Speziell in der Versicherungsbranche gibt es immer noch eine große Lücke zwischen dem unternehmenspolitischen Anspruch der Unternehmen und dem von der Öffentlichkeit wahrgenommenen Bild. Versicherungsunternehmen haben einen latent schlechten Ruf. Serviceerfahrungen, die Kunden in anderen Branchen gemacht haben, übertragen sie auf die Versicherungsbranche. Auf diese Weise entsteht eine hohe Erwartungshaltung hinsichtlich Service und Qualität. Durch die zunehmende Digitalisierung erwarten Kunden auch eine Ansprache über elektronische und soziale Medien.
Der Großteil der Versicherungsunternehmen ist aus diesem Grund auf Social Media-Plattformen präsent. Potentielle Kunden informieren sich über Fakten und Meinungen zu bestimmten Produkten und Leistungen. Personen, die bereits Kunden sind, äußern sich zu ihren Erfahrungen, die mit dem Versicherungsunternehmen gemacht wurden. Diese können zuweilen hochemotional sein, wenn beispielsweise die Existenz des Kunden durch Leistungsverweigerungen des Versicherungsunternehmens bedroht ist.
Im Extremfall können sich aus solchen Äußerungen regelrechte Shitstorms entwickeln, wenn eine genügend große Öffentlichkeit Anteil nimmt. Häufig ist es schwierig zu unterscheiden, ob es sich bei den Äußerungen um Fakten und damit um nachweisbare Tatsachen oder um subjektive Meinungen handelt.
Gerade in der Versicherungsbranche werden viele subjektiv empfundene Meinungen wie „zu teuer“ oder „schlechter Service“ geäußert. Wenige Feedbacks beziehen sich auf tatsächliche Fakten wie Produkteigenschaften. Unternehmen sind durch geäußerte Feedbacks auf Social Media-Plattformen nicht mehr auf traditionelle Feedbacks. Die Masse der täglichen Posts stellt jedoch eine Herausforderung für Unternehmen dar, da eine manuelle Auswertung der Daten nicht stattfinden kann.
Das Opinion Mining stellt eine Methode dar, mit der Wissen aus Daten generiert werden kann. Dafür werden Meinungen aus dem Internet extrahiert, um Stimmungsanalysen zu einzelnen Produkten oder ganzen Unternehmen zu erstellen.
Ziel dieser Arbeit ist es, die geschilderte Problemstellung für ein ausgewähltes Versicherungsunternehmen näher zu betrachten. Dafür sollen Daten, die zu einem Versicherungsunternehmen veröffentlicht werden, automatisch aus dem Internet gefiltert und positive und negative Meinungen über das Unternehmen, seine Produkte und Services analysiert werden, um daraus Handlungsempfehlungen ableiten zu können.
Inhaltsverzeichnis
1 EINLEITUNG
1.1 PROBLEMSTELLUNG DER ARBEIT
1.2 DIE BEDEUTUNG DES KNOWLEDGE DISCOVERY PROCESS
1.3 GRUNDLAGEN DES SOCIAL MEDIA MININGS UND ANALYTICS
1.3.1 Data Mining und Text Mining zur Wissensentdeckung
1.3.2 Social Media als Datenquelle für den Mining-Prozess
1.3.3 Opinion Mining und Sentiment Analysis im Zeitalter der digitalen Mundpropaganda
2 ZIELSETZUNG
2.1 VORGEHENSWEISE
2.2 SCHWERPUNKT DER ARBEIT
3 STAND DER FORSCHUNG
3.1 DURCHGEFÜHRTE LITERATURRECHERCHE
3.2 ERGEBNISSE DER LITERATURANALYSE
3.2.1 Die unterschiedlichen Knowledge Discovery Process Modelle
3.2.2 Knowledge Discovery in sozialen Medien
3.2.3 Sentimentklassifizierung in sozialen Medien
3.2.4 Auswirkungen von WOM
3.3 DISKUSSION DER ERKENNTNISSE UND FRAGESTELLUNG
4 AUSWAHL EINES ANALYSE-TOOLS
4.1 ANFORDERUNGEN AN DAS ANALYSE-TOOL
4.1.1 Funktionale Anforderungen
4.1.2 Nicht-funktionale Anforderungen
4.1.3 Technische Anforderungen
4.2 AKTUELLER STAND DER TECHNIK
4.2.1 Social Media Monitoring-Tools
4.2.2 Social Media Analytics-Tools
4.2.3 Opinion Mining-Tools
4.3 VERGLEICH UND ENTSCHEIDUNG
5 EMPIRISCHE UNTERSUCHUNG
5.1 AUSWAHL EINES VORGEHENSMODELLS
5.2 PRAKTISCHE ANWENDUNG UND AUSWERTUNG
5.2.1 Business Understanding
5.2.2 Data Understanding
5.2.3 Data Preparation
5.2.4 Modeling
6 EVALUATION
6.1 DISKUSSION DER ERGEBNISSE
6.2 BEWERTUNG DER ANALYSEERGEBNISSE
6.3 BEWERTUNG DES ANALYSE-TOOLS
6.4 IMPLIKATIONEN FÜR FORSCHUNG UND PRAXIS
7 FAZIT UND AUSBLICK
Zielsetzung & Themen der Arbeit
Das Hauptziel dieser Arbeit ist es, den Einfluss von Social Media-Beiträgen auf den Verkauf von Versicherungen mittels des Knowledge Discovery Process zu analysieren, um daraus Handlungsempfehlungen für Versicherungsunternehmen abzuleiten.
- Methodische Untersuchung des Einflusses von Social Media auf das Kaufverhalten in der Versicherungsbranche.
- Anwendung von Knowledge Discovery in Databases (KDD) und Data Mining zur Analyse unstrukturierter Social Media-Daten.
- Vergleich und Auswahl geeigneter Social Media Monitoring- und Analytics-Tools für Forschungszwecke.
- Empirische Fallstudie anhand der Allianz Versicherung zur Untersuchung von Sentiment-Verläufen und deren Korrelation.
- Ableitung von Implikationen für eine effiziente Social Media-Strategie in Versicherungsunternehmen.
Auszug aus dem Buch
1.1 Problemstellung der Arbeit
Speziell in der Versicherungsbranche gibt es immer noch eine große Lücke zwischen dem unternehmenspolitischen Anspruch der Unternehmen und dem von der Öffentlichkeit wahrgenommenen Bild. Versicherungsunternehmen haben einen latent schlechten Ruf, was in weiten Teilen der Gesellschaft weniger durch eigene Erfahrungen, sondern durch Gerüchte und gesellschaftlich akzeptierte Vorurteile geprägt ist. Serviceerfahrungen, die Kunden in anderen Branchen gemacht haben, übertragen sie auf die Versicherungsbranche. Auf diese Weise entsteht eine hohe Erwartungshaltung hinsichtlich Service und Qualität.
Durch die zunehmende Digitalisierung und Internetisierung erwarten Kunden auch eine Ansprache über elektronische und soziale Medien. Der Großteil der Versicherungsunternehmen ist aus diesem Grund auf Social Media-Plattformen präsent. Potentielle Kunden informieren sich über Fakten und Meinungen zu bestimmten Produkten und Leistungen. Personen, die bereits Kunden sind, äußern sich zu ihren Erfahrungen, die mit dem Versicherungsunternehmen gemacht wurden. Diese können zuweilen hochemotional sein, wenn beispielsweise die Existenz des Kunden durch Leistungsverweigerungen des Versicherungsunternehmens bedroht ist. Im Extremfall können sich aus solchen Äußerungen regelrechte Shitstorms entwickeln, wenn eine genügend große Öffentlichkeit Anteil nimmt.
Häufig ist es schwierig zu unterscheiden, ob es sich bei den Äußerungen um Fakten und damit um nachweisbare Tatsachen oder um subjektive Meinungen handelt. Objektive Fakten sind in der Regel einfach zu erfassen, wohingegen subjektive Meinungen wesentlich schwerer zu erfassen sind. Gerade in der Versicherungsbranche werden viele subjektiv empfundene Meinungen wie „zu teuer“ oder „schlechter Service“ geäußert. Wenige Feedbacks beziehen sich auf tatsächliche Fakten wie Produkteigenschaften. Unternehmen sind durch geäußerte Feedbacks auf Social Media-Plattformen nicht mehr auf traditionelle Feedbacks beispielsweise über Umfragen angewiesen. Die Masse der täglichen Posts und die daraus resultierende nicht überschaubaren Menge an relevanten Daten stellt jedoch eine Herausforderung für Unternehmen dar, da eine manuelle Auswertung der Daten nicht stattfinden kann.
Zusammenfassung der Kapitel
1 EINLEITUNG: Einführung in die Relevanz von Social Media für Unternehmen und Begründung der Problematik innerhalb der Versicherungsbranche.
2 ZIELSETZUNG: Darlegung der Vorgehensweise und des wissenschaftlichen Schwerpunkts der Untersuchung innerhalb der Master Thesis.
3 STAND DER FORSCHUNG: Analyse aktueller Erkenntnisse zu KDD-Prozessen, Social Media Mining und dem Einfluss von Word-of-Mouth auf das Kaufverhalten.
4 AUSWAHL EINES ANALYSE-TOOLS: Definition der Anforderungen an ein Analyse-Tool sowie Gegenüberstellung und Auswahl eines geeigneten Software-Werkzeugs.
5 EMPIRISCHE UNTERSUCHUNG: Praktische Anwendung des CRISP-DM-Modells auf Daten der Allianz Versicherung inklusive Datenerfassung und statistischer Analyse.
6 EVALUATION: Kritische Diskussion der Untersuchungsergebnisse, Bewertung des gewählten Tools und Ableitung von Implikationen für die Praxis.
7 FAZIT UND AUSBLICK: Zusammenfassende Betrachtung der Arbeit und Ausblick auf zukünftige Forschungsmöglichkeiten.
Schlüsselwörter
Social Media Analytics, Knowledge Discovery Process, CRISP-DM, Sentiment Analysis, Versicherungsbranche, Opinion Mining, Data Mining, Kundenbeiträge, Kaufverhalten, Online Word-of-Mouth, Social Media Monitoring, Text Mining, Markenimage, Allianz Versicherung, Korrelationsanalyse.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit analysiert, wie Versicherungsunternehmen soziale Medien als Datenquelle nutzen können, um Kundenmeinungen zu verstehen und deren Einfluss auf den Versicherungsverkauf zu untersuchen.
Welche Themenfelder sind zentral?
Zentral sind die Anwendung des Knowledge Discovery Process (KDP), Techniken des Social Media Minings sowie die Analyse von Online-Stimmungen gegenüber Versicherungsprodukten.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es, durch die automatische Filterung und Analyse von Internetbeiträgen zu einem ausgewählten Versicherer Erkenntnisse über positive oder negative Tendenzen zu gewinnen und Handlungsempfehlungen zu formulieren.
Welche wissenschaftliche Methode kommt zum Einsatz?
Es wird das CRISP-DM-Modell (Cross Industry Standard Process for Data Mining) verwendet, um den Prozess von der Zieldefinition bis hin zur Modellierung und Evaluation strukturiert durchzuführen.
Was wird im Hauptteil behandelt?
Der Hauptteil umfasst die Literaturanalyse, die Anforderungsdefinition und Auswahl eines Analyse-Tools (Brandwatch) sowie die empirische Untersuchung von Facebook- und Twitter-Daten der Allianz.
Welche Keywords charakterisieren die Arbeit?
Wichtige Begriffe sind Social Media Analytics, Sentiment Analysis, KDD-Prozess, Versicherungsbranche, Online-Meinungsbildung und Korrelationsanalyse.
Warum konnte die Forschungsfrage zur Verkaufsentwicklung nicht abschließend beantwortet werden?
Aufgrund des hohen Anteils neutraler Beiträge und der enormen Datenmengen war eine direkte Korrelation zu quartalsweisen Verkaufszahlen im untersuchten Zeitraum statistisch nicht signifikant nachweisbar.
Was wurde bei der Analyse der Allianz Versicherung besonders deutlich?
Es zeigte sich, dass Kunden soziale Medien in dieser Branche eher passiv nutzen und die Interaktion stark von Impulsen wie Gewinnspielen oder Sponsoring-Aktionen abhängt, statt von inhaltlichen Diskussionen zu Versicherungsprodukten.
- Quote paper
- Lisa Eicker (Author), 2015, Einfluss von Kundenbeiträgen auf den Verkauf von Versicherungen. Eine vergleichende Analyse von Social Media-Plattformen, Munich, GRIN Verlag, https://www.grin.com/document/335002
