Vertrauensmessung mittels Social Media Monitoring

Die Erhebung mehrdimensionaler Konstrukte
mittels Social Media Monitoring
am Beispiel des S.W.I.-Vertrauensradar
Konzept und Durchführung

Sozialwissenschaftliches Institut Schad GmbH & Co. KG · Unternehmensbereich S.W.I. FINANCE · Rothenbaumchaussee 17 · 20148 Hamburg · Tel. +49 (0)40 411 169 - 0 · www.swi-finance.com
Vertrauensradar
Inhaltsverzeichnis
■ Vertrauensmessung mittels Social Media Monitoring 7
■ Kontakt 17
■ Vertrauen als Ressource 3
2

Sozialwissenschaftliches Institut Schad GmbH & Co. KG · Unternehmensbereich S.W.I. FINANCE · Rothenbaumchaussee 17 · 20148 Hamburg · Tel. +49 (0)40 411 169 - 0 · www.swi-finance.com 3
Vertrauen als Ressource

 Mit der Entstehung des sogenannten Web 2.0 erhielten Nutzer die Möglichkeit, nicht nur als reiner Konsument
fremder Inhalte aufzutreten, sondern mit einfachsten Mitteln eigenen Content zu erschaffen. Die Menschen
posten auf Facebook, twittern Beschwerden oder kommentieren in Foren, Blogs und Verbraucherportalen. Das
Internet vollzog damit den Wechsel von der reinen Informations- hin zur Kommunikationsplattform.
 Tag für Tag entstehen so unzählige Einzelmeinungen, die wiederum gesammelt, strukturiert und kumuliert
ausgewertet werden können. Das World Wide Web wird dabei zum Untersuchungspanel und bietet – in seiner
Gesamtheit – die Antwort auf Fragen, die so nie gestellt wurden. Die Kunst besteht dabei vor allem darin, jene
Meinungen zu identifizieren, die einen relevanten Mehrwert für das jeweilige Erkenntnisinteresse bieten.
 Für die vorliegende Studie stellt sich damit die Frage, welche Aussagen darauf hindeuten, dass ein
Unternehmen von der Netzgemeinde als besonders vertrauenswürdiger Partner wahrgenommen wird und
unter welchen Umständen das Gegenteil der Fall ist. Die grundlegendste Frage ist damit zunächst: Was ist
Vertrauen?
 Der abstrakte Begriff „Vertrauen“ kann allgemein als jener Teil zwischenmenschlicher Beziehungen beschrieben
werden, der uns dazu veranlasst, trotz persönlicher Risiken bestimmte Kompetenzen (beispielweise die
Verwaltung unseres Vermögens) auf Dritte zu übertragen. Die Bereitschaft zu vertrauen ist damit wesentlich für
das Zustandekommen von Kooperationen zwischen Akteuren. Dies gilt umso mehr, je größer die potenziellen
Risiken einer solchen Kooperation erscheinen.
 Dabei gewinnt Vertrauen als Ressource auch in der Wirtschaft eine zunehmend größere Bedeutung: Ohne
Vertrauen keine Kooperation, keine Geschäftsbeziehungen, keine Marke und keine Kunden!
Vertrauensradar
Einführung
4

„Trust is a state involving confident positive expectations about anothers motives
with respect to oneself in situations involving risk.”
- Roy J. Lewicki & Barbara B. Bunker,
in: Conflict Cooperation and Justice, 1995
 Die sogenannte Vertrauensgrundlage wird von verschiedenen Faktoren beeinflusst. Insbesondere persönliche
Erfahrungen prägen die Bereitschaft des sogenannten Vertrauensgebers, individuelle Kompetenzen an einen
anderen Akteur, den sogenannten Vertrauensnehmer, zu übertragen*.
 Eine Kooperation, ein Vertragsabschluss oder die Aufnahme von Geschäftsbeziehungen wäre demnach dann
besonders wahrscheinlich, wenn dem Vertrauensnehmer Eigenschaften zugeschrieben werden, die dazu
führen, dass das eingegangene Risiko geringer eingeschätzt wird, als der erwartete Kooperationsgewinn.
 Dies ist vor allem dann der Fall, wenn der betreffende Akteur davon ausgehen kann, dass sein Gegenüber
1. über die nachgewiesene Kompetenz verfügt, die in ihn gesetzten Erwartungen zu erfüllen (=Kompetenz),
2. in der Vergangenheit als zuverlässiger Partner agiert hat (=Integrität) und
3. davon auszugehen ist, dass er gegenüber dem Akteur grundsätzlich wohlwollend eingestellt ist
(=Benevolenz)**.
 Diese eigenschaftsbasierte Form des Vertrauens ist zudem auf besondere Weise übertragbar: Die Empfehlung
eines Freundes, der Tipp eines Verwandten und ganz allgemein Berichte aus dritter Hand, beispielsweise in den
Medien, können unsere Bereitschaft zu vertrauen positiv oder negativ beeinflussen. Voraussetzung ist, dass die
Quelle der Empfehlung selbst als vertrauenswürdig wahrgenommen wird.
Vertrauensradar
Vertrauen als Ressource (1/2)
5
* Vgl.: James Coleman, Foundations of Social Theory (1994), Seite: 175ff.
** Vgl.: Roy J. Lewicki & Barbara B. Bunker, in: Conflict Cooperation and Justice (1995)

 Vor diesem Hintergrund kommt dem Internet im Zeitalter der Informationsgesellschaft eine besondere Rolle zu.
Das Marktforschungsinstitut Nielsen untersuchte im Jahr 2012 im Rahmen einer Befragung mit 29.000 Teil-
nehmern den Einfluss sozialer und digitaler Medien auf die Kaufentscheidung. Je nach Branche gaben zwischen
60 und 80 Prozent der Befragten an, dass Informationen aus dem Internet für sie eine wichtige
Entscheidungsgrundlage darstellten*.
 Die voranschreitende Digitalisierung des Alltags, die umfassende und weitverbreitete Nutzung moderner
Kommunikationsmedien, sozialer Netzwerke, Kunden- und Vergleichsportale ermöglichen es dem Kunden,
jederzeit auf die Erfahrungen anderer Kunden zurückzugreifen. An die Stelle persönlicher Empfehlungen tritt
dann der Glaube an die Schwarmintelligenz als Grundlage der Vertrauensentscheidung.
 Auf diese Weise konstituiert sich – ob bewusst gesucht oder unbewusst wahrgenommen – ein Bild der
Vertrauenswürdigkeit von Unternehmen als Summe einer Vielzahl von Einzelmeinungen.
 Davon ausgehend entwickelte S.W.I. im Laufe eines Jahres den sogenannten Vertrauensradar. Ziel dieses
Analysetools ist es, die Wahrnehmung eines Unternehmens im Hinblick auf seine Vertrauenswürdigkeit zu
messen und differenziert darzustellen. Die Ergebnisse berücksichtigen dabei nicht nur unterschiedliche Ebenen
und Kriterienbereiche, sondern unterscheiden zudem zwischen Kundenmeinungen und einem umfassenden
Medienecho. Die Dokumentation erfolgte anhand internationaler Social Media Monitoring Standards**,um eine
transparente Darstellung der Vorgehensweise zu gewährleisten (siehe Anhang).
Vertrauensradar
Vertrauen als Ressource (2/2)
6
* Nielsen, Digital Influence: How the Internet Affects New Product Purchase Decisions (2013)
http://www.nielsen.com/us/en/newswire/2013/digital-influence-how-the-internet-affects-new-product-purchase-decisions.html, Abrufdatum: 13.02.2014
** amec – international association for the measurement and evaluation of communication: The March to Social Standards: #SMM Standards Progress & Roadmap,
http://amecorg.com/social-media-measurement/; Abrufdatum: 12.02.2014

Sozialwissenschaftliches Institut Schad GmbH & Co. KG · Unternehmensbereich S.W.I. FINANCE · Rothenbaumchaussee 17 · 20148 Hamburg · Tel. +49 (0)40 411 169 - 0 · www.swi-finance.com 7
Vertrauensmessung mittels
Social Media Monitoring

 Der Vertrauensradar zielt darauf, die Vielzahl der im Internet verfügbaren Einzelmeinungen zu verschiedenen
Unternehmen der Finanzbranche zu kategorisieren, klassifizieren und hinsichtlich ihrer vertrauensbildenden
Wirkung auszuwerten. Ausgehend von den zuvor beschriebenen Vertrauenskategorien wurden deshalb solche
Beiträge gesucht, die Meinungsäußerungen in den Bereichen Kompetenz, Integrität und Benevolenz enthielten.
 Die Strukturierung der Quellen, welche innerhalb eines Jahres aus sozialen Netzwerken, Foren, Blogs,
Bewertungsportalen und Newsseiten gewonnen wurden, sowie die Identifikation relevanter Aussagen erfolgte
mithilfe sogenannter Queries. Dabei handelt es sich um Schlagwortketten, mit denen ein definierter
Quellenbereich nach spezifischen Inhalten durchsucht werden kann. Die Erhebung erfolgte mittels BrandWatch,
einem der renommiertesten Anbieter von Social Media Monitoring Software auf dem europäischen Markt.
 Um eine valide Messung der Vertrauensdimensionen zu gewährleisten, wurde deren Operationalisierung
besondere Aufmerksamkeit geschenkt. Hierzu befragte S.W.I. im Rahmen einer Vorstudie 100 Personen, die
nach bevölkerungsrepräsentativen Gesichtspunkten ausgewählt wurden. Die Probanden wurden aufgefordert
spontane Assoziationen (inklusive Dialekt, Slang-Ausdrücken oder Jugendsprache) zu den Wortpaaren
Kompetenz/Inkompetenz, Integrität/Korruption und Wohlwollen/Böswillig zu nennen. Zum Beispiel:
Kompetenz/Inkompetenz → Fähig/Unfähig
Integer/Korrupt → Transparent/Intransparent
Wohlwollend/Böswillig → Freundlich/Unfreundlich
 Auf der Grundlage von Begriffen, die von mindestens fünf Versuchspersonen genannt wurden, konnten weitere
Begriffspaare gebildet und die Prozedur wiederholt werden:
Fähig/Unfähig → Qualifiziert/Unqualifiziert → Fachmännisch/Nicht fachmännisch
Transparent/Intransparent → Verständlich/Unverständlich → Eindeutig/Zweideutig/Mehrdeutig
Freundlich/Unfreundlich → Höflich/Unhöflich → Unverschämt/Nicht unverschämt
Methodik
Vorgehensweise (1/9)
8

 Auf diese Weise konnten, in insgesamt drei Durchläufen, Wortfelder sukzessive aufgebaut und den Vertrauens-
dimensionen zugeordnet werden. Abschließend wurden die so entstandenen Wortfelder auf der Basis von
Synonymwörterbüchern erweitert und kontrolliert.
 Um eine valide Zuordnung der Begriffe zu den jeweiligen Vertrauensdimensionen zu sichern, erfolgte zudem
eine Panelbefragung mit insgesamt 1.000 Teilnehmern. Der dazugehörige Fragebogen entstand auf Basis der
zuvor gewonnenen Wortfelder: Hierzu mussten Aussagen auf ein konkretes Unternehmen bezogen und anhand
der fünfstufigen Likert-Skala von -2 („stimme überhaupt nicht zu“) bis +2 („stimme voll und ganz zu“) bewertet
werden:
In Kunden- bzw. Beratungsgesprächen zeichneten sich die Angestellten
durch ihre freundliche Art und einen höflichen Umgangston aus.
Das angebotene Produkt überzeugte durch günstige Konditionen
oder einen niedrigen Preis.
Die Funktionsweise des Produkts wurde mir gut erklärt und
unmissverständlich dargelegt.
 Der Fragebogen enthielt zudem die Frage „Ich halte das Unternehmen/meinen Unternehmenskontakt für
vertrauenswürdig“. Diese wurde als abhängige Variable einer Hauptkomponentenanalyse ausgewertet und
damit bestimmt, welche Formulierungen zu den Vertrauensdimensionen Kompetenz, Integrität und Benevolenz
zugeordnet werden können.
 Diese Ergebnisse wurden einerseits zur Erstellung eines Codebuches, welches zur Sicherung der Objektivität bei
der manuellen Auswertung von Stichproben Verwendung fand, herangezogen. Andererseits bildeten sie die
Grundlage zur Programmierung der Schlagwortketten, mit deren Hilfe eine automatisierte Zuteilung der
erhobenen Quellen zu verschiedenen Vertrauensdimensionen erfolgte.
Methodik
9

 Durchsucht man das definierte Quellenset nach der Formulierung „freundlicher Mitarbeiter“, werden alle
Beiträge angezeigt, die eben diesen Ausdruck beinhalten. Bei der automatischen Klassifizierung eines Beitrags
dürften in diesem Fall vergleichsweise wenige Beiträge der falschen Kategorie zugeordnet werden, da der
sogenannte Suchterm eindeutig formuliert wurde.
 Gleichzeitig würden Beiträge, die geringfügige Modifikationen dieser Formulierung enthalten, im vorliegenden
Beispiel ausgeschlossen. Diesem Problem kann mit einer Reihe sogenannter Operatoren begegnet werden.
Durch die Verwendung der Anfrage freundlich* würden beispielsweise auch Begriffe wie freundliche,
freundlicher oder freundlichen abgedeckt.
 Eine weitere Möglichkeit, die Trefferwahrscheinlichkeit der Suchterme zu erhöhen, besteht in der Korrelation
von Begrifflichkeiten. Durch die Verwendung der Suchanfrage (freundlich* NEAR/1 Mitarbeiter*) würde der
Suchradius beispielsweise auf Formulierungen wie „Die Mitarbeiterin war freundlich“ abgedeckt. Der soge-
nannte NEAR-Operator gibt somit an, wie viele Wörter sich zwischen den definierten Suchbegriffen befinden
dürfen.
 Je größer dieser Abstand gewählt wird, umso größer wird damit die Trefferwahrscheinlichkeit. Auf der anderen
Seite steigt jedoch auch die Unschärfe der automatischen Klassifizierung, da ein größerer Wortabstand auch
unerwünschte Kombinationen einbeziehen kann. Die Verwendung des Suchterms (freundlich* NEAR/2
Mitarbeiter*) würde damit auch den Satz „Der Mitarbeiter war nicht freundlich“ als Treffer beinhalten.
 Die Suchanfragen müssen demnach so konzipiert werden, dass keine relevanten Beiträge ausgeschlossen wer-
den, ohne dass dadurch eine signifikante Unschärfe entsteht. Mithilfe einer statistisch gestützten Optimierung
der Anfragen, beispielsweise durch Ergänzungen oder weitere Korrelationen, kann hierbei die Stabilität der
Query erhöht werden. Im konkreten Beispiel wäre eine falsche Klassifizierung beispielsweise durch die
Formulierung ((freundlich* AND NOT (nicht NEAR/0 freundlich*)) NEAR/2 Mitarbeiter*) zu verhindern.
Methodik
10

 Parallel dazu entwickelte das S.W.I. eine zweite Gattung von Suchanfragen, um solche Nennungen zu
identifizieren, die Beiträge zu bestimmten Unternehmen enthielten. Diese beinhalteten zum einen den Namen
des jeweiligen Unternehmens sowie verschiedene Schreibweisen, Abkürzungen und Spitznamen. Zudem
wurden mögliche Tippfehler und falsche Schreibweisen in die Suchanfragen integriert.
 Durch die Überlagerung dieser Suchanfragen konnten Quellen entweder einer der drei Vertrauensdimensionen
Kompetenz, Integrität und Benevolenz zugeordnet oder als irrelevant aussortiert werden. Beiträge, die Aussagen
zu mehreren Vertrauensaspekten enthielten, gingen in unterschiedliche Kategorien der Auswertung ein.
Darüber hinaus erfolgte eine sogenannte Sentimentanalyse, also eine Bewertung der Beiträge als positiv,
negativ oder neutral.
 Die Güte der automatischen Klassifizierung, also der Zuteilung einzelner Beiträge zu einer bestimmten Ver-
trauensdimension sowie die Bewertung der Kernaussage als positiv, neutral oder negativ, wurde durch den
Vergleich zweier Stichproben zu je 200 Fällen reflektiert. Beide Stichproben beinhalteten identische Beiträge,
die jedoch in einem Fall manuell mithilfe eines Codebuchs ausgewertet, im anderen Fall automatisch klassifi-
ziert wurden. Objektivität und Reliabilität der Erhebung wurden zum einen durch die hohe Standardisierung der
maschinellen Auswertung und zum anderen durch die Verwendung eines validierten Codebuches gewährleistet.
Methodik
11
Neutral
Negativ
Positiv
Query:
Vertrauen
Query:
Unter-
nehmen
Klassifizierung
als relevante
Quelle

 Die Überprüfung der maschinellen Erhebung erfolgte mit Hilfe eines T-Tests. Die Ergebnisse wurden als valide
angenommen, wenn ihre Mittelwerte in weniger als fünf Prozent der Fälle signifikant von den Ergebnissen der
manuell bewerteten Stichprobe abwichen. Die verwendeten Suchanfragen (Queries) wurden auf dieser
Grundlage so lange optimiert, bis drei unabhängige Zufallsstichproben in Folge den besagten Ansprüchen
genügten.
 Im Rahmen der Auswertung wurde jeder Vertrauensdimension ein Index-Wert zwischen null und zehn
zugewiesen, wobei ein Resultat über dem Mittelwert von fünf verdeutlicht, dass mehr positive als negative
Beiträge in diesem Bereich gezählt wurden. Die so entstandenen Indices wurden abschließend in unterschied-
lichen Gewichtungen zusammengeführt. Die zugrundeliegende Gewichtung wurde mithilfe einer Faktoren-
analyse mittels Regression aus der Panelbefragung abgeleitet.
 Die Analyse unterschied zudem zwischen echten Kundenmeinungen, die in den gängigen sozialen Netzwerken,
in Foren, auf Blogs oder Verbraucherportalen geäußert wurden und einer Analyse der Medienberichterstattung.
Hierzu wurden Newssites und Presseportale ausgewertet. Zudem gingen Pressemeldungen, die ohne expliziten
Kommentar in sozialen Netzwerken verbreitet wurden, in das Medienurteil ein. Auch diese Quellen wurden
anhand der Vertrauensdimensionen Kompetenz, Integrität und Benevolenz ausgewertet. Beiträge, welche die
Unternehmen selbst lancierten, wurden hingegen nicht berücksichtigt.
 Sodann wurden Kundenvertrauen und Medienurteil zu einem Gesamtergebnis zusammengeführt. Die
Gewichtung orientierte sich am unternehmensspezifischen Verhältnis der Beiträge in diesen Kategorien. War
die Medienpräsenz eines Unternehmens gegenüber der Kundenrezeption also besonders stark ausgeprägt, ging
auch der Medien-Index stärker in das Gesamtergebnis ein.
 Abschließend wurden Endergebnisse anhand umfangreicher, zufälliger Stichproben aus unterschiedlichen
Zeiträumen durch geschulte Analysten anhand des validierten Codebuchs überprüft.
Methodik
12

Methodik
13
Operationalisierung
IntegritätKompetenz BenevolenzTheorie
Wortfelder
Assoziationen
RegressionCodebuch Queries
Panelbefragung → Faktorenanalyse
Manuelle
Auswertung
Gewichtungen
Automatische
Auswertung
Vergleich von
Stichproben
Gesamtergebnis
Qualitätssicherung
Manuelle Qualitätssicherung durch den Vergleich von Zufallsstichproben
(n=1000)
Auswertung
OPTIMIERUNG
Februar 2013
Januar 2013
September 2013
Februar 2014
Dezember 2013
Entwicklungszeitraum

Gesamtergebnis: Vertrauensradar
Die Ergebnisse aus den Bereichen Kundenvertrauen und Medienurteil gingen entsprechend ihrem
Anteils am gesamten Quellenvolumen des jeweiligen Unternehmens in das Gesamtergebnis ein.
Kunden-
vertrauen
Benevolenz/
Wohlwollen
20,0%
Der Dimension „Benevolenz“ wurden solche Quellen zugerechnet, die Aussagen
über das Wohlwollen eines Unternehmens oder seiner Angestellten gegenüber
dem Kunden enthielten. Beiträge zum Verhalten der Mitarbeiter oder dem
Image des Unternehmens wurden hier ebenso gewertet, wie konkrete
Empfehlungen oder Aussagen zur Sympathie.
Kompetenz
40,0%
Der Dimension „Kompetenz“ wurden solche Quellen zugerechnet, die Aussagen
über die Fähigkeit eines Unternehmens oder seiner Angestellten enthielten, den
Ansprüchen der Kunden gerecht zu werden, beispielsweise aus den Bereichen
Produktzufriedenheit, Aktivität oder Fachkompetenz.
Integrität
40,0%
Der Dimension „Integrität“ wurden solche Quellen zugerechnet, die Aussagen
über die Zuverlässigkeit eines Unternehmens oder seiner Angestellten
enthielten, beispielsweise aus den Bereichen Verlässlichkeit, Glaubwürdigkeit
oder Konsequenz.
Methodik
14
Medien-
urteil
Grundgesamtheit
(Quellen beispielsweise aus Twitter, Facebook, Internetforen, Blogs, Bewertungsseiten, Presseportale)

Die Erhebung des Kundenvertrauens basierte auf unterschiedlichen Aspekten, die auf Grundlage der Vorstudien
(Assoziationen und Panelbefragung), unterschiedlichen Vertrauensdimensionen zugeordnet wurden. Im Einzelnen
lagen der Analyse folgende Kriterien und Gewichtungen zugrunde:
Kundenvertrauen 100%
Kompetenz 40%
Aktivität 6%
Fachkompetenz 12%
Produktzufriedenheit 12%
Preise/Gebühren 10%
Integrität 40%
Glaubwürdigkeit 10%
Transparenz 12%
Verständlichkeit 6%
Zuverlässigkeit 12%
Benevolenz 20%
Ehrlichkeit 5%
Wertschätzung 5%
Empfehlungen 5%
Sympathie 5%
Methodik
15

Die Erhebung des Medienechos basierte auf unterschiedlichen Aspekten, die auf Grundlage der Vorstudien
(Assoziationen und Panelbefragung), unterschiedlichen Vertrauensdimensionen zugeordnet wurden. Da die
Berichterstattung in vielen Fällen von exponierten Ereignissen getrieben war und insgesamt weniger differenziert
ausfiel, erfolgte die Analyse aus einer allgemeineren Perspektive. Im Einzelnen lagen dieser die folgenden
Gewichtungen zugrunde:
Medienurteil 100%
Kompetenz 40%
Integrität 40%
Benevolenz 20%
Methodik
16

Herausgeber:
Sozialwissenschaftliches Institut Schad GmbH & Co. KG
Unternehmensbereich FINANCE
Rothenbaumchaussee 17
20148 Hamburg
Telefon: +49 (0)40 411 169 - 0
Website: www.swi-finance.com
Fax: +49 (0)40 411 169 - 22
E-Mail: info@swi-finance.com
Die vorliegende Studie einschließlich aller Bestandteile ist urheberrechtlich geschützt. Eine Weitergabe an Dritte, z.B. eine Tochtergesellschaft, oder mit dem Studienbezieher in wirtschaftlicher Beziehung
stehende Dritte, ist nicht gestattet. Verwertungen, die nicht ausdrücklich gemäß den Bestimmungen des Urheberrechts zugelassen sind, bedürfen der vorherigen schriftlichen Zustimmung der S.W.I. Schad
GmbH & Co. KG. Insbesondere gilt dies für Bearbeitungen, Vervielfältigungen, Übersetzungen, die elektronische Speicherung und Verarbeitung sowie die Verwendung im Rahmen von
Unternehmensanalysen und -bewertungen oder Beratungsleistungen durch Dritte, die nicht der S.W.I. Schad GmbH & Co. KG oder mit ihr verbundenen Unternehmen angehören.
Kontakt
Ihr Ansprechpartner:
Pascal Rudolf, +49 (0)40 411 169 - 29, pascal.rudolf@swi-finance.com
17

Vertrauensmessung mittels Social Media Monitoring

Recommandé

Recommandé

Contenu connexe

En vedette

En vedette (18)

Similaire à Vertrauensmessung mittels Social Media Monitoring

Similaire à Vertrauensmessung mittels Social Media Monitoring (20)

Vertrauensmessung mittels Social Media Monitoring