CASE STUDY: Sentiments

Interesse der Internetnutzer in der Schweiz. (Daten: Google; Tool: www.google.com/ trends)

ZIEL & AUSGANGSLAGE

1. EINLEITUNG

Big Data, Daten im Internet und Social Media bergen ein grosses Potenzial. Doch sie liegen mehrheitlich unstrukturiert vor. Data Mining und stringente Untersuchungsdesigns für Content Analysis müssen erst den Weg durch das Dickicht ebnen. Gerade im Kontext mit Inhaltsanalysen ist häufig von so genanntem «Rauschen» die Rede. Es gilt bereits in den ersten von zahlreichen Pretests im Sinne des Signal-to-noise ratio echte Signale vom Rauschen zu unterscheiden.

Das vorliegende Fallbeispiel dient als Beweisführung, dass selbst in der Umgebung von Big Data und gleichzeitig der Herausforderung von sprachlich mehrdeutigen Begriffen sehr wohl Analysen möglich sind, denen eine hohe Aussagekraft zukommt.

Stimmungs-Analysen gehören wie die Leading Indicators zu Welthandel, Branchen und Arbeitsmärkten zum Kerngeschäft von 4TREND. Das folgende Beispiel soll illustrieren, wie Trends für Sentiments-Analysen abgeleitet werden. Die Indizes zum Consumer Confidence sind im Übrigen ebenfalls Teil der Leading Indicators. Die nachfolgende Darstellung ist im «Labor» von 4TREND entstanden.

Sentiments-Analysen als Content Analysis führen wir in der Regel mit Hunderten, ja Tausenden von Keywords durch. Aufgrund der Awareness der Konsumenten nach Websites und Produkten erhalten wir einen Indikator für die Konsumstimmung. Werden entsprechende Sites häufiger besucht, dann spricht dies für eine höhere Konsumneigung et vice versa. Für die Sentiments-Analysen dürfen wir die Daten von Alexa Internet, Google und Twitter benutzen. diese Datenpools sind exemplarische Beispiele für Big Data. Allein bei Google stehen für die Analyse Billionen (!) von Daten zur Verfügung. In der vorliegenden Valentinstag-Untersuchung konzentrieren wir uns auf die Daten von Google.

2. THESEN

Unsere These: Der Konsum ist je nach Saison und Konjunktur Schwankungen unterworfen. Diese Schwankungen zeigen sich in den Nutzerdaten zum Internet und zu Social Media. Insbesondere an den bedeutsamen und symbolträchtigen Tagen wie Weihnachten oder Valentinstag wird die Saisonalität sehr deutlich. Mehr noch: Selbst die Makroökonomie beeinflusst unsere Aufmerksamkeit und letztlich unser Verhalten. Mit anderen Worten: In der Hochkonjunktur sind wir spendabler und schenken z.B. dem Valentinstag eine höhere Aufmerksamkeit als in Zeiten der Krise. Dasselbe gilt generell für die Affinität für Luxus-Konsum und Discretionaries.

USP

«Big Data» ermöglicht grundsätzlich die Filterung von Daten, die auch per Zufall die These bestätigen könnten. Der USP dieser Analyse besteht gerade darin, zu einer klaren Fragestellung möglichst eindeutige Keywords zu definieren. Nachfolgend wird die Abfrage nach Valentinstag in einen grösseren Kontext gestellt.


REALISIERUNG

1. AUFDECKEN VON ZUSAMMENHÄNGEN

Wir wollen die formulierte These mit verschiedenen Trendanalysen testen. Wir erwarten nicht nur bemerkenswerte saisonale Trends, sondern auch Korrelationen zur Konjunktur und Aussagen zu einzelnen Ländern.

2. METHODE & DESIGN

Methode: Content Analysis

Universum: Global; Internetnutzer, die auch die Suchmaschine von Google benutzen

Analysetool: Google Trends

Merkmale der Google-Datenbank: Billionen von Daten (eine der weltgrössten Datenpools überhaupt)

Kategoriensystem & Keywords: Wir erstellen eine Zeitreihe einzig mit dem Wort «Valentinstag». Die Resultate stellen wir in einen weiteren Kontext zu Konsum und Luxusprodukten.

Sprachen: 65 Sprachen werden berücksichtigt.

Aussagekraft: Global erreichen wir mit den Daten von Google eine an sich hohe Repräsentativität; wobei man trotzdem im statistischen Sinne nur von einer Beinahe-Repräsentativität sprechen darf, da z.B. Nicht-Internetnutzer nicht berücksichtigt sind. Die Aussagen für China sind zudem aufgrund relativ geringer Google-Nutzung wahrscheinlich nicht signifikant.


FAZIT

Die Zeitreihen zeigen einerseits eindrücklich die saisonalen Trends. Das gilt für die Trends bezüglich «Valentinstag» genauso wie auch für die Tendenzen des Konsums und der Luxus-Marken. Das Weihnachtsgeschäft ist für die Luxusgüter-Branche von entscheidender Bedeutung. Aus den saisonalen Trends geht hervor, wann das Weihnachtsgeschäft in den Köpfen der Internetnutzer beginnt.

Die Zeitreihen offenbaren andererseits eine erhebliche Korrelation zu konjunkturellen Entwicklungen. Dies geht aus der Analyse der Jahresraten hervor, welche die saisonalen Einflüsse neutralisieren. Konkret: Mit Beginn der Rezession in den USA im Jahr 2008 und der nachfolgenden Finanzkrise sank auch das Interesse an Valentinstag sowie Luxus-Marken generell. Wobei es sich immer um eine relative Betrachtung handelt. Das heisst: Wir messen, wie oft ein Begriff prozentual zu allen übrigen Suchanfragen getätigt worden ist. Aufgrund dieses Ansatzes spielen Faktoren wie unterschiedliche Internetnutzung in Raum und Zeit keine Rolle. Selbstverständlich zeigt die Analyse auch länderspezifische Besonderheiten: So wird in Brasilien der Valentinstag nicht am 14. Februar, sondern am 12. Juni gefeiert.

Die Resultate sind im Übrigen insofern plausibel, als sich die Menschen in Krisenzeiten vermehrt für andere Themen interessieren (z.B. Wirtschaftsnachrichten). Aus werbestrategischen Gründen macht es deshalb durchaus Sinn, in Krisenzeiten die Werbeausgaben zu drosseln - auch wenn dies dem antizyklischen Ansatz im Marketing zuwiderläuft.

Die Relevanz der Analysen zeigt sich auch darin, wenn wir die Frequenzen nach einzelnen Ländern filtern. So hatte die Awareness für Valentinstag in den USA bereits im Jahr 2008 ein Mehrjahrestief erreicht; für die meisten anderen Länder traf dies erst im Frühjahr 2009 zu, als auch die Börsen auf ein Mehrjahrestief fielen. Die USA gingen demnach in dieser Phase im weltweiten Konjunkturzyklus voraus. Bereits Anfang 2008 rutschten die USA in die Rezession - für Europa traf dies erst im 4. Quartal 2008 zu.

Global präsentiert sich die Situation bei den Luxusprodukten ähnlich. Die Awareness für Luxury Brands erreichte ebenfalls im Frühjahr 2009 ein Mehrjahrestief. Diese Trends zeigen also, dass es bei den erwähnten Korrelationen nicht um ein zufälliges Ergebnis handeln kann.

Global Consumer Sentiment von 4TREND.