Marktüberblick: Zehn Tools für die Sentimentanalyse

So funktioniert Stimmungsanalyse

Unternehmen können Stimmungen auf mehrere Arten analysieren. Eine Methode ist die Verwendung von Software, um Sprache und Text von Kunden, zum Beispiel Serviceanrufe, E-Mails, Texte und direktes Kundenfeedback, zu erfassen und zu analysieren. Auf diese Weise soll die Gefühlslage der Kunden erkannt werden. Die so gefundenen Emotionen können ein weites Feld abdecken – von Zufriedenheit über Irritation und Frustration bis hin zu Ungeduld und Ärger. Für einen Service- oder Vertriebsmitarbeiter ist das Wissen, was wirklich mit dem Kunden los ist, der erste Schritt, um optimal zu reagieren. Er kann dadurch den Austausch und die Beziehung zum Kunden verbessern.

Andere wichtige Anwendungen von Sentimentanalysesoftware sind Markenmanagement und Opinion Mining. In der Regel werden damit heute unternehmensrelevante Einträge in Social-Media-Plattformen wie Twitter und Facebook abgehört. Dieses Social Listening kann auf positive oder negative Einstellungen zu einer Marke hinweisen. Die aggregierte Social-Media-Stimmung wird damit zu einem Messinstrument der Kundenstimmung: Sie informiert Unternehmen darüber, wo es zu einem bestimmten Zeitpunkt auf dem Markt steht – eine unschätzbare Ressource, um auf Marktveränderungen zu reagieren.

Die Software zur Stimmungsanalyse verwendet eine bestimmte KI-Methode: die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP). Dabei wird eine große Menge an Sprach- und Textdaten auf Muster analysiert, die wichtige Marker im menschlichen Gefühlsausdruck ans Licht bringen sollen. Machine-Learning-Algorithmen generieren anschließend ein Modell, das diese Marker in Echtzeit oder in aktuellen, unstrukturierte Daten erkennen kann. Mit anderen Worten: Der Software lernt, worauf sie bei einem Kundenanruf, einer E-Mail oder einem Chatbot-Austausch achten soll, um die Gefühle des Kunden zu erkennen.

Unternehmen können Sentimentanalysen auch mit einer Software durchführen, die von Grund auf neu entwickelt wurde. Die Data Science Community Analytics Vidhya untersuchte beispielsweise auf Twitter die Kundeneinstellung zu Pepsi und Coke mit einer selbst entwickelten R-App.

Normalerweise nutzt man aber für eine breitere Masse entwickelte Sentimentanalyse-Tools, die für viele Anwendungsfälle geeignet sind. Hier sind zehn Optionen.

1. Lexalytics

Lexalytics, die im September 2021 von InMoment akquiriert wurden, funktioniert wie die meisten Stimmungsanalyseprogramme: Es verwendet NLP, um die Nachricht eines Kunden zu analysieren und führt anschließend eine Sentimentanalyse durch. Mit dieser soll die zugrunde liegende Absicht des Kunden aufgedeckt werden. Die Software bietet die Möglichkeit, einen Bericht über die Analyse zu erstellen, der das Warum und das Wie der Gefühle des Kunden beschreibt.

Lexalytics lässt sich auch direkt in Microsoft Excel einbinden, so dass die Ergebnisse leicht in andere, konventionelle Berichts- und Analyseprozesse übernommen werden können. Die Genauigkeit der Stimmungsanalyse ist eine der höchsten auf dem Markt. Ein weiteres interessantes Merkmal der Software: das Kernmodell ist so gut trainiert ist, dass es schlechte Grammatik und Umgangssprache verstehen kann. Ein Nachteil des Programms ist, dass es komplex ist – es handelt sich nicht um ein schlüsselfertiges Produkt.

2. Critical Mention

Die Stimmungsanalyse von Critical Mention konzentriert sich auf Stimmungen, die in Nachrichten und anderen Online-Quellen gefunden werden. Dazu gehören beispielsweise auch TV- und Live-Quellen – was eine seltene Funktion darstellt. Das Tool macht Unternehmen auf Veränderungen in der Markenwahrnehmung aufmerksam. Erfasst wird nicht nur die Stimmung der Kunden, sondern auch die von Analysten und anderen Branchenbeobachtern. Diese Informationen können eine aussagekräftige Perspektive liefern, die für das Markenmanagement von strategischem Wert ist.

Critical Mention kann sogar Videodateien und Live-Übertragungen durchsuchen. Seine hochwertiges grafisches Reporting ist unter den Produkten seiner Klasse außergewöhnlich. Ein Nachteil ist, dass die Tools zur Sentimentanalyse limitiert sind.

3. Talkwalker Quick Search

Das Sentimentanalyse-Tool Quick Search ist Teil der größeren Talkwalker Consumer Intelligence Acceleration Platform. Das integrierte Werkzeug sammelt Anmerkungen, Likes, Kommentare und andere Daten, die einen Einblick in Social-Media-Marketing geben. Die Ergebnisse fließen dann in die Talkwalker-Plattform ein, womit umsetzbare Entscheidungen für Kampagnen getroffen werden können.

Quick Search verfügt über Content-Ideation-Funktionen. Damit können Trends nicht nur bei Markenerwähnungen, sondern auch bei zugehörigen Themen erkannt und verfolgt werden – sogar bei Verwendung von Emoji. Das Tool kann auch Markenbilder und Videos erkennen sowie Influencer und deren Erwähnungen identifizieren und verfolgen.

Quick Search ist mehr als nur ein Toolkit. Es eignet sich für Unternehmen unterschiedlicher Größe und bietet zusätzlich Bilderkennungsfunktionen.

4. Brandwatch

Brandwatch ist ein weiteres Stimmungsanalyse-Tool mit dem Schwerpunkt Markenmanagement. Es kann im Internet nicht nur nach Texterwähnung von Marken suchen, sondern auch nach Bildern von Marken. Beispielsweise kann es nach Logos und anderen Grafiken fahnden, die mit der Marke assoziiert sind. Durch das Verfolgen dieser Informationen ist es möglich, zu analysieren, wie eine Marke bei bestimmten Zielgruppen in den sozialen Medien abschneidet.

Für viele Branchenbeobachter ist Brandwatch das führende Tool für paralleles Marken-Monitoring über alle Social-Media-Kanäle hinweg. Nachteilig sind die von Nutzern berichteten Verzögerungszeiten bei großen Abfragen und die fehlende Download-Möglichkeit von Massendaten.

5. Social Searcher

Social Searcher ist ein kostengünstiges Social-Media-Toolkit, das die positive oder negative Einstellung zu einem Produkt oder einer Marke zusammenfasst. Die Analyse basiert auf eingegebenen Schlüsselwörtern und Hashtags. Die Ergebnisse werden nach Social-Media-Plattformen, Apps und Kanälen aufgeschlüsselt.

Social Searcher bietet auch eine Programmierschnittstelle (API) für das Social Media Monitoring und E-Mail-Benachrichtigungen in Echtzeit. Der Nachteil ist, dass das Tool aufgrund seiner Einfachheit und begrenzten Funktionalität nur für kleinere Unternehmen interessant ist.

6. MonkeyLearn

Der Vorteil von MonkeyLearn ist seine hohe Anpassungsfähigkeit. Mit Unterstützung von Tags können spezifische Kategorien erstellt werden, die für die Verbesserung der Kundenerfahrung und für das Markenmanagement nützlich sind. Das Tool hebt Abschnitte des Kundentextes entsprechend dieser Kategorien hervor, sodass sich die Ergebnisse leicht analysieren lassen. Es kann aus diesen Tags auch benutzerdefinierte Wortwolken generieren.

Das vortrainierte Modell lässt sich sauber in das laufende, unternehmensspezifische Lernen integrieren. MonkeyLearn ist Workflow-freundlich, was die Integration in andere Prozesse erleichtert. Das Tool ist per API oder als Suite verfügbar. Ein Nachteil ist, dass Benutzer Daten über die API oder Google Sheets in die App eingeben müssen.

7. Brand24

Brand24 führt Social Listening durch, überwacht Markenerwähnungen und benachrichtigt den Anwender sofort, um in Echtzeit reagieren zu können. Um Trends der Kundenstimmung aufzudecken, verfolgt das Tool in der Markendiskussion langfristig den Anstieg und Rückgang der Zustimmung.

Das Tool wird über ein Dashboard gesteuert und arbeitet mit Slack zusammen. Ein Pluspunkt ist, dass es jeder Influencer-Erwähnung ein Gewicht zuweist. Dadurch wird klarer, welchen Erwähnungen man Aufmerksamkeit schenken sollte. Ein Nachteil ist, dass einige Kunden die mobile Implementierung als mangelhaft bezeichnen.

8. Twinword Sentiment Analysis API

Twinword ist kein Software-Tool zur Stimmungsanalyse, sondern eine API. Sie erkennt Text, führt eine Analyse durch und gibt dann Assoziationen zwischen den vorgeschlagenen Wörtern zurück. Unternehmen können die API mit Suchmaschinen, Websites und benutzerdefinierten Anwendungen nutzen. Sie ist besonders nützlich in Szenarien, in denen es wünschenswert ist, eine benutzerdefinierte Anwendung, zum Beispiel mit Twitter, zu verbinden.

Hinter der API verbirgt sich eine ständig wachsende Datenbank, die kontinuierlich aus den Benutzeraktivitäten in einer Vielzahl von Quellen lernt. Dieses Setup ergibt ein leistungsfähiges Kernmodell, das den menschlichen Sprachgebrauch versteht.

Für eine API ist sie mit einer einfachen Schnittstelle leicht zu bedienen. Nichtsdestotrotz ist es ein eher technisches Werkzeug, das eine technische Implementierung erfordert.

9. Text Sentiment Analysis Method API

Wie Twinword ist auch die Text Sentiment Analysis Method mehr eine API als ein Software-Toolkit. Kunden- oder Nachrichtentext kann man von einer Anwendung an die API übergeben. Diese liefert dann einen vollständigen Analysebericht zurück. Die API verwendet die gleichen Methoden der natürlichen Sprachverarbeitung und des maschinellen Lernens wie eine Software-Suite.

Ein Nachteil ist, dass es, wie Twinword, als API eine technische Implementierung erfordert.

10. Text-Processing API

Text-Processing API umfasst viele Funktionen und kann nicht nur Stimmungen analysieren, sondern liefert auch Zusammenfassungen. Sie kann Phrasen aus Text extrahieren, um sie hervorzuheben. Wie Social Searcher besteht ihre Kernfunktion darin, Texte auf positive oder negative Stimmung zu bewerten.

Die API kann auch Wörter auf ihre Stamm- und Grundformen zurückführen (Stemming und Lemmatisierung).