Die Sentimentanalyse: Was ist das? Warum wird sie eingesetzt?

Blog   /   Social

Die Sentimentanalyse – auch bekannt als Opinion Mining – ist ein viel diskutierter und gleichzeitig häufig missverstandener Begriff.

Sentimentanalyse ist der Prozess des Bestimmens der Tonalität, die hinter aneinandergereihten Begriffen steckt. Sie wird verwendet, um in einem Online-Treffer ausgedrückte Verhaltensweisen, Ansichten und Emotionen zu ergründen.

Die Verwendung von Sentimentanalyse

Im Social Media Monitoring ist Sentimentanalyse besonders nützlich, da mit ihr die Meinung einer breiteren Öffentlichkeit zu bestimmten Themen überblickt werden kann. Social Media Monitoring Plattformen wie Brandwatch Analytics machen diesen Prozess schneller und leichter als jemals zuvor – dank ihrer Fähigkeit zum Echtzeit-Monitoring.

Sentimentanalyse lässt sich in vielen Bereichen extrem gewinnbringend einsetzen. Heute ist das Gewinnen von Insights aus Social-Media-Daten eine Praxis, die von unzähligen Unternehmen weltweit genutzt wird.

Es gilt als bewiesen, dass Sentiment-Veränderungen in den Sozialen Medien sogar mit Schwankungen auf dem Aktienmarkt zusammenhängen.

Die Obama-Verwaltung nutzte Sentimentanalyse, um die öffentliche Meinung zu politischen Erklärungen und Kampagnenbotschaften vor der Präsidentschaftswahl 2012 abzuschätzen.

Expedia Canada nutzte die Fähigkeit, Verbrauchermeinungen schnell zu verstehen und entsprechend auf sie zu reagieren, ebenfalls auf geschickte Weise. Das Unternehmen bemerkte, dass die Musik in einem seiner Werbespots mehr und mehr negatives Feedback verursachte.

Eine von der Marke durchgeführte Sentimentanalyse offenbarte, dass die Musik in dem Werbespot nach mehrmaliger Ausstrahlung unglaublich nervtötend wirkte und die Verbraucher ihren Frust in den Sozialen Medien ausdrückten.

Ein paar Wochen nach der Erstausstrahlung des Spots waren mehr als die Hälfte aller Unterhaltungen zu der Kampagne negativ.

Anstatt nun den Spot als Flop abzuschreiben, konnte Expedia das negative Sentiment auf spielerische und selbstkritische Art angehen: Sie veröffentlichten eine neue Version des Spots, in der die nervige Violine zerschlagen wurde.

Kontextuelles Verständnis und Tonalität

Die Sentimentanalyse ist allerdings keine perfekte Wissenschaft.

Die menschliche Sprache ist komplex. Einer Maschine die Unterscheidung der vielen grammatikalischen Nuancen, kulturellen Variationen, Slang-Ausdrücke und falschen Schreibweisen beizubringen, ist ein schwieriges Unterfangen. Einer Maschine beizubringen, wie der Kontext den Ton beeinflussen kann, ist sogar nicht schwieriger.

Menschen sind ziemlich intuitiv, wenn es um die Interpretation des Tons eines Textes geht.

Nehmen wir folgenden Satz: “Mein Flug ist verspätet. Super!”

Die meisten Menschen merken schnell, dass der Verfasser sarkastisch ist. Wir wissen, dass ein verspäteter Flug kein schönes Erlebnis ist (außer es gibt kostenlose Drinks als Wiedergutmachung). Indem wir dieses kontextuelle Verständnis auf den Satz anwenden, können wir das Sentiment leicht als negativ identifizieren.

Ohne dieses Verständnis untersucht eine Maschine den Satz und stößt dabei auf das Wort “super” – gleichbedeutend mit einer positiven Kategorisierung.

Wie Brandwatch das Sentiment analysiert

Erinnern Sie sich an die Szene in Terminator 2, in der der junge Jon Connor dem T-800 flotte 90er Jahre Sprüche wie “no problemo”, “eat me” und “hasta la vista, baby” beibringt?

Sie ähnelt tatsächlich in gewisser Weise dem Vorgehen, wie ein Linguist einer Maschine die Grundlagen der Sentimentanalyse vermitteln würde.

Das Wörterbuch und Repertoire der Maschine muss sich gleichzeitig mit der Sprache weiterentwicheln, um das Sentiment entschlüsseln zu können.

Mit der Verwendung von Social Media entwickelt sich unsere Sprache schneller als jemals zuvor. 140 erlaubte Zeichen, die Notwendigkeit knapper und prägnanter Formulierungen sowie andere vorherrschende Meme haben unsere Art online miteinander zu kommunizieren maßgeblich beeinflusst. Daraus ergeben sich diverse Herausforderungen.

Bei Brandwatch wenden wir einen regelbasierten Prozess an, um unserer Software zu helfen. Die Software muss möglichst genau verstehen, auf welche Weise der Kontext das Sentiment beeinflussen kann.

Wir nehmen also alle Begriffe und Sätze, die ein positives oder negatives Sentiment ausdrücken, und wenden Regeln an, die berücksichtigen, wie der Kontext die Tonalität dieser Inhalte beeinflussen kann. Sorgfältig ausgearbeitete Regeln helfen unserer Software zu erkennen, dass der erste unten stehende Satz positiv ist, der zweite dagegen negativ.

“I want a burrito so bad”

“I just had a burrito. It was so bad.”

Vorbehalte bei der Sentimentanalyse

Die obigen Beispiele zeigen die Grenzen der Sentimentanalyse auf. Sie kann nicht als 100 % präzises Maß aller Dinge angesehen werden.

Wie alle automatisierten Prozesse ist sie fehleranfällig und benötigt häufig menschliche Überwachung. Bei Brandwatch geben wir unseren Nutzern die Möglichkeit, das Sentiment neu zu definieren, wenn diese der Meinung sind, dass es falsch eingeschätzt wurde.

Über die Verlässlichkeit hinaus sollte man erkennen, dass menschliche Aussagen nicht ohne weiteres in 3 Kategorien gepresst werden können: Nicht jedes Sentiment ist einfach negativ, positiv oder neutral.

Die Zukunft der Sentimentanalyse

Während sich die Weiterentwicklung eines relativ unausgereiften Systems schwer orakeln lässt, stimmt man weitgehend darin überein, dass die Sentimentanalyse zukünftig über eine eindimensionale positive oder negative Skala hinausgehen muss.

Ebenso wie die Politik sich nicht immer auf eine linke oder rechte Positionierung reduzieren lässt, existieren andere Sentimente, die auf einem derart einfachen Barometer keinen Platz finden.

In der Zukunft benötigen wir zum Verstehen und Erfassen der großen Bandbreite schriftlich ausgedrückter Emotionen eine fortschrittlichere, multidimensionale Skala.

Können Sie Skepsis, Hoffnung, Ängste, Begeisterung oder Mangel an Euphorie messen? Bis zu dem Tag, an dem all dies möglich ist, bleibt die Sentimentanalyse eindimensional.

Unternehmen schenken den Applikationen zur Sentimentanalyse in ihrer Branche zukünftig sicher mehr Beachtung. Dies fördert die Entwicklung branchenspezifischer Services und Technologien, die das Sentiment im Hinblick auf spezifische Anwendungsfälle erfassen – beispielsweise Intelligence Tools, die Finanzverwaltern und Analysten bei der Entscheidungsfindung helfen.

Wir werden einen Wandel in der Wahrnehmung der Sentimentanalyse beobachten können. Nutzer werden sich an die Idee gewöhnen, dass die automatische Analyse individueller Texte schwerlich menschlicher Genauigkeit entsprechen kann.

Die Erkenntnisse, die sich aus einem riesigen Datensatz (Millionen Tweets) gewinnen lassen, werden die Bedenken zur Verlässlichkeit auf granularem Level (ein einziger Tweet) zerstreuen.

Stattdessen wird der Fokus darauf liegen, wie sich die Ergebnisse interpretieren und daraus Geschäftsentscheidungen ziehen lassen.