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 und Themenschwerpunkte
Die Masterarbeit befasst sich mit der vergleichenden Analyse von Social Media-Plattformen hinsichtlich des Einflusses von Kundenbeiträgen auf den Verkauf von Versicherungen. Die Arbeit zielt darauf ab, den Knowledge Discovery Process im Kontext des Social Media-Marketings zu analysieren und die Möglichkeiten des Opinion Mining und der Sentiment Analysis für die Versicherungsbranche zu erforschen.
- Die Bedeutung des Knowledge Discovery Process im Social Media-Marketing
- Die Anwendung von Data Mining und Text Mining zur Wissensentdeckung in sozialen Medien
- Die Rolle von Opinion Mining und Sentiment Analysis bei der Analyse von Kundenmeinungen
- Der Einfluss von Word-of-Mouth auf den Verkauf von Versicherungen
- Die Auswahl und Anwendung eines geeigneten Analyse-Tools für die empirische Untersuchung
Zusammenfassung der Kapitel
Kapitel 1 führt in die Thematik der Arbeit ein, stellt die Problemstellung dar und erläutert die Bedeutung des Knowledge Discovery Process. Kapitel 2 definiert die Zielsetzung und die Vorgehensweise der Arbeit. Kapitel 3 fasst den Stand der Forschung zusammen und präsentiert die Ergebnisse der Literaturanalyse. Kapitel 4 befasst sich mit der Auswahl eines geeigneten Analyse-Tools. Kapitel 5 beschreibt die empirische Untersuchung, die durchgeführt wurde, und Kapitel 6 diskutiert die Ergebnisse der Analyse. Schließlich zieht Kapitel 7 ein Fazit und gibt einen Ausblick auf zukünftige Forschungsrichtungen.
Schlüsselwörter
Social Media, Knowledge Discovery Process, Data Mining, Text Mining, Opinion Mining, Sentiment Analysis, Word-of-Mouth, Versicherungsbranche, Kundenbeiträge, Analyse-Tools, empirische Untersuchung.
- 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
