Andreas Werner bloggt zu Social Media Analytics & Monitoring unter datenonkel.com. Seit 1995 macht, analysiert und schreibt er über Online-Marketing, E-Commerce und Social Media.
Er hat mehrere Bücher zu diesen Themen veröffentlicht, war Chefredakteur einer Fachzeitschrift über Online-Werbung und hat als Web Analytics Consultant gearbeitet. Er verantwortete das Marketing von Jobbörsen sowie das Online-Marketing eines Bergsportausrüsters.
Verfahren und Werkzeuge zur Optimierung des ROI
Andreas Werner
aw@datenonkel.com
Lektorat: Dr. Michael Barabas
Copy-Editing: Annette Schwarz, Ditzingen
Herstellung: Birgit Bäuerlein
Umschlaggestaltung: Helmut Kraus, www.exclam.de
Druck und Bindung: M.P. Media-Print Informationstechnologie GmbH, 33100 Paderborn
Bibliografische Information der Deutschen Nationalbibliothek
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.
ISBN:
Buch 978-3-86490-023-5
PDF 978-3-86491-292-4
ePub 978-3-86491-293-1
1. Auflage 2013
Copyright © 2013 dpunkt.verlag GmbH
Ringstraße 19 B
69115 Heidelberg
Die vorliegende Publikation ist urheberrechtlich geschützt. Alle Rechte vorbehalten. Die Verwendung der Texte und Abbildungen, auch auszugsweise, ist ohne die schriftliche Zustimmung des Verlags urheberrechtswidrig und daher strafbar. Dies gilt insbesondere für die Vervielfältigung, Übersetzung oder die Verwendung in elektronischen Systemen.
Es wird darauf hingewiesen, dass die im Buch verwendeten Soft- und Hardware-Bezeichnungen sowie Markennamen und Produktbezeichnungen der jeweiligen Firmen im Allgemeinen warenzeichen-, marken- oder patentrechtlichem Schutz unterliegen.
Alle Angaben und Programme in diesem Buch wurden mit größter Sorgfalt kontrolliert. Weder Autor noch Verlag können jedoch für Schäden haftbar gemacht werden, die in Zusammenhang mit der Verwendung dieses Buches stehen.
5 4 3 2 1 0
Wenn Sie dieses Buch in die Hand nehmen – gleich, ob es sich um die Papierversion oder das eBook handelt – haben Sie sich bereits mit Social Media beschäftigt und einige Erfahrungen damit gesammelt. Facebook kennen Sie schon recht gut und sind wahrscheinlich auch den Umgang mit den Facebook Insights gewöhnt. Höchstwahrscheinlich ist das nicht Ihre einzige Aktivität im Bereich Social Web.
Die Grundlagen und Vorzüge der verschiedenen Social-Media-Plattformen und -Verfahren müssen deshalb von mir nicht mehr ausführlich erläutert werden. In diesem Buch geht es um Messen und Optimieren. Es geht darum, wie man als Basis für eine Entscheidung eine entsprechende Datenlage schaffen kann. Sicher – Daten sollten nicht die einzige Entscheidungsgrundlage sein. Besonders in Unternehmensprozessen erleichtern diese jedoch das Arbeiten ungemein und ersparen unnötige und langwierige Diskussionen. Man kann auf diesem Weg effizienter arbeiten. Das betrifft kleine wie große Unternehmen, Dienstleister wie Auftraggeber. Mit Daten zu arbeiten macht Entscheidungen einfacher.
Ich richte mich mit diesem Buch an alle, die ihre Entscheidungen auf eine solide Datenbasis stellen wollen. Dabei sind meine Erläuterungen praktisch gehalten. Wissenschaftler können das Buch auch gerne zu Rate ziehen – allerdings entspricht die benutzte Sprache nicht dem, was in Deutschland in einem wissenschaftlichen Buch im wirtschaftsund sozialwissenschaftlichen Bereich üblich ist. Ich rede Sie mitunter direkt an, ich stelle Behauptungen auf, ohne diese im wissenschaftlichen Sinne ausreichend zu belegen. Es geht mir um Lesbarkeit, zudem schreibe ich viele Primärerfahrungen aus der täglichen Beratungsarbeit auf. Das sollte für Sie hilfreich sein.
Dabei ist das Buch für rein ökonomische Fragestellungen vielleicht ein wenig technisch geraten und für Praktiker werden möglicherweise zu viele ökonomische Zusammenhänge angesprochen, die Ihnen ohnehin bewusst sind. Lesen Sie bitte darüber hinweg. Es ist ein Schnittstellenbuch. Ich versuche, die Verbindung zwischen den technischen und ökonomischen Rahmenbedingungen herzustellen, um eine Optimierung zu vereinfachen. An einigen Stellen ist etwas technisches Verständnis erforderlich. Ich hoffe, dass meine Erläuterungen in diesen Fällen ausreichend sind.
Meine Kollegen fangen in ihren Büchern häufig mit der Auswahl von Social-Media-Plattformen an – so, als beginne man gerade mit Social Media und als könne man sich frei entscheiden. Das kann man nicht: Es gibt eben Plattformen, die gesetzt sind, die man selbst bespielen muss, daneben gibt es Plattformen, deren Nutzung man lediglich fördern sollte und solche, die man lediglich beobachten muss. Analytics und Monitoring sind in allen drei Fällen notwendig.
Am Anfang steht jedoch immer die Frage danach, ob der Aufwand der Bespielung einer Plattform, die Integration entsprechender Funktionalitäten in die eigene Website oder die möglicherweise notwendige Erweiterung von Analytics und Monitoring notwendig sind. Eine neu hinzukommende Plattform muss zunächst bewertet werden. Das wird beispielhaft an Pinterest aufgezeigt, das 2011 in den USA kräftig loslegte. Dabei wird erläutert, welche Werkzeuge und Quellen man mit welcher Zuverlässigkeit benutzen kann, um eine sich neu etablierende Plattform als relevant für die eigene Organisation zu erkennen.
Das Ziel der weiteren Datensammlung und der Auswertung dieser Daten besteht darin, diese einem geordneten Reporting zuzuführen und sie zu sichern. Die dabei von den Plattformen eingeführten Messwerte werden erläutert und in Relation gesetzt. Auf diese Weise können Sie schließlich den Wert eigener Social-Media-Aktionen beurteilen. Diese recht umfangreiche Detailarbeit versetzt Sie in die Lage, Dashboards entsprechend spezifischer Anforderungen zu entwickeln und mit genau abgestimmten Indikatoren zu bestücken – die sogenannten Key Performance Indicators (KPIs) sind natürlich auch dabei.
Aber halt – hier ist etwas anders. Im Anschluss an die Optimierung quantitativer Daten folgt die Analyse tendenziell qualitativer Daten – das Monitoring. Auch hierfür kann man KPIs bilden und einem Dashboard zuführen. Das Ziel sind integrierte Dashboards für Analytics- und Monitoring-Daten.
An dieser Stelle möchte ich mit auch noch bei einigen Menschen bedanken: Martina Witzel bin ich zu großem Dank verpflichtet. Sie hat mich überhaupt erst auf Social Media als Thema gestoßen. Nach mehr als 20 Jahren Leben mit dem Internet und der Erkenntnis, dass es von Anfang an »Social Media« war und seit einigen Jahren doch ein wenig anders ist als in seiner Anfangszeit. Ronald Stephan, mit dem ich die ersten beiden Auflagen von »Marketing-Instrument Internet« für dpunkt geschrieben habe, hat mich mit Einladungen zu den abgefahrensten Werkzeugen versorgt. An dieser Stelle herzlichen Dank dafür. Michael Barabas von dpunkt hat mich ein weiteres Mal vorzüglich auf der Verlagsseite betreut und stand mir mit Rat und Tat zur Seite. Sehr verpflichtet bin ich auch für die vielen Hinweise von Darius Zumstein, der das Manuskript kritisch durchgesehen hat. Natürlich hat auch Annette Schwarz ein großes Dankeschön verdient. Sie ist für das Copy-Editing verantwortlich.
Sehr geholfen haben mir auch die vielen Menschen, die auf Google+ und Twitter viel Schlaues kommuniziert haben. Es ist so ein wenig wie bei David Nicolls, der im Dankeswort für sein Buch »Zwei an einem Tag« Folgendes schreibt: »Es liegt in der Natur, dass einige clevere Bemerkungen und Beobachtungen eventuell über die Jahre von Freunden und Bekannten stibitzt worden sind, und ich hoffe, dass ein kollektives Dankeschön – bzw. eine Entschuldigung – ausreichen.«
Andreas Werner
Aachen, März 2013
1 Einordnung
1.1 Social Media Monitoring
1.1.1 Begriffsklärung
1.1.1.1 Media Monitoring
1.1.1.2 Social Media
1.2 Social Media Analytics
1.3 Das Konzept
1.4 Die Werkzeuge
1.4.1 Ebene Reichweite und Interaktion
1.4.2 Ebene Analyse von Inhalten
1.5 Orientierung am Reifegrad
1.6 Der erste Schritt
1.7 Rechtliches
1.8 Quellen
2 Bewertung neuer sozialer Netzwerke
2.1 Über welche neuen Netzwerke wird geredet?
2.2 Die potenzielle Reichweite
2.3 Nutzerstruktur & Produktpräferenzen
2.4 Die Nutzung der Netzwerke
2.5 Die nächsten Schritte
2.6 Quellen
3 Die Metriken der Netzwerke
3.1 Facebook
3.1.1 Kennzahlen sind zum Messen der Gesamtleistung einer Seite
3.1.2 Interpretation der Metriken
3.1.2.1 Reach: Reichweite der Beiträge – die Grundlage
3.1.2.2 Exkurs: A/B-Tests und multivariates Testen möglich?
3.1.3 Das Facebook-»Funnel-Konzept« für Beiträge
3.1.3.1 Engaged Users = Eingebundene Nutzer
3.1.3.2 Talking About This = Personen, die darüber sprechen – Likes & Comments
3.1.3.3 Viralität
3.1.4 Likes und Unlikes
3.1.5 Quellen für Likes
3.1.6 Was erwarten Nutzer von einer Page?
3.1.7 Warum Facebook-Nutzer nicht Fans einer Seite werden
3.1.8 Unlikes
3.1.9 Werkzeuge
3.1.9.1 quintly.com
3.1.9.2 PageLever
3.2 Twitter
3.2.1 Datenbedarf
3.2.1.1 Reichweite
3.2.1.2 Engaged Users
3.2.1.3 Talking About This
3.2.1.4 Viralität
3.2.2 Werkzeuge
3.2.2.1 Twitter Analytics
3.2.2.2 Weitere Werkzeuge
3.3 Google+
3.3.1 Datenbedarf
3.3.1.1 Reichweite
3.3.1.2 Engaged Users
3.3.1.3 Talking About This
3.3.1.4 Viralität
3.3.2 Werkzeuge
3.3.2.1 All my +
3.3.2.2 CircleCount
3.4 Pinterest
3.4.1 Datenbedarf
3.4.1.1 Reichweite
3.4.1.2 Engaged Users
3.4.1.3 Talking About This
3.4.1.4 Viralität
3.4.2 Werkzeuge
3.4.2.1 PinReach
3.4.2.2 Pinpuff Pinfluence
3.4.2.3 Pinerly/Reachly
3.4.2.4 Pintics
3.4.2.5 Curalate
3.5 Blog
3.5.1 Kommunikative Einordnung
3.5.2 Datenbedarf
3.5.2.1 Follower
3.5.2.2 Reichweite
3.5.2.3 Engaged Users
3.5.2.4 Talking About This
3.5.2.5 Viralität
3.5.3 Werkzeuge
3.6 Slideshare
3.7 Quellen
4 Resultate mit Website-zentrischen Tools – Google Analytics & Co.
4.1 Von den Netzwerken zur Website
4.1.1 Referrals
4.1.2 Bounces
4.1.3 Engagement
4.1.4 Conversions
4.1.5 Sales
4.2 Der Kampagnen-Ansatz
4.2.1 Die Google Analytics Social Reports
4.2.1.1 Woher kommt der Erfolg?
4.2.1.2 Der Flow
4.3 Der Weg in die Networks
4.4 Muss man auf Google Analytics umsteigen?
4.5 Quellen
5 Klout & Co. – Tauglichkeit der Scores als Instrument
5.1 Die Sicht der Betreiber
5.2 Kriterien zur Unterscheidung und Beurteilung von Scores
5.3 Die Validität der Scores
5.3.1 Die Scores an sich
5.3.1.1 Klout
5.3.1.2 PeerIndex
5.3.1.3 Kred
5.3.2 Mess- und Übertragungsfehler
5.3.3 Sprünge durch notwendige Anpassungen
5.3.4 Sprache & Land als Hürde
5.4 Fehlende Individualisierung
5.5 Scores nur eingeschränkt nutzbar in Online-Marketing und E-Commerce
5.6 Der SEO-Aspekt von Scores
5.7 Scores und ihre Nutzer
5.8 Links zu den genannten Scores
6 Die Bestimmung der idealen Posting-Zeitpunkte
6.1 Zeitpunkte, Inhalte, Pläne
6.2 Aggregierte Daten wenig hilfreich
6.3 Individuelle Bewertung
6.4 Ziele und Messgrößen
6.5 Exkurs: Der Facebook EdgeRank
6.6 Facebook- Optimierung
6.6.1 Datenaufbereitung
6.6.2 Optimierung
6.7 Twitter-Optimierung
6.8 Crossposting-Effekte
6.9 Messung von Referral-Effekten
7 Quantitative Daten optimieren – KPI & ROI
7.1 Der KPI-Begriff
7.2 Der ROI-Begriff
7.3 Zielstrukturen
7.4 Standard-KPIs oder Eigenentwicklung?
7.5 Aufbereitung der KPIs
7.6 Verschiedene Plattformen beachten
7.7 Herleitung von KPIs
7.7.1 Reichweite
7.7.1.1 Der einfache »Auflagen«-KPI: Fans, Follower etc.
7.7.1.2 Der gewichtete »Auflagen«-KPI
7.7.1.3 Der Fan-Wert KPI
7.7.1.4 Mögliche weitere Anreicherungen eines Reichweiten-KPI
7.7.2 Marke/Image
7.7.2.1 Der Interaktions-KPI: Engagement Rate
7.7.2.2 Qualitative Elemente
7.7.3 Kommunikationsqualität
7.7.3.1 Der Medientyp-KPI
7.7.3.2 Interaktionsqualität
7.7.4 Kundenzufriedenheit
7.7.5 Marktanteile (gleich welcher Art)
7.7.6 Umsatz
7.7.6.1 Herausforderung Customer Journey
7.7.6.2 Referral-KPI oder Engaged-Users-KPI
7.7.6.3 Umsatz-KPI?
7.8 Datenspeicherung nicht nur für Dashboards
7.9 Quellen
8 Social Media Monitoring –Funktionen & Auswahl von Werkzeugen
8.1 Funktionen von Social-Media-Monitoring-Werkzeugen
8.1.1 Datenerfassung/-erhebung
8.1.1.1 Vollständigkeit
8.1.1.2 Granularität
8.1.1.3 Aktualität
8.1.1.4 Stabilität
8.1.2 Datenanalyse & -aufbereitung
8.1.2.1 Identifizierbarkeit
8.1.2.2 Verfügbarkeit der Sprache
8.1.2.3 Akkurate Bewertung
8.1.2.4 Identifikation von »Influencern«
8.1.2.5 Datenaufbereitung
8.1.3 Interaktion
8.1.3.1 Umgang mit Kommunikaten
8.1.3.2 Workflows
8.1.3.3 Erweiterte Kommunikationsmöglichkeiten
8.1.4 Aus welchen Bereichen kommen die Anbieter?
8.2 Vorgehen
8.3 Quellen
9 Monitoring: Einstieg und Vertiefung
9.1 Monitoring-Bereiche
9.1.1 Unternehmen, Produkte & Kunden
9.1.2 Der Markt
9.1.3 Mitbewerber
9.2 Werkzeuge
9.2.1 Einfache Werkzeuge
9.2.1.1 Google Alerts
9.2.1.2 Bottlenose
9.2.1.3 Suchmaschinen
9.3 Sentiment
9.4 Enterprise-Lösungen
9.4.1 Netbreeze
9.4.2 Sysomos
9.4.3 B.I.G.
9.5 Abschließende Bemerkung
10 Qualitative KPIs
10.1 Der Share of Voice
10.2 Sentiment-Kennzahlen
10.3 Die Shitstorm-Skala
10.4 Weitere KPIs?
10.5 Quellen
11 Datenspeicherung & -aufbereitung
11.1 Motivlagen
11.2 Datenintegratoren und Browser-Dashboards
11.3 Die Arbeit mit Datenbanken & Tabellenkalkulation
11.4 Quellen
Literatur
Index
Die Rolle von Analytics und Monitoring in organisationalen Zusammenhängen
Zu einer guten wissenschaftlichen Arbeit gehört immer die Einordnung in den Gesamtkontext. Damit möchte ich hier auch beginnen – auch wenn ich keinen wissenschaftlichen Anspruch hege. Es geht um die Einordnung des Themas – aber nicht nur. Es geht natürlich darum, was Social Media Analytics und Social Media Monitoring sind. Ebenso wichtig erscheint mir allerdings die Einordnung in das Geschehen in Unternehmen – in Prozesse. Auch wenn gerade der Prozessbegriff – übrigens ebenso wie der Strategiebegriff – schon sehr strapaziert ist.
In diesem Kapitel wird auch ein Sachverhalt thematisiert, der mich in der Praxis und im Umgang mit Werkzeugen schon sehr erstaunt hat. Die Teildisziplinen der Analytics und des Monitoring haben einen unterschiedlichen Ursprung. Nach meiner Einschätzung bedarf es für ein erfolgreiches Arbeiten jedoch dringend einer Vereinigung. Es handelt sich um verschiedene Datenquellen und um verschiedene Wege der Datenaufbereitung. Um die Social-Media-Unternehmenskommunikation effizient steuern zu können, muss man auf beide Datenklassen zurückgreifen und diese möglichst auch integrierten Reports entnehmen können.
Integration ist also notwendig; dennoch muss man gliedern und die Reihenfolge wählen, in der man Inhalte erläutert. Auch wenn ich für das Buch den grundsätzlichen Aufbau von den Analytics zum Monitoring gewählt habe, so erscheint es mir doch einfacher, hinsichtlich der Einordnung mit dem Monitoring zu beginnen, um dann die spezielleren Analytics-Aspekte anzusprechen.
»Social Media Monitoring« wird seit einigen Jahren heftig diskutiert und scheint zudem ein hart umkämpfter Markt zu sein. Ein Indikator dafür ist die Anzahl der Keyword-Anzeigen, die bei Google für die Phrase aktiv sind. Die Seite ist voll! Das Thema ist also sehr wichtig. Gleichzeitig heißt das aber auch, dass es viele Anbieter gibt, es wahrscheinlich noch große Unterschiede zwischen den Werkzeugen gibt und homogenes Verständnis des Begriffs »Social Media Monitoring« vermutlich noch nicht existiert.
Beginnen möchte ich an dieser Stelle mit einer Begriffsklärung – also mit dem, was unter »Social Media Monitoring« verstanden wird. Einerseits geht es um »Social Media« und andererseits um »Media Monitoring«. Das ältere Begriffspaar ist »Media Monitoring«.
Vom Pressespiegel zum Social Media Monitoring
In größeren Unternehmen gab es schon vor recht vielen Jahren Pressespiegel in Papierform, die täglich oder wöchentlich herumgereicht wurden. Der Kopierer war hierfür sehr hilfreich. Die Presse wurde ausgewertet, damit Vermutungen darüber angestellt werden konnten, wie das eigene Unternehmen und auch Konkurrenten in der öffentlichen Kommunikation eingeschätzt werden. Die Datenerfassung wurde zunächst in den PR-Abteilungen der Unternehmen vollzogen. PR-Agenturen und spezialisierte Dienstleister übernahmen und übernehmen diese Aufgabe noch immer. Mittlerweile gehört es auch zum guten Ton der PR-Dienstleister, die eigene Leistung mit entsprechenden Auswertungen zu belegen. Wenn beispielsweise der Wetterreporter eines Fernsehsenders die Jacke eines Sponsors trägt, wird belegt, wie lange die Jacke inkl. Logo des Herstellers im Bild war und wie viele Personen laut GfK-Meter1 vor den Bildschirmen saßen. Natürlich werden die Daten noch qualifiziert – d.h., es kommen demographische Variablen wie Alter und Geschlecht der Zuschauer sowie sonstige Daten hinzu. Auf einem ähnlichen Weg werden übrigens die Werbeausgaben für Print und TV gemessen. Für Presseerzeugnisse werden Anzeigenmillimeter vermessen, die mit Preisen multipliziert werden, und als Qualifizierung kommen die Werbeträger und die Namen der Werbungtreibenden hinzu.
In jüngerer Zeit haben die Presseunternehmen begonnen, Pressespiegel elektronisch zu ermöglichen und die Auswertungen zu automatisieren. Zu diesem Zweck wurde ein eigenes Unternehmen gegründet – die PMG Presse-Monitor GmbH (http://www.pressemonitor.de). Darüber hinaus gab es noch viele weitere Unternehmen die auf dem Markt der Medienbeobachtung tätig waren. Insgesamt ist es also mehr als nur naheliegend, das Monitoring auch auf Social Media zu übertragen. Da die Daten – Texte, Bilder und Video – digital und zum großen Teil öffentlich vorliegen, findet das Monitoring zumindest für diese Daten soweit möglich automatisiert statt.
Kriterium nutzergenerierte Inhalte
Social Media werden häufig mit Web 2.0 gleichgesetzt – was hier auch definiert werden müsste. Die Erläuterung und das Verständnis für Social Media fällt erheblich leichter, wenn man diese von traditionellen On- und Offline-Medien abgrenzt. Das trennende Kriterium ist der nutzergenerierte Inhalt – also Inhalt, der von Menschen innerhalb dieser Medien produziert und publiziert wird. Diese Inhalte können öffentlich oder halböffentlich publiziert werden, wobei das Publizieren keine notwendige Bedingung an sich ist, wohl aber das Kriterium hinsichtlich der Inhalte, die im Rahmen des Social Media Monitoring erfasst und analysiert werden sollen. Freilich sind dabei die Übergänge fließend. In den angesprochenen Medieninstitutionen wird auch gebloggt, es werden Facebook-Pages gepflegt und es wird getwittert. Auch ehemals unabhängige Blogger finden mitunter ihren Weg in Medienorganisationen oder haben Werbeerlöse.
Damit wären wir auch schon bei den Inhalten, die analysiert werden. Es handelt sich ausschließlich um eigene (selbst erstellte) sowie öffentlich zugängliche Inhalte. Inhalte, die auf Plattformen wie Facebook oder Google+ unter Freunden geteilt werden, sind nicht öffentlich und können damit nicht erfasst und analysiert werden. Auf solchen Plattformen veröffentlichte Inhalte können nur dann analysiert werden, wenn diese von den Nutzern als öffentlich deklariert wurden – ganz gleich, ob dies absichtsvoll oder durch einen Nutzerfehler geschehen ist.2
Nur eigene und öffentlich zugängliche Inhalte können analysiert werden.
Wenn man einfach nur naiv auf die Begrifflichkeit schaut, scheint es ganz einfach zu sein. Es gibt die Web Analytics, damit wird vorwiegend analysiert, was auf Websites passiert, wie diese genutzt werden, welche Erfolge erzielt werden. Überleitungen aus anderen Bereichen – beispielsweise Newsletter, Display- oder Keyword-Werbung – werden auch kontrolliert. Nun kommt Social Media als weiteres Element dazu. Abgesehen davon, dass Begrifflichkeiten wie »Newsletter Analytics« oder »Keyword Advertising Analytics« kaum benutzt werden, gibt es einige wichtige Unterscheidungsmerkmale zu den Social Media Analytics:
Mehr als nur ein zusätzliches Element der Web Analytics
Viele Werkzeuge
1. Man misst sie normalerweise und weitgehend mit dem gleichen Werkzeug, das man auch für das Controlling der Website benutzt. Auch wenn es sicher den einen oder anderen Fall gibt, bei dem man spezielle Tools nutzt oder Daten importiert (z.B. Zahl der Empfänger & Bounces einer Newsletter-Versendung), so sind diese Werkzeuge doch tendenziell nachrangiger Natur. Bei den Social Media Analytics ist das anders. Ohne externe Tools bzw. Nutzung von Daten, die über die Schnittstellen der Plattformen zugänglich gemacht werden, kann lediglich ein Teil des Erfolgs gemessen werden, auch wenn dieser besonders bei E-Commerce-Unternehmen ausgesprochen wichtig ist: die Überleitungen von Social-Media-Plattformen und der dadurch induzierte Umsatz. Was auf den einzelnen Plattformen passiert, wie beispielsweise die eigene Facebook-Page genutzt wird, lässt sich mit den Tools direkt nicht analysieren. Selbst wenn diese entsprechende Module zur Verfügung stellen, so werden die Daten von den Plattformen importiert und aufbereitet. Dieser Import der Daten betrifft derzeit lediglich einen Bruchteil der Plattformen und Daten. In den Social Media Analytics ist man leider (noch) gezwungen, eine Reihe von Werkzeugen zu benutzen, um Daten zu erheben, auszuwerten und aufzubereiten. Dabei ist die Relevanz einzelner Tools durchaus höher als in den traditionellen Web Analytics, wo man sich häufig auf ein zentrales Werkzeug verlässt.
Viele Datenquellen
2. Der Grund für die größere Relevanz externer Datenquellen für die Social Media Analytics liegt darin, dass die Nutzer auf den Plattformen selbst ein größeres Spektrum an Aktionen selbst ausführen können und die Plattformen an sich unter der Kontrolle anderer, unterschiedlicher Unternehmen stehen. Das stellt besondere Anforderungen an die Social Media Analytics, die in den übrigen Web Analytics in dieser Form nicht existieren bzw. nicht in diesem Detailgrad gemessen werden müssen.
Begrenzte Konfigurationsoptionen
3. Weil die Plattformen unter der Kontrolle anderer, unterschiedlicher Unternehmen stehen, muss man sich auch damit abfinden, dass man das vorgegebene Spektrum an Measures und Dimensions nutzen muss – allenfalls sind Kalkulationen mit Measures und Dimensions möglich. Ausnahmen sind lediglich Apps und/oder Taps, die mit eigenem Code auf den Plattformen platziert werden können, und Blogs, die auf einem eigenen Webspace betrieben werden.
Abb. 1–1 Die Social-Media-Analytics- und Monitoring-Umwelt
Pur internationales Umfeld
4. Der BVDW forderte in einem Thesenpapier im April 2011 einheitliche Messkriterien für Social Media. Um es salopp zu sagen: Auch wenn dies wünschenswert wäre, wie im Bereich der Display-Werbung oder des Keyword-Advertising, so ist die Forderung an sich unsinnig. Wenn wir Display-Werbung als Beispiel nehmen, so gibt es Standards hinsichtlich der Werbemittel. Es werden Größen in Pixeln definiert, es gibt Standards hinsichtlich der Einbindung mit AdServern etc. Der Markt ist komplex, weil es sehr viele Werbeträger gibt – die Standardisierung ist notwendig, damit hinsichtlich der Werbemittel die Zahl der zu produzierenden Varianten begrenzt werden kann und die Leistung der Werbeträger bzw. der gebuchten Platzierungen miteinander verglichen werden kann. Zudem wird größtenteils national gearbeitet. Wenn Kampagnen über verschiedene Länder geschaltet werden, dann gibt es i.d.R. jeweils nationale Standards, an denen man sich orientieren kann. Diese Standards orientieren sich häufig an denen des IAB. Im Social-Media-Universum ist die Lage etwas anders. Das Geschäft ist strikt international. Nationale Player spielen eine untergeordnete Rolle. In Deutschland kommt lediglich XING eine beachtenswerte Relevanz zu. Hinsichtlich der übrigen Networks empfiehlt sich eine eher passive, beobachtende Haltung. Oder andersrum: Welche Measures Facebook über seine API weitergibt, wird das Unternehmen selbst entscheiden und sich dabei kaum von nationalen Verbänden treiben lassen – Gerichte könnten hier durchaus größeren Erfolg haben.
Analyse der Mitbewerbe partiell möglich
5. Anders als in der übrigen Web Analytics können – zumindest für einige Fragestellungen – auch Daten für Wettbewerber analysiert werden. Man kann hierdurch die Leistung des eigenen Unternehmens besser einordnen und daraus folgend besser steuern.
Integrierende Dashboards notwendig
6. Allerdings ergibt sich auch durch die vorausgenannten Merkmale verstärkt die Notwendigkeit, Daten in integrierten Dashboards aufbereitet darzustellen. Es wäre in vielen Fällen sehr ineffizient, diese Daten individuell in einzelnen Tools zu analysieren. Um sie sauber mit den Daten anderer Plattformen vergleichen zu können, müssen diese – manuell oder automatisch – in eine entsprechende vergleichende Darstellung übertragen werden.
Gewichtung der Ergebnisse notwendig
7. Dann wären wir auch schon bei einem weiteren Punkt, der diese Zahlen von den übrigen Werten der Web Analytics unterscheidet: Es muss in der Regel eine Bewertung und Gewichtung einzelner Measures stattfinden. Nur so können die Resultate sicher interpretiert werden. Ein Beispiel: Kommentare bei einem Blog-Beitrag haben in der Regel ein anderes Gewicht als Kommenare bei einem Facebook-Post.
Hohe Komplexität
Die zu messende Umwelt ist weitaus komplexer als in der Phase vor dem Aufkommen der Social Networks. Das wird auch durch Abbildung 1–2 deutlich. Es gibt eine Reihe von Networks, die alle eigene Kommunikationsmodi haben beziehungsweise nutzen. Während man für die eigene Website lediglich die Reichweite und Interaktionen messen muss und eben noch die hinzukommenden Elemente aus Werbung, Suchmaschinen- und Newsletter-Marketing – auch hier handelt es sich um Reichweiten und Interaktionen – ist das im Falle von Social Media anders. Es sind eben nicht mehr nur Reichweiten und Interaktionen, die hinsichtlich quantitativ messbarer Ziele optimiert werden müssen. Es gibt einen weiteren Layer, die Inhalte. Man möchte fast sagen, dass man unglücklicherweise nicht mehr nur selbst kommuniziert und vielleicht noch ein paar Medien. Es ist leider so, dass auch Kunden beziehungsweise Nutzer kommunizieren. Das muss beobachtet werden.
Abb. 1–2 Social Media Analytics und Monitoring-Analysebereiche
Analysebereiche
Letztlich gibt es drei Bereiche, die analysiert werden müssen und für die es – je nach Netzwerk – auch unterschiedliche Werkzeuge gibt:
die Social Networks
die Effekte zwischen Social Networks und Website
Effekte auf der Website
Dabei ist es so, dass es auf der Ebene der Social Networks vier Analysedimensionen gibt, die unterschieden werden können:
Dimensionen
Reichweiten & Interaktionen auf dem eigenen Angebot
Reichweiten & Interaktionen der Wettbewerber
Auffinden & Analyse von Kommunikaten das eigene Unternehmen, seine Marken und Leistungen betreffend
Auffinden & Analyse von Kommunikaten, die Wettbewerber, ihre Marken und Leistungen betreffen
Effekte von Social Networks auf die eigene Website
Leider ist das noch immer nicht der vollständige Rahmen. Neben den Effekten, die es innerhalb der Ebene der Social Netzworks – im Social Web – gibt, müssen noch die Effekte auf die Website analysiert werden. Und wäre das nicht schon genug, so gibt es natürlich auch noch Effekte von der Website ins Social Web. Auch wenn ein Nutzer auf einer Website mit Social Plugins interagiert oder einen Link auf die Page eines Unternehmens in einem Social Network oder eines Blogs anklickt, sollte dies gemessen werden.
Sehr neue Methoden
Als wäre dieser hohe Komplexitätsgrad noch nicht genug, so muss man noch mit einer weiteren Herausforderung fertig werden. Während die Ergebnisse der Website Analytics, deren Verbreitung und der Umgang damit schon in vielen Unternehmen ein paar Jahre geübt wurde, sind die Daten der Social Media Analytics und des Monitoring neu. Es müssen zunächst Erfahrungen gesammelt werden. Wäre da nicht der Layer hinsichtlich der Bewertung von Inhalten, dann wäre das auch nicht sehr schwierig. Grundsätzlich muss man an dieser Stelle feststellen, dass die Analytics-Daten tendenziell mit Daten aus dem Controlling vergleichbar sind, während Monitoring-Daten tendenziell eher die Qualität von Marktforschungsdaten haben. Dabei gibt es Abweichungen, die bisher in der Web Analytics nicht bekannt waren. Der Umgang damit muss gelernt werden. Das betrifft sowohl Mitarbeiter in den Unternehmen, deren Websites und Social-Media-Aktivitäten analysiert und optimiert werden sollen, als auch das Personal von Dienstleistern. Hier scheint es – so mein Eindruck – noch Berührungsängste und Verständnisschwierigkeiten zu geben.
Ziel: Integrierte Reports
Das Ziel sollte allerdings in allen Fällen in integrierten Reports bestehen, die je nach Zielgruppe im Unternehmen (oder auch bei externen Dienstleistern) eine umfassende Beurteilung der Situation erlauben. Dies hat zur Folge, dass Daten aus den Bereichen Reichweite und Interaktion sowie der Bewertung von Kommunikaten in integrierten Dashboards aufbereitet werden müssen.
Verbindung mit den Daten von Web-Analytics-Werkzeugen notwendig
Die Basis zur Bewertung sind die Werte der Social Media Analytics in Verbindung mit Resultaten aus den Web-Analytics-Werkzeugen wie etwa Google Analytics, Omniture oder Webtrends. Darauf aufbauend werden Monitoring-Daten aufbereitet und analysiert. Hierdurch wird der Aufbau des Buchs bestimmt. Zunächst wird analysiert, welche Metriken für die verschiedenen Netzwerke notwendig und möglich sind. Danach werden die Überleitungen zwischen den Netzwerken und Websites in die Analyse einbezogen, um darauf aufbauend Konzepte für Kenngrößen zu erarbeiten, die die Leistung der Netzwerke vergleichbar machen. Es gibt ein Beispiel zur Optimierung von Posting-Zeitpunkten. In einem weiteren Schritt geht es um die Bewertung von Inhalten – das Monitoring. Auch hierfür wird die Herleitung von Kenngrößen erarbeitet.
Nun stehen alle Daten zur Verfügung, die in Dashboards für die jeweiligen Zielgruppen integriert werden. Es werden Wege zur Integration der Werte aus verschiedenen Quellen aufgezeigt und es gibt Beispiele für die Aufbereitung und Verbreitung der Daten.
Unübersichtlicher Markt
Die Werkzeuge sind eine der größten Herausforderungen der Social Media Analytics und des Social Media Monitoring. Es fängt schon damit an, dass der Markt derzeit noch keine wirklich ausreichende Reife hat und eine noch recht große Dynamik herrscht.
Mit jedem neuen Netzwerk kommen neue Tools.
Kommt ein neues Network, wird viel darüber geredet, so sprießen die Tools für dieses eine Network wie die Pflanzen im Frühling aus dem Boden. Es handelt sich dabei meist um mehr oder weniger simple Analytics Tools für die neuen Netzwerke. Anfangs werden meist nicht mehr als die frei zugänglichen Daten zusammengefasst und aufbereitet und daneben vielleicht noch für einen etwas längeren Zeitraum gespeichert. Monitoring gibt es in dieser Phase noch nicht.
Werkzeuge mit verschiedener Reichweite
Es gibt Tools, die bleiben auf das eine Netzwerk beschränkt – allfacebookstats.com ist ein Beispiel dafür. Andere Tools begannen bei der Auswertung einzelner Netzwerke und weiten ihren Aktionsradius auch auf andere Tools aus. Dafür ist TwentyFeed ein Beispiel. Es wurde mit der Analyse von Twitter begonnen und nun wurden nach und nach andere Netzwerke integriert. Wiederum andere Anbieter – wie die Social Bakers – sind gleich mit dem Anspruch gestartet, ein größeres Spektrum an Networks zu analysieren. Die hauseigenen Tools wie Facebook Insights sollte man natürlich auch nicht vergessen.
Abb. 1–3 Pintics – ein durchgemessener Funnel von Pinterest bis zu den Sales
Datendichte als Kriterium
Allerdings, und das muss man ganz klar sagen, ist die Datendichte in Tools, die sich auf ein einziges Network beschränken, meist deutlich höher als in Tools, die die Daten von mehreren Networks aufbereiten. Zudem ist es noch so, dass Funnels, die in den Networks beginnen, bis zur Konversion durchgemessen werden müssten. In Abbildung 1–3 sehen Sie ein Beispiel für einen Report aus einem solchen Tool, das es leider in dieser Form nicht mehr gibt, dessen Entwickler allerdings aus meiner Sicht einen hervorragenden Ansatz gewählt haben.
Grundsätzlich gibt es hierfür mehrere Ansätze. Pintics verbindet das eigene Tool hierzu mit Google Analytics. Denkbar wäre auch, dass Tools bis zur Konversion durchmessen. Hierfür müsste man einen eigenen Tag auf der Zielseite anbringen. Bei dem ganzen Durcheinander, das durch die vielfach einzubindenden Tags durch Performance-Netzwerke besteht, möchte man sich diese Anforderung sicher nicht erfüllen. Im Gegenteil: Es wäre weitaus praktischer, wenn man die Postings auf den verschiedenen Plattformen zentral messen und analysieren könnte. Das kommt vielleicht noch. Bisweilen sind Pintics und einige andere Werkzeuge Beispiele dafür, dass neue Werkzeuge auch eine sehr brauchbare Leistung bringen können. Man kann sich nur wundern, warum Web-Analytics-Tools der Enterprise-Klasse es nicht schaffen, solche Daten zu integrieren und anzubieten. Möglicherweise sind die Forderungen ihrer Kunden zu verhalten, und sie warten noch ab. Vielleicht erscheint der Markt noch als zu dynamisch, und man mag sich bei den großen Tool-Anbietern nicht auf einen bestimmten Ansatz einlassen.
Analyse von Redirects
Eine kleine Klasse von Werkzeugen sollte man nicht vergessen. Es handelt sich um biltly & Co. Das sind Tools, die zunächst geschaffen wurden, um Links zu verkürzen, damit man den knapp bemessenen Platz eines Tweets besser ausnutzen kann. Rein technisch gesehen handelt es sich um Redirects. Auf diesem Weg können jedoch noch weitere Informationen gemessen werden.
Monitoring
Zum Auffinden und der Analyse von Kommunikaten, die das eigene Unternehmen oder Wettbewerber betreffen, gibt es eine weitere Klasse von Werkzeugen: Monitoring Tools. Die meisten dienen dazu, Äußerungen auf mehr als nur einem Netzwerk zu analysieren. Aufgrund der ausgesprochenen Komplexität dieser Werkzeugklasse finden Sie im Kapitel »Monitoring: Einstieg und Vertiefung«, S. 173 ff., eine Erläuterung der Funktionalitäten und verschiedenen Klassen von möglichen Anforderungen, damit Sie sicher eine Entscheidung für oder gegen ein Tool treffen können.
Monitoring ist automatisierte Inhaltsanalyse.
Durch die große Zahl an Tools und die recht heterogenen Anforderungen ist die Lage für Unternehmen durchaus schwierig. Gerade wenn schon viel Geld für Web-Analytics-Projekte in die Hand genommen wurde. Es besteht die Aussicht, dass es vielleicht noch viel teurer werden könnte als die Analyse von Website-, Display-, Suchmaschinen-Werbung und die Analyse von Mailings. Um dieser durchaus verworrenen Lage Herr zu werden, ist es hilfreich, einen kleinen theoretischen Unterbau zu nutzen, um die Position der eigenen Aktivitäten zu bestimmen.
Theoretischer Unterbau
Seit einigen Jahren wird ein Reifegrad-Modell für die Web Analytics diskutiert. Dabei geht es darum, zu zeigen, welche Stufen Unternehmen erklimmen müssen, um den Stand einer sauber integriert datengesteuerten Organisation zu erreichen. Vereinfacht kann man dabei für die Web Analytics folgende Stufen unterscheiden:
Stufen der Reife
Zählen:
Beim ersten Einrichten einer Website wurde ein Hit-Counter installiert oder eine kostenlose bzw. einfache Log-Analyse-Software »out of the box«.
Analysieren:
Eher aus der Motivation getrieben, dass es so nicht weitergehen kann, wurde schon ein- bis zweimal das Tool gewechselt. Wirklich besser wird es dadurch aber auch nicht. Im Analysefokus stehen priorisierte Themen, nicht mehr »einfach mal schauen«.
Optimieren:
Konversionsorientierte Ziele stehen im Vordergrund. Online-Aktivitäten werden durch Vertriebs- und Umsatzziele optimiert.
Kombinieren, Integrieren & Steuern:
Nicht mehr die Optimierung von Konversionen, sondern die abteilungsübergreifende Optimierung des »Customer Life Cycle« rückt in den Mittelpunkt des Interesses.
Große Unternehmen befinden sich hinsichtlich ihres Web-Analytics-Reifegrades häufig in der Phase der Optimierung. Konversionen werden optimiert. Das Testen – A/B oder MVT – wird intensiviert, und man beginnt die Daten in die übrigen Analysesysteme des Unternehmens zu integrieren, um die Gesamtsteuerung zu optimieren.
Zum aktuellen Reifegrad kommt Social Media hinzu.
In dieser Situation kommen nun mit neuen Netzwerken Tools, die eigentlich auf eine Reifegradstufe des Zählens gehören, auf den Markt und stören die Entwicklung und Reife der Web Analytics. Es kommt zu einem gewissen Durcheinander. Während die Unternehmen in dieser Phase mit einem führenden Web-Analytics-Werkzeug arbeiten, ein MVT-Tools eingeführt haben und sich über die Vielzahl von Tags beschweren, die Affiliate-Programme und die Arbeit mit der Konversionsoptimierung von AdWords so mit sich bringen, soll auch noch mit einer Vielzahl von weiteren Applikationen gearbeitet werden. Vielleicht hat man gerade überlegt, ein Tag-Management einzuführen, um die auf der Seite befindlichen Tags etwas zu bereinigen und zu optimieren. Jetzt kommen schon wieder neue Anforderungen, wo man gerade dabei ist, standardisierte Dashboards zu entwickeln, die im Unternehmen in die richtigen Kanäle gelenkt werden. Nun muss die Datenaufbereitung überarbeitet werden. Das ist allerdings noch die geringere Schwierigkeit. Deutlich schwieriger wird es, die notwendigen Daten so zu organisieren, dass diese problemlos in die betrieblichen Datenflüsse integriert werden können.
Viel Arbeit