ERP-Technologie

Social CRM Herausforderungen zur Integration von Big Data

Lesedauer: 7 Minuten

26. September 2015 von Goetz Greve

Social CRM Herausforderungen zur Integration von Big Data

Social CRM nutzt Informationen aus sozialen Netzwerken. Um diese Informationen umfassend zu analysieren, muss die IT-Infrastruktur Big Data inkludieren. Der Artikel definiert Determinanten sozialer Netzwerke und diskutiert die Herausforderungen an die IT-Infrastruktur zur Integration von Big Data.

Soziale Medien ergänzen die klassische Kundenbeziehung  des Customer Relationship Management (CRM) um eine reichhaltige Informationsbasis aus Kommunikationsströmen zwischen Kunden und potenziellen Kunden. Demnach besteht eine zentrale Herausforderung im Social CRM in der Aufdeckung der sozialen Netzwerkstrukturen zwischen den Nutzern sozialer Medien. Ansatzpunkte hierfür bieten zum einen die nutzerseitig eingegangenen Verbindungen und zum anderen die nutzergenerierten Kommentare. Ziel ist es, Beziehungen zu Netzwerkteilnehmern, welche sowohl Kunden als auch potenzielle Kunden sein können, zu analysieren, zu intensivieren und für das eigene Beziehungsmanagement zu nutzen.

Determinanten sozialer Netzwerke
Ein soziales Netzwerk ist definiert als ein online oder offline Netzwerk von Interaktionen oder Beziehungen. Um sich Nutzer mit starker Kommunikationsleistung und großen Netzwerken nutzbar zu machen, ist es für Unternehmen von zentraler Bedeutung, Interaktionen in sozialen Netzwerken zu verstehen. Ein Ansatzpunkt dazu besteht in der Analyse der Kommunikationsströme, auch als Word-of-Mouth (WOM) bezeichnet. WOM im Kontext sozialer Medien kann definiert werden als ein Statement, welches von potenziellen, aktuellen oder ehemaligen Kunden über ein Produkt oder ein Unternehmen gegenüber einer Vielzahl von Nutzern in sozialen Netzwerken abgegeben wurde [1]. WOM findet dabei nicht als rein unidirektionale Kommunikation statt, sondern wird multidirektional zwischen Nutzern sozialer Netzwerke ausgetauscht.
Für Customer Relationship Manager ist es von Interesse, herauszufinden, ob und wie WOM in sozialen Netzwerken beeinflussbar ist. Die oftmals konstatierte Hilflosigkeit der Manager gegenüber sozialen Netzwerken ist inzwischen dem Bewusstsein gewichen, dass eine Analyse sozialer Netzwerkstrukturen es erlaubt, gezielt one-to-one Social CRM zu betreiben. Zur erfolgreichen Umsetzung von Social CRM-Maßnahmen, z.B. virale Kampagnen, muss die dem sozialen Netzwerk zugrunde liegende „Infrastruktur“analysiert werden, um eine optimale Diffusion der Maßnahmen zu gewährleisten. Hierzu sollten folgende Determinanten sozialer Netzwerke beachtet werden: Beziehungsintensität, Homophilie, Grad der Konnektivität und Sentiment.

Beziehungsintensität
Jegliche WOM-Kommunikationsströme lassen sich nach der dyadischen Beziehungsintensität zwischen zwei Nutzern eines sozialen Netzwerkes kategorisieren. Sie umfasst Verbundenheit, Vertrautheit und Rückhalt. Damit charakterisiert die Beziehungsintensität die Stärke einer sozialen Beziehung und beeinflusst die Kommunikationsströme in sozialen Netzwerken. Nutzer mit einer hohen Beziehungsintensität tendieren dazu, mehr und häufiger Informationen untereinander auszutauschen. Eine reine Konzentration auf diese Nutzergruppe greift jedoch zu kurz. Beziehungen mit niedriger Beziehungsintensität können Brücken zu weitergehenden Netzwerkstrukturen mit wiederum hoher Beziehungsintensität ermöglichen. Aus CRM-Perspektive ist es daher wichtig, Kenntnis über diese Strukturen zu erlangen, um bspw. Weiterempfehlungen zwischen Nutzern zu verbreiten.

Homophilie
Der Begriff Homophilie beschreibt die Ähnlichkeit von miteinander verbundenen Nutzern sozialer Netzwerke hinsichtlich bestimmter Attribute, z.B. Alter, Geschlecht, Bildung oder Lebensstil. Nutzer vertrauen eher Menschen, deren Präferenzen und Ansichten sie ebenfalls teilen. Die Beziehungsintensität zwischen Nutzern sozialer Netzwerke steigt daher mit zunehmender Homophilie zwischen den Nutzern.

Grad der Konnektivität
Der Grad der Konnektivität eines Nutzers innerhalb eines sozialen Netzwerkes bemisst sich an der Anzahl direkter Verbindungen zu anderen Nutzern. Nutzer mit einer hohen Konnektivität können als gute WOM-Kommunikatoren eingestuft werden. Aus Social CRM-Perspektive sind diese Nutzer von großem Interesse, da über sie eine Vielzahl anderer Nutzer erreicht werden können.

Sentiment
Sentiment spiegelt die Stimmung in textlichen Nachrichten, wie Posts, wider. In Zusammenhang mit sozialen Medien wird unter Sentimentanalyse eine automatische Evaluation von Texten hinsichtlich der beobachteten Polarität (positiv oder negativ) verstanden. Grundsätzlich ist zu beobachten, dass negative Äußerungen häufiger geteilt werden als positive und negative Äußerungen die Gefahr bergen, durch ein exponentielles Wachstum von z.B. Likes oder Retweets eine weite Verbreitung innerhalb sozialer Netzwerke entfalten zu können.

Integration von sozialen Netzwerkdaten für das CRM
Bisherige Analysetools beziehen die theoretischen Grundlagen sozialer Netzwerkstrukturen nur unzureichend ein. So bieten die großen Social CRM-Softwareanbieter (bspw. Salesforce Radian6, Attensity oder Lithium) Sentimentanalysen an, indem sie Blogs, Foren, Microblogs und soziale Netzwerke nach Konversationen durchsuchen, die in Zusammenhang mit dem eigenen Unternehmen/Produkten stehen (Bild 1). Ein weiteres Analysefeld stellen Anbieter dar, die sogenannte Key Influencer in sozialen Netzwerken identifizieren. Damit wird dem Grad der Konnektivität Rechnung getragen. So bietet z.B. für Facebook das Unternehmen Booshaka Nutzerscores auf Basis der Posts, Comments, Likes und der Nutzeraktivität an. Für Twitter basieren Dienstleister wie TwitterScore, Twittalyzer oder Tweetrank ihre Scores auf der Anzahl der Follower und der Tweet/Retweet-Frequenz. Den Grad der Konnektivität aus mehreren sozialen Netzwerken integrieren Unternehmen wie Peerindex, Klout oder Proliphiq.

Greve Bild 1
Bild 1: Beispielhafte Sentimententwicklung.

Für das Social CRM können diese Informationen allerdings lediglich eine ex-post Analyse bieten. Um weitergehend durch Social CRM-Aktivitäten Erfolgswirkungen in sozialen Medien zu erzielen, bedarf es der Inklusion der Determinanten Beziehungsintensität und Homophilie. Diese Daten liegen in vielfältiger Art und Weise als unstrukturierte Daten in Internet vor. Big Data ist damit auch für das Social CRM von Bedeutung. Es bezeichnet die wirtschaftlich sinnvolle Gewinnung und Nutzung entscheidungsrelevanter Erkenntnisse aus qualitativ vielfältigen und unterschiedlich strukturierten Informationen [2].

Social CRM benötigt Big-Data-Analysefähigkeiten
In Bezug auf Kunden- und Nutzerdaten liegen Unternehmen heutzutage eine Fülle von strukturierten als auch insbesondere unstrukturierten Daten vor. Für das Social CRM sind die unstrukturierten Datenvorkommen der Blogs, sozialen Netzwerke, Geolocation Services, Videos, Audiodateien oder Textnachrichten von herausragender Bedeutung, da deren Analyse es ermöglicht, die Variablen Beziehungsintensität und Homophilie zwischen Nutzern sozialer Medien messbar zu machen. Allerdings führt die Fülle an verfügbaren Daten dazu, dass Unternehmen ihren Ansatz, Daten zu sammeln, zu speichern und zu analysieren, überdenken müssen. Klassischen Formen des Data Warehousing werden durch Big Data die Grenzen aufgezeigt. Insbesondere eignen sich unstrukturierte Daten nicht dazu, in relationalen Datenbankmanagementsystemen gespeichert zu werden. Es stellen sich daher folgende Anforderungen an ein Enterprise Datawarehousing, welche den besonderen Anforderungen an Social CRM Big Data Rechnung tragen:
Datensammlung

greve bild2
Bild 2: Big-Data-Integrierte Anwendungslandschaft (in Anlehnung an [3]).

Da Social CRM Big Data in hoher Geschwindigkeit und Verschiedenartigkeit aufreten, muss die IT-Infrastruktur leistungsfähig sein, hohe Transaktionsvolumina zu verarbeiten. Statt relationale Datenstrukturen mittels Entitäten und Beziehungen aufzubauen, sollten Unternehmen NoSQL-Datenbanken verwenden, die Daten ohne vordefinierte Strukturen speichern können.

Datenintegration
Grundvoraussetzung für die gesammelte Menge an unstrukturierten Social CRM-Daten ist eine skalierbare und flexible IT-Infrastruktur. Die Daten sollten dabei dezentral verteilt, gespeichert und analysiert werden, um Zeit und Kosten einer weitergehenden Datenverarbeitung und -verschiebung zu minimieren. Ein allgemeingültiges Programmiermodell für die hochgradig verteilte Datenverarbeitung bietet z.B. das Open-Source Framework Hadoop, welches auf Googles MapReduce Framework basiert. Hadoop kann sehr große unstrukturierte Daten auf losen Clustern günstiger Server, bspw. als Cloud-Lösung, speichern und analysieren [3].

Datenanalyse
Zukünftige Analyseinstrumente integrieren statistische Analysemethoden, Vorhersagemodelle, Optimierungsverfahren und Data Mining-Techniken. Wichtig ist es, dass traditionelle strukturierte Daten und Big Data in der Analyse miteinander kombiniert werden können (Bild 2). Datenanalysen sollten In-Database Text Mining zur Sentimentanalyse, In-Database Graph Analysis zur Analyse der Beziehungsstärke und Homophilie und In-Database Spatial Analysis zur Aufdeckung der Konnektivität zwischen Nutzern sozialer Netzwerke, umfassen.

Fazit und Ausblick
Social CRM Big Data ist als Handlungsfeld im CRM angekommen. Die Identifikation und Ansprache von Nutzern mit hoher Beziehungsintensität, Homophilie und Konnektivität zu anderen Nutzern kann Unternehmen helfen, in der Kundenakquise als auch in der Kundenbindung Erfolge in sozialen Netzwerken zu erzielen. Wenngleich die derzeit verfügbare Analysesoftware bereits automatisierte Analysen in soziale Netzwerkstrukturen ermöglicht, greifen die Systeme zu kurz, da sie sich zumeist auf das Sentiment oder die Identifkation von Key Influencern beschränken. Zukünftige Entwicklungen müssen den Aspekten Beziehungsstärke und Homophile der Nutzer untereinander eine stärkere Bedeutung zumessen. Damit wird eine Integration von Social CRM Big Data in die bestehende IT-Infrastruktur unausweichlich. Nur dann wird Social CRM zurechenbare Erfolge wirksam steuern können.
Das könnte Sie auch interessieren:
Datenintegration – Der Schlüssel zum BI-Erfolg

Big DataSocial CRMSocial MediaSoziale NetzwerkeWord-of-Mouth


[1] Hennig-Thurau, T.; Malthouse, E. C.; Friege, C.; Gensler, S.; Lobschat, L.; Rangaswamy, A.; Skiera, B. (2010). The Impact of New Media on Customer Relationships. Journal of Service Research, 14(3), 311-330, S. 39.
[2] Bitkom (2012): Big Data im Praxiseinsatz –Szenarien, Beispiele, Effekte, Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e.V., Berlin, S. 7, 28.
[3] Zikopolous, P. C.; de Roos, D.; Parasuraman, K.; Deutsch, T.; Corrigan, D.; Giles, J. (2013): Harnessing the Power of Big Data. The IBM Big Data Platform, New York et al.: McGraw-Hill, S. 87.




Das könnte Sie auch interessieren

Anbieterportal

SE Padersoft GmbH & Co. KG
Premium

SE Padersoft GmbH & Co. KG

Branchen

Industries

Einzelhandel

Leistungen

Services

ERP-Systeme

33100 Paderborn

alle Anbieter
Sharer Icon: facebookSharer Icon: TwitterSharer Icon: LindekInSharer Icon: XingSharer Icon: EnvelopeSharer Icon: Print
Banner

Neu: ERP 3/2022

Die vorliegende Ausgabe von ERP Management befasst sich mit der ERP-Implementation.  Lesen Sie hier, welchen Nutzen erfolgreiche Strategien der digitalen Transformation bringen.

Inhaltsverzeichnis

Leseprobe

JETZT bestellen!

The World of ERP in One Event!

The ERP competition of the year 2022

  • Meet the trendsetters in ERP – the best of the best and the most innovative
  • Intelligent solutions for the future – 11 winning categories
  • An independent jury with top-class digital and industry experts
  • Registration deadline ends June, 2022

Get your ticket now!

Wir verwenden Cookies, um die Nutzererfahrung stetig zu verbessern. Mehr Erfahren.

We use cookies to constantly improve our users’ experience. Learn more.

Essentielle Cookies

Essential Cookies

Cookie Settings
Speichert Einstellungen, die hier getroffen werden. (1 Jahr)

Cookie Settings
Saves selected settings. (1 Year)

Statistik

Statistics

Google Analytics | Google LLC | Datenschutz
Cookie von Google für Website-Analysen. Erzeugt statistische Daten darüber, wie der Besucher die Website nutzt. Alle Informationen werden anonymisiert gespeichert. (2 Jahre)

Google Analytics | Google LLC | Privacy Notice
Cookie used by Google for web site analysis. Collects statistical data on how visitors use the website. This data does not contain personal information. (2 years)