Sentiment-Analyse

Sentiment-Analyse

Die ursprüngliche Bedeutung von Sentiment lässt sich aus dem französischen als Empfindung oder Gefühle übersetzen. Betrachtet man, z.B. ausschließlich die Verkaufszahlen eines Produktes, bleibt verborgen, wie sich die Meinung potenzieller Kunden über das Produkt im Laufe der Zeit entwickelt. Eine Sentiment-Analyse kann auch als Stimmungserkennung oder Tonalitätsanalyse gesehen werden. Durch die gezielte Analyse lassen sich sowohl einzelne Fragen ableiten, sowie Rückschlüsse auf die Markenwahrnehmung ziehen. Die Stellung einer Marke kann bestimmt werden, indem man Kundenmeinungen in Blogs, Rezensionen und sozialen Netzwerken untersucht. Ebenso können Kampagnen, Serviceleistungen, Unternehmen, Trends und vieles mehr mit Hilfe der Sentiment-Analyse betrachtet werden.

Betrachtet man die Sprache, inkl. Ironie, Sarkasmus und weiteren Feinheiten stellt sich die Frage, wie eine Sentiment-Analyse nun funktioniert. Die manuelle Analyse meint, dass sich ein Mensch mit der Sichtung und Bewertung der Kommentare nach positiv, neutral und negativ befasst. Auf Grund der täglich wachsenden Datenmengen ist das manuelle Vorgehen sehr arbeitsintensiv und wird in den meisten Fällen durch die maschinelle Analyse abgelöst. Im ersten Schritt der automatischen Analyse sollen in unstrukturierten Textdaten Meinungsäußerungen automatisch identifiziert werden. Handelt es sich um längere Texte oder allgemeine Mitteilungen befindet sich nicht zwingend eine Wertung in dem Text. Daher nutzt man z.B. Linguistische Quellen, um vorab bei der Textanalyse die Meinungsäußerungen von der Sachinformation zu trennen.

Beispiel Hotel-Bewertung:

  1. Das Hotel ist sehr gut mit dem Flughafenbus X9 in ca. 10–15 min erreichbar
    Mischung aus Sachinformation, bezogen auf den Flughafenbus und die Erreichbarkeit sowie positiver Meinungsäußerung zur Erreichbarkeit
  2. Die U-Bahnstation befindet sich auch in unmittelbarer Nähe
    Sachinformation und neutrale Polarität
  3. Angestellte sind sehr nett und hilfsbereit
    positive Meinungsäußerung ohne Sachinformation

Die Mischung von Meinungsäußerungen und Fakten innerhalb einer einzelnen Textstelle stellt eine Herausforderung für Text- und Web-Mining-Systeme dar, denn je nach Zielsetzung müssen die relevanten Teile gezielt identifiziert und extrahiert werden. Informationsextraktion sucht nach Sachinformationen im Gegensatz zu einer Sentiment-Analyse, die auf die Erkennung von Emotions- und Meinungsäußerungen fokussiert ist. Zudem muss das System innerhalb der Meinungsäußerungen zwischen unter anderem direkter Meinung („Das Personal im Hotel ist mega nett“) und indirekter Meinung („Der Teilnehmer des Sprachkurses fühlten sich gut auf den bevorstehenden Auslandsaufenthalt vorbereitet“), sowie vergleichenden Meinungen („Einbindung des Systems mit Windows funktioniert gut, auch wenn es bei Apple einfacher geht.“) unterscheiden.

Vor allem, wenn es sich um keine direkte Meinung handelt, wird es für die automatische Analyse schwierig werden die Daten richtig einzuordnen. Mit Hilfe von maschinellem Lernen und künstlicher Intelligenz (KI) wird die maschinelle Analyse jedoch immer besser. Häufig werden die Daten daher nachträglich von einer Person gesichtet und manuell interpretiert.

Die aus der Sentiment-Analyse gewonnenen Erkenntnisse können dann abhängig von der Intension interpretiert werden und entsprechende Marketingstrategien abgeleitet werden.

Siegel, M., Melpomeni, A. (2020), Sentiment-Analyse deutschsprachiger Meinungsäußerungen

Social Media Monitoring mit hmstr

  • Suchen Sie im Netz gezielt nach Unternehmen, Marken, Produkten, Personen, Nachrichten oder Themen
  • Überwachen Sie die Netzgespräche Ihrer Kunden im Web
  • Reagieren Sie schnell und proaktiv auf mögliche Kritik Ihrer Kunden

Vereinbaren Sie eine kostenlose Erstberatung mit dem hmstr Team und entdecken Sie, wie ein ganzheitliches Social Media Monitoring Ihr Unternehmen unterstützen kann.

    Mit * markierte Felder sind Pflichtfelder

     

     

     

     

     

     

     
    Menü