Das Mitmach-Netz enthält mittlerweile eine enorme Menge an User Generated Content. Umso größer wird der Bedarf an einer maschinellen Auswertung der Emotionen, die über Tweets, Kommentare, Status-Updates und Blogeinträge transportiert werden. Denn für Unternehmen, Organisationen und Personen ist es nämlich nicht nur interessant, wer wo und wann auf sie bezogene Inhalte bei Facebook, Twitter und vielen anderen Social-Web-Plattformen publiziert hat, sondern auch, ob es sich dabei um Kritik oder Lob, um positive oder negative Äußerungen handelte. Mithilfe der sogenannten Sentiment-Analyse (Sentiment Analysis) soll diese Nuss geknackt werden und das Social Web nach Stimmungen und Emotionen der User durchsucht werden. Diese Technologie filtert das Web nach Schlüsselwörtern: Grundlage sind Analysen von Polarität, Subjektivität oder der Art gewählter Wörter. Anhand dessen lassen sich mit Hilfe von Algorithmen zumindest tendenzielle Auskünfte über die Emotionen geben, die durch einen bestimmten Text ausgedrückt werden. Momentan steckt die Sentiment-Analyse zwar noch in den Kinderschuhen, und die Zielgenauigkeit ist weit von 100 Prozent entfernt, doch schon jetzt wird die Technologie genutzt und es eröffnen sich einige spannende Anwendungsszenarien.
Beispiel 1: Tweetfeel
Tweetfeel ist ein kostenloses Analyse-Tool für Twitter. Zu beliebigen Suchwörtern wird die allgemeine Stimmungslage der diese Wörter enthaltenden Tweets ausgewertet. Tweetfeel orientiert sich dabei primär an eindeutigen Wörtern wie „love“, „hate“ oder „better“ und analysiert damit nur englische Tweets. Wie solch ein Ergebnis aussieht, kann man sich hier am Beispiel der US-Fernsehserie „Lost“ ansehen.
Beispiel 2: ContextSense
ContextSense ist ein Werkzeug, das beliebige Websites hinsichtlich ihrer allgemeinen Polarität analysiert und das Ergebnis als Prozentwert zwischen 0 (negativ) und 1 (positiv) ausgibt. Leider ist der Service nur auf englische Seiten anwendbar.
Beispiel 3: RankSpeed
Bei dieser Suchmaschine erweitert man Suchbegriffe mit zusätzlichen, emotionsgeladenen Adjektiven. So lässt sich mit RankSpeed nach “Smartphones” suchen, die “excellent”, “easy” oder “cool” sind. RankSpeed analysiert dazu die Äußerungen in Blogs und Twitter und erlaubt die herkömmliche Websuche sowie eine Produktsuche. Über die Qualität der Suchergebnisse kann man zwar geteilter Meinung sein, aber RankSpeed gibt immerhin einen inspirierenden Vorgeschmack auf das, was mit einer fortschreitenden Entwicklung der Sentiment-Analyse alles möglich sein wird.
Voraussetzung für eine nützliche und akkurate Emotionsanalyse ist eine möglichst umfangreiche Datenbank an Wörtern und Sprachen, die zudem unterschiedlichste Abkürzungen, Umgangssprache sowie sich ständig verändernden Jugendslang beherrscht. Hinzu kommt semantische Technologie, um den Gesamtkontext verstehen zu können. Es soll ja nicht pauschal jedes Status-Update mit den zwei Wörtern “love” und “lost” in die Sentiment-Analyse zum Serienfinale von Lost einbezogen werden, denn letztlich kann es im jeweiligen Tweet auch um etwas ganz anderes gehen.
Die Sentiment-Analyse wird sich in den nächsten Jahren noch stark weiterentwickeln. Mittelfristig könnte das Verfahren zu einem der wichtigsten Tools für Firmen, Marktforscher, Werber, Politiker und Organisationen werden. Dann reicht ein Klick, um aggregiert zu erfahren, welche Emotionen Menschen zu einem beliebigen Zeitpunkt im Bezug auf eine Marke, ein Produkt, einen Service oder eine Partei mit sich herumtragen.
Hinterlasse eine Antwort