Einsatz der Social Network Analysis im Web 2.0

Der Einsatz der Social Network Analysis zur Analyse des Konsumentenverhaltens im Web 2.0 – Ziele, Erscheinungsformen, Problemfelder und korrespondierende Lösungsansätze am Beispiel von Social-Networking-Plattformen

Seminar Paper , 2009 , 33 Pages , Grade: 2,3

Business economics - Offline Marketing and Online Marketing

Zielstellung und Aufbau der Arbeit
Bisher wurde die Social Network Analysis (SNA), synonym Netzwerkanalyse (NA), in der Marktforschung eher vernachlässigt. Diese Arbeit soll deshalb die Grundlagen und Anwendungsmöglichkeiten der NA in der Marktforschung darstellen. Dazu werden zuerst die Grundlagen der SNA sowie die relevanten Social Network Sites (SNS) behandelt. Danach werden Anwendungsmöglichkeiten exemplarisch aufgezeigt sowie weitere Möglichkeiten der Marktforschung in SNS genannt. Abschließend werden kritisch die Grenzen der SNA erörtert und ein Ausblick gegeben.

Zusammenfassung
Die Social Network Analysis eignet sich für die Analyse der Marken- und Produktwahrnehmung, daraus lassen sich Hinweise für die Markenpositionierung und die Produktvariation ableiten. Im Rahmen von Längsschnittuntersuchungen ist auch ein Kommunikationscontrolling möglich. Die Analyse, der im Internet vorhandenen Kommunikationsstrukturen, gestattet Kundengruppen und Schlüsselpersonen im Internet zu identifizieren, als Voraus-setzung eines effektiven viralen Marketing oder gezieltem Beziehungsmanagement. Für die Produktinnovation lassen sich Erkenntnisse der Trendanalyse nutzen. Die SNA im Rahmen der Marktforschung in SNS gewinnt zunehmend an Bedeutung, da sie kostengünstig nonreaktiv durchgeführt werden kann und zeitnah Antworten auf marketingrelevante Fragestellung liefert. Besonders wertvoll erscheinen diese Eigenschaften vor dem Hintergrund steigender Reaktanzen auf andere Marktforschungsmethoden. Die Visualisierungsmöglichkeiten von verschiedensten Themen wie Produkteigenschaften, Markenpositionierung oder Kommunikationssystemen gestatten, komplexe Sachverhalte strukturiert darzustellen und können den Ausgangspunkt für das weitere Handeln bilden.

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

Formelverzeichnis

1. Einführung und Aufbau der Arbeit
1.1. Social Network Sites und Marktforschung
1.2. Zielstellung und Aufbau der Arbeit

2. Grundlagenteil
2.1. Grundbegriffe der Social Network Analysis
2.2. Visualisierung von Netzwerken
2.3. Berechnungen in Netzwerken
2.4. Social Network Sites

3. Angewandte Marktforschung in Social Network Sites
3.1. Ziele der Marktforschung
3.2. Aufbau einer Marktforschungsstudie
3.3. Quantitative Ansätze
3.4. Qualitative Ansätze
3.5. Triangulation

4. Problemfelder
4.1. Junger Forschungszweig
4.2. Grenzen der Social Network Analysis
4.3 Forschungsethik oder Schnüffeldienst

5. Zusammenfassung und Ausblick

Anhang

Literaturverzeichnis

URL-Verzeichnis

Abbildungsverzeichnis

Abbildung 1: Netzwerk mit 120 Medizinern

Abbildung 2: Markenpopularität in der Blogosphäre

Abbildung 3: Darstellung Gesamt- und Egonetzwerk

Abbildung 4: Cliquen, Broker, strukturelle Löcher, Strong und Weak Ties

Abbildung 5: Freundschaften StudiVz

Abbildung 6: Visualisierung einer semantischen Netzwerkanalyse

Abbildung 7: Extrahiertes Knotensystem WoW

Abbildung 8: Marken-Themen-Assoziationen in der Blogosphäre

Abbildung 9: Darstellung Visualisierung mit Coolpeople

Tabellenverzeichnis

Tabelle 1: Informationsziele der Marktforschung in SNS

Tabelle 2: Top 10 Social Networking-Sites der Deutschen

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Formelverzeichnis

Formel 1: Degree-Centrality, ungerichtet

Formel 2: Closeness-Centrality

Formel 3: Betweeness-Centrality

Formel 4: Density

1. Einführung und Aufbau der Arbeit

1.1. Social Network Sites und Marktforschung

Der Zugang großer Bevölkerungsgruppen zum Internet hat dazu geführt, dass 2009 zwei Drittel der Deutschen über 14 Jahre online sind und 64,7% das Internet regelmäßig nutzen.^[1] 2009 beteiligen sich 25% der Onliner re­gelmäßig in Gesprächsforen, Chats und Onlinecommunitys. Besonders die privaten Social-Networking-Plattformen wie StudiVz, Facebook und Wer- kennt-Wen haben die größten Zuwachsraten. Im letzen Jahr stieg die Nut­zung solcher Netzwerkplattformen hierzulande um 36 Prozent.^[2] Inzwischen sind 29 Prozent Mitglied bei mindestens einer Plattform, das sind circa 14,6Mio Deutsche. Ein Viertel “networken“ mindestens einmal wöchent­lich. Innerhalb der Web 2.0 Anwendungen liegen die Netzwerkplattformen damit knapp hinter der Nutzung von Wikipedia und Videoportalen. Buse­mann spricht in diesem Zusammenhang von der Habitualisierung der Nut­zung von sozialen Netzwerkplattformen.^[3]

In einer Studie^[4] gaben 18% der Befragten an, dass eine Website mehr Ihre Kaufentscheidung beeinflusst, als andere Informationswege. Damit über­trifft die Bedeutung des Internets sogar Mund-zu-Mund-Propaganda oder Verkaufsgespräche am Point Of Sale. Im Web 2.0 evaluieren Konsumenten Produkte, unterstützen informativ die Kaufentscheidungen, bringen neue Ideen für Produkte oder Dienstleistungen ein oder diskutieren eine Werbe­kampagne.^[5] Die Unternehmen sind im Web 2.0 in ein vernetztes Communitymodell^[6] eingebunden. Die Verknüpfung der Konsumenten un­tereinander ist in diesem Modell wesentlich stärker als zum Unternehmen. Kenntnisse über die Strukturen und Regeln solcher Netzwerke stellen wich­tige Voraussetzungen für das Marketing dar. Das Web 2.0 bietet Marktfor­schern zahlreiche Vorzüge für die Erfassung und Analyse des Konsumen­tenverhaltens. Generell hervorzuheben ist das hohe Maß an Selbstoffenba- rung im Netz im Gegensatz zur Reaktanz auf Marktforschung im traditio­nellen Kontext.2 * * * *^[7] Im Internet ist alles in digitaler Form archiviert. Die Infor­mationen können dementsprechend kosteneffizient mit Trackingtools und Webcrawlers in Echtzeit unbeeinflusst gesammelt und analysiert werden.^[8] Das Web 2.0 mit Netzwerkplattformen, Blogs, Tausch- und Bewertungspor­talen bietet Marktforschern praktisch die Möglichkeit eine Kamera aufzu­stellen, um Gewohnheiten, Kommunikation, Interessen, Markenvorlieben und Einkäufe der Konsumenten zu erfassen.^[9] Casteleyn stellt zusammenfas­send fest “Undoubtedly, any market researcher who wants to feel the heart­beat of today’s society must realise that the 124 million Facebook visitors per month can provide a wealth of information.”^[10]

1.2. Zielstellung und Aufbau der Arbeit

Bisher wurde die Social Network Analysis (SNA), synonym Netzwerkana­lyse (NA), in der Marktforschung eher vernachlässigt.^[11] Diese Arbeit soll deshalb die Grundlagen und Anwendungsmöglichkeiten der NA in der Marktforschung darstellen. Dazu werden zuerst die Grundlagen der SNA sowie die relevanten Social Network Sites (SNS) behandelt. Danach werden Anwendungsmöglichkeiten exemplarisch aufgezeigt sowie weitere Mög­lichkeiten der Marktforschung in SNS genannt. Abschließend werden kri­tisch die Grenzen der SNA erörtert und ein Ausblick gegeben.

2. Grundlagenteil

2.1. Grundbegriffe der Social Network Analysis

Die Grundlagen der SNA werden im folgendem nur kurz skizziert^[12] und anhand eines Marketingprojekts, mit der Zielstellung die Kommunikationsbeziehungen zwischen verschiedenen Medizinern zu nutzen, verdeutlicht.^[13] Im Rahmen dieser Arbeit wird unter einem sozialen Netzwerk (SN) eine Anordnung von Knoten (Personen, Organisationen oder Gruppen), die durch Beziehungen (Freundschaften, Kooperation oder Informationsaus­tausch) verbunden sind, verstanden.^[14] Netzwerkanlytische Methoden umfas­sen die systematische Erhebung, die graphische Visualisierung und die ma­thematische Beschreibung von SN. In Netzwerken spricht man von Egos (einzelner Akteur) und Alter bzw. Alteri (Beziehungspartner des Egos, pl, Alteri). Egozentrierte zweistufige Netzwerke werden durch Befragung nach Ego-Alter-Beziehung und nach Alter-Alter-Beziehung oder durch Doku­mentenanalyse identifiziert. Egozentrierte Netzwerke bilden jedoch nur ei­nen beschränkten Ausschnitt größerer Netzwerke und stellen Stichproben dar. In Gesamtnetzwerken hingegen werden die kompletten Beziehungen innerhalb einer Untersuchungsgruppe erhoben, dies entspricht einer Total­erhebung. Wichtiges Kriterium für die Beziehungen ist deren Stärke, allge­mein werden strong ties und weak ties unterschieden. Starke Beziehungen sind geprägt durch großes gegenseitiges Vertrauen im sozialen Nahbereich. Schwache Beziehungen stellen losen Kontakt zu sozial weiter entfernten Personen dar. Diese Beziehungen können folgender Natur sein - Informati­onstausch, Ressourcentausch, Reputation, Mitgliedschaft, Verwandtschafts­beziehungen oder konkrete Interaktion.^[15] Gesamtnetzwerke sind i.d.R. cha­rakterisiert durch Cliquenstrukturen bzw. Cluster (starke Beziehungen un­tereinander) und strukturelle Löcher (fehlende Beziehungen zwischen den Cluster). Als Broker werden die Akteure bezeichnet, die verschiedene Clus­ter miteinander verbinden und somit strukturelle Löcher schließen.^[16]

2.2. Visualisierung von Netzwerken

Die Visualisierung der erhobenen Netzwerke liefert theoretische Erkennt­nisse und hilft diese zu kommunizieren. Im Grundkonzept werden hierzu Personen als Punkte und Beziehungen als Linien dargestellt, im zweidimen­sionalen Raum stellen die Entfernungen soziale Distanzen dar. Mit Hilfe von Farben, Beschriftungen und Kreis- sowie Pfeilgrößen können weitere Informationen eingefügt werden. Zusätzlich wird bei der Darstellung die Zahl überschneidender Kanten minimiert und Struktureigenschaften wie Symmetrie und Zentralität (vgl. folgender Abs.) berücksichtigt. Darüber hinaus ist eine Aggregation nach Herkunftsländern o.ä. möglich (Blockmo­delle).^[17] Die Abb. 1 zeigt die Darstellung des Mediziner-Netzwerkes. Eine kunstvolle Visualisierung des SNS lokalisten.de bietet Heinen.^[18]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Netzwerk mit 120 Medizinern Quelle: Brunnthaller, Wührer 2008, S. 394.

2.3. Berechnungen in Netzwerken

Die mathematische Beschreibung des Netzwerkes erfolgt durch akteurba­sierte und auf das Gesamtnetzwerk bezogene Kennzahlen. Akteurbasierte Maßzahlen beschreiben die Einbettung der Ego im Netzwerk und werden auch als soziales Kapital bezeichnet.^[19] Zu den wichtigsten Kenngrößen zäh­len Degree-Centrality und Degree-Prestige, Closeness-Centrality, Betweenness-Centrality, Constraint-Maß, Clustering-Coefficient und Er- reichbarkeitskoeffizient.^[20] Die zentralitätsbasierten Kennziffern berücksich­tigen ungerichtete und prestigebasierte gerichtete Beziehungen. Das Degree- Maß (vgl. Formel 1) gibt die Anzahl der Beziehungen eines Egos wieder, das Degree-Prestige stellt in Prozent die Anzahl der eingehenden Beziehun­gen dar. Ein Akteur gilt bei einem hohen Degree-Maß als zentral.

Abbildung in dieser Leseprobe nicht enthalten

Formel 1: Degree-Centrality, ungerichtet^[21]

Bei der Closeness-Centrality (vgl. Formel 2) werden die direkten und indi­rekten Beziehungen betrachtet. Es werden die Längen der kürzesten Pfade, über die das Ego mit allen anderen Akteuren verbunden ist, addiert und der Kehrwert gebildet. Je größer die Closeness-Centrality umso besser ist das Ego vernetzt.

Abbildung in dieser Leseprobe nicht enthalten

Formel 2: Closeness-Centrality

Bei der Betweenness-Centrality (vgl. Formel 3) werden zuerst die jeweils kürzesten Pfade zwischen allen Akteuren ermittelt und dann überprüft an wie vielen dieser Pfade das Ego beteiligt ist. Ein Akteur gilt dann als zent­ral, wenn er sich auf möglichst vielen dieser kürzesten Pfade befindet.

Abbildung in dieser Leseprobe nicht enthalten

Formel 3: Betweeness-Centrality

Die Fähigkeit strukturelle Löcher zu überwinden wird durch das Constraint- Maß ausgedrückt, ein Wert nahe Null wird als hohes soziales Kapital ge­wertet. Der Clustering-Coefficient misst, wie stark die direkte Umgebung eines Akteurs vernetzt ist, je geringer die Umgebung des Egos vernetzt ist, desto höher ist die Bedeutung des Egos. Der Erreichbarkeitskoeffizient ist ein Maß für die Kommunikationsbedeutung eines Egos. Die akteurbasierten Kennzahlen können für eine bessere Vergleichbarkeit normalisiert und in Prozent angegeben werden. Für das Gesamtnetzwerk ist die Density (vgl. Formel 4) die wichtigste Kennzahl und beschreibt die Verbundenheit im Netzwerk.

Abbildung in dieser Leseprobe nicht enthalten

Formel 4: Density

Im Beispiel beträgt die Kommunikationsdichte 3,3%. Im Durchschnitt kommuniziert ein Teilnehmer mit vier anderen Medizinern im Maximum mit sieben. Die Closeness-Centrality liegt bei 27,6% und die Betweenness- Centrality bei 2,25%.^[22] Durch die mathematische Analyse kann berechnet werden, welche Mediziner im Mittelpunkt des Netzwerkes stehen und sich als Startpunkte für eine Kommunikationskampagne besonders eignen. Im Medizinernetzwerk ist der Mediziner mit der Kennung TN 9 kaum ersetzbar und stellt somit eine Schlüsselperson für das Unternehmen dar. Durch die Auswahl von insgesamt neun Keyplayern können 75,6% im Netzwerk er­reicht werden.

Für die beschriebenen netzwerkanalytischen Methoden existieren zahlreiche Softwarelösungen.^[23] Für einfache Netzwerke eignet sich Unicet und für komplexere Netzwerke die Software Pajek.^[24] Für die Erhebung und Analyse virtueller Netzwerke eignen sich Issuecrawler und ORA, für semantische Netzwerke die Freeware Automap.^[25]

2.4. Social Network Sites

Das Internet ist in seiner Gesamtheit als ein großes soziales Netzwerk anzu- sehen^[26] und lässt sich im Rahmen des Web 2.0 aufschlüsseln in Weblogs, Social Networking Communities, File Sharing Communities, Wikis, Bookmarking Sites, Consumer Communities und Online Game Communi­ties.^[27] Obwohl sich prinzipiell alle diese virtuellen Communities für die SNA eignen, werden im Rahmen dieser Arbeit jedoch nur die Vernetzung von Blogs (Blogosphäre) und die Netzwerkplattformen betrachtet.

Blogs sind eine Kombination von Präsentation, Kommunikation und Ver­netzung durch Funktionen wie Kommentarfunktion, Selektionseinstellun­gen, Feeds, Permalinks und Trackbacks. Die Verbreitung von privaten und Corporate Blogs ermöglicht deshalb Märkte und Marktbeeinflussungsmög­lichkeiten sowie die Konkurrenz systematisch zu erfassen.^[28]

Bei den privaten Netzwerkplattformen (synonym Social Networks, Social Network Services, Social Networking Communities) wie Facebook, Wer- Kennt-Wen und StudiVz und den beruflichen SNS wie Xing oder LinkedIn steht die Generierung, Pflege und ggf. Nutzung von sozialen Kontakten im Mittelpunkt.^[29] Die Webplattformen ermöglichen dem Nutzer die Registrie­rung und Erstellung eines persönlichen Profils mit soziodemografischen Daten und soziogeographischen Daten. Dieses Profil kann Angaben zu 80 unterschiedlichen Attributen wie Interessen, Ausbildung, Foto usw. enthal­ten.^[30] Der Nutzer kann die Plattform nach Bekannten oder Personen mit bestimmten Profileigenschaften durchsuchen und dann einen „Beziehung s- wunsch“ zukommen lassen. Wird dieser akzeptiert gilt diese Person als “friend“. Auf diese Weise kann ein Mitglied, Schritt für Schritt, sein sozia­les Netz abbilden und erweitern.^[31] Friends werden auf der Seite des Nutzers angezeigt, können gegenseitig Kommentare hinterlassen und z.B. Dateien austauschen.^[32]

3. Angewandte Marktforschung in Social Network Sites

3.1. Ziele der Marktforschung

Die Methoden der SNA ermöglichen die Analyse der Vernetzung von Kun­den, Produkten, Marken, Webseiten oder bestimmten Themen.^[33] Die Bezie­hungen entstehen durch Kommunikation von Kunden, der gemeinsamen Assoziation mehrerer Marken, der Verlinkung von Webseiten oder der Be­handlung verschiedener Themen im gleichen Kontext. Die SNS dienen da­bei als zusätzliche Informationskanäle der Marktbeobachtung.^[34] In der Ta­belle 1 sind mögliche Informationsziele der SNA in SNS, gegliedert nach der Untersuchungsebene und Relevanz für das Marketing, dargestellt.

[...]

---

^[1] Ausführliche Darstellung der Onlinenutzung in van Eimeren, Frees 2009, S. 335.

^[2] Total Unique Visitors von 17,37Mio auf 23,56Mio ComScore 2009a, S. 1, URL 2.

^[3] Vgl. Busemann, Gscheidle 2009, S. 358-359.

^[4] Zusammenfassung der Studie von Bruner/Row 2006, in: Mezger, Sadrieh 2008, S. 77.

^[5] Vgl. ausführliche Darstellung in Sinkovics et al. 2009, S. 62.

^[6] Vgl. Boluminski et al. 2009, S. 25.

^[7] Vgl. Kilian et al. 2008, S. 18.

^[8] Vgl. Smith 2009, S. 561.

^[9] Vgl. Hardey 2009, S. 563 und Thomas et al. 2007, S. 588.

^[10] Casteleyn et al. 2009, S. 439.

^[11] Vgl. Brunnthaller, Wührer 2008, S. 375.

^[12] Eine umfassende Einführung bieten Scott 2009 und Jansen 2006.

^[13] Marketingprojekt eines Produzenten von 4D Ultraschallgeräte, hierbei handelt es sich um die Anlehnung an ein Beratungsprojekt vgl. Brunnthaller, Wührer 2008, S. 392–393.

^[14] Vgl. Rudolph et al. 2008, S. 12.

^[15] Vgl. Heidler 2009, S. 3-7 und Anhang Abb. 3.

^[16] Vgl. Jansen 2007, S. 7-8 und Anhang Abb. 4.

^[17] Vgl. Heidler 2009, S. 9-16.

^[18] Vgl. Heinen 2007, URL 9.

^[19] Vgl. Jansen 2007, S. 3.

^[20] Vgl. Heidler 2009, S. 17-19 und Brocke et al. 2008, S. 4-5, URL 1.

^[21] Formel 1-4 vgl. Brunnthaller, Wührer 2008, S. 383-387.

^[22] Detaillierte mathematische Auswertung in Brunnthaller, Wührer 2008, S. 395-398.

^[23] Überblick findet sich bei Lietz 2008, S. 7-9, 12 u. 14, URL 11.

^[24] Ausführliche Darstellung SNA mit Pajek in de Nooy et al. 2007.

^[25] Vgl. Anhang: Software S. 21.

^[26] Vgl. Rudolph et al. 2008, S. 12.

^[27] Vgl. Kilian et al. 2008, S. 13.

^[28] Vgl. Hoffmann 2009, S. 603-607.

^[29] Vgl. Anhang Tabelle 2 Top 10 Social Networking Sites der Deutschen.

^[30] Vgl. Speck 2008, S. 20-24, URL 13.

^[31] Vgl. Visualisierung Freunde StudiVz im Anhang Abb. 5.

^[32] Vgl. Gouthier, Hippner 2008, S. 94 und Thelwall 2008, S. 1322.

^[33] Vgl. Rudolph et al. 2008, S. 12.

^[34] Vgl. Hass, Cyganski 2008, S. 107.

• College: University of Hagen (Fakultät für Wirtschaftswissenschaft)
• Course: Konsumentenverhalten im Rahmen des Web 2.0 - Grundlagen, Analysemethoden und Gestaltungsansätze
• Grade: 2,3
• Author: Dan Fischer (Author)
• Publication Year: 2009
• Pages: 33
• Catalog Number: V147360
• ISBN (eBook): 9783640572076
• ISBN (Book): 9783640572410
• Language: German
• Tags: Einsatz, Social, Network, Analysis, Einsatz, Social, Network, Analysis, Analyse, Konsumentenverhaltens, Ziele, Erscheinungsformen, Problemfelder, Lösungsansätze, Beispiel, Social-Networking-Plattformen