MyHealthTeams erstellt soziale Netzwerke für Communities mit chronischen Krankheiten, einschließlich Autismus, Brustkrebs, Multiple Sklerose und andere.

Es gibt 37 dieser Netzwerke, die 13 Länder umfassen. Das Ziel ist es, Menschen mit ähnlichen Krankheiten zu verbinden, damit sie Tipps teilen, Empfehlungen erhalten und letztendlich so ihr Befinden verbessern können.

Beth Schneider arbeitet seit über 35 Jahren in der Marktforschung. Bei MyHealthTeams arbeitet sie seit vier Jahren und konzentriert sich hier sowohl auf die Umfrageforschung als auch Social-Listening-Analyse.

Die Daten, zu denen sie Zugang hat, sind faszinierend. Die sozialen Netzwerke von MyHealthTeams generieren einen Reichtum an Daten von denen das Team lernen kann, aber diese Insights zu erhalten war nicht einfach.

Bevor Beth Brandwatch einsetzte, verbrachte sie viel Zeit mit der manuellen Analyse, um Themen in den Gesprächen zu finden. Um eine tiefgreifendere Analyse, das Unbekannte finden und wertvolle Zeit sparen zu können, war das Team auf der Suche nach einer neuen Technologie.

Die richtige Lösung finden

„Unser Hauptanliegen war, eine neue Vorgehensweise zu finden, mit der wir einfach wertvolle Insights aufdecken und das Sentiment von Tausenden Gesprächen, die täglich in unserem sozialen Netzwerk stattfinden, quantifizieren können“, sagt Beth.

Das Team wählte eine Lösung, das nun in Brandwatch Consumer Research zur Verfügung steht: Data Upload API. Die Netzwerke von MyHealthTeams sind geschlossen. Social Listening Plattformen können also die Daten nicht wie üblich analysieren. Stattdessen lud das Team die Daten hoch, die sie analysieren wollten. Mit der Data Upload API können Nutzer textbasierte Daten hochladen, von denen sie die Erlaubnis haben, diese zu analysieren, wie etwa Support Emails, Chart Logs, Kundenfeedback und Umfragen. Diese Daten können sicher und vertraulich im eigenen Brandwatch Account hochgeladen werden.

Beth fügte 250.000 anonymisierte wortgetreue Erwähnungen ein und konnte die Daten schnell analysieren und so alle möglichen Insights finden.

„Indem wir die Daten, die wir in die Plattform hochgeladen haben, untersuchten, konnten wir unerwartete Trends, datenbasierte Insights und sogar Influencer entdecken. Die Visualisierungen sind großartig. Sie sind einfach erstellbar, zu verstehen und, sehr wichtig, machen es einfach, neue „Aha!“-Momente und Bereiche, die tiefergehender untersucht werden sollten, zu entdecken. Und sie liefern eine prägnante Möglichkeit, wichtige Trends zusammenzufassen.“ – Beth Schneider, Director of Research, MyHealthTeams

Das könnte Ihnen gefallen

Wie kann das Hochladen von First Party Data neue Insights aufzeigen?

Sprechen Sie mit einem unserer Experten, wie Digital Consumer Intelligence Ihrem Unternehmen weiterhelfen kann

Was wir nicht wissen

Mit den Reports, die Beths Team erstellten, konnten wichtige Vermutungen mit klaren, datengestützten Verbindungen bestätigt werden.

Aber das Team wollte auch Dinge in den Gesprächen, die in ihren Netzwerken geführt werden, herausfinden, von denen sie noch nichts wussten. Diese Art von manueller Recherche mit so vielen Mentions durchzuführen ist sehr schwierig.

Beth ist begeistert von der KI-angetriebenen Textanalyse in der Plattform, mit dem das Team einen genauen Blick auf alle Mentions behalten kann und Themen, Gesprächsspitzen und andere Bereiche für weitere Analysen aufdecken können. Sie konnten so neue Themen identifizieren, die sie noch nicht aufgegriffen hatten und einflussreiche Personen, wie z. B. Ärzte, finden, die von Mitgliedern der Community erwähnt wurden.

„Die Plattform ist wie ein Leuchtfeuer“, sagt Beth. „Es gibt Ihnen nicht die Antworten, aber deutet an, worauf ein Analyst einen genaueren Blick werfen sollte.“

Cleveres Sentiment

Die Möglichkeit nach Sentiment filtern zu können, war für das Team sehr wichtig, und aufgrund der Detailgenauigkeit in den Gesprächen in den Netzwerke von MyHealthTeams war es essentiell ein Tool zu haben, die die Sentimentanalyse richtig durchführen kann. Es geht nicht nur um Schlüsselwörter, die ein bestimmtes Sentiment ausdrücken könnten, sondern der Kontext, in dem sie erscheinen. Mit Brandwatchs Machine Learning Technologie konnten die Daten auf diese Art und Weise segmentiert werden.

Beth ist eine erfahrene Forscherin und verbrachte Zeit damit, der Plattform „beizubringen“, zu erkennen, wie Mentions in eine bestimmte Sentimentkategorie passen. Sobald die Daten trainiert waren, konnte Ihr Team Trends im Zeitverlauf beobachten.

„Das Tool ist clever und gibt uns ein Gefühl, selbst clever zu sein!“, sagt Beth. „Es lernt schnell und wir konnten schließlich eine Sentimentanalyse automatisieren, die sehr genau war.“

Begeisterung im Team

Beth sagt, es gab im Team eine Begeisterung für das Tool und die Vielfalt an Möglichkeiten, mit denen tiefgehende und wertvolle Insights aufgedeckt werden können.

„Die Data Upload API hat einen großen Einfluss auf unsere Arbeit“, sagt sie.

Wir bedanken uns bei Beth Schneider, dass sie ihre Erfahrungen mit dem Brandwatch Blog geteilt hat.

Gemma Joyce

Social Data Journalist, Brandwatch
Gemma ist Social Data Journalist und füttert den Brandwatch React Bereich. Sie ist außerdem Experte in Sachen Popkultur-Neuigkeiten, liebt Pizza, Politik und Angry Birds.