Trends und ihre Verbreitung in sozialen Medien

Wie werden Einzelne zu Trendsettern, ihre anfangs individuellen Aktionen zu kollektiven Trends? Und welchen Dynamiken unterliegt dabei die prozessuale Verbreitung von Trends? Sind jene Dynamiken bloße Nachahmung, ist in ihnen ein Muster zu erkennen oder sind sie gar zufällig bedingt?

In der vorliegenden Arbeit soll diesen Fragen im Rahmen der sozialen Medien nachgegangen werden. Soziale Medien, die auch als „Social Media“ bezeichnet werden, sind dabei als „ein Bündel internetbasierter Anwendungen, welche die Erstellung und den Austausch von User Generated Content ermöglichen“ (Meffert et al., 2012: S. 666) definiert.

Zu Beginn dieser Arbeit wird ein theoretischer Überblick gegeben, wobei daraufhin kurz auf die Arbeit der Pinterest-Gruppe und ihre Ergebnisse eingegangen wird.

Anschließend werden die individuelle Vorgehensweise auf Tumblr sowie die daraus entstandenen Resultate dargestellt.

Abschließend wird ein Fazit gezogen und es werden konkrete Umsetzungsvorschläge für Unternehmen gemacht, welche praxisorientiert ausgerichtet sind.

Wird davon ausgegangen, dass die digitale Welt, einschließlich des Internets, aus einer unfassbar großen Menge an Daten besteht, welche fragmentarisch zusammengesetzt ist, so muss die Frage gestellt werden, ob in diesem fragmentarischen Gebilde bestimmte Tendenzen, möglicherweise sogar regelgeleitete Entwicklungen, zu erkennen sind.

Vor dem Hintergrund der revolutionären Entwicklung des Big Data – Phänomens stellt Professor Gary King fest, dass es weniger die Masse an Daten ist, welche revolutionär ist, sondern vielmehr der Umstand, dass nun etwas mit den Daten getan werden kann, diese also gezielt analysiert werden können (vgl. Shaw, 2014).

Big Data bezeichnet dabei „Methoden und Technologien für die hochskalierbare Erfassung, Speicherung und Analyse polystrukturierter Daten“ (Bange et al., 2013: S. 12).

An diesem Punkt ist zwischen der Analyse von großen Datenmengen mittels Softwarealgorithmen und menschlicher Interpretationsfähigkeit zu unterscheiden.

Da die Software bestimmte Entwicklungen und Tendenzen im Bereich Big Data nicht logisch erklären kann oder zu falschen Ergebnissen führt, ist es notwendig, die Analyse des Phänomens Big Data um eine sozialund kulturwissenschaftliche Perspektive zu erweitern.

Um die Frage zu klären, ob es bestimmte kulturelle Regeln gibt, denen die Entstehung von Trends in sozialen Medien zu Grunde liegen, wurden die Zusammenhänge einzelner Blogs von Mitgliedern sozialer Medien qualitativ analysiert, sowie eine Online-Befragung durchgeführt, welche im Kontext qualitativer und quantitativer Vorgehensweisen hybride positioniert ist.

Zentral wird davon ausgegangen, dass der Verbreitungsprozess in sozialen Medien entweder zufällig (Random Copying) entsteht, möglicherweise per Nachahmung bedingt ist oder aber einem bestimmten Muster (Cultural Algorithm) unterliegt (vgl. Rust, 2013). Die Untersuchung erfolgt vor dem Hintergrund eines netzwerkartigen Verständnisses von agentenbasierter Interaktion in sozialen Netzwerken (Agent

Based Modelling). Es gilt also den Verbreitungsprozess anhand der drei genannten Theorien (Zufall, Nachahmung, Muster) gezielt zu analysieren, um die Abfolgen von Aktion und Reaktion zu verstehen, welche durch einen bestimmten Stimulus ausgelöst werden und möglicherweise zu einem Trend führen können.

Konkret wird die Untersuchung in einem bestimmten Mentalitätsund Geschmacksmilieu, einem sogenannten „Believespace“ (Rust, 2013: S.6) durchgeführt, welcher sich durch Geschmackskulturen auszeichnet.

Dabei wurde die qualitative Zusammenhangsanalyse von Blogs auf dem sozialen Medium Pinterest durchgeführt und die Online-Befragung auf dem sozialen Medium Tumblr, wobei jene Untersuchungen im Kontext der Automobilität durchgeführt wurden.

Hierbei besteht, thematisch bedingt, ein bestimmtes Mentalitätsund Geschmacksmilieu.

Die Analyse des Verbreitungsprozesses von Daten in sozialen Netzwerken ist sowohl wissenschaftlich als auch wirtschaftlich von besonderer Relevanz.

Für Unternehmen können zum einen mögliche Instrumente der Einflussnahme aufgezeigt und zum anderen Voraussetzungen der Erzeugung eines Trends sichtbar gemacht werden.

Vor dem Hintergrund der Theorie der schwachen Signale („weak signals“) muss es die Aufgabe jedes zukunftsorientierten Unternehmens sein, im Rahmen der branchenspezifischen strategischen Frühaufklärung, schwache Signale zu erkennen, welche Anzeichen kommender Trends sein könnten.

Dabei beruht das Konzept der schwachen Signale „auf den Überlegungen von Ansoff, dass das plötzliche Auftreten von Chancen und Bedrohungen, sogenannte Diskontinuitäten, bereits frühzeitig durch schwache Signale angekündigt wird.“ (Reisinger et al., 2013: S. 86).

Quellen dieser schwachen Signale können dabei u.a. die plötzliche Häufung von gleichartigen Ereignissen, welche für das Unternehmen von strategischer Relevanz sind, die Verbreitung von neuen Meinungen durch Schlüsselpersonen bzw. in den Medien, sowie Tendenzen in Gesetzgebung und Rechtsprechung sein (vgl. ebd.).

Abbildung in dieser Leseprobe nicht enthalten

Grafik 1: Vier-Felder-Matrix mit den Determinanten „Kontexte“ und „Motive“ (Quelle: Eigene Darstellung)

Neben den diversen, intern und extern ausgerichteten, Möglichkeiten der Unternehmen hinsichtlich der Generierung neuer innovativer Ideen, ist es in der heutigen digitalen Welt insbesondere das „Trendscouting“, welches es Unternehmen ermöglicht schwache Signale zu erkennen. Blogs innovativer Nutzer auf sozialen Plattformen, Inspirations-Plattformen bzw. Trend-Portale wie Trendhunter oder Trendwatching können als Anlaufstellen zur Identifizierung schwacher Signale genutzt werden (vgl. Gaida, 2011: S. 90 ff.).

Die qualitative Arbeit der Pinterest-Gruppe, welche je nach individueller Vorgehensweise etwas abwich, verfolgte dabei das Ziel die Zusammenhänge zwischen dem Erstposter eines Bildes auf dem sozialen Medium Pinterest, das vornehmlich dem Austausch von Bildern dient und dessen Repostern darzustellen, vor dem Hintergrund einer spezifischen Einordnung von Erstposter und Repostern.

Diese Einordnung erfolgte u.a. anhand der Vier-Felder-Matrix, welche in Grafik 1 dargestellt ist. Dabei können die (Bild-)Motive nach Darstellung in einem Kontext (kontextuell) oder reiner Fokussierung auf das Auto (pur), also ohne äußerlichen Kontext, betrachtet werden und die Kontexte der Nutzer, welche das Bild reposten, in autospezifisch (themenspezifisch) oder nicht-autospezifisch (nicht-themenspezifisch) unterteilt werden.

Somit kann die Ausrichtung der unterschiedlichen Nutzeraccounts in ihren Inhalten vergleichbar gemacht werden.

Beispielsweise wurden in der Kategorie „Reisen“ auf der Plattform Pinterest verschiedene VW-Automodelle, insbesondere VW-Busse, im Kontext von Reisen betrachtet.

Bei den Nutzern, welche ein Bild mit Kontext (z.B. http://de.pinterest.com/pin/169307267211932002/) reposteten, fiel auf, dass sich viele Nutzer mehr auf den Kontext (hier: Reisen) in ihren weiteren, privaten Bildern spezialisierten, als auf das Thema Auto selbst (Stichprobe: 7 aus 73, davon 1 reiner Autoliebhaber, bei welchem Autos als private Motive dominierten).

Bei den Nutzern, welche ein Bild ohne Kontext (z.B. http://de.pinterest.com/pin/111675265731195629/) reposteten, fiel auf, dass sich viele Nutzer auf das Thema Auto in ihren weiteren, privaten Bildern spezialisierten und andere Kontexte außen vor ließen (Stichprobe: 4 aus 13, davon 3 reine Autoliebhaber, bei welchen Autos als private Motive dominieren).

Es kann also konstatiert werden, dass Personen, welche Autos ohne äußerlichen Kontext reposten, sich auch häufig mit ihren weiteren, privaten Bildern auf das reine Automotiv spezialisieren.

Umgekehrt stellt sich der Sachverhalt bei Nutzern dar, welche Autos in bestimmten Kontexten reposten, da sie in ihren weiteren, privaten Bildern eher unterschiedliche Kontexte und Themen darstellen, als weitere Automotive.

Zur Klärung der Frage, ob eine der drei Ausgangstheorien (Random Copying, Nachahmung, Cultural Algorithm) den Reposting-Vorgang eines Bildes, welches sehr häufig repostet wurde, erklären kann, wurde eine Online-Umfrage über die Website Surveymonkey durchgeführt, wobei der Link zur Umfrage an ausgewählte Nutzer auf Tumblr geschickt wurde.

[...]