Social-Listening von Influencern

Dieser Text startet mit zwei Gedanken, entstanden bei der Arbeit f√ľr ein konkretes Kundenprojekt. Mehr zum Hintergrund also sp√§ter ‚Ķ

Erster Gedanke: Online-Singlebörsen
Wer schon mal bei Parship, Elitepartner & Co. mitgemacht hat (zwinker, zwinker), der wei√ü, dass zu Beginn der Mitgliedschaft ein langer Fragebogen auf Ausf√ľllung wartet – zwecks psychografischer Bestimmung der Pers√∂nlichkeit, damit das System anschlie√üend die passenden potentiellen Partner vorschlagen kann. Problem dabei: Es sind sehr viele Fragen, die eine Menge Zeit und auch Nerven kosten k√∂nnen. Und abgesehen von der Plausibilit√§t der Fragen √ľberpr√ľft auch keiner, ob die Antworten √ľberhaupt der Wahrheit entsprechen.

Wie w√§re es denn, wenn ich als Anwender der Single-App erlauben w√ľrde, s√§mtliche meiner Social-Media-Aktivit√§ten der letzten zw√∂lf Monate zu analysieren? D.h. alle Aktivit√§ten und Interaktionen wie Teilen, Bewerten, Kommentieren, Liken und Klicken. Auf Facebook, Instagram und LinkedIn. Weitere Annahme: Aus diesem Datenwust k√∂nnte dann ein Algorithmus mein ganz individuelles Pers√∂nlichkeitsprofil erstellen – und zwar nach dem bekannten Big-Five- oder OCEAN-Modell aus der Pers√∂nlichkeitspsychologie.

Wer es nicht kennt: Es besteht aus den Dimensionen Offenheit, Gewissenhaftigkeit, Extraversion, Vertr√§glichkeit und Neurotizismus. Bei jedem Menschen (oder allem mit einem "Verhalten") kann bei jeder einzelnen Dimension eine Auspr√§gung irgendwo zwischen stark und schwach bestimmt werden. Alle f√ľnf Faktoren miteinander kombiniert ergeben dann als Ergebnis ein einzigartiges psychografisches Bild. Zum Wikipedia-Eintrag hier lang.

Die Singleb√∂rse w√ľsste nun also ziemlich genau √ľber mich Bescheid, wobei ich hier alle datenschutzrechtlichen Aspekte einmal beflissentlich ignorieren m√∂chte. Im n√§chsten Schritt w√ľrden mir nun genau die Personen vorgeschlagen werden, deren Profil perfekt zu meinen passen. Woher das System das w√ľsste? Aus erfolgreichen "Matches" ehemaliger Mitglieder, also aus Daten der Vergangenheit. Eventuell w√ľrde ich sogar differenzierte Vorschl√§ge erhalten: F√ľr besonders harmonische Beziehungen, welche mit extra Pfeffer drin oder Beziehungen, die beides versprechen.

Zweiter Gedanke: Parteien der Bundestagswahl
Auch Parteien agieren als eine Art "Persönlichkeit" im Social-Media-Kosmos. Alle investieren viel Geld, Personal und Hoffnung, um ihre Zielgruppen schon vor oder am Wahltag zum Kreuzchen zu bewegen und vor allem die vielen Unentschlossenen noch gerade rechtzeitig auf ihre Seite zu ziehen.

Lie√üe sich auch hier durch die Analyse des kompletten digitalen Rauschens f√ľr jede Partei ein konkretes psychologisches Bild zeichnen? Wieder nach dem oben genannten Big-Five-Modell? Zu welchen Ergebnissen w√ľrde das wohl f√ľhren? Neben den Parteifunktion√§ren und -Mitgliedern sprechen, schreiben und kommunizieren ja auch ganz normale B√ľrger in den Partei-Foren – und nur die Kommunikation aller Beteiligten ergeben das komplette psychologische Bild. Aus dem Stegreif k√∂nnte ich nun nicht sagen, ob die AFD am Neurotischsten, die GR√úNEN am Empathischsten oder die FDP am Aufgeschlossensten ist!?

Was ich fast noch spannender f√§nde, ist die Konsequenz aus den Resultaten: Welche Parteien mit welchen Mindsets (ein anderes Wort f√ľr "Pers√∂nlichkeit") passen denn nach der Wahl am besten oder am wenigsten f√ľr Koalitionen zusammen? Auch hier gilt: Welche Verbindungen waren in der Vergangenheit besonders erfolgreich, ausgewogen oder konstruktiv? Welche waren von Anfang an zum Scheitern verurteilt?

Bei beiden Szenarien, also den Singleb√∂rsen wie auch den Parteien, wird ein System bzw. ein Algorithmus gebraucht, der aus vergangenen Zusammenh√§ngen "lernt", daraus die entsprechenden Lehren zieht und mit jeder weiteren Datenf√ľtterung noch besser wird. Klingt nach K√ľnstlicher Intelligenz? Korrekt.

Die beiden Anwendungsbeispiele habe ich mir ausgedacht …
‚Ķ die Idee dahinter nat√ľrlich nicht. Die habe ich ganz aktuell bei meiner √Ėffentlichkeitsarbeit f√ľr ein D√ľsseldorfer Marktforschungsinstitut kennengelernt.

Es geht um ein Marktforschungs-Werkzeug namens "MindsetMatching¬ģ". Mittelfristig soll dieses "Tool" der Werbeindustrie helfen, die k√ľnftige Suche und Auswahl von "Influencern" auf eine neue, valide (weil datenbasierte) Ebene zu heben. Zur Erinnerung: Influencer sind Social-Media-Figuren, die ihren tausenden, manchmal auch Millionen von Followern bestimmte Marken und Produkte pr√§sentieren und empfehlen. Was also fr√ľher der Gottschalk mit den Gummib√§rchen bei "Wetten, dass ‚Ķ" war, ist heute ein Social-Media-Sternchen (m/w/d), das online die S√ľ√üigkeiten auf den eigenen K√ľchentisch legt und "ganz nebenbei" wegm√ľmmelt.

MindsetMatching¬ģ beschreibt genau das, was ich oben schon in Gedanken auf Parship oder die Bundestagswahl angewandt habe. Es kann n√§mlich systematisch in die Social-Media-Welt von Influencern hineinhorchen, wie diese sich mit ihrer Community austauschen oder interagieren. Wobei die meisten Influencer keine wirklich prominenten Figuren der √Ėffentlichkeit sind, sondern relativ unbekannte Nano- und Micro-Influencer, die weniger als 5.000 bzw. weniger als 50.000 Follower haben.

"Social-Listening" und K√ľnstliche Intelligenz
In dem genannten Konzept arbeitet ein Algorithmus, der im Agenturjargon "Social-Listening" betreibt. Geh√∂rt und aufgezeichnet werden Aktionen wie Liken, Klicken und Bewerten sowie nat√ľrlich S√§tze, W√∂rter, Zeichen und Emojis. Dieses Informationswirrwarr sagt dem System erst mal: NICHTS. Und wird deshalb standardisiert, strukturiert und in handlichere Einheiten zerkleinert. Erst in dieser Form l√§sst sich das Gesagte bzw. Geschriebene nun verstehen und auch interpretieren.

Einige Verfahren dahinter hei√üen Sentiment-Analyse, Natural-Language-Processing, Parsing, Tokenization und wie schon erw√§hnt Anwendungen mit K√ľnstlicher Intelligenz (KI). Wer Details dazu erfahren will, muss bis zum P.S. dieses Textes warten.

Erfolgreiches Werbe-Pärchen oder "Mismatch"?
Der geneigte Leser wird es ahnen: Das Ergebnis des "Social-Listening" sind die Pers√∂nlichkeitsprofile von Influencern, wieder nach dem Prinzip der Big-Five. Und exakt diese F√ľnf werden ebenso genutzt, um die zu bewerbenden Marken zu analysieren. Werden nun die zwei Profile √ľbereinandergelegt, stellt sich die Frage: Passen Marke und Influencer zusammen? Bei der Antwort hilft der Blick in den bestehenden Datenpool aus Werbe-P√§rchen der Vergangenheit. Welche waren erfolgreich? Welche leider ein "Mismatch"?

Vorteilhaft waren meistens diejenigen Konstellationen, bei denen man √§hnliche, kongruente oder einfach zueinander passende Wertemuster und Einstellungen feststellen konnte. Denn in der Regel lassen sich nur unter diesen Voraussetzungen Marken-Zielgruppen von einem Influencer f√ľhren und beeinflussen. Oder soll ich sagen: Manipulieren?

Ist denn ein Verfahren wie MindsetMatching¬ģ so neu? Ja. Ist es. Zumindest f√ľr das Influencer-Marketing haben Werbetreibende bisher tats√§chlich kein qualitatives, psychologisches Instrument zur Hand. Die Selektion findet bis heute lediglich √ľber quantitative Daten wie Reichweitenzahlen oder Likes statt. Und am Ende eben auch mit viel Bauchgef√ľhl oder Intuition. Nicht ungef√§hrlich bei den Summen, die die gro√üen Markenartikler so aufwenden.

Wer wei√ü, vielleicht finden ja auch Parteien und Singleb√∂rsen Gefallen an diesem Verfahren. Zumindest f√ľr mich w√§re das schon mal ein Gewinn, klingt doch beides nach sehr dankbaren PR-Themen (zwinker, zwinker).

P.S.: Wen das Thema NOCH ein wenig mehr interessiert, auf der Agentur-Seite gibt es ein Whitepaper dazu.