Brand Recognition

Informationen über Ihr Unternehmen, (potentielle) Kunden, Wettbewerber oder andere Branchen bieten ein immenses Potential, um den Erfolg Ihres Unternehmens zu messen und zu verbessern – Deep Data Analytics hilft Ihnen dabei!

Mit Hilfe von Machine Learning erstellen wir einen Überblick der verschiedenen Bereiche und identifizieren Möglichkeiten, um Ihre Marke und ihre Kampagnen zu stärken.

Durch den modularen Aufbau unserer Analysen können wir agil auf Ihre Wünsche und Anforderungen eingehen.

Brand & Campaign Monitoring

Entwickeln Sie Ihre Marke weiter!
Wir helfen Ihnen, sich ein Bild über die Entwicklung Ihrer Marke im Netz zu verschaffen. Welche Kampagnen waren erfolgreich, welche nicht und warum? Unsere Analysen und Vorhersagemodelle geben Ihnen den entscheidenden Überblick, um Ihre internen und externen Kampagnen agiler und effizienter zu gestalten und zu steuern.

Customer Monitoring

Hören Sie auf Ihre Kunden und verstehen Sie sie!
Dies ist nur umsetzbar, wenn Sie wissen, wer über Ihre Marke spricht und welche Themen Ihre Kunden beschäftigen. Unverfälschte Nutzermeinungen sind die wertvollsten Informationen um den Erfolg einer Markenbotschaft, Kampagne oder eines Produktes zu messen und zu optimieren.

Unsere Machine Learning Modelle sammeln, analysieren und clustern Erwähnungen und Kommentare kontinuierlich. Nur so kann Rauschen von wertvollen Meinungen unterschieden und ein klares Bild der Markenwahrnehmung geschaffen werden.

Im Vergleich zu klassischen Voice of Customer Umfragen, die oft mehrere Tage oder Wochen Vorlauf und Analysezeit benötigen, überwacht Deep Data Analytics ihre Marke auf Wunsch rund um die Uhr:
Neue Kommentare werden sofort analysiert und geben ein Live Bild der Markenwahrnehmung in Social Networks wider.
So können erfolgreiche Kampagnen ausgeweitet werden. Ungewollte Unternehmensbotschaften, missverständliche Werbung oder Fehler im Service und bei Produkten können rechtzeitig erkannt werden.

Auszug Fallbeispiel: Airlines

Flugreisende nutzen Social Media, um über Ihre Erfahrungen mit Fluglininen zu berichten. Besonders in der Hauptsaison kommen pro Tag einige hundert Postings in den verschiedenen Social Networks zusammen, die wichtige Informationen für die betroffenen Airlines und Carrier beinhalten.

1. Herausforderung: Rauschen in Social Media Daten, Verwässerung der Analysen
Für die betrachtete Airline wurden insgesamt ca. 12.000 Postings im Betrachtungszeitraum
über die verschiedenen Social Networks registriert.
Natürlich ist nicht jedes Posting und jeder Kommentar relevant. Die Modelle von Deep Data Analytics trennen hier zuverlässig Rauschen, Spam und Postings in Sprachen oder aus Ländern, die nicht Gegenstand der Analyse sind. Nach Beseitigung des Rauschens stehen knapp 7.000 Kommentare für die Analyse der Nutzererfahrung mit der betrachteten Fluglinie zur Verfügung.

2. Herausforderung: Stimmungsbild
Es liegt in der Natur von Social Media, dass vor allem Nutzer mit negativen Erfahrungen sich zu Wort melden. Diese Erfahrungen sind nicht repräsentativ für die Gesamtheit aller Nutzer, geben aber wichtige Hinweise auf Pain Points und Herausforderungen für Service und Markenkommunikation.

Sentiment Airline

3. Herausforderung: Themen
Das grundlegende Stimmungsbild kann erste Einblicke zur Zufriedenheit der Nutzer geben, ist durch Social Media Mechaniken aber oft verzerrt. Viel spannender ist daher die Frage, was sind die Auslöser für die unterschiedlichen Stimmungen und Meinungen?

Mittels Machine Learning werden die unterschiedlichen Stimmungsbilder weiter inhaltlich analysiert. So können Cluster gebildet werden, die thematische Zusammenhänge offenlegen.

In diesem Fall wurden innerhalb der großen Gruppe sehr negativer bis negativer Postings zwei signifikante Cluster identifiziert. Ein Cluster von Postings legt nahe, dass es an einem Drehkreuz der Airline zu Problemen mit dem Handling der aufgegebenen Gepäckstücke bei Kurzstreckenflügen kommt. Die Gepäckstücke wurden entweder beschädigt oder gingen verloren. Dabei ist eine bestimmte Flugverbindung zwischen dem Drehkreuz und einem Reiseziel überproportional vertreten.
Der andere Cluster offenbart Probleme mit einem unfreiwilligen Downgrade von Business Class Passagieren auf Economy während Langstreckenflügen.

4. Herausforderung: Zeitliche Einordnung
Für Unternehmen ist nicht nur wichtig, was gesagt wurde, sondern wann und in welchem Kontext. Nur so können Einflüsse von Kampagnen gemessen und kontrolliert werden.

Mittels Time Series Analysen konnte festgestellt werden, dass die Beschwerden über Downgrades nach Anlauf einer Social Media Kampagne stark zugenommen haben. Die Kampagne hatte das Ziel, mehr Nutzer für die Vorteile der Business Class zu begeistern. Dies führte zu einer Aus- bzw. Überbuchung auf Flügen, die in der Kampagne beworben wurden.

5. Herausforderung: Near Time Analyse
Nach der Identifizierung der Probleme, wurden Kampagnen erstellt, um diese Probleme zu beheben. Neben der reinen Reichweite sind hier besonders Feedback Loops entscheidend, um den Wirkungsgrad der Kampagnen auf das Ziel der Nutzerzufriedenheit und Markenwahrnehmung zu überprüfen.

Fix it before it´s broken
Die Nutzerwahrnehmung der eigenen Marke ist entscheidend für den langfristigen Erfolg eines Unternehmens. Kurzfristige Herausforderungen können sich schnell zu ausgewachsenen Problemen entwickeln, wenn nicht frühzeitig in die Kommunikation eingegriffen und sich selbst-verstärkende Mechanismen ausgehebelt werden.
Lernen Sie Ihre Marke durch die Augen der Nutzer ganz neu kennen!

Copyright © DDA - Deep Data Analytics UG(haftungsbeschränkt)
Brand Recognition phil 27. November 2017