Der ROI von Lagerfeuern und Online-Kampagnen

Im Alter hat jeder die Freunde, die er verdient. Das gilt auch für Unternehmen und Marken. Inzwischen bilden sich Gemeinschaften um die virtuellen Lagerfeuer im Netz. Dort werden heute weniger Sagen und Legenden, sondern vielmehr Informationen, Neuigkeiten und Meinungen ausgetauscht. In diesen Austauschprozessen entstehen gemeinschaftlich konstruierte und geteilte Weltbilder.

Welche Vorteile hat es, virtuelle Gemeinschaften aufzubauen, sich um seine Online-Reputation zu kümmern und überhaupt Zeit und Mühe in langwierige Prozesse zu stecken, deren direkter Benefit nur schwer messbar ist? Der Grundtenor ist bisher: Der ROI ist nicht messbar. Maßzahlen können zwar erhoben werden, sind aber wenig aussagekräftig, wie etwa Facebook-Fans, Twitter-Followers oder YouTube-Hits zeigen. Das gilt insbesondere in Zeiten, in denen Fans zum Schnäppchenpreis eingekauft werden können.

Das Web ist 2.0, die Messung noch 1.0
Überraschend ist immer wieder, wie schnell aus Mangel an Möglichkeiten verschiedenste Zahlen herangezogen werden, um den Erfolg einer Online-Kampagne zu messen. Interessanterweise werden häufig allein die Kontakte zwischen Mensch und Medium gemessen. (Also YouTube-Views, Seitenaufrufe, Like-Zahlen auf Facebook und so weiter).

Wesentlich interessanter ist die Interaktion zwischen Mensch und Mensch. Gerade im Web 2.0, das sich ja durch die soziale Komponente von der vorherigen Versionsnummer 1.0 unterscheiden soll.

Nur wie?
Doch wie könnte eine neue Messung aussehen? Was ist der Return? In Zeiten, in denen ausschließlich die Massenmedien den Takt vorgaben, war es Aufmerksamkeit. Aufmerksamkeit, die durch TV-Sendungen, Sportveranstaltungen, Serien, Krimis, Reportagen, Nachrichten usw. erzeugt und dann auf die jeweilige Werbebotschaft umgeleitet wurde.
Heute ist der Return nicht nur Aufmerksamkeit, sondern die Emergenz von Gemeinschaften, die sich um eine Marke, ein Unternehmen herum bilden. Die Reputation eines Unternehmens, eine der wichtigsten immateriellen Vermögenswerte, wird heute durch virtuelle Gemeinschaften mitgestaltet und geprägt. Diese Communitys können in Krisenzeiten als Puffer dienen, interessierten Usern Informationen bereitstellen und eben auch Aufmerksamkeit erzeugen.
Doch wie misst man diese Communitys? Die Kommunkationswissenschaft als Teil der Sozialwissenschaft kennt neben Experiment, Beobachtung, Befragung und Inhaltsanalyse die stiefmütterlich behandelte Soziale Netzwerkanalyse (SNA). Diese zielt nicht auf die Erhebung von Eigenschaften (Attributen), sondern auf Beziehungen (Relationen). Auf virtuelle Gemeinschaften angewandt bedeutet das, dass es der SNA egal ist, ob eine Person klein, dick, dünn, männlich oder weiblich ist, sondern allein, welche Position die Person im Netzwerk einnimmt. Ist sie zentral oder periphär? Ist sie populär oder hat sie hohes Sendungsbewusstsein? Ist sie wichtig für den Informationsfluss zwischen Gruppen? Diese Fragen kann die SNA beantworten und somit die soziale Interaktion und damit den gemeinschaftlichen Konstruktionsprozess abbilden. Durch die Netzwerkanalyse können dann Maßzahlen generiert werden, die die jeweilige Community beschreiben. Wie groß ist sie, wie stark sind die Verbindungen zwischen den Mitgliedern, wer ist besonders beliebt, welche Untergruppen existieren und wie interagieren die miteinander? Einen ersten Gehversuch, der im zeitlichen Verlauf diese Prozesse abbildet, ist hier (Video) dargestellt.

Eine große deutsche Foren-Community. Rote und grüne Punkte sind Nutzer, blaue sind Themen. Je größer ein Punkt, desto mehr Aufmerksamkeit bekommt er durch andere Teilnehmer.

Detailansicht

Es kommt also nicht drauf an, wer das schönste Lagerfeuer mit den imposantesten Stichflammen erzeugen kann, in die die Zuschauer teilnahmslos hineinstarren. Es kommt nicht drauf an, wer am häufigsten Holzscheite nachlegt oder am häufigsten aufsteht um Bier zu holen. Es kommt drauf an, wer das einladendste Ambiente schaffen kann, das zur Diskussion anregt und zu dem man gern wieder zurückkehrt; vielleicht auch längerfristig Bestandteil wird. Es kommt drauf an, wer eine Gemeinschaft um sich versammeln kann, die sich interessiert, sich austauscht – und sich verbunden fühlt.

p.s.: Herzlicher Dank geht an Dominik Henn für die Bereitstellung der hier verwendeten Daten!

Advertisements

3 days of #ehec on twitter – a visualization

There are 2 really recommendable tools for social network analysis out there: NodeXL and Gephi. Both are very powerful in conducting social network analysis and bring some handy features along. What I really like about NodeXL is the crawling feature with whom you can easily get some dynamic data out of Twitter. On the other hand there is Gephi with a cool yet not so user-friendly timeline feature.

Impressed what André Panisson did here to visualize the Egyptian revolution on Twitter, I tried my own.
At the moment we have an ongoing ehec-bacteria epidemic in Germany. Quickly the hashtag #ehec arose an new information spread quickly via Twitter. For 3 days (June 11th-13th 2011) I collected all the Tweets containing “#ehec” as well as retweets or mentions of other users with the help of NodeXL, then imported the data into Gephi to create this video:

ehec on twitter video

Bigger nodes mean bigger centrality. The users twitgrap and menno020 stick out since a tweet mentioning both was retweetet by sourrounding users. As you can see, over the days some clusters are formed, some users gain more attention than others, information is spread. Yet most are retweeted/mentioned only 1 or 2 times.

In the context of #ehec, the following hashtags were used most:

  1.  #ecoli (14)
  2. #EHEC-Tote (13)
  3. #Bakterien #Darminfektion (8)
  4. #Ecoli (8)
  5. #Focus #StN #BILD (8)
  6. #Pfingsten (8)
  7. #EHEC-Erregers #Monsanto (6)
  8. #DPA  #Ahja (6)
  9. #Google  #rassistisch (6)
  10. #STEC (6)

So this short list gives a quick overview in which context #ehec was discussed most: besides the bacteria itself, also the mass media more precisely the national press (Focus, STN, Bild) as well as Monsanto are mentioned. The latter in a rather conspiracy theoretical context. In the next days and weeks i’ll get deeper into Gephi which seems to be really really interessting, surrounded by a very active community. I’m looking forward to the upcoming versions!

kuler – finding matching colors

Ever wondered which color to take for an own graphic or presentation? Adobe’s kuler provides a quick and easy way to find matching colors.

Creating a heatmap with Photoshop (for NodeXL)

Hi everybody,

i spent the past hours searching for a nice way to create a heatmap for NodeXL. The aim was to provide something like this for any given NodeXL network. By the way, this technique presented here is not limited to Node XL networks. You can create a heatmap for almost everything using Photoshop (just skip step 1). If you don’t want to go through the whole process, you can download the PSD-file used here.

Edit: At the moment, all the heatmap-ish look has to be applied manually. If you have a good idea how to copy-paste a network and get to the same results, please comment.

1st step: Exporting your networks

In NodeXL, export your image as png. Preferably, you take a black background with white node and edge color. By then, you should have something like this:

2nd step: Preparing Photoshop

Open the image in Photoshop, and create 2 more layers. One background-layer and one to paint on later. You can fill the background with any violet-blue color. In this case it’s RGB 77/4/120.

3rd step:  Applying layer style effects on layer 2

In step 4 i want to paint the heatmap on layer 2. Therefore some layer style effects are needed. Select layer 2, click on the layer-style button (“fx”) and activate “Outer glow”. Set

  • “Blend mode” to “negative multiply”
  • opacity to 90%
  • spread to 10%
  • size to 20 px
  • range to 100%
  • and the rest to 0.

Next, we need that rainbow gradient. Just set the colors like shown beneath. It’s:

  • white, red (255/0/0), yellow (255/253/0), green (30/255/0) and blue (10/0/178)
  • important: set the upper stops to the following opacity values: black=100%, darkgrey= 80%, light grey = 55%)

4th step: Adjusting the brush

Select a brush and do some settings. In this case, i activated shape dynamics and smoothing. Set the opacity of the brush to 1% (as color, choose the background color), and to a size which seems appropriate for your needs (here: 5pxls). Go back to your layer 2 and now paint over your network. You should get something like this:

Or without the network-layer 1:

Conclusion

The method presented here shows how to manually create a heatmap of any given NodeXL network with Photoshop. Since this is not an automated process, you can actually create a heatmap out of everything (if you have enough time and creativity). For example an “infrared-image” of a human person:

If you have any suggestions how to simplify this process to make it more scaleable, please write a comment! Have fun.


#S21 auf Twitter: Ein Visualisierungsversuch mit NodeXL

Was gibt es gemütlicheres am Sonntagmittag als eine Tasse Kaffee, im Internet surfen und ein kontroverses Städtebauprojekt auf Twitter mit NodeXL zu analysieren? Eben. Die untenstehenden Netzwerkansichten verdeutlichen wie sich #S21 in den letzten Tagen über Twitter verbreitet hat (in 6 Stunden Schritten). Ein Kästchen stellt dabei ein Twitter-User dar, die Größe des Kästchens sein Indegree-Wert, d.h. wieviele andere Twitter-User ihn erwähnen. Die vier roten User sind diejenigen, die in der Diskussion am zentralsten sind (=den höchsten Indegree-Wert aufweisen).

13.11.2010, 12h

13.11.2010, 18h

14.11.2010, 00:00h

14.11.2010, 12:00h

Man sieht sehr schön wie die einzelnen User sich über die Zeit hinweg vernetzen. Was sich auch erahnen lässt, ist, dass die zentralen Twitterer (rot) sich gegenseitig kaum erwähnen. Hier kommen dann ganz andere Nutzer ins Spiel, die eine Brückenfunktion (blau, groß) einnehmen:

So, das wars fürs Erste. Brauch erst mal nen frischen Kaffee. Für Anregungen und Analysevorschläge bin ich jederzeit offen 🙂

Sorry, tumblr

just moved from tumblr to wordpress. maybe i’m old fashioned but i just like to have a comment feature and some easy stats tools. farewell, tumblr!