Nachdem ich im ersten Teil kurz das Ergebnis unserer Session “Zahlenfetischismus und Communities” auf dem BarCamp Hannover zusammengefasst habe, will ich mich nun konkreter damit beschäftigen, wie Communities auf standardisierte Weise miteinander verglichen werden könnten. Ein solcher Vergleich ist vor allem wichtig, um (beispielsweise als Vermarkter oder Investor) den aktuellen Wert einer Community einschätzen und benchmarken zu können.

Vorab: Dank Benedikt Köhlers Gedanken zur Messbarkeit von Online-Communities erlebte unsere BarCamp-Session eine erstaunliche Anschlusskommunikation in der Blogosphäre – interessanterweise mit einem ebenso spannenden, aber anderem Verständnis des Begriffs ‘Community’ (nämlich als Gemeinschaft aller Micro-Publisher wie Blogger und Podcaster). In unserer ursprünglichen Diskussion ging es vielmehr um Communities, die an einen bestimmten Anbieter gebunden sind – wie z.B. die derzeit verbreiteten Social Networks. Sieht man sich alleine solche Anbieter-gebundenen Communities im Internet an, erkennt man bereits eine enorme Formenvielfalt. Da gibt es beispielsweise:

• Social Networks (von unspezifischen Formen bis hin zu sehr spezifischen Special-Interest-Plattformen),
• Diskussionsforen,
• Kommerzielle Communities (Marktplätze, Preisvergleichsseiten etc.),
• Social-News-Portale,
• File-Sharing-Plattformen (z.B. Video-, Foto- und Audio-Sharing-Plattformen),
• …

Worüber man sich im Klaren sein muss: Alle diese Community-Formen sind einzigartig und können nicht über einen Kamm geschert werden. Alle diese Plattformen und ihre Betreiber verfolgen ihre eigenen Ziele, die kaum auf andere Formen von Communities anwendbar sind. Ich glaube aber, dass sich ein Element zumindest als Teilziel durch all diese verschiedenen Community-Formen zieht: Die Bindung der Mitglieder (1) an die Community und (2) an die Plattform.

Diese Mitglieder-Bindung, so schwammig und abstrakt dieser Begriff auch für Analytics-Fans sein mag, stellt für Community-Hosts die unmittelbare Vorstufe ihres Erfolgs dar: Marktplätze machen mehr Umsatz mit loyalen Mitgliedern, die keine konkurrierenden Marktplätze oder Offline-Kanäle für den Kauf und Verkauf ihrer Produkte nutzen. Werbefinanzierte Plattformen machen einen höheren Umsatz mit häufig wiederkehrenden Mitgliedern. Loyalität und Besuchsfrequenz als Beispiele – beides Folgen einer starken Mitgliederbindung.

Was bedeutet diese (zugegeben: simple) Erkenntnis, wenn es an die Erfolgsmessung von Communities geht? Ganz einfach: Obwohl diese ominöse ‘Bindung’ für unterschiedliche Community-Formen auf unterschiedliche Weisen operationalisiert werden muss, lässt sich ein grundsätzliches Messmodell auf alle Communities anwenden:

Über die Messung von Bindung bei Community-Mitgliedern wird viel geschrieben, viel gebloggt und viel präsentiert – überraschenderweise unterscheidet aber kaum jemand (Hinweise bitte an unsere Dienststelle ;-)) zwischen der Mitgliederbindung an die Community selbst und ihrer Bindung an den Anbieter des Online-Dienstes. In der Regel werden die beiden Konstrukte nicht voneinander getrennt. Das ist meines Erachtens ein großer Fehler, denn ich gehe (für jetzt ohne empirische Fundierung) davon aus, dass die Implikationen dieser beiden Bindungs-Formen völlig unterschiedlich sind:

• Die Mitgliederbindung an die Community sagt mir für einzelne Mitglieder, wie hoch ihre Wahrscheinlichkeit ist, in Zukunft wiederzukehren und bestimmte Handlungen auszuführen.
• Die Mitgliederbindung an die Plattform sagt mir auf aggregierter Ebene, wie hoch die Wahrscheinlichkeit ist, dass meine gesamte Community zu einem anderen Anbieter abwandert (wie es beispielsweise den Kiezkollegen ergangen ist, als StudiVZ seinen Aufstieg feierte).

Beide Bindungskomponenten bewirken gemeinsam ein bestimmtes Nutzerverhalten (hey ho, Analytics). Auf dieses verbindende Element möchte ich im nächsten Beitrag eingehen. Dort soll es dann auch konkreter um KPIs gehen, die als Indikatoren für die Mitgliederbindung herangezogen werden können. Und diesmal soll es bis zur Fortsetzung auch wirklich nicht mehr sooo lange dauern…

Hallo Thomas,

Da meine Antwort als Kommentar etwas lang ausfallen würde, antworte ich dir mit einem eigenen Eintrag. Die Lösungen, die ich hier anspreche, sind zwar nicht zu 100% wissenschaftlich einsetzbar, aber für die Unternehmenspraxis in der Regel ausreichend. Wenn ich dich richtig verstanden habe, möchtest du eine klar umrissene Grundgesamtheit von Corporate Blogs, vielleicht auch Foren und andere Micro-Publishing-Formate auf der Unternehmens-Website nach unerwünschten Kommentaren und produktspezifischen Fragen monitoren, um darauf zeitnah zu reagieren. Das wäre relativ einfach, wenn du dich auf klar definierte Schlagworte beschränken kannst und alle diese zu beobachtenden Formate einen Feed aussenden. Dann benötigst du einfach einen Feed-Reader mit Filter-Funktion, der die Feeds aus den für dich interessanten Quellen aufgreift. Hier findest du beispielsweise beschrieben, wie das mit Bloglines funktioniert. Da du dich auf einige wenige Feeds beschränken möchtest, abonnierst du diese zuerst, dann wählst du in der Advanced Search unter dem Punkt “Limits” die Option “Search only My Feeds” aus. Nun fügst du so viele Suchphrasen hinzu, wie du möchtest (bzw. wie Bloglines zulässt, falls es da eine Grenze gibt) und abonnierst auf der Ergebnis-Seite diesen Filter als eigenen RSS-Feed. Voilà, schon musst du nicht mehr jeden Tag alle Feeds lesen, sondern nur mehr die für dich relevanten.

Problematisch wird es einerseits, wenn du über feste Suchphrasen hinausgehen möchtest – das klingt für mich bei deiner Frage durch. Dann brauchst du einen Filter, der mit Techniken der künstlichen Intelligenz arbeitet – oder du brauchst menschliche Intelligenz in Form von Mitarbeitern, die die ganzen Feeds ständig lesen. Künstliche Intelligenz macht dann Sinn, wenn die Feeds so zahlreich sind, dass das “händische” Lesen zu teuer wäre und wenn es kein Weltuntergang ist, sollte das KI-Tool mal etwas Wichtiges übersehen (wobei das theoretisch auch einem Mitarbeiter passieren kann). Ein großer Vorteil von KI ist neben den möglicherweise geringeren Kosten, dass diese Tools 24/7 ohne Pause durcharbeiten. Für solche automatisierte Filter musst du derzeit meines Wissens (auf jeden Fall im deutschsprachigen Raum) in die Geldtasche greifen und dich an professionelle Dienstleister wenden – dafür hat sich David von Ethority angeboten. Ein weiterer Anbieter, der mir spontan einfällt, ist bc.lab und seit Ende letzten Jahres ist angeblich auch Nielsen mit BuzzMetrics im deutschsprachigen Markt aktiv. Zu Qualität, genauen Leistungen und Kosten der unterschiedlichen Anbieter kann ich dir leider nichts sagen.

Ein weiteres Problem kommt auf dich zu, wenn du Nutzer-generierte Inhalte monitoren möchtest, die nicht per Feed ausgesandt werden (beispielsweise Foren ohne Feed-Funktion). Dann musst du klassische Volltextsuchmaschinen nutzen, die einen Crawler aussenden und dadurch natürlich immer etwas Latenzzeit aufweisen. Die Suche nach bestimmten Schlagworten kannst du beispielsweise bei Yahoo! Pipes oder Google Alerts einrichten. Auch die Volltextsuchen beherrschen derzeit noch keine verlässlichen semantischen Suchen (obwohl du mal spaßhalber mit der Tilde bei Google rumspielen kannst - im Beispiel siehst du, dass Google dann auch nach dem Wort “Jaguar” sucht, wenn du “~Daimler” eingibst). Auch hier gilt also für intelligente Filter, dass du dir entweder die Technologie kaufen musst oder Mitarbeiter dafür brauchst.

Ich hoffe, ich konnte dir helfen - schönen Gruß nach München,
Michael

Nachtrag

Zum Do-it-yourself-Monitoring schau dir unbedingt auch diesen Beitrag von Thomas Pleil an unbedingt ins PR-Wiki. So, und jetzt ist bei mir echt mal Sendepause für ein paar Tage angesagt…

Als bekennender Zahlenfetischist plädierte ich dafür, Plattform-übergreifende, standardisierte Modelle für die Messbarkeit der Qualität von Online-Communities zu etablieren. Demgegenüber beklagte Markus aus seinem Praktiker-Erfahrungsschatz, wie Community-Betreiber von Social Networks unterschiedliche Kennzahlen bewusst zur Wettbewerbsverzerrung einsetzen – und damit angeblich nicht nur oft erfolgreich sind, sondern auch ehrliche Anbieter zum Lügen mit Statistik zwingen. Kai-Uwe vertrat eingangs die These, die Qualität von Communities ließe sich nicht sinnvoll durch quantitative Methoden erfassen – (für mich) erstaunlicherweise bewegte er sich aber im Laufe der Diskussion immer weiter in Richtung quantitativer Messgrößen (oder muss ich diesen Eindruck unter selektiver Wahrnehmung verbuchen?). Am Schluss stand auch dank der äußerst regen Beteiligung vieler Session-Teilnehmer ein relativ homogenes Fazit im Raum:

Wir benötigen…

1. …Messgrößen, die das tatsächliche Engagement und Involvement der Mitglieder einer Community abbilden. Derzeit populäre Kennzahlen – insbesondere die häufig durch Karteileichen verzerrte Mitgliederzahl – müssen an Bedeutung verlieren, denn sie transportieren erstens wenig Informationen über den tatsächlichen Zustand einer Community und werden zweitens in der Praxis mit dirty tricks getürkt.
2. …eine unabhängige Instanz zur Er- und Vermittlung dieser Messgrößen, wie sie beispielsweise die IVW und die AGOF in der Reichweitenmessung darstellen. Nur so kann eine harte Währung für Community-Qualität geschaffen werden, der alle Marktpartner vertrauen.

Unter anderem durch die (lohnenswerte) zeitliche Belastung, die die Mit-Organisation des BarCamps erfordert hatte, hatte ich kaum Zeit gehabt, mich auf die Session vorzubereiten. Als völlig unbeschriebenes Blatt beim Thema Community-Forschung versuchte ich, den Input aus der Session und aus meiner einzigen Vorbereitungslektüre fortlaufend in Gedanken zu strukturieren. Vielleicht hörte der ein oder andere Session-Teilnehmer die Zahnräder in meinem Oberstübchen mahlen – heraus kam ein bescheidenes, nach der Session hastig auf Papier gekritzeltes Schema, das ich morgen versuche, hier im Blog abzubilden. Erst mal schlafen gehen…

Update

Ich bin gerade etwas unter Zeitdruck mit all den Dingen, die durch die BarCamp-Organisation liegen geblieben sind. Fortsetzung folgt deshalb später, genauso wie ich auch die Fortsetzung der Reihe zum Blog-Monitoring nicht vergessen habe. 24 Stunden pro Tag sind viel zu wenig, wer hat sich das bloß so ausgedacht…

PS: Auch Kai-Uwe Hellmann und Markus Burgdorf haben zu unserer Community-Session gebloggt.

Ach, und: Frohes neues Jahr allerseits!

YouTube Direktvideo link

Als Resultat wird vor allem das hohe Potential innerhalb des rasanten Wachstums herausgestellt, das Vermarkter in Zukunft noch mehr nutzen können, wenn sie das Userverhalten besser verstehen lernen.

Die sechsseitige Zusammenfassung der Studie auf Grundlage von Befragten aus Belgien, Dänemark, Deutschland, Frankreich, Großbritannien, Italien, den Niederlanden, Norwegen, Schweden und Spanien findet sich hier.

Ich habe zur Systematisierung ein Chart erstellt, das ihr unter CC-Lizenz gerne verwenden und weiterentwickeln könnt. Ich gehe nicht davon aus, dass dieses Chart perfekt ist – aber möglicherweise findet ihr es brauchbar, und für Verbesserungsvorschläge bin ich immer offen. An diesem Chart werde ich mich im Folgenden “entlang hangeln”.

Liste relevanter Blogs generieren

Auf die erste Herausforderung stößt man beim Blog-Monitoring bereits sehr früh: bei der Definition der Grundgesamtheit, die analysiert werden soll – also bei der vollständigen Erfassung der aller relevanter Blogs (bzw. der gesamten Blogosphäre). Weder gibt es eine vollständige Liste aller Blogs, um sicherzustellen, dass kein Blog im Monitoring vergessen wird, noch ist die Blogosphäre eine statische Grundgesamtheit. Selbst wenn es eine Liste aller Blogs gäbe, wäre sie nur für kurze Zeit aktuell – denn ständig entstehen neue Blogs und manche bestehenden Blogs werden nicht weiter aktualisiert (wobei letzteres unproblematisch ist – außer, dass damit die Größe der Blogosphäre überschätzt wird). Technisch kann nicht ermittelt werden, ob es sich bei einer Website um einen Blog handelt oder beispielsweise um eine klassische Nachrichten-Website, die RSS-Feeds einsetzt.

Dieses Problem kann nur über Workarounds gelöst werden: Technorati definiert seine Grundgesamtheit beispielsweise als all jene Blogs bzw. Webseiten, die sich aktiv dort indizieren lassen. Google legt (in gewohnter Manier) mit seiner Blog-Suche das Aufgreifkriterium erst gar nicht offen. Professionell arbeitende Blog-Monitoring-Anbieter erstellen und aktualisieren ihre Grundgesamtheit üblicherweise selbst, beispielsweise indem sie (wie hier für BlogPulse beschrieben) von unvollständigen Blog-Listen ausgehend nach weiteren URLs crawlen – über Blogrolls, Trackbacks, Kommentare und/oder klassische Querverweise.

Entscheidend bei der Auswahl einer Blog-Suchmaschine oder eines Blog-Monitoring-Services ist also auf der Ebene der Blog-Erfassung die Vollständigkeit und die Geschwindigkeit, mit der neue Blogs gefunden und der zu analysierenden Grundgesamtheit hinzugefügt werden. Die Kriterien dafür sollten für den Kunden offen gelegt und nachvollziehbar sein.

Relevante Einträge filtern

Wenn eine Grundgesamtheit steht, werden daraus im nächsten Schritt relevante Beiträge gefiltert. In aller Regel geschieht dies über eine Schlagwortsuche nach Begriffen, die der Kunde vorgibt – beispielsweise Marken- oder Produktnamen des eigenen Unternehmens und von Wettbewerbern. Für viele Fragestellungen mag dieses Vorgehen ausreichend sein – es entspricht der Logik konventioneller automatisierter Presseclipping-Services.

Die Grenze der Schlagwortsuche liegt an jenem Punkt, an dem auch Blog-Beiträge von Interesse sind, die nicht zwingend ein oder mehrere vorhersehbare Suchbegriffe enthalten. Will ein Unternehmen ein echtes Issues-Monitoring betreiben, ist nicht nur entscheidend, ob der Unternehmens- oder Markenname in einem Blog-Beitrag auftaucht – sondern, ob ein Thema in einem Blog-Beitrag aufgegriffen wird, das z. B. in Zusammenhang mit dem Tätigkeitsbereich eines Unternehmens steht. Energieversorger können beispielsweise daran interessiert sein, wie bestimmte Verfahren zur Energiegewinnung in der Blogosphäre beurteilt werden. Besonders anspruchsvoll zu monitoren sind Themen, von denen dem Unternehmen noch gar nicht bekannt ist, dass sie überhaupt existieren.

Inhaltsanalytische Verfahren können theoretisch dazu dienen, weitere Phrasen in Zusammenhang mit den ursprünglichen Suchphrasen zu entdecken, und diese dann wiederum in die Filterung der Beiträge einfließen lassen. Als iteratives Verfahren könnte dieser Schritt beliebig oft wiederholt werden. Mir ist derzeit kein Blog-Monitoring-Anbieter bekannt, der solche lernende Filter einsetzt. Für sachdienliche Hinweise bin ich dankbar.

Um die Inhaltsanalyse von Blogs soll es dann im nächsten Beitrag gehen.