Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchInfluence Potential...
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchAgenda1. Einleitung...
EinleitungTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research                                 ...
Einleitung: Entwicklung der KundenseiteTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  W...
Einleitung: Entwicklung derUnternehmensseiteTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Researc...
EinleitungTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research                                 ...
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchAgenda1. Einleitung...
Ziele und ForschungsfragenTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research                 ...
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchAgenda1. Einleitung...
tert jedoch meist an der Willkur der Scoringmodelle bzw. an der Wahl der einzelnen Dimensi-                               ...
Referenzpotenzial und DeterminantenTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research     „Un...
MeinungsführerschaftTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Meinungsführer verbr...
Soziales NetzTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research                              ...
KundenzufriedenheitTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Bestimmt die Richtung...
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchAgenda1. Einleitung...
Funktion und Aufbau von MicroblogsTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research     ”Mic...
Funktion und Aufbau – Beispiel Twitter (1/2)TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Researc...
Funktion und Aufbau – Beispiel Twitter (2/2)TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Researc...
Bestimmung des Referenzpotenzials inMicroblogsTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Resea...
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchAgenda1. Einleitung...
Influence Potential FrameworkTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Berücksicht...
nk (1989), S.413f.) ist das Referenzpotential, ceteris paribus, um so gr¨ße                                               ...
ersonen mit wenig sozialen Kontakten (vgl. Bonfadelli (2009), S. 134f.).   Social Centrality Indicator                    ...
Hilfe der Retweet-Funktion, so spricht das fur eine Anerkennung des Inhalts innerhalb d                                   ...
Anwendung und Analysen mit dem IPF (1/2)TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  ...
Anwendung und Analysen mit dem IPF (2/2)TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  ...
KDD-Prozess zur Umsetzung des IPFTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Prozess...
AKTISCHE UMSETZUNG DES INFLUENCE POTENTIAL FRAMEWORKS  Praxisbeispiel  TU Dresden Professur für Wirtschaftsinformatik – Bu...
Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchAgenda1. Einleitung...
Ausblick und FazitTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Rapide steigende Nutze...
Weitere Forschung (1/2)TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Forschungsgegenst...
Weitere Forschung (2/2)TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Forschung in alle...
QuellenTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•    Anderson, E.; C.Fornell; Lehman...
QuellenTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•    Bondarenko, V. (2008): Numerica...
QuellenTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•    da Costa Junior, M. G.; Gong, Z...
QuellenTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•    Stahl, H. K. (2000): Modernes K...
Nächste SlideShare
Wird geladen in …5
×

Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs

1.990 Aufrufe

Veröffentlicht am

Vortrag von
Kai Heinrich, Professur für Wirtschaftsinformatik / Business Intelligence Research an der Technischen Universität Dresden
auf dem 14. Interuniversitären Doktorandenseminar Wirtschaftsinformatik am 14.07.2011 auf der Augustusburg bei Chemnitz.

0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
1.990
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
41
Aktionen
Geteilt
0
Downloads
4
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs

  1. 1. Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchInfluence Potential Framework: EineMethode zur Bestimmung desReferenzpotenzials in MicroblogsProf. Dr. Andreas Hilbert Kai Heinrichhilbert@wiid.wiwi.tu-dresden.de kai.heinrich@mailbox.tu-dresdenhttp://wiid.wiwi.tu-dresden.de Telefon +49 351 463-3352001062 Dresden Telefax +49 351 463-32736
  2. 2. Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchAgenda1. Einleitung2. Forschungsfragen und Ziele3. Kundenwert und Referenzpotenzial4. Referenzpotenzial in Microblogs5. Influence Potential Framework6. Ausblick und Fazit
  3. 3. EinleitungTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research „Ist der Kunde noch König?“Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 3
  4. 4. Einleitung: Entwicklung der KundenseiteTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Wandel vom Static Web zum Social Web (vgl. [JAVA 2007])•  Kommunikation und Interaktionen der Nutzer innerhalb von Web 2.0-Platformen haben deutlich zugenommen und somit auch der Austausch von Informationen•  Benutzung von sozialen Netzwerken und Blogging-Diensten hält Einzug im täglichen Leben (vgl. Compass Heading, März 2010): –  490 Millionen Facebook-Nutzer (davon 13 Mio. in Deutschland) –  80 Millionen Twitter-Nutzer (davon 3 Mio. in Deutschland) –  Über 50% der US-Bürger nutzen Facebook Technischer Fortschritt bedingt einen Wandel der sozialen Interaktion in der Informations- und Referenzbeschaffung der KundenInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 4
  5. 5. Einleitung: Entwicklung derUnternehmensseiteTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Wandel vom Transaktionsmarketing zum Beziehungsmarketing (vgl. [GRÖNROSS 1994])•  Interesse an langfristigen Beziehungen steht im Mittelpunkt bei der Kundenbewertung (vgl. [RUST 2000])•  Perspektivenwechsel von Kundenneugewinnung zu Kundenbindung (vgl. [RUST 2000])•  Kunden werden verstärkt als Teil des Unternehmens gesehen und können in ihrer Funktion als Informations- oder Referenzgeber sehr wertvoll sein (vgl. [TOMZCAK 2006]) Der Wandel im Marketingparadigma lässt dem Kunden eine größere Rolle innerhalb des Unternehmens zukommenInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 5
  6. 6. EinleitungTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research „Der Kunde ist König“ Aber: Nicht jeder Kunde ist aus Sicht eines Unternehmens profitabel (vgl. [HELM et al. 2006]) à Kunde muss aus Sicht des Unternehmens mit Hilfe des Kundenwertes beurteilt werdenInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 6
  7. 7. Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchAgenda1. Einleitung2. Forschungsfragen und Ziele3. Kundenwert und Referenzpotenzial4. Referenzpotenzial in Microblogs5. Influence Potential Framework6. Ausblick und Fazit
  8. 8. Ziele und ForschungsfragenTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research Erkenntnisziel: Gestaltungssziel: Beschreibung des Kundenwertes Ausgestaltung einer Methode und seiner Determinanten, zur Erfassung des insbesondere die Charakteristika Referenzpotentials in Microblogs des Referenzpotenzials 1. Welche Rolle spielt das Referenzpotentials innerhalb 5. Wie können die des Kundenwertes? beschreibenden Konstrukte des Referenzpotenzials mit 2. Welche Konstrukte können Hilfe von Microblogs das Referenzpotential eines operationalisiert werden? Kunden beschreiben? 3. Welche Wege zur Messung von Referenzpotentialen im gibt 6. Welches Vorgehen zur Analyse von Microblogs ist es ? notwendig, um diese Operationalisierung in die 4. Eignen sich Daten aus Microblogs zur Bestimmung des Praxis umzusetzen? Referenzpotentials? Quelle: In Anlehnung an Becker at al.(2004).Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 8
  9. 9. Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchAgenda1. Einleitung2. Forschungsfragen und Ziele3. Kundenwert und Referenzpotenzial4. Referenzpotenzial in Microblogs5. Influence Potential Framework6. Ausblick und Fazit
  10. 10. tert jedoch meist an der Willkur der Scoringmodelle bzw. an der Wahl der einzelnen Dimensi- ¨Kundenwertkonzepte Die einzelnen Ans¨tze sind in Abbildung 4 zusam- onsgewichte (vgl. Bruhn (2002), S.145f.). a mengefasst.TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research Um die angesprochenen Probleme zu minimieren und aus den unzahligen Modellen auszuw¨h- ¨ a len stutzt sich diese Arbeit auf den ganzheitlichen Bewertungsansatz von Cornelsen (2000), ¨•  Vielzahl von Kundenwertmodellen vorhanden wie er in Abbildung 5 dargestellt ist. Dieser Ansatz basiert ebenfalls auf dem Modell des•  Vielzahl monetärer und nicht-monetärer Determinantenà  Beschränkung auf mehrdimensionale,allerdings neben dem reinen Kapitalwert auch Customer-Lifetime-Value (CLV), berucksichtigt ¨ ganzheitliche Ansätze•  nicht-monet¨re Determinanten und oft ähnliche Determinanten Mehrdimensionale Ansätze kombiniert diese um eine Gesamtaussage uber den Wert des a ¨à Orientierung am ganzheitlichen Ansatz nach ([CORNELSEN 2001]) Kunden zu treffen. Quelle: Schneider et al. (2007).Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 10
  11. 11. Referenzpotenzial und DeterminantenTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research „Unter dem Referenzpotenzial versteht man die Fähigkeit eines aktuellen Kunden, potentielle Kunden in seinem/ihrem sozialen Netzwerk mit positiven, negativen oder neutralen Informationen zu erreichen und ggf. zu beeinflussen “ ([CORNELSEN], 2006)•  Im Modell von ([CORNELSEN 2000]) werden folgende Einflussfaktoren des Referenzpotenzials vorgeschlagen: –  Soziales Netz –  Kundenzufriedenheit –  MeinungsführerschaftInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 11
  12. 12. MeinungsführerschaftTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Meinungsführer verbreiten Informationen an die „Masse“ (vgl. [ESCH 2006]): Quelle: Esch (2006).•  Meinungsführerschaft zeichnet sich aus durch (vgl. [BRÜNE 89]): –  Fachwissen –  Dauerhaftes Marktinteresse (Involvement) –  Soziale Zentralität•  Meinungsführer sind meist produktspezifisch aktiv (vgl. [HASSELOFF 85])•  Personen mit besonderer Stellung gelten als virtuelle Meinungsführer (hohe soziale Zentralität) und verfügen über hohes Bezugspersonen-Einflusspotenzial (vgl. [BRÜNE 89])Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 12
  13. 13. Soziales NetzTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research 2 KUNDENWERT UND REFERENZPOTENZIAL 20•  Beschreibt das soziale Umfeld einer Person und das zu Grunde liegende Muster der Interaktion in diesem Umfeld (vgl. [IACCOBUZI 95]) Familie oder der Verwandtschaft von h¨here Intensit¨t und kommen h¨ufiger vor als Gespr¨che o a a a à umso größer das soziale Netz desto größer das Referenzpotenzial in eher weniger bekannschaftlichen Kreisen. In dieser Hinsicht unterscheidet Granovetter•  Unterschiedliche Beziehungen zwischen der pers¨nlichen Bindung, zwischen strong ties 85]): ties. In Famillien- (1982), abh¨ngig von Personen (vgl. [GRANOVETTER und weak a o –  Strong ties: Dichte, kohäsive gruppen, oft Familien- oder Freundeskreise vor, da es oder kleineren Bekanntenkreisen herrschen sehr oft starke Beziehungen sich hierbei –  Weak ties: Kommunikation über koh¨sive Gruppen handelt (vgl. Granovetter (1982) S.105ff.) um dichte, kohäsive Gruppen hinaus, z.B. Kollegen, entfernte a Verwandte•  Beispiel für ein soziales Netz: Quelle: Eigene Darstellung. Abbildung 10: Darstellung eines egozentrischen sozialen Netzes (eigene Darstellung)Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 13
  14. 14. KundenzufriedenheitTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Bestimmt die Richtung der Referenz nach ([CORNELSEN 2001])•  Möglichkeiten: dichotome Abgrenzung oder Kontinuum•  Kein eindeutiger Zusammenhang mit Referenzverhalten bislang festgestellt: –  Positives Erlebnis regt eher zur Referenz an nach ([HOLMES 77]) –  Negatives Erlebnis regt eher zur Referenz an nach ([DUFFY94]) –  Indifferentes Verhalten herrscht vor nach ([ANDERSON 94])à die Auswirkung symmetrischer oder asymmetrischer Zufriedenheitsspektrenauf das Referenzverhalten können nicht eindeutig bestätigt werdenà Indikator wird zunächst ausgeklammertInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 14
  15. 15. Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchAgenda1. Einleitung2. Forschungsfragen und Ziele3. Kundenwert und Referenzpotenzial4. Referenzpotenzial in Microblogs5. Influence Potential Framework6. Ausblick und Fazit
  16. 16. Funktion und Aufbau von MicroblogsTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research ”Microblogs sind eine neue Form der Kommunikation, bei welcher ein Nutzer in kurzen Mitteilungen seinen Status bekanntgeben kann.“ ([JAVA et al. 2007])•  Beschränkte Zeichenmenge einer Statusnachricht•  Unterstützung für möglichst viele Endgeräte•  Beispiele für Microblog-Platformen: Twitter, Jaiku, Pownceà Aufgrund der Bedeutung und Größe wird Twitter stellvertretend ausgewählt umFunktion und Aufbau eines Microblogs zu erläuternInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 16
  17. 17. Funktion und Aufbau – Beispiel Twitter (1/2)TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Aufbau und Funktion in Anlehnung an ([GLUCHOWSKI 2009]) und ([JAVA 2007])•  Aufbau des sozialen Netzes basiert auf Beziehungen innerhalb von Twitter: –  Einseitige Friend-Beziehung –  Einseitige Follow-Beziehung –  Bilaterale Beziehung•  Interaktion erfolgt über die Kommunikationsfunktionen: –  Reply-Funktion –  Retweet-Funktion•  Eine Statusmeldung (Tweet) kann durch folgendes Tupel beschrieben werden: –  U: Der Nutzer, welcher Ersteller der Nachricht ist –  t: Der Zeitpunkt zudem die jeweilige Meldung erstellt wurde –  RT: Handelt es sich um einen Retweet, nimmt diese Funktion den Wert 1 an –  Reply: Handelt es sich um eine Antwort auf einen bestehenden Status, nimmt diese Funktion den Wert 1 anInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 17
  18. 18. Funktion und Aufbau – Beispiel Twitter (2/2)TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research Quelle: Eigene Darstellung.Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 18
  19. 19. Bestimmung des Referenzpotenzials inMicroblogsTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Zahlreiche Methoden zur Untersuchung von sozialem Einfluss in Weblogs vorhanden•  Untersuchte Methoden und Bewertung: –  Network Centrality (vgl. [CHIN et al. 2007]) –  Page Rank (vgl. [BRINN et al. 98]) –  Novelty Index (vgl. [ZHANG 2002]) –  Influence Rank (vgl. [SONG 2006]) à  Modelle basieren auf Strukturen und Kommunikationsannahmen welche ausschließlich oder zum Großteil das Verlinkungsverhalten berücksichtigen à  Besonderheiten von Microblogs werden in den Ansätzen nicht berücksichtigtInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 19
  20. 20. Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchAgenda1. Einleitung2. Forschungsfragen und Ziele3. Kundenwert und Referenzpotenzial4. Referenzpotenzial in Microblogs5. Influence Potential Framework6. Ausblick und Fazit
  21. 21. Influence Potential FrameworkTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Berücksichtigt die Besonderheiten von Microblogs, insbesondere Twitter•  Berücksichtigt direkt die Eigenschaften der beschreibenden Konstrukte des Referenzpotenzials - Meinungsführerschaft und soziales Netz•  Besteht aus drei Indikatoren –  Social Network Indicator –  Social Centrality Indicator –  Involvement Knowledge IndicatorInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 21
  22. 22. nk (1989), S.413f.) ist das Referenzpotential, ceteris paribus, um so gr¨ße o Social Network Indicator aNetz ist,da die Anzahl der Referenzgespr¨che somit ansteigt. Berucksichtig ¨ TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence ResearchBezug auf die unterschiedlichen Beziehungstypen im Twitter-Umfeld komm lgebeziehung, sowie die einseitigesozialen Netzes und damit als Indikator für •  Dient als Indikator für die Größe des Follow-Beziehung in Frage. Die einsei die Anzahl möglicher Referenzgespräche arf hier nicht berucksichtigt werden, da diese Nutzer dem Einfluss der u ¨ •  Ein hoher SNI spricht für ein großes soziales Netz unterliegen, dennvon Twitter kann zunächst nicht zwischen von dieser Person inn •  ABER: Innerhalb sie erhalten keine Statusupdates strong ties und weak ties unterschieden werdenzes. •  à Indikator muss produktabhängig betrachtet werden •  Die Größe des sozialen Netzes wird in Twitter durch die Aggregation derGrund wird derbestimmt, somit ergibt sich der SNI für einen Nutzer U: U wie folgt Beziehungen Social Network Indicator (SNI) eines Nutzers SN IU = NFollow (U ) + NBilateral (U ) = NFollowers (U ) der Social Network Indicator auf triviale Weise durch die Anzahl de Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 22
  23. 23. ersonen mit wenig sozialen Kontakten (vgl. Bonfadelli (2009), S. 134f.). Social Centrality Indicator ¨usschlaggebend ist nach Brune (1989), dass diese Personen dabei ansprechend auf andere in TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Researchnem m¨glichst großen sozialen Kreis wirken. Es sei angemerkt, dass damit nicht notwendiger- oeise nur der Freundschafts- oder Bekanntenkreis, sondern vielin Bezug auf ihr soziales •  Gibt an, wie hoch die Sozio-Zentralität einer Person mehr der komplette Einflusskreis Netzwerk istemeint ist. Dabei ist es entscheidend das diese Einflussnahme ublicherweise nicht gegenseitig ¨ •  Indikator unterschiedet sich vom SNI durch die Betrachtung anderer Beziehungeneschieht, sondern meist einseitig durch die Person mit hohem Bezugspersonen-Einflusspotenzial im Twitter-Umfeld ¨ attfindet (vgl. Brsprechen fürS.14f.). Diese Tatsache kann unmittelbar aus dem Modell der •  hohe Werte une (1989), ein hohes Bezugspersonen-Einflusspotenzial (BEP)weistufigen jedes Produkt lässtaus Abbildung einem hohen BEP werben à Nicht Kommunikation sich alleine mit 7 abgeleitet werden. à Indikator produktspezifisch betrachten und einsetzen it •  Als der getroffenen Aussagen kann nun der ist hier Centrality IndicatorFriend- und U Hilfe Teilindikator für Meinungsführerschaft Social das Verhältnis von eines Nutzersie folgt formuliert werden: von Bedeutung: Follow-Beziehungen NFollow (U ) + NBilateral (U ) NFollowers (U ) SCIU = = (37) NFriend (U ) NFriend (U )s sei an dieser Stelle angemerkt, dass sich dabei der Social Centrality Indicator vom Socialetwork Potential Framework:durchaus Bestimmung des Referenzpotenzials ¨hrend – der SNI lediglich die Große des sozialen Influence Indicator Eine Methode zur unterscheidet. Wa Microblogs Seite 23 in ¨
  24. 24. Hilfe der Retweet-Funktion, so spricht das fur eine Anerkennung des Inhalts innerhalb d ¨ialen Netzes des Verfassers. Um so mehr Indicator ein bestimmter themenbezogen Involvement Knowledge Retweets rU,teet, Dresden Professur zum Zeitpunkt tIntelligence Research TU welcher für Wirtschaftsinformatik – Business erstellt wurde, hat, umso mehr Verbreitung und Anerkennua¨lt dieser und ist somit einflussreicher. •  Spiegelt den themenbezogenen Grad des Fachwissens bzw. Involvementsdersherum ist es weiterhin von Bedeutung ob der untersuchte Tweet selbst ein Retweet ist u einer Person zu einem Thema j wieder à IKI darf nur themen- bzw. produktbezogen betrachtet werdenmit• die RT-Funktion aus dem Abschnitt 3.2 den Wert 1 annimmt. In diesem Fall stammt dalt• zwar nichtVergleich derselber, deutet aber mit einer ein gewisses Interesse und einem Prinzip: vom Nutzer Statusmeldungen dennoch Themenlandkarte Oj in Involveme Zeitraum t1,...,TUBezug auf das Thema an. •  Außerdem: Einbeziehung der Retweet-Anzahl r als Indikator für Zustimmung und t Verbreitung des Inhalts diesen Informationen ergibt sich der Involvement Knowledge Indicator fur einen Nutzer ¨ •  Handelt es sich bei einer Statusmeldung um ein Retweet, kann der Wert entsprechend eines Parametersd gegebenem Thema j wie folgt: multiplikativ abgeschwächt werden TU IKIU,j = Cos(AU,t , Oj )(1 − α 1{1} (RTU,t ))(1 + rt ) (3 t=1 erste Teil von Gleichung (38) stellt den Vergleich eines Blogeintrages des Nutzers U zu Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 24
  25. 25. Anwendung und Analysen mit dem IPF (1/2)TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Einteilung der Kunden anschließend anhand eines IPF Portfolios möglich: Quelle: Eigene Darstellung.Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 25
  26. 26. Anwendung und Analysen mit dem IPF (2/2)TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Verschiedene Gruppierungen von Kunden: –  Gruppe A: „Die Gurus“ – diese Personen besitzen allgemein ein hohes Fachwissen sowie eine hohe soziale Zentralität –  Gruppe B: „ Die Experten“ – Diese Personen zeichnen sich durch gute Kenntnisse und Involvement in Bezug auf ein Thema j aus –  Gruppe C: „virtuelle Meinungsführer“ - diese Personen sind sehr bekannt und zeichnen sich durch ein hohes BEP aus –  Gruppe D: „Die Masse“ – Diese Personen stellen die normale Masse darà Indikatoren werden nicht zu einer Maßzahl aggregiert, sondern werden einzelnbetrachtet und entsprechend der Situation interpretiertInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 26
  27. 27. KDD-Prozess zur Umsetzung des IPFTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Prozessschritte nach ([FAYYAD 96]):•  Selection: –  Speicherung der Bestandsdaten des sozialen Netzes ( z.B.: Anzahl Followers) sowie alle Statusmeldungen im Zeitraum TU –  Keyword-Selection zum Thema j mit Twitter-Search Prozess und Speicherung der themenbezogenen Resultate dieser Suche•  Preprocessing: –  Statusmeldungen werden von Stopwörtern und überflüssigen Zeichen befreit –  spezielle Inhalte wie URLs werden für spätere Verarbeitung extra abgespeichert –  URLs werden entfernt um eine verzerrungsfreie Repräsentation zu gewährleisten•  Transformation: –  Statusmeldungen werden lexikalisiert (Repräsentation einer Statusmeldung durch Angabe der Position in einem Vokabelverzeichnis)à Anschließend werden die Werte des IPF berechnetInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 27
  28. 28. AKTISCHE UMSETZUNG DES INFLUENCE POTENTIAL FRAMEWORKS Praxisbeispiel TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Researchnlandkarte wurde uber einem Zeitraum von TT opic = 1M onat erstellt. Die Ergebnisse s ¨ldung 36 dargestellt.IPF Werte für ausgewählteErgebnissezum den IKI-Wert wurden da •  Berechnung der Bei der Berechnung der Personen fur Thema „SAS 9.2“ ¨tr¨ge mit Experte:¨SAS-Softwareexperte kleiner als 0.001%, zur Themenlandkarte ignori a –  einer Ubereinstimmung, –  Virtueller Meinungsführer: prominente Persönlichkeit, welche allerdings keinen ¨mit auf den Wert 0 gesetzt, um9.2“ hat Bezug zum Thema „SAS Uberbewertung durch eine große Anzahl an Retweets –  Basisnutzer: Person, welche selbst kein Experte ist und nur über ein kleines sozialesden. Netz verfügt Nutzer ICI SNI SCI Basisnutzer 0,21 9 0,375 Expertennutzer 24,31 57 1,031 virtueller Meinungsfuhrer ¨ 0 6.069.867 183622,64 à Personen werden entsprechend ihren Rollen bewertet Abbildung 36: Auswertung Praxisbeispiel Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 28
  29. 29. Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence ResearchAgenda1. Einleitung2. Forschungsfragen und Ziele3. Kundenwert und Referenzpotenzial4. Referenzpotenzial in Microblogs5. Influence Potential Framework6. Ausblick und weitere Forschung
  30. 30. Ausblick und FazitTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Rapide steigende Nutzerzahlen ermöglichen das Erfassen großer Informationsmengen innerhalb von Microblogs•  Eine Aussage über das Referenzpotential, als wichtiger Teil des Kundenwertes kann von diesen Informationen abgeleitet werden•  Übliche Verfahren versagen allerdings bereits im Ansatz aufgrund der speziellen Struktur von Microblogs oder vernachlässigen wichtige Indikatoren wie Fachwissen und Involvement•  Das IPF bietet eine Möglichkeit, den Einfluss einer Person innerhalb von Twitter kenntlich zu machen und somit eine Aussage über ihr Referenzpotenzial zu treffen•  Dennoch: In diesem Bereich muss noch viel Forschung erfolgen•  Es muss gleichzeitig an den Methoden zur Bestimmung und an den Methoden zur Umsetzung gearbeitet werden, um weitere Faktoren wie Kundenzufriedenheit zu integrieren oder eine Aussage über die Stärke einer Beziehung treffen zu könnenà junges Forschungsgebiet mit großen PotenzialenInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 30
  31. 31. Weitere Forschung (1/2)TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Forschungsgegenstand: Verhaltens- Einflussfaktoren des Referenzpotenzial wissenschaft Verhalten in Operationalisierung der Einflussfaktoren sozialen mit Hilfe von Microblogs Netzwerken Social Extraktion und Transformation wichtiger Network Daten aus Microblogs AnalysisInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 31
  32. 32. Weitere Forschung (2/2)TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Forschung in allen Teildisziplinen nötig•  Konkrete Forschungsziele: –  Verständnis für die Verbreitung von Nachrichten innerhalb Microblogs à Lifecycle und Prognosemodell für besondere Ereignisse wie „Rebirths“ oder „Bursts“ –  Beschreibung dieser Sachverhalte und Integration in bestehende Modelle –  Untersuchung des Einflusses und der Ereignisse nicht nur auf Personenbasis, sondern auf Basis abgegrenzter Netzwerke•  Beispiel: Burst RebirthInfluence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 32
  33. 33. QuellenTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Anderson, E.; C.Fornell; Lehmann, D. (1994): Customer Satisfaction, Market Share, and Profitability: Findings from Sweden, Journal of Marketing.•  Arasu, A. (2002): PageRank Computation and the Structure of the Web: Experiments and Algorithms, Techn. Ber., Stanford University.•  Austin, D. (): How Google Finds Your Needle in the Web’s Haystack, URL http://www.ams. org/ featurecolumn/archive/pagerank.html.•  Back, A.; Gronau, N.; Tochtermann, K. (2008): Web 2.0 in der Unternehmenenspraxis: Grundla- gen, Fallstudien und Trends zum Einsatz von Social Software, 1. Aufl., Oldenbourg, Mu nchen.•  Bagozzi, R. (1975): Marketing as Exchange, Journal of Marketing, 32–39.•  Bartl, A. (1992): Gewinner im Licht der Sonne, Absatzwirtschaft, Bd. Sonderheft 10, , 38–43.•  Becker, J.; Niehaves, B.; Knackstedt, R. (2004): Bezugsrahmen zur epistomologischen Posi- tionierung der Referenzmodellierung, in: Referenzmodellierung: Grundlagen, Techniken und doma nenbezogene Anwendung, Becker, J. AND Delfmann, P.•  Berghorn, C. (2009): Konzeptualisierung und Ermittlung des Kundenwertes: Am Beispiel einer Volksbank, Diplomica Verlag.•  BLATTBERG; THOMAS (1998): The Fundamentals of Customer Equity, Wiesbaden. Blei, D. M.; Ng, A. Y.; Jordan, M. I. (2003): Latent Dirichlet Allocation, Journal of Machine•  Learning Research, Bd. 3, , 993–1022.•  Böhringer, M.; Gluchowski, P. (2009): Microblogging, Informatik-Spektrum.Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 33
  34. 34. QuellenTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Bondarenko, V. (2008): Numerical Algorithms (ST 2008), URL http://www.inf. uni-konstanz.de/cgip/ lehre/na_08/Lab2/6_PageRank/html/myPageRank.html.•  Bonfadelli, H. (2009): Medienwirkungsforschung I. Grundlagen und theoretische Perspektiven, Konstanz.•  Bourne, F. (1968): Group Influences in Marketing, in: Marketing Models, R.L. Day, 63–79. Brin, S.; Page, L. (1998): The anatomy of a large-scale hypertextual web search engine, Computer•  Networks, Bd. 30(1-7), , 107–117. Brown, J.; Reingen, P. (1987): Social Ties and Word-of-Mouth Referral Behavior, Journal of•  Consumer Research, 350–362. Bruhn, M. (1999): Kundenorientierung. Bausteine fu r ein exzellentes Customer-Relationship-•  Management (CRM), Mu nchen. Bruhn, M. (2002): Marketing. Grundlagen fu r Studium und Praxis, Gabler Verlag. Bru ne, G. (1989): Meinungsfu hrerschaft im Konsumgu termarketing, Heidelberg.•  Chin, A.; Chignell, M. (2007): Identifying communities in blogs: roles for social network analysis and survey instruments, International Journal of Web Based Communities, Bd. 3 (3), , 215– 239.•  Cornelsen, J. (1996): Kundenwert ? Begriff und Bestimmungsfaktoren, Arbeitspapiere des Lehr- stuhls fu r Marketing, Bd. 43, , 1–20.•  Cornelsen, J. (2000): Kundenwertanalysen im Beziehungsmarketing, Gesellsch. f. Innovatives Marketing.•  Cornelsen, J. (2006): Kundenbewertung mit Referenzwerten, in: Kundenwert: Grundlagen- in- novative Konzepte- praktische Umsetzungen, Gabler Verlag.Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 34
  35. 35. QuellenTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  da Costa Junior, M. G.; Gong, Z. (2005): Web Structure Mining: An Introduction, in: Proceedings of the 2005 IEEE International Conference on Information Acquisition, 590–595.•  Diestel, R. (2006): Graphentheorie, Springer-Verlag. Duffy, M. (1994): A Compilation of Three Essays on Modeling Customer Satisfaction, Ann•  Arbor.•  Engel, J.; Blackwell, R. (1969): Word-of-mouth Communication by the Innovator, Journal of Marketing, 15–19.•  Esch, F.-R.; Herrmann, A.; Sattler, H. (2006): Marketing: Eine managementorientierte Einführung, 1. Aufl., Verlag Vahlen, Mu nchen.•  Etzioni, O. (1996): The world wide web: Quagmire or gold mine, Communications of the ACM , Bd. 39, , 65–68.•  Feick, L.; Price, L. (1987): The Market Maven: A Diffuser of Marketplace Information, Journal of Marketing, Bd. 1/1987, , 83–97.•  Fischer, T. E. (2006): Unternehmenskommunikation und neue Medien: Das neue Medium We- blogs und seine Bedeutung fu r die Public-Relations-Arbeit, 1. Aufl., Deutscher Universita ts- verlag, Mu nchen, Wiesbaden.•  Freeman, L. C. (1978): Centrality in Social Networks: Conceptual Clarification, Social Networks, Bd. 1 (1), , 215–239.•  Gelbrich, K.; Wu nschmann, S. (2006): Mehrdimensionaler Kundenwert als Entscheidungskri- terium fu r die Akquisition von Kunden: Dargestellt am Beispiel der Automobilindustrie, in: Kundenwert: Grundlagen- innovative Konzepte- praktische Umsetzungen, Gabler Verlag.Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 35
  36. 36. QuellenTU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research•  Stahl, H. K. (2000): Modernes Kundenmanagement. Wenn der Kunde im Mittelpunkt steht, Expert- Verlag GmbH.•  Stauss, B. (1998): Beschwerdemanagement: Fehler vermeiden - Leistung verbessern - Kunden binden, Mu nchen.•  Tewes, M. (2003): Der Kundenwert im Marketing, Deutscher Universita tsverlag.•  Tomzcak, T.; Rudolf-Sipo tz, E. (2006): Bestimmungsfaktoren des Kundenwertes: Ergebnisse ei- ner branchenu bergreifenden Studie, in: Kundenwert: Grundlagen- innovative Konzepte- prak- tische Umsetzungen, Gabler Verlag.•  Usama Fayyad, P. S., Gregory Piatetsky-Shapiro (1996): From Data Mining to Knowledge Dis- covery in Databases, AI Magazin, Bd. AAAI 97, , 37–54.•  Zhang, Y.; Callan, J.; Minka, T. (2002): Novelty and Redundancy Detection in Adaptive Filte- ring, in: Proceedings of the 25st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, Tampere, Finland.Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 36

×