Campagne voeren op het net is zo makkelijk nog niet

Doelstelling
“Wat moet ik doen met de actiecode die ik krijg,” “En wat win ik ermee?” luidden steeds de reacties wanneer ik een oproepje plaatste op Facebook en Twitter. Het doel om mijn webpagina door middel van een campagne populair te maken, bleek nog niet zo makkelijk te halen als ik dacht. Opvallend vond ik dat men over het algemeen niet bereid is terug te komen naar een pagina, wanneer er ‘niks’ te halen valt. Ook de lay-out en de inhoud van de doelpagina waarop mensen enkel een code in konden voeren schrok naar mijn idee bezoekers af. Ik vond het daarom ook jammer, dat ik de pagina niet zelf kon aanpassen. Het bleek voor een aantal bezoekers ook niet duidelijk te zijn dat de code ingevoerd moest worden zonder spaties. Een honderd bezoekers hebben de doelpagina bekeken, maar negentien bezoekers hebben de code correct ingevoerd. Verwarring wat betreft spatiegebruik is waarschijnlijk dan ook één van de redenen daarvoor.

Doelpagina

Like & Win
Bedrijven stellen campagnes vaak op voor hetzelfde doel: meer klanten werven. Voor een dergelijke campagne kunnen sociale netwerken ook prima ingezet worden. Een Twitter- en een Facebookaccount kunnen bijvoorbeeld bezoekers doorverwijzen naar de officiële webpagina van het bedrijf of de instelling die campagne voert. Vaak zijn hier leuke acties aan verbonden. Op Facebook starten veel bedrijven de zogenaamde Like & Win acties. Gebruikers moeten de Facebookpagina ‘liken’ en zich vaak ook aanmelden voor de nieuwsbrief, in ruil voor een kans op het winnen van een leuke prijs. Een heel slim idee, want de gebruikers die meedoen aan deze acties zullen in het vervolg ook updates van het bedrijf ontvangen waardoor het aantal potentiële klanten wordt vergroot.

Like & Win

Ik had ook graag een Like & Win actie voor mijn doelpagina willen opzetten, maar omdat er voor bezoekers niets te winnen viel, waren alle soorten winacties voor de campagne uitgesloten. Hierdoor kwam ik niet verder dan het promoten van mijn doelpagina op Facebook en Twitter door middel van oproepjes aan mijn connecties. Helaas heeft dit, geheel naar verwachting, heel weinig conversies (bezoekers die de code correct hebben ingevoerd) opgeleverd.

Enquête
Een ander onderdeel voor mijn campagne had een enquête kunnen zijn. Ik had aan een groot aantal gebruikers op sociale netwerken kunnen vragen een enquête in te vullen over het gebruik van sociale netwerken, waarna ze de enquête in zouden sturen door de code op de doelpagina in te vullen. De actiecode zou een probleem blijven vormen, omdat die niet te gebruiken is. In plaats van deze actiecode, zouden uitkomsten van de enquête getoond kunnen worden.

Return On Investment

Ook al heeft de campagne niet veel opgeleverd, naast nieuwe inzichten in manieren waarop je campagne kunt voeren op sociale netwerken, heb ik toch uitgerekend hoeveel de investering in de campagne daadwerkelijk heeft opgeleverd. De Return On Investment (ROI) geeft aan hoeveel een investering heeft opgeleverd: (winst-investering)/investering= ROI (%). Voor mijn investering gelde dat één uur gelijk was aan tien virtuele euro’s. Per conversie mocht ik één virtuele euro rekenen. Ik heb drie uur aan de campagne besteed waar de volgende ROI uit komt: (19-30)/30= 2%. Mondeling promoten op Twitter en Facebook levert dus weinig tot niets op. Campagne voeren op het net is zo makkelijk nog niet.

Twitter sentiment

Twitter is het sociale netwerk bij uitstek om je mening op te ventileren. Het creëert voor onderzoekers dan ook een interessant onderzoeksveld. Door het analyseren van tweets is het bijvoorbeeld mogelijk om een voorspelling te doen over de uitslag van een aankomende verkiezing of kan worden nagegaan wat er onder de bevolking leeft (trends). Een computer herkent een trend automatisch door te kijken naar frequentie in woordgebruik. Veel voorkomende trends zijn bijvoorbeeld belangrijke sportwedstrijden, televisieprogramma’s of gebeurtenissen die een nationale impact hebben.

Door gebruik te maken van sentimentanalyse kunnen er voorspellingen over bepaalde onderwerpen worden gedaan. Sentiment is een positieve of negatieve mening over een bepaald onderwerp of een bepaalde gebeurtenis. Het kan herkent worden in tweets door te kijken naar gebruikte woorden, hashtags en emoticons. Tweets kunnen dan als positief, negatief of neutraal gelabeld worden.

Gelabelde tweets kunnen gebruikt worden om een programma te leren om verschillen in sentiment automatisch te herkennen. De tweets worden gelabeld als positief, negatief of neutraal en worden opgedeeld in woorden en leestekens. Het programma kijkt voor elk specifiek woord of het vaker voorkomt bij een van de drie klassen (labels). Hierdoor kan het programma een model opbouwen met kansen op een combinatie van klasse en een specifiek woord. Met het model kan het programma van onbekende tweets de kans bepalen waarmee het tot een van de drie klassen behoort.

Natuurlijk maakt zo’n programma in het leerproces ook fouten. Het kan klassen fout herkennen, of klassen helemaal niet herkennen. Een sentimentanalyse van tweets wordt als volgt geëvalueerd:

op precisie: aantal goed herkende tweets van een klasse gedeeld door het aantal herkende tweets van deze klasse.

op recall: aantal goed herkende tweets van een klasse gedeeld door het daadwerkelijke (vooraf handmatig beoordeelde) aantal van deze klasse in de data.

op F-score: het harmonisch gemiddelde van deze twee getallen:
F-score = 2*Precisie*Recall/(Precisie+Recall)

Ik heb de proef op de som genomen en dertig tweets verzameld om vervolgens deze verzameling te laten analyseren door een programma met een sentimentmodel. Het programma had een sentimentmodel op basis van van 372 tweets (186 neutrale; 93 positieve en 93 negatieve). Mijn verzameling bevatte 10 tweets van elke klasse. Uit de resultaten bleek dat het programma meer dan de helft van mijn positieve tweets als positief had herkent. Het percentage voor de negatieve tweets lag iets lager: rond de 40%. De gemiddelde F-score gecombineerd voor positief en negatief was 35,43. Voor deze score geldt altijd, op een schaal van 0 tot 100, hoe hoger hoe beter. Ik had de F-score kunnen verbeteren door een grotere verzameling van tweets te gebruiken in dezelfde verhouding als het sentimentmodel (2:1:1).

Evaluatiescores

Het doen van voorspellingen op basis van sentiment in tweets blijft een lastige zaak. Nooit zal een sentimentmodel compleet zijn. Sommige woorden hebben door persoonlijk gebruik een sterker sentiment dan andere. Iedereen gebruikt woorden op zijn of haar eigen manier. Maar werken aan een nagenoeg perfect model blijft wel een mooie uitdaging.

Monitoren op Twitter

Voor bedrijven is het erg belangrijk om aandacht te besteden aan Online Reputatie Management (ORM). Onder ORM vallen alle activiteiten die een bedrijf kan uitvoeren om de eigen reputatie online in de gaten te houden, te beïnvloeden en te beschermen. Door te luisteren (monitoren) op social media kan een bedrijf inzicht krijgen in discussies die worden gevoerd door consumenten over het bedrijf, hun producten, of hun diensten. Het monitoren van social media is de eerste belangrijke stap van ORM. Naast het monitoren van discussies op social media is het ook belangrijk daar snel op in te spelen, om eventuele imago schade voor het bedrijf te beperken.

Er zijn al veel online tools op de markt gebracht die bedrijven kunnen gebruiken om social media te monitoren, maar op Twitter kunnen ze dat gemakkelijk zelf doen. Twitter is een zogenaamde microblogwebsite, een website waarop gebruikers berichten van maximaal 140 tekens kunnen plaatsen. Twitter biedt de mogelijkheid om #-tags (hashtags) toe te voegen aan berichten, zodat onderwerpen gemakkelijk te volgen zijn. Door te zoeken op een hashtag, worden alle berichten met deze tag getoond. Op deze manier kunnen bedrijven zoeken naar onderwerpen die voor hun ORM van belang zijn, zoals de bedrijfsnaam, of het nieuwe product dat net op de markt is gebracht.

Voor mijn onderzoek ben ik op zoek gegaan naar tweets over twee Nederlandse banken: Rabobank en ABN AMRO. Het leek mij interessant om eens te onderzoeken wat er op Twitter gezegd wordt over deze twee grootmachten (en of dat overwegend positief of negatief is) en om de uitingen met elkaar te vergelijken. Ik heb gekozen voor een tijdsduur van een week, om zo genoeg tweets te kunnen verzamelen voor een redelijke analyse. Ik heb een corpus van 100 tweets aangelegd voor elk van de twee bedrijven en heb van de twee corpora een woordenwolk gemaakt. Op deze woordenwolken is te zien welke woorden gebruikt zijn en is het verschil in gebruiksfrequentie te zien.

Deze week werd er op Twitter opvallend veel gesproken over de Raboploeg en met name over Bauke Mollema. Mollema fietste voor de ploeg van de Rabobank in de Vuelta en won daarin een sprinterstrui. Deze gebeurtenis komt duidelijk naar voren in de woordenwolk door woorden als: groene, trui, Bauke, Mollema, ploeg en fietsen. Aan de woordenwolk valt op dat Rabobank erg actief is in de sportwereld. Woorden als Ajax, SV Dynamo, sponsor en sponsorfietsdag duiden daarop. Ook werd er veel gesproken over de activiteiten die Rabobank voor deze week georganiseerd had. Deze week werd er dus voornamelijk positief over de Rabobank gesproken op Twitter.

Rabobank

ABN AMRO daarentegen, kwam er minder goed vanaf. ABN AMRO kwam deze week in het nieuws omdat radiozender 3FM verkondigde dat rekeningen werden geplunderd van mensen die inlogproblemen hadden op de website van ABN AMRO. Volgens ABN AMRO zelf volstrekte onzin, maar twitteraars dachten daar heel anders over. Woorden als rekening, internetbankieren, phishing en geplunderd komen in de woordenwolk dan ook sterk naar voren. Hoewel er dus negatief gepubliceerd werd over het internetbankieren van ABN AMRO, werd er positief gepubliceerd over de Emerce E-day waar Sander Nube sprak over de positie van de bank op Social Media.

ABN AMRO

Dit onderzoek laat zien dat het voor bedrijven van groot belang is te weten wat er speelt op social media. Hoe eerder een probleem wordt gezien, hoe sneller het verholpen kan worden. Ter afsluiting een voorbeeld van adequate ORM van ABN AMRO:

Bas Vos tweette het volgende: Drama bank die abn…administratie, aanvragen worden geblokkeerd, printers doen het niet…

ABN AMRO: Hallo Bas. Ik las je tweet. Kunnen wij vanuit ABN AMRO Webcare iets voor je doen? ^Elvira.