Abstract

Die Meinungsvielfalt und die Meinungsverbreitung insbesondere von Konsumenten über Produkte und Dienstleistungen im World Wide Web macht es für Unternehmen notwendig, diese Bewertungen in Form von objektiven und subjektiven Meinungen zu identifizieren und zu klassifizieren. Im Fokus dieser Arbeit steht hierbei die subjektive Meinungsanalyse im Teilgebiet des Opinion Mining und seiner untergeordneten Teildisziplin dem Sentiment Classification. Die Arbeit nimmt eine Einführung in die Begriffswelt dieser Forschungszweige vor und gibt einen Überblick über aktuelle automatisierte Identifikations-, Analyse- und Auswertungsansätze. Die Ergebnisse dieser automatisierten Analyseverfahren beeinflussen die Marketingaktivitäten von Unternehmen, so dass ein weiterer Bestandteil der Arbeit das Aufzeigen von Implikationen im Marketingkontext sowie die Darstellung einiger Anwendungsbeispiele im Marketing-Mix ist. Ferner zeigt die Arbeit die Schwächen und offenen Fragestellungen der automatisierten Meinungsanalyse, sodass ein Ausblick weiteren Forschungsbedarf in diesem Themengebieten erläutert.

,,

Inhaltsverzeichnis

  Inhaltsverzeichnis  I

  Abbildungsverzeichnis  II

  Abkürzungsverzeichnis  III

  Symbolverzeichnis  IV

1  Einleitung  5

1.1  Problemstellung und Zielsetzung  5

1.2  Aufbau der Arbeit  7

2  Theoretische Grundlagen der Sentiment Classification  7

2.1  Einordnung und Begriffserläuterungen  7

2.2  Methodischer Verarbeitungsprozess  11

3  Methoden der Sentiment Classification  13

3.1  Methoden auf Dokumentebene  13

3.2  Methoden auf Satzebene  16

3.3  Methoden auf Wortebene  20

4  Anwendung im Marketingkontext  22

4.1  Paradigmenwechsel in der Marketingkommunikation  22

4.2  Anwendungsmöglichkeiten der Sentiment Classification  24

5  Fazit und Ausblick  29

  Literaturverzeichnis  31

  ,,  

  Abbildungsverzeichnis  

  Abbildung 1: Veröffentlichungen zum Thema automatisierte Meinungsanalyse  

  Abbildung 2: Einordnung der Forschungszweige der Meinungsanalyse  

  Abbildung 3: Schematischer Verarbeitungsprozess  

  Abbildung 4: Bipolare Struktur von Adjektiven  

  Abbildung 5: Meinungsdarstellung von Eigenschaften einer Digitalkamera  

  Abbildung 6: Veränderung der Marketingkommunikation  

  ,,  

Abkürzungsverzeichnis

WWW World Wide Web

SC Sentiment Classification

OM Opinion Mining

NLP Natural Language Processing

DM Data Mining

IR Information Retrieval

PMI Pointwise Mutual Information

SO Semantische Orientierung

4Ps Product, Price, Promotion und Place

MSH-Index Morgan Stanley Technology Index

,,,

Symbolverzeichnis

‫א‬ ist Element von

,9

1 Einleitung

1.1 Problemstellung und Zielsetzung

Seit dem Jahr 2000 mit einer weltweiten Internetnutzung von 250 Mio. Menschen ist die Anzahl der Nutzer des World Wide Web (WWW) in 10 Jahren um das 8-fache auf

² Durch die Weiterentwicklung des Internets ermöglicht über 2 Mrd. Nutzer gestiegen.

diese Informationsplattform auch Interaktions- und Austauschmöglichkeiten, so dass die Verbraucher ihre positiven und negativen Erfahrungen und Meinungen in Bezug auf ³ Hierdurch Produkte und Dienstleistungen im weltweiten Netz mitteilen können. generieren sie selbstständig Inhalte und entwickeln Plattformen, über die sie in eigener Regie in Diskussion untereinander, mit ihrer Umwelt und den Unternehmen treten können. Der Austausch erfolgt beispielsweise über Blogs, Diskussionsforen, Peer-to-Peer-Netzwerken und weiteren verschiedenen Arten von Social Media Webseiten. Diese Art der Möglichkeiten und der Internetnutzung wird mit Web 2.0 bezeichnet, bei dem der bisher passive Informationskonsument zu einem aktiven Produzenten von ⁴ digitalen Inhalten im Internet wird.

Diese Verhaltens- und Nutzungsveränderung zieht einen Paradigmenwechsel im ⁵ Marketing nach sich; zuhören statt fragen! Laut einer Studie von der

Unternehmensberatung Deloitte wurden 82% der Kaufentscheidungen direkt von ⁶ Eine Analyse an Produktbewertungen bietet Kundenrezensionen beeinflusst.

Unternehmen die Möglichkeit, sich durch den von Verbrauchern generierten Inhalt, ⁷ zusätzliche Marktchancen zu verschaffen. Für die Vielzahl an

Verbraucherbewertungen ist ein effektiver Ansatz wichtig, der in der Lage ist, Produkt-

^{1 Zitat 2 Vgl. TSN Infratest (2011) S. 66. 3 Vgl. Pang und Lee (2008) S. 2 f. 4} Vgl. Decker und Gnibba-Yukawa (2009) S. 117.

⁵ Vgl. TSN Infratest (2011) https://www.tns-infratest.com/Digital-Centre/Incubator_Communities.asp, 26.10.2011.

^{6 Vgl. Wilker und Rieck (2007). 7} Vgl. Ding et al. (2008) S. 1.

wertungen aus Kundenmeinungen zu identifizieren, zu und Dienstleistungsbe erten. Eine manuelle Meinungsanalyse ist aufwändig und nur in analysieren und auszuwe ⁸ geringem Ausmaß möglich. Aus technischen Gründen bezog sich die Informationsgewinnung aus Texten bisher lediglich auf die Erlangung von objektiven Fakten und die Analyse von subjektiven Meinungen wurde nicht berücksichtigt.

Abbildung 1: Veröffentlichungen zum Thema automatisierte Meinungsanalyse

(Quelle: Eigene Darstellung in Anlehnung an Esuli (2007))

Für die automatisc he Identifikation und Auswertung von subjektiven Kundenbewertungen in Beurteilungen, Meinungen oder Wahrnehmungen der Konsumenten besteht derzeit kein allgemeingültiger Ansatz, so dass dieser Zweig der automatisierten Meinungsanalyse ein expandierendes Forschungsthema darstellt. Die Abbildung 1 zeigt die Anzahl der Veröffentlichungen von wissensc haftlichen Arbeiten ⁹ zu den Themen Opinion Mining und Sentiment Classification.

Diese Arbeit hat das Ziel eine aktuelle Bestandsaufnahme der theoretischen Forschungsarbeiten über die im Sentiment Classification und im Opinion Mining eingesetzten automatisierten Methoden zur Analyse von subjektiven Kundenbewertungen au s dem Internet vorzunehmen. Weiterhin zielt die Arbeit darauf

⁸ Vgl. Wei et al. (2010) S. 15

⁹ Vgl. Esuli (2007) http://patt