Diese Arbeit handelt von den Fragen "Wie ist die Polarität der Stimmung, in sozialen Medien gegenüber Amazon aufgestellt?“ und "Welche Emotionen verbinden Amazon-Stakeholder mit diesem Unternehmen?“

Die Umwandlung von Informationen in digitale Formate wird als Digitalisierung bezeichnet und ist ein Prozess, der seit den späten 1950er Jahren vorangetrieben wird. Seitdem haben die Digitalisierung und die Vernetzung zu grundlegenden Veränderungen in der Gesellschaft und in der Wirtschaft geführt. Dabei hat die weltweite technische Vernetzung zu neuen Möglichkeiten der Kommunikation zwischen Unternehmen, Wettbewerb und Kunden geführt. Zusätzlich unterstützt dieser Wandel die Entgrenzung, d.h. die Aufhebung von ehemals bestehenden Grenzen. Damit werden physische, regionale und zeitliche Eingrenzungen unbedeutender und Unternehmen können mit einem geringen Aufwand global agieren.

Seit Beginn des Internet-Zeitalters, Mitte der 1990er Jahre, hat sich das Konsumverhalten der Kunden beim Kauf von Produkten verändert. In der heutigen Zeit können Konsumenten auf eine Vielzahl von Produkten zurückgreifen, und diese unabhängig von Ort und Zeit, über Online-Plattformen erwerben. Zur erfolgreichen Entwicklung der digitalen Wirtschaft haben vor allem die Geschäftsmodelle, Strukturen und Technologien der US-amerikanischen Unternehmen Google, Apple, Facebook und Amazon (kurz: GAFA) beigetragen. Jeff Bezos, der Gründer von Amazon, leistete Pionierarbeit in dem er seine Vision verwirklichte und mit seiner Unternehmung den globalen Online-Handel vorangetrieben hat. Im Jahr 1995 wurde Amazon als Online-Buchhandel gegründet. Heute agiert der Handelsriese als globaler Marktplatzbetreiber für eine breite Maße unterschiedlicher Produkte. In der Literatur wird der Erfolg von Amazon damit begründet, dass die Geschäftsprozesse dieses Unternehmens auf den Nutzen des Kunden ausgerichtet sind. Die Kundenorientierung gepaart mit technologischen Innovationen führen bei Amazon zu einer überdurchschnittlichen Kundenzufriedenheit.

Excerpt

Inhaltsverzeichnis

1 Einleitung
2 Grundlagen

2.1 Business Intelligence
2.2 Sentiment Analyse
2.3 Herausforderungen
2.4 Vorgehensmodelle

2.4.1 Lexikonbasierter Ansatz
2.4.2 Maschinelle Lernverfahren
2.4.3 Hybrides Lernverfahren

3 Anwendung einer Stimmungsanalyse in R

3.1 Vorbereitung
3.2 Datensammlung
3.3 Aufbereitung der Daten
3.4 Lexikonbasierte Analyse und Darstellung der Ergebnisse
3.5 Bewertung der Ergebnisse

4 Fazit

Zielsetzung und Themenschwerpunkte

Diese Projektarbeit untersucht die Sentimentanalyse von Tweets zum Hashtag „Amazon“ mithilfe von R. Ziel ist es, die Möglichkeiten und Herausforderungen der Sentimentanalyse anhand eines praxisrelevanten Beispiels zu demonstrieren und die Ergebnisse zu bewerten.

Anwendung von Sentimentanalysemethoden in R
Analyse von Twitter-Daten zum Thema Amazon
Vergleich verschiedener Ansätze der Sentimentanalyse (lexikonbasiert, maschinelles Lernen)
Bewertung der Genauigkeit und Aussagekraft der Ergebnisse
Herausforderungen bei der Datenaufbereitung und -analyse

Zusammenfassung der Kapitel

1 Einleitung: Dieses Kapitel führt in das Thema der Sentimentanalyse ein und beschreibt die Zielsetzung der Arbeit. Es wird der Kontext der Analyse von Kundenstimmen im digitalen Zeitalter erläutert und die Relevanz der Untersuchung von Twitter-Daten im Bezug auf Amazon hervorgehoben. Die Arbeit skizziert den Aufbau und die Methodik, die zur Erreichung der Forschungsziele eingesetzt werden.

2 Grundlagen: Dieses Kapitel legt die theoretischen Grundlagen der Arbeit dar. Es werden die Konzepte von Business Intelligence, Sentimentanalyse und deren Herausforderungen detailliert erläutert. Verschiedene Vorgehensmodelle der Sentimentanalyse, inklusive lexikonbasierter Ansätze, maschineller Lernverfahren und hybrider Methoden, werden vorgestellt und verglichen. Die Auswahl des geeigneten Modells für die spätere Analyse wird begründet.

3 Anwendung einer Stimmungsanalyse in R: Dieses Kapitel beschreibt die praktische Anwendung der Sentimentanalyse auf Twitter-Daten zum Hashtag „Amazon“ mithilfe der Programmiersprache R. Es werden die einzelnen Schritte der Datenaufbereitung, -sammlung und -analyse detailliert dargestellt, von der Rohdatenbeschaffung über die Bereinigung der Daten bis hin zur Durchführung der lexikonbasierten Analyse. Die Ergebnisse der Analyse werden präsentiert und im Hinblick auf ihre Genauigkeit und Aussagekraft bewertet. Die Kapitel beschreibt die Herausforderungen und Schwierigkeiten, die während des Prozesses auftraten und wie diese gemeistert wurden. Graphische Darstellungen der Ergebnisse, wie Balkendiagramme und Boxplots, werden interpretiert und eingeordnet.

Schlüsselwörter

Sentimentanalyse, Twitter, Amazon, R, Business Intelligence, Maschinelles Lernen, Lexikonbasierter Ansatz, Datenanalyse, Datenaufbereitung, Polarität, Emotionen.

Häufig gestellte Fragen zur Projektarbeit: Sentimentanalyse von Amazon Tweets mit R

Was ist das Thema dieser Projektarbeit?

Die Projektarbeit untersucht die Sentimentanalyse von Tweets zum Hashtag „Amazon“ mithilfe der Programmiersprache R. Ziel ist es, die Möglichkeiten und Herausforderungen der Sentimentanalyse anhand eines praxisrelevanten Beispiels zu demonstrieren und die Ergebnisse zu bewerten.

Welche Methoden der Sentimentanalyse werden verwendet?

Die Arbeit vergleicht verschiedene Ansätze der Sentimentanalyse: lexikonbasierte Ansätze und maschinelle Lernverfahren. Es wird begründet, warum ein lexikonbasierter Ansatz für die Analyse gewählt wurde.

Welche Daten werden analysiert?

Analysiert werden Twitter-Daten zum Thema Amazon, genauer gesagt Tweets, die den Hashtag „Amazon“ enthalten.

Welche Schritte umfasst die Datenanalyse?

Die Datenanalyse umfasst die Datenaufbereitung (Bereinigung der Daten), die Datenanalyse selbst (mittels eines lexikonbasierten Ansatzes) und die Darstellung der Ergebnisse (z.B. mittels Balkendiagrammen und Boxplots). Die Herausforderungen bei der Datenaufbereitung und -analyse werden ebenfalls dokumentiert.

Welche Software wird verwendet?

Die Programmiersprache R wird für die Sentimentanalyse und die Datenverarbeitung verwendet.

Welche Ergebnisse werden präsentiert?

Die Ergebnisse der lexikonbasierten Sentimentanalyse werden präsentiert und hinsichtlich ihrer Genauigkeit und Aussagekraft bewertet. Graphische Darstellungen der Ergebnisse unterstützen die Interpretation.

Welche theoretischen Grundlagen werden behandelt?

Die Arbeit behandelt die Grundlagen von Business Intelligence und Sentimentanalyse, inklusive der Herausforderungen dieser Methoden. verschiedene Vorgehensmodelle der Sentimentanalyse (lexikonbasiert, maschinelles Lernen, hybrid) werden vorgestellt und verglichen.

Wie ist die Arbeit aufgebaut?

Die Arbeit gliedert sich in eine Einleitung, einen Grundlagenteil, ein Kapitel zur praktischen Anwendung der Sentimentanalyse in R, und ein Fazit. Die Einleitung beschreibt die Zielsetzung und Methodik. Der Grundlagenteil erläutert Business Intelligence, Sentimentanalyse und verschiedene Vorgehensmodelle. Das Hauptkapitel beschreibt die praktische Anwendung in R, inklusive Datenaufbereitung, -analyse und -darstellung. Das Fazit fasst die Ergebnisse zusammen.

Welche Schlüsselwörter beschreiben die Arbeit?