FAQ

Antworten zu den häufigsten Fragen

Social Listening beobachtet aktuelle Erwähnungen auf Social Media Kanälen

Social Listening „monitored“, was aktuell auf Social Media Kanälen wie Twitter, Facebook oder auch in der Presse in vorher festgelegten Themenfeldern passiert. Dabei geht es oft um Erwähnungen der eigenen Marke, der Wettbewerber oder sonstige unternehmensrelevante Themen. Ziel ist es, vor allem bei Negativ-Erwähnungen im Netzt mit geeigneten PR-Massnahme schnell gegensteuern oder kommunikativ auf Themen-Trends aufspringen zu können.

Wir gehen über dieses eindimensionale Monitoring weit hinaus.

Digitale Marktforschung mit KI erfasst Themenfelder vollständig über Jahrzehnte

Wir erfassen gesamte Themenfelder wie Lebensmittel & Ernährung, Gesundheit, Finanzen oder Reisen & Tourismus in voller Tiefe. Es kann sein, dass es zu einem Themenfeld mehrere Zielgruppen gibt, für die wir jeweils einen eigenen Datensatz entwickeln (Beispiel Reisen & Tourismus aus Sicht von Pauschaltouristen vs. Individualtouristen).

Dieses Verfahren erzeugt Datensätze mit vielen Millionen Diskussionen zu allen Unteraspekten, die ein Thema seit Jahrzehnten ausmachen. Dadurch gehen wir viel tiefer als Social Listening es je könnte. So entsteht eine Datenbasis, die es uns ermöglicht, übergreifende Themen-Zusammenhänge darzustellen. Vor allem können wir aber aufkommende und unbekannte Trends aufdecken und identifizieren, von denen unsere Kunden sonst nichts wissen würden.

Repräsentative Abdeckung von Themenfeldern

Unsere Daten sind repräsentativ. Wir erfassen Millionen+ Diskussionen von 100K+ Verbrauchern zu einem Themenfeld. Auf diese Weise wird das Themenfeld so umfassend abgedeckt, dass sich nachhaltige Rückschlüsse auf die Grundgesamtheit aller von dem Thema betroffenen Personen / die betrachteten Zielgruppen ziehen lassen.

Beispiel Themenfeld Lebensmittel & Ernährung

Ein Datensatz zum Thema Lebensmittel & Ernährung wurde von 160.000 Verbrauchern mit 15 Mio. Diskussionen über einen Zeitraum von 20 Jahren erzeugt. Wird in diesem Datensatz über ein bestimmtes Allergie-Problem gesprochen,

  • lässt sich zu einem genau beziffern, wie häufig und wann darüber gesprochen wurde im Verhältnis zu allen anderen Themen, d.h. das Ausmaß des Allergie-Problems ist klar zu verorten.
  • Taucht ein Thema in dem Datensatz allerdings nicht bzw. nur selten auf, so ist es für die betrachtete Zielgruppe nicht / kaum relevant.

Ja. Für eine statistisch verlässliche Trend-Prognose braucht es im Schnitt zehn (oder mehr) Erwähnungen des Themas pro Monat. Am besten über einen Zeitraum von fünf Jahren oder mehr.

 

Mit einer klaren Formulierung von Fragestellungen im Zielsetzungsworkshop beeinflussen / manipulieren wir die Ergebnisse nicht.

Zielsetzungsworkshop klärt „Welches Thema und welche Zielgruppe will man analysieren?“ nicht „Ist Altersvorsorge für Männer oder Frauen wichtiger?“

Im Zielsetzungsworkshop geht es darum, dass sich unsere Kunden im verantwortlichen Projektteam alle gemeinschaftlich darauf einigen, welche Fragestellung sie klären wollen. Das heißt, welche Themen sie über welche Zielgruppen vertieft verstehen wollen. 

Beispiele für Fragestellungen

Welche Zielgruppe wollen wir betrachten? Unsere Firma denkt, Altersvorsorge spielt für eine bestimmte Zielgruppe keine Rolle. Stimmt das? Wenn ja, was sind die Gründe dafür? Wenn nein, wie ist es wirklich? Welche Aspekte der Altersvorsorge könnten für die Zielgruppe relevant sein? Wie verändert sich die Einstellung gegenüber Altersvorsorge und was ist die Prognose für die nächsten Jahre?

Erst wenn sich alle im Team auf die Fragen geeinigt haben, die für ihre weitere Projektarbeit wichtig sind, können wir die passenden Datenquellen für die Beantwortung der Fragestellung finden. Damit stellen wir sicher, dass in den später analysierten Diskussionen wirklich die festgelegten Zielgruppen sprechen und auch zu den Themen, die erforscht werden sollen.

Im nächsten Schritt werden die Daten gescannt und analysiert.

Die Daten bestätigen oder widerlegen die anfänglichen Hypothesen

In der Analyse zeigen uns dann die Daten, ob die Hypothesen wie z.B. „Unsere Firma denkt, Altersvorsorge spielt für eine bestimmte Zielgruppe keine Rolle“ wirklich stimmen. Oft kommt es vor, dass es ganz anders ist als gedacht. Oder wir lernen, dass die Zielgruppe das Thema nur ganz anders sieht. Die Daten sind natürlich entstanden und die Kundenperspektive lässt sich nicht in gewünschte Richtungen hin-manipulieren. Das ist der große Vorteil unserer Herangehensweise.

Google Trends – relative Gratis-Aussagen über Suchpräferenzen

Google Trends zeigt, ob Leute einen Suchbegriff mehr oder weniger googeln. Damit lassen sich natürlich Trends verfolgen.

Aber Google Trends liefert auch bei gekonnter Bedienung nur äußerst oberflächlich Insights.

  • Google zeigt keine Überblicke über Themenfelder, nur Einzel-Keywords.
  • Google liefert nur relative Werte, nie absolute Suchvolumina oder Zahlen. Man erkennt also, ein Thema gewinnt oder verliert an Relevanz. Wie groß diese Relevanz wirklich ist, erfährt man nicht. 
  • Google braucht eine Mindestanzahl von Suchanfragen, damit Trendverläufe gezeigt werden können. Dh. kaum ist ein Thema nieschig, kann Google nicht mehr damit arbeiten und verweist auf zu wenig vorhandene Daten. Wenn es in unseren Daten auch nur einen Beitrag zu einem Thema gibt, taucht er bei uns auf und wir können Aussagen dazu liefern.
  • Die angebotenen Themenzusammenhänge und Kontexte bieten quasi keinen Erkenntnisgehalt. Prove us wrong! 😁

Kurz gesagt: Wir können soooo viel mehr. 

Trend-Predictions, psychologische Anreizprofile, Zielgruppen-genaue Analysen… Wir können soooo viel mehr. Unsere Insights gibts gegen Bezahlung, dafür sind sie High End und tiefgreifend.

Google Analytics und Keywordtools: Das Ziel ist Website-Optimierung

Google Analytics und andere Keywordtools liefern Insights über das Nutzerverhalten von Website-Besuchern und das Suchvolumina von Keywords. Diese Tools wurden entwickelt, um Websites zu optimieren. Entsprechend die Datenbasis, mit der man arbeitet.

DADORA Marktforschung mit KI: Smarte, strategische Entscheidungen und mehr Erfolg bei Innovationen

Wir helfen Unternehmen, strategisch langfristige smarte Entscheidungen zu fällen, Innovationsprozesse erfolgreicher zu gestalten, Kundenansprachen treffender zu formulieren und neue Insights durch neue Methoden in der Marktforschung zu generieren. Dazu verstehen wir Themenfelder daten-basiert und identifizieren grundlegende Kundenbedürfnisse genauso wie Themenzusammenhänge. Wir prognostizieren Trends. Wir erforschen Zielgruppen und Märkte im Detail.

User Generated Content (UGC), d.h. nutzergenerierte online Inhalte, sind alle Inhalte – Texte, Videos, Bilder, Bewertungen usw. – die von Menschen und nicht von Marken oder Unternehmen erstellt werden.

Künstliche Intelligenz (KI) ist ein weit gefasster Begriff für Techniken, die Maschinen oder Programme in die Lage versetzen, so genannte „intelligente Aufgaben“ mit viel größerer Geschwindigkeit und Kapazität auszuführen, die sonst von Menschen erledigt werden. Wir nutzen Formen der KI, nämlich Natural Language Processing (NLP) und Machine Learning / maschinelles Lernen, um unstrukturierte Text-Daten in aussagekräftige Insights & Business Intelligence zu verwandeln.

Machine Learning ist ein Teilbereich der KI, der statistische Techniken umfasst, die es Maschinen ermöglichen, Aufgaben mit zunehmender Erfahrung besser zu bewältigen. Wir verwenden Machine Learning, um komplexe Probleme zu lösen, bei denen es unmöglich ist, Regeln zu definieren, die sagen, was die Lösung zu TUN hat. Statt dessen entwickeln wir Regeln, indem wir der Maschine über Beispiele zeigen und definieren, was wir von ihr ERWARTEN. Zum Beispiel ist es unmöglich, mit präzisen, soliden Regeln festzulegen, warum ein Diskussionsbeitrag positiv, negativ oder neutral ist. Stattdessen beschriften wir manuell mehrere Tausend Beiträge und lassen die Maschine die Regeln auf der Grundlage dieses Trainingsdatensatzes lernen.

Natural Language Processing (NLP) ist – knapp gesagt – der Einsatz von Computern zum Verstehen und Analysieren menschlicher Sprache (inklusive Umgangssprache, Emojis, Sarkasmus usw.). Ziel ist es, ein genaues Bild des Inhalts und der Stimmung der Sprechenden / Schreibenden zu erhalten. Indem wir Natural Language Processing nutzen, sind wir in der Lage, Millionen von digitalen, durch Nutzer erzeugte Inhalten (User Generated Content) innerhalb von Sekunden zu „lesen“ und maschinell zu verstehen.

Sie wollen mehr wissen und haben weitere Fragen?
Dann schreiben Sie uns.