Blog-Beziehungen messen: Ansatz und Umsetzungsbeispiel
11. September 2007 · von Jörg Hoewner · 2 Minute Lesedauer · Keine Kommentare
Autor: Jörg Hoewner Vor vielen Monaten habe ich schon mal auf einen Ansatz (hier “Framework”) von Anjo Anjewierden hingewiesen, wie Blog-Diskussionen (d.h. vor allem jene zwischen den Blogs) analysiert und visualisiert werden können (Siehe Beitrag „A model for weblog research„). In diesem Ansatz spielen demnach fünf Dimensionen eine Rolle, wie Blog-Inhalte analysiert werden können:
- Document (z.B. Post, Webpage, E-mail)
- Term (Schlüsselbegriffe)
- Person
- Link (Referenzen zwischen Dokumenten)
- Time
Davon ausgehend zeigen Anjo Anjewierden (Uni Amsterdam) und Lilia Egimova (Telematica Institut, Enschede), wie das Framework mit OpenSource-Tools zur Textanalyse (tOKo) ausgewertet werden kann und wie damit Fragen beantwortet werden können wie:
- Was ist der thematische Fokus einer Community (unter “Community” wird hier ein Netzwerk von Blogs zu einem bestimmten Thema verstanden)?
- Wie sind Einzelthemen miteinander verbunden?
- Wie ändert sich die Relevanz der Themen über die Zeit?
- Wie unterscheiden sich dabei einzelne Community-Mitglieder?
- Wie findet der Austausch innerhalb der Community statt?
Untersucht wurden über 6.300 Posts in 23 Blogs rund um Wissensmanagement und Social Media. Zum kompletten Beitrag geht es hier lang.
Social Media Measurement in der Diskussion: Ein Sortierversuch
11. August 2007 · von Jörg Hoewner · 4 Minute Lesedauer · Keine Kommentare
Autor: Jörg Hoewner
Wie ich vor einigen Wochen berichtet habe (Beitrag „Social Media Index-Diskussion plus ein Beitrag dazu„), gibt es zur Zeit eine Diskussion um die Richtung „richtigen“ Social Media Measurements: In einigen Edelman-Blogs wurde die Idee eines Social Media Index gehegt, der – sieht man sich die derzeit 99 Kommentare an – heftig diskutiert wird.
Die Grundidee des Social Media Index ist es, aus der Gewichtung einer Reihe von Social Media-Kennziffern die Relevanz und den Einfluss von einzelnen Blogs zu ermitteln. Ausgangspunkt der Überlegungen: Link Popularity (wie z.B. von Technorati ermittelt) allein hat immer weniger Aussagekraft über den Einfluss von einzelnen Plattformen, von einzelnen Akteuren, da Engagement von Personen über andere Plattformen wie z.B. Twitter nicht erfasst würde (zusammenfassende Argumentation von Steve Rubel).
Dabei gibt es eine Reihe von Diskussionspunkten zu dem Konzept, die sich z.T. in den Blogkommentaren selbst als auch in anderen Blogs äussern:
- Quantitative Metriken sagen nichts über den Einfluss („Influence“) aus. Denn, wie Jeff Jarvis ausführt, „it’s not how many people you interact with. It’s who you interact with.“ und welchen Effekt man erzielt. Aber auch Jeff Jarvis hat, wie er selber schreibt, keine Ahnung, wie man das messen soll.
- Hier setzen auch andere Kritiker an: Man solle Reichweite („Reach“) nicht mit Einfluss verwechseln. Oder Popularität („Popularity“) nicht mit Einfluss. Flemming Madsen von Onalytica macht das am Beispiel von PR-Blogs deutlich. Während Links nicht so viel Aussagekraft hätten, gibt es durchaus die Möglichkeit zu messen, wie häufig Personen einander zitieren. Und liefert direkt ein Ranking der Top-80 angelsächsischen PR-Blogs und deren Einfluss auf Basis der Zitationsanalyse.
- Der Begriffsverwirrung Media Guerrilla Mike Manuel auf den Grund zu gehen, in dem er die Begriffe „Influence“, „Engagement“ und“Reach“ unter die Lupe nimmt. Seiner Meinung ist die Messbarkeit der drei Grössen ein lösbares Problem.
Kommentar von mir: Zum Thema „Engagement“ gibt es Ansätze. Nur wo sind die Plattformen, die die Daten vergleichbar machen bzw. solche Daten öffentlich sammeln? - Der Kritik von Steve Rubel an Technorati wollen viele nicht folgen. Zwar sehen die meisten ein, dass das „Authority-Konzept“ nicht allein seligmachend ist, aber Technorati würde Links auch qualitativ gewichten und das in die eigenen Kennziffern einfliessen lassen. Und: Zu Technorati gibt es nicht wirkliche Alternativen, zumindest was die Blogosphäre angeht.
- Etwas mehr im Detail setzt Eric T. Peterson von „WeAnalyticsDemystified“. Er hat Schwächen im Ranking-Algorythmus von Technorati entdeckt. Z.B. verlinken Blogs auf sich selbst, wird das bei Technorati als Link mit in die Gewichtung genommen. Eine Möglichkeit also zur Manipulation. Eine weitere Möglichkeit, sich ein besseres Technorati-Ranking zu verschaffen sei, sich wild mit irgendwelchen Krauterseiten zu vernetzen. Das erhöhe die Zahl der Links, aber den Einfluss erhöht es nicht. Genauso liessen sich auch andere der erhobenen „Ziffernquellen“ manipulieren (Kommentar von Jennifer Mattern und Nicolas Byrne).
- Der Social Media Index begünstigt im in seiner Zusammensetzung Personen gegenüber Organisationen. Ein Unternehmen wie Frosta betreibt sein eigenes Blog. Aber wir sollte man das Xing-Engagement des Unternehmens messen? Kurzum: Viele der im SMI erfassten Kennziffern sind nur auf Einzelpersonen anwendbar.
Eine spannende Diskussion also, die längst nicht abgeschlossen ist. Festzuhalten bleibt, dass es viel Kritik und Unbehagen gibt an Ansätzen, die auf die bekannten Social Media-Kennziffern aufsetzen. Aber es gibt anscheinend auch noch keine bezahlbaren Alternativen, die die Komplexität des Online-Kommunizierens rundum erfassen.
Social Media Index-Diskussion plus ein Beitrag dazu
19. Juli 2007 · von Jörg Hoewner · 3 Minute Lesedauer · Keine Kommentare
Autor: Jörg Hoewner
In diversen Edelman-Blogs hat sich eine Diskussion entwickelt rund um die Entwicklung eines Social Media Index. Die Grundidee ist es, aus der Gewichtung einer Reihe von Social Media-Kennziffern die Relevanz und den Einfluss von einzelnen Blogs zu ermitteln.
Obwohl die einzelnen Kennziffern nicht so ohne weiteres auf Kontinentaleuropa übertragbar sind (wer nutzt hier schon LinkedIn oder Facebook?), ist das System doch interessant.
Wolfgang Lünenberger fragt sich dazu:
„Eine für mich sehr offene Frage, die auch in den Kommentaren bei David anklingt, ist, ob die Produktivität und Vernetzung in den Social Media Angeboten wirklich etwas über Einfluss (Influence) aussagt. Denn die Empfängerseite (also die möglicherweise Beeinflussten) kommt nur mittelbar vor in einer solchen Betrachtung.“
Spassantwort: Guter Punkt, gerne würde ich in die Köpfe der Leser hineinschauen.
Und im Ernst: Ich finde den Ansatz von Onalytics nach wie vor interessant. Die gehen davon aus, dass die Anzahl der Zitationen in anderen Quellen ein Indikator für den Einfluss darstellt. Ein Verfahren, dass sich im wissenschaftlichen Bereich durchaus durchgesetzt hat. Natürlich nicht unumstritten, aber immerhin.
Das Problem ist: Zitationen sind nicht Links. Und das zu differenzieren ist schwer. So weit ich weiss, basieren sowohl Google Page Rank als auch Technorati Authority auf die Anzahl der Links und die Relevanz der jeweils verlinkenden Site. Folglich zu kommt man zu der Frage: Wie bewertet einen man ein Zitat in einem Blog-Post? Und wie ein Link in einem Blogroll? Oder sind beide gleichwertig?
Gängige Tools gehen nicht so in die Tiefe (Google, Technorati, etc.), eine Lösung scheinen mir hier eher Web Data Mining-Technologien, die natürlich gut Geld kosten.
Zu den anderen Indikatoren wie Social Bookmarks, Social News, etc.: Richtige Richtung, allerdings auch hier ein paar offene Fragen:
- Wie entscheidet man, welche Tools reinsollen, welche nicht (Thema LinkedIn vs. Xing z.B., Mr Wong vs. delicious)?
- Viele der vorgestellten Plattformen werden im Moment eher von Einzelpersonen genutzt (LinkedIn-/ Facebook-Profile): Wie gehen Gruppen- oder Firmenblogs in die Bewertung ein?
Aber, wie geschrieben, der Gedanke muss weitergesponnen werden. Richtige Frage, gute Richtung…
Die Beiträge, auf die ich mich beziehe:
- „Social Media Index“ von Wolfgang Lünenburger
- „Social Media Index“ von David Brain
- „Social Media Index“ von Jonny Bentwood
Interessant dazu: Ein Artikel bei ibusiness (Xinu: Neuer Statistikdienst für Webseiten ist halb-gut – Registrierung notwendig) vergleicht verschiedene Social Media-Bewertungsdienste und kommt zum überraschenden Ergebnis, dass die z.T. sehr unterschiedliche Ergebnisse liefern (selber ausprobieren!): http://www.popuri.us/, http://www.socialmeter.com, http://www.viciao2k3.net/services/xinu/?lang=uk (wurde offensichtlich innerhalb der letztn drei Tage eingestellt… 🙁 )
Präsentation zu Web2.0 und Social Network Analysis
10. Juni 2007 · von Jörg Hoewner · 1 Minute Lesedauer · Keine Kommentare
Autor: Jörg Hoewner
Stephan Baumann („Head of Competence Center Computational Culture (C4)“ der FH Kaiserslautern) hat in seinem Blog Computational Culture Charts zum Thema „Social Web: Web2.0 and Social Network Analysis“ veröffentlicht. Der Titel sagt eigentlich alles. Es werden darin interessante SNA-Projekte zum Thema Web2.0 inkl. einer Reihe von beeindruckenden Netzwerkdiagrammen vorgestellt.
Jene wurden mit Tools erstellt, von denen ich zwei herausheben möchte:
Beides kostenlose Open Source-Frameworks, für die es schon eine Reihe von Erweiterungen gibt. Leider – wie so häufig bei solchen Tools – setzt die Bedienung der Anwendungen das Erlernen von irgendwelchen kryptischen Befehlen voraus. Aber ok: Dafür können die was.
Fundgrube für qualitative Methoden
3. Mai 2007 · von Jörg Hoewner · 1 Minute Lesedauer · Keine Kommentare
Autor: Jörg Hoewner
Ich bin beeindruckt von Jeff Axups Ph.D.Thesenpapier zum Thema „Methods of Understanding and Designing for Mobile Communities“: In diesem über 370-seitigen Papier dokumentiert Jeff ausführlich, wie er Mobilkommunikationsverhalten (und Verhalten, welches mobil-kommunizierbar wäre) von Backpackern in Australien untersucht hat.
Die Methoden stehen dabei mit im Fokus der Arbeit. Diese sind wunderbar dokumentiert und bebildert. Darunter Methoden wie „Field Trips“, „Site surveys and contextual interviews“, „Social Pairing Exercise“, „Contextual postcards“, „Electronic and paper travel diaries“. Sozialwissenschaftliche Experimente treffen auf Ethnographische Methoden. Schöne Anregungen für eigene Kommunikationsstudien, sei es auf „freier Wildbahn“ oder innerhalb von Unternehmen.
Beispielvisualisierungen sind zu bewundern unter http://share.userdesign.com/thesis, die dazugehörigen PDF hat 14,7 MB.