriedenheitsspektren

auf das Referenzverhalten können nicht eindeutig bestätigt werden

à Indikator wird zunächst ausgeklammert


Agenda

1. Einleitung








Funktion und Aufbau von Microblogs

•  Beschränkte Zeichenmenge einer Statusnachricht

•  Unterstützung für möglichst viele Endgeräte

•  Beispiele für Microblog-Platformen: Twitter, Jaiku, Pownce

à Aufgrund der Bedeutung und Größe wird Twitter stellvertretend ausgewählt um Funktion und Aufbau eines Microblogs zu erläutern

”Microblogs sind eine neue Form der Kommunikation, bei welcher ein Nutzer in kurzen Mitteilungen seinen Status bekanntgeben kann.“ ([JAVA et al. 2007])



Funktion und Aufbau – Beispiel Twitter (1/2)

•  Aufbau und Funktion in Anlehnung an ([GLUCHOWSKI 2009]) und ([JAVA 2007])

•  Aufbau des sozialen Netzes basiert auf Beziehungen innerhalb von Twitter: –  Einseitige Friend-Beziehung

–  Einseitige Follow-Beziehung

–  Bilaterale Beziehung

•  Interaktion erfolgt über die Kommunikationsfunktionen: –  Reply-Funktion

–  Retweet-Funktion

•  Eine Statusmeldung (Tweet) kann durch folgendes Tupel beschrieben werden: –  U: Der Nutzer, welcher Ersteller der Nachricht ist

–  t: Der Zeitpunkt zudem die jeweilige Meldung erstellt wurde

–  RT: Handelt es sich um einen Retweet, nimmt diese Funktion den Wert 1 an

–  Reply: Handelt es sich um eine Antwort auf einen bestehenden Status, nimmt diese Funktion den Wert 1 an



Funktion und Aufbau – Beispiel Twitter (2/2)




Bestimmung des Referenzpotenzials in Microblogs

•  Zahlreiche Methoden zur Untersuchung von sozialem Einfluss in Weblogs vorhanden

•  Untersuchte Methoden und Bewertung:

–  Network Centrality (vgl. [CHIN et al. 2007])

–  Page Rank (vgl. [BRINN et al. 98])

–  Novelty Index (vgl. [ZHANG 2002])

–  Influence Rank (vgl. [SONG 2006])

à  Modelle basieren auf Strukturen und Kommunikationsannahmen welche ausschließlich oder zum Großteil das Verlinkungsverhalten berücksichtigen

à  Besonderheiten von Microblogs werden in den Ansätzen nicht berücksichtigt


Agenda

1. Einleitung








Influence Potential Framework

•  Berücksichtigt die Besonderheiten von Microblogs, insbesondere Twitter

•  Berücksichtigt direkt die Eigenschaften der beschreibenden Konstrukte des Referenzpotenzials - Meinungsführerschaft und soziales Netz

•  Besteht aus drei Indikatoren

–  Social Network Indicator

–  Social Centrality Indicator

–  Involvement Knowledge Indicator



Social Network Indicator

•  Dient als Indikator für die Größe des sozialen Netzes und damit als Indikator für die Anzahl möglicher Referenzgespräche

•  Ein hoher SNI spricht für ein großes soziales Netz

•  ABER: Innerhalb von Twitter kann zunächst nicht zwischen strong ties und weak ties unterschieden werden

•  à Indikator muss produktabhängig betrachtet werden

•  Die Größe des sozialen Netzes wird in Twitter durch die Aggregation der Beziehungen bestimmt, somit ergibt sich der SNI für einen Nutzer U:

3 OPERATIONALISIERUNG DES REFERENZPOTENTIALS IN MICROBLOGS 66

dar.

3.4.1 Social Network Indicator

Fur die Operationalisierung des sozialen Netzes werden hier die Beziehungsstrukturen aus Ab-

schnitt 3.2 herangezogen. Vergleicht man diese mit den Beziehungstypen eines sozialen Netzes

aus Abschnitt 2.2.2, so fallt auf, dass es zunachst keine Indikatoren fur strong ties gibt. Die-

ser Sachverhalt stellt eine bedeutende Einschrankung bei der Verwendung von Microblogs im

allgemeinen dar. Wie bereits durch die Untersuchungen von Brown & Reingen (1987) besta-

tigt, kommt den strong ties eine starke Bedeutung bei affektiven Kaufen zu, welche teilweise

hoch emotional getatigt werden. Als Beispiel kann hier der Erwerb eines Automobils angefuhrt

werden. Diese strong ties kommen allerdings meistens im engeren Bekannten-oder Freundeskreis

zu Stande. Aufgrund der meist fehlenden sozialen Nahe von Microbloggern, stellen die Bezie-

hungen innerhalb von Twitter uberwiegend weak-ties dar. Somit erscheint an dieser Stelle eine

Einschrankung des Einflusses auf eher informative Wirkungen sinnvoll.

Nach (Schenk (1989), S.413f.) ist das Referenzpotential, ceteris paribus, um so großer, je großer

das soziale Netz ist,da die Anzahl der Referenzgesprache somit ansteigt. Berucksichtigt man diese

Aussage in Bezug auf die unterschiedlichen Beziehungstypen im Twitter-Umfeld kommen hier die

bilaterale Folgebeziehung, sowie die einseitige Follow-Beziehung in Frage. Die einseitige Friend-

Beziehung darf hier nicht berucksichtigt werden, da diese Nutzer dem Einfluss der untersuchten

Person nicht unterliegen, denn sie erhalten keine Statusupdates von dieser Person innerhalb ihres

eigenen Netzes.

Aus diesem Grund wird der Social Network Indicator (SNI) eines Nutzers U wie folgt formuliert:

SNIU = NFollow(U) +NBilateral(U) = NFollowers(U) (36)

Somit wird der Social Network Indicator auf triviale Weise durch die Anzahl der Followers

beschrieben, d.h. die Anzahl der Nutzer die der untersuchten Person auf Twitter folgen.



Social Centrality Indicator

•  Gibt an, wie hoch die Sozio-Zentralität einer Person in Bezug auf ihr soziales Netzwerk ist

•  Indikator unterschiedet sich vom SNI durch die Betrachtung anderer Beziehungen im Twitter-Umfeld

•  hohe Werte sprechen für ein hohes Bezugspersonen-Einflusspotenzial (BEP) à Nicht jedes Produkt lässt sich alleine mit einem hohen BEP werben

à Indikator produktspezifisch betrachten und einsetzen

•  Als Teilindikator für Meinungsführerschaft ist hier das Verhältnis von Friend- und Follow-Beziehungen von Bedeutung:


3.4.2 Social Centrality Indicator

Nach Brune (1989) ist die Personlichkeit und Ausstrahlung eines Menschen und seine Eigen-

schaften nach außen zu kommunizieren, d.h. der grad der Extrovertiertheit eine entscheidender

Einfluss fur das Referenzpotential dieser Person.

Unabhangig vom Fachwissen bzw. Involvement kann eine Person welche in ihrem sozialen Netz-

werk ein hohes Bezugspersonen-Einflusspotenzial (BEP) hat (vgl. Brune (1989), S.12f.) durch-

aus als Meinungsfuhrer fungieren.

Im Rahmen der Twitter-Kommunikation wird dies deutlich, wenn eine Person interessante In-

halte veroffentlicht. Diese mussen dabei kein Fachwissen oder ahnliches vorraussetzen, sondern

lediglich eine große Masse ansprechen.

Ublicherweise besitzen Prominente, welche oft als Vorbild fungieren, da sie in der Offentlichkeit

stehen und somit von vielen Leuten erkannt werden ein hohes BEP. Diese Personen werden

auch als virtuelle Meinungsfuhrer bezeichnet und fungieren meist als Ersatzbezugspersonen fur

Personen mit wenig sozialen Kontakten (vgl. Bonfadelli (2009), S. 134f.).

Ausschlaggebend ist nach Brune (1989), dass diese Personen dabei ansprechend auf andere in

einem moglichst großen sozialen Kreis wirken. Es sei angemerkt, dass damit nicht notwendiger-

weise nur der Freundschafts- oder Bekanntenkreis, sondern viel mehr der komplette Einflusskreis

gemeint ist. Dabei ist es entscheidend das diese Einflussnahme ublicherweise nicht gegenseitig

geschieht, sondern meist einseitig durch die Person mit hohem Bezugspersonen-Einflusspotenzial

stattfindet (vgl. Brune (1989), S.14f.). Diese Tatsache kann unmittelbar aus dem Modell der

zweistufigen Kommunikation aus Abbildung 7 abgeleitet werden.

Mit Hilfe der getroffenen Aussagen kann nun der Social Centrality Indicator eines Nutzers U

wie folgt formuliert werden:

SCIU =NFollow(U) +NBilateral(U)

NFriend(U)=

NFollowers(U)

NFriend(U)(37)

Es sei an dieser Stelle angemerkt, dass sich dabei der Social Centrality Indicator vom Social

Network Indicator durchaus unterscheidet. Wahrend der SNI lediglich die Große des sozialen



Involvement Knowledge Indicator

•  Spiegelt den themenbezogenen Grad des Fachwissens bzw. Involvements einer Person zu einem Thema j wieder

•  à IKI darf nur themen- bzw. produktbezogen betrachtet werden

•  Prinzip: Vergleich der Statusmeldungen mit einer Themenlandkarte Oj in einem Zeitraum t1,...,TU

•  Außerdem: Einbeziehung der Retweet-Anzahl rt als Indikator für Zustimmung und Verbreitung des Inhalts

•  Handelt es sich bei einer Statusmeldung um ein Retweet, kann der Wert entsprechend eines Parameters α multiplikativ abgeschwächt werden


Weiterhin ist es von Bedeutung, dass diese fachspezifischen Tweets auch von anderen Nutzern

respektiert, bzw. zur Kenntnis genommen werden. Wird ein solcher Blogeintrag weiterverbreitet

mit Hilfe der Retweet-Funktion, so spricht das fur eine Anerkennung des Inhalts innerhalb des

sozialen Netzes des Verfassers. Um so mehr Retweets rU,t ein bestimmter themenbezogener

Tweet, welcher zum Zeitpunkt t erstellt wurde, hat, umso mehr Verbreitung und Anerkennung

erhalt dieser und ist somit einflussreicher.

Andersherum ist es weiterhin von Bedeutung ob der untersuchte Tweet selbst ein Retweet ist und

damit die RT-Funktion aus dem Abschnitt 3.2 den Wert 1 annimmt. In diesem Fall stammt der

Inhalt zwar nicht vom Nutzer selber, deutet aber dennoch ein gewisses Interesse und Involvement

in Bezug auf das Thema an.

Mit diesen Informationen ergibt sich der Involvement Knowledge Indicator fur einen Nutzer U

und gegebenem Thema j wie folgt:

IKIU,j =TU�

t=1

Cos(AU,t, Oj)(1− α1{1}(RTU,t))(1 + rt) (38)

Der erste Teil von Gleichung (38) stellt den Vergleich eines Blogeintrages des Nutzers U zum

Zeitpunkt t mit der Themenlandkarte zum Thema j dar. Umso großer dieser Wert ausfallt, desto

mehr hangt der spezifische Tweet mit dem Thema zusammen. Im zweiten Teil der Gleichung

wird gepruft ob es sich um einen ganz normalen Tweet oder um einen Retweet handelt. In

letzterem Fall wird die Ubereinstimmung um den Faktor (1 − α) abgeschwacht, wobei α ein

frei wahlbarer Parameter ist, je nachdem wie hart man Retweets bestrafen will. Am Ende wird

dieser Wert mit der Anzahl der Retweets rU,t multipliziert.

3.4.4 Analysen und Kritk zum Framework

Das Influence Potencial Framework besteht aus drei Teilen. Jeder Teil ist fur sich wichtig und

relevant um eine Aussage uber das Referenzpotential eines Nutzer U zu treffen. Es liegt hierbei

im Interesse des Anwenders, welche Gewichtung er den einzelnen Faktoren zukommen lasst. Als

Ausgangspunkt der Anwendungsempfehlungen konnen die in Kapitel 2.2.2 angefuhrten Unter-

suchungen zu den Auswirkungen der jeweiligen Determinanten herangezogen werden.



Anwendung und Analysen mit dem IPF (1/2)

•  Einteilung der Kunden anschließend anhand eines IPF Portfolios möglich:




Anwendung und Analysen mit dem IPF (2/2)

•  Verschiedene Gruppierungen von Kunden:

–  Gruppe A: „Die Gurus“ – diese Personen besitzen allgemein ein hohes Fachwissen sowie eine hohe soziale Zentralität

–  Gruppe B: „ Die Experten“ – Diese Personen zeichnen sich durch gute Kenntnisse und Involvement in Bezug auf ein Thema j aus

–  Gruppe C: „virtuelle Meinungsführer“ - diese Personen sind sehr bekannt und zeichnen sich durch ein hohes BEP aus

–  Gruppe D: „Die Masse“ – Diese Personen stellen die normale Masse dar

à Indikatoren werden nicht zu einer Maßzahl aggregiert, sondern werden einzeln betrachtet und entsprechend der Situation interpretiert



KDD-Prozess zur Umsetzung des IPF

•  Prozessschritte nach ([FAYYAD 96]):

•  Selection: –  Speicherung der Bestandsdaten des sozialen Netzes ( z.B.: Anzahl Followers) sowie

alle Statusmeldungen im Zeitraum TU

–  Keyword-Selection zum Thema j mit Twitter-Search Prozess und Speicherung der themenbezogenen Resultate dieser Suche

•  Preprocessing: –  Statusmeldungen werden von Stopwörtern und überflüssigen Zeichen befreit

–  spezielle Inhalte wie URLs werden für spätere Verarbeitung extra abgespeichert

–  URLs werden entfernt um eine verzerrungsfreie Repräsentation zu gewährleisten

•  Transformation: –  Statusmeldungen werden lexikalisiert (Repräsentation einer Statusmeldung durch

Angabe der Position in einem Vokabelverzeichnis)

à Anschließend werden die Werte des IPF berechnet



Praxisbeispiel

•  Berechnung der IPF Werte für ausgewählte Personen zum Thema „SAS 9.2“ –  Experte: SAS-Softwareexperte

–  Virtueller Meinungsführer: prominente Persönlichkeit, welche allerdings keinen Bezug zum Thema „SAS 9.2“ hat

–  Basisnutzer: Person, welche selbst kein Experte ist und nur über ein kleines soziales Netz verfügt

à Personen werden entsprechend ihren Rollen bewertet

4 PRAKTISCHE UMSETZUNG DES INFLUENCE POTENTIAL FRAMEWORKS 79

Themenlandkarte wurde uber einem Zeitraum von TTopic = 1Monat erstellt. Die Ergebnisse sind

in Abbildung 36 dargestellt. Bei der Berechnung der Ergebnisse fur den IKI-Wert wurden dabei

Blogeintrage mit einer Ubereinstimmung, kleiner als 0.001%, zur Themenlandkarte ignoriert

und damit auf den Wert 0 gesetzt, um Uberbewertung durch eine große Anzahl an Retweets zu

vermeiden.

Nutzer ICI SNI SCI

Basisnutzer 0,21 9 0,375Expertennutzer 24,31 57 1,031virtueller Meinungsfuhrer 0 6.069.867 183622,64

Abbildung 36: Auswertung Praxisbeispiel

Es ist deutlich zu sehen, dass sich die Vermutungen bestatigt haben. Weiterhin zeigen diese

Ergebnisse, die bereits in den Anwendungsempfehlung formulierte Tatsache die Indikatoren ne-

beneinander zu betrachten und nicht in einer Maßzahl zu verdichten. In diesem Anwendungsfall

wurde man aufgrund der speziellen Zielgruppe eher auf einen Experten als Referenzgeber setzen

und somit versuchen den Expertennutzer zu beeinflussen.

Die Einteilung der Grenzen des Portfolios aus Abbildung 34 sind dabei abhangig von der unter-

suchten Personenmenge und deren Eigenschaften. bei popularen Produkte wird die Spannweite

der Personen im portfolio sicherlich weiter ausfallen als bei Fachprodukten. Dieses sollte unbe-

dingt beachtet werden, da man sonst leicht in Versuchung gerat Personen falsch einzuordnen

was zur Folge hat , das sich der gewunschte Erfolg in Rahmen verschiedener Kampagnen nicht

einstellen wurde. Wahrend die Personen im Beispiel lediglich das Influence Potential Framework

verdeutlichen sollen und daher absichtlich so gewahlt wurden , dass sie gewisse Gruppen re-

prasentieren ist bei der Anwendung des Verfahrens auf einen Kundenstamm darauf zu achten

das die Werte relativ in Bezug gesetzt werden. Dabei sollte als Ergebnis eine gewisse”normale

Masse“ der Klasse D vorherrschen. Die Werte konnen dann relativ zu dieser Masse in Bezug

gesetzt werden um herauszufinden, wer sich in welcher Beziehung (Fachwissen vs. soziales Netz)

herauskristallisiert.


Agenda

1. Einleitung





6. Ausblick und weitere Forschung



Ausblick und Fazit

•  Rapide steigende Nutzerzahlen ermöglichen das Erfassen großer Informationsmengen innerhalb von Microblogs

•  Eine Aussage über das Referenzpotential, als wichtiger Teil des Kundenwertes kann von diesen Informationen abgeleitet werden

•  Übliche Verfahren versagen allerdings bereits im Ansatz aufgrund der speziellen Struktur von Microblogs oder vernachlässigen wichtige Indikatoren wie Fachwissen und Involvement

•  Das IPF bietet eine Möglichkeit, den Einfluss einer Person innerhalb von Twitter kenntlich zu machen und somit eine Aussage über ihr Referenzpotenzial zu treffen

•  Dennoch: In diesem Bereich muss noch viel Forschung erfolgen

•  Es muss gleichzeitig an den Methoden zur Bestimmung und an den Methoden zur Umsetzung gearbeitet werden, um weitere Faktoren wie Kundenzufriedenheit zu integrieren oder eine Aussage über die Stärke einer Beziehung treffen zu können

à junges Forschungsgebiet mit großen Potenzialen



Weitere Forschung (1/2)

•  Forschungsgegenstand:

Einflussfaktoren des Referenzpotenzial

Operationalisierung der Einflussfaktoren mit Hilfe von Microblogs

Extraktion und Transformation wichtiger Daten aus Microblogs

Verhaltens- wissenschaft

Verhalten in sozialen

Netzwerken

Social Network Analysis



Weitere Forschung (2/2)

•  Forschung in allen Teildisziplinen nötig

•  Konkrete Forschungsziele: –  Verständnis für die Verbreitung von Nachrichten innerhalb Microblogs

à Lifecycle und Prognosemodell für besondere Ereignisse wie „Rebirths“ oder „Bursts“

–  Beschreibung dieser Sachverhalte und Integration in bestehende Modelle –  Untersuchung des Einflusses und der Ereignisse nicht nur auf Personenbasis,

sondern auf Basis abgegrenzter Netzwerke

•  Beispiel:

Burst Rebirth



Quellen

•  Anderson, E.; C.Fornell; Lehmann, D. (1994): Customer Satisfaction, Market Share, and Profitability: Findings from Sweden, Journal of Marketing.

•  Arasu, A. (2002): PageRank Computation and the Structure of the Web: Experiments and Algorithms, Techn. Ber., Stanford University.

•  Austin, D. (): How Google Finds Your Needle in the Web’s Haystack, URL http://www.ams. org/featurecolumn/archive/pagerank.html.

•  Back, A.; Gronau, N.; Tochtermann, K. (2008): Web 2.0 in der Unternehmenenspraxis: Grundla- gen, Fallstudien und Trends zum Einsatz von Social Software, 1. Aufl., Oldenbourg, Mu �nchen.

•  Bagozzi, R. (1975): Marketing as Exchange, Journal of Marketing, 32–39.

•  Bartl, A. (1992): Gewinner im Licht der Sonne, Absatzwirtschaft, Bd. Sonderheft 10, , 38–43.

•  Becker, J.; Niehaves, B.; Knackstedt, R. (2004): Bezugsrahmen zur epistomologischen Posi- tionierung der Referenzmodellierung, in: Referenzmodellierung: Grundlagen, Techniken und doma �nenbezogene Anwendung, Becker, J. AND Delfmann, P.

•  Berghorn, C. (2009): Konzeptualisierung und Ermittlung des Kundenwertes: Am Beispiel einer Volksbank, Diplomica Verlag.

•  BLATTBERG; THOMAS (1998): The Fundamentals of Customer Equity, Wiesbaden. Blei, D. M.; Ng, A. Y.; Jordan, M. I. (2003): Latent Dirichlet Allocation, Journal of Machine

•  Learning Research, Bd. 3, , 993–1022.

•  Böhringer, M.; Gluchowski, P. (2009): Microblogging, Informatik-Spektrum.



Quellen

•  Bondarenko, V. (2008): Numerical Algorithms (ST 2008), URL http://www.inf. uni-konstanz.de/cgip/lehre/na_08/Lab2/6_PageRank/html/myPageRank.html.

•  Bonfadelli, H. (2009): Medienwirkungsforschung I. Grundlagen und theoretische Perspektiven, Konstanz.

•  Bourne, F. (1968): Group Influences in Marketing, in: Marketing Models, R.L. Day, 63–79. Brin, S.; Page, L. (1998): The anatomy of a large-scale hypertextual web search engine, Computer

•  Networks, Bd. 30(1-7), , 107–117. Brown, J.; Reingen, P. (1987): Social Ties and Word-of-Mouth Referral Behavior, Journal of

•  Consumer Research, 350–362. Bruhn, M. (1999): Kundenorientierung. Bausteine fu �r ein exzellentes Customer-Relationship-

•  Management (CRM), Mu �nchen. Bruhn, M. (2002): Marketing. Grundlagen fu �r Studium und Praxis, Gabler Verlag. Bru �ne, G. (1989): Meinungsfu �hrerschaft im Konsumgu �termarketing, Heidelberg.

•  Chin, A.; Chignell, M. (2007): Identifying communities in blogs: roles for social network analysis and survey instruments, International Journal of Web Based Communities, Bd. 3 (3), , 215– 239.

•  Cornelsen, J. (1996): Kundenwert ? Begriff und Bestimmungsfaktoren, Arbeitspapiere des Lehr- stuhls fu �r Marketing, Bd. 43, , 1–20.

•  Cornelsen, J. (2000): Kundenwertanalysen im Beziehungsmarketing, Gesellsch. f. Innovatives Marketing.

•  Cornelsen, J. (2006): Kundenbewertung mit Referenzwerten, in: Kundenwert: Grundlagen- innovative Konzepte- praktische Umsetzungen, Gabler Verlag.



Quellen

•  da Costa Junior, M. G.; Gong, Z. (2005): Web Structure Mining: An Introduction, in: Proceedings of the 2005 IEEE International Conference on Information Acquisition, 590–595.

•  Diestel, R. (2006): Graphentheorie, Springer-Verlag. Duffy, M. (1994): A Compilation of Three Essays on Modeling Customer Satisfaction, Ann

•  Arbor.

•  Engel, J.; Blackwell, R. (1969): Word-of-mouth Communication by the Innovator, Journal of Marketing, 15–19.

•  Esch, F.-R.; Herrmann, A.; Sattler, H. (2006): Marketing: Eine managementorientierte Einführung, 1. Aufl., Verlag Vahlen, Mu �nchen.

•  Etzioni, O. (1996): The world wide web: Quagmire or gold mine, Communications of the ACM , Bd. 39, , 65–68.

•  Feick, L.; Price, L. (1987): The Market Maven: A Diffuser of Marketplace Information, Journal of Marketing, Bd. 1/1987, , 83–97.

•  Fischer, T. E. (2006): Unternehmenskommunikation und neue Medien: Das neue Medium We- blogs und seine Bedeutung fu �r die Public-Relations-Arbeit, 1. Aufl., Deutscher Universita �tsverlag, Mu �nchen, Wiesbaden.

•  Freeman, L. C. (1978): Centrality in Social Networks: Conceptual Clarification, Social Networks, Bd. 1 (1), , 215–239.

•  Gelbrich, K.; Wu �nschmann, S. (2006): Mehrdimensionaler Kundenwert als Entscheidungskri- terium fu �r die Akquisition von Kunden: Dargestellt am Beispiel der Automobilindustrie, in: Kundenwert: Grundlagen- innovative Konzepte- praktische Umsetzungen, Gabler Verlag.



Quellen

•  Stahl, H. K. (2000): Modernes Kundenmanagement. Wenn der Kunde im Mittelpunkt steht, Expert-Verlag GmbH.

•  Stauss, B. (1998): Beschwerdemanagement: Fehler vermeiden - Leistung verbessern - Kunden binden, Mu �nchen.

•  Tewes, M. (2003): Der Kundenwert im Marketing, Deutscher Universita �tsverlag.

•  Tomzcak, T.; Rudolf-Sipo �tz, E. (2006): Bestimmungsfaktoren des Kundenwertes: Ergebnisse einer branchenu �bergreifenden Studie, in: Kundenwert: Grundlagen- innovative Konzepte- praktische Umsetzungen, Gabler Verlag.

•  Usama Fayyad, P. S., Gregory Piatetsky-Shapiro (1996): From Data Mining to Knowledge Dis- covery in Databases, AI Magazin, Bd. AAAI 97, , 37–54.

•  Zhang, Y.; Callan, J.; Minka, T. (2002): Novelty and Redundancy Detection in Adaptive Filte- ring, in: Proceedings of the 25st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, Tampere, Finland.

Documents

Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs