Kommentar: Ben Ellis über die drei wichtigsten Fähigkeiten eines Social Media-Analysten

In diesem Artikel hier beschreibe ich Fertigkeiten und Eigenschaften, von denen ich denke, dass ein Social-Analyst sie besitzen und diese weiter ausbauen sollte. Los geht’s.

---

Weniger social, mehr digital.

Erinnern Sie sich an Big Data? Das ist wahrscheinlich einer der Begriffe, die Marketer noch weniger mögen als “Social-Media-Guru” und “viral”. Doch das Konzept ist heute noch valide – die Datenmenge wächst exponentiell in alarmierender Geschwindigkeit.

Weniger diskutiert wird dabei allerdings die Rolle der Analysten – sicher, Marketer lieben Daten … dabei denke ich, dass sie vielmehr das Wissen um die allzeit verfügbaren Daten mögen und nicht so sehr die Daten selbst.

Wir haben Plattformen wie Facebook, Twitter, Snapchat etc. stets als Social-Plattformen oder Social-Kanäle bezeichnet – dieselben Plattformen verbannen heute allerdings den Zusatz „social“ aus ihrem Namen, denn sie möchten über die Definition des Social-Netzwerks hinauswachsen.

Gehen Sie auf diese Seiten und beobachten Sie, wie die Spuren einer Social-Plattform immer mehr verschwinden; Beschreibungen dieser Art werden nach und nach angepasst.

Fragen Sie die Vertreter dieser Unternehmen – wenn Sie welche kennen – und Sie werden feststellen, dass diese nicht länger von einer Social-Plattform sprechen.

Nutzloses Wissen des Tages: In der Facebook Hilfe können Sie alle möglichen Suchfragen eingeben, doch “Was ist Facebook?” gehört nicht dazu. Es ist die einzige Frage, die ich finden konnte, die das System überfordert … hat Facebook eine existentielle Krise?

Wie auch immer, ich schweife ab.

Diese Plattformen möchten jedenfalls den Begrenzungen der Social-Netzwerke entfliehen, mit all ihren Vorurteilen, Erwartungen und Assoziationen.

Sie sehen sich eher als Netzwerk von Mensch zu Mensch und von Mensch zu Roboter sowie von Roboter zu Roboter.

Das ist mehr als wir uns vorgestellt hatten, aber nicht mehr als Analysten bewerkstelligen können. Wie handhaben wir es? Hören wir auf, die Daten in Social- und Nicht-Social-Daten einzuteilen. Die Grenzen sind längst verwischt, also sprechen wir fortan von digitalen Daten und freunden uns mit der Idee dahinter an.

Schauen wir uns die unterschiedlichen neuen Daten an, darunter beispielsweise Daten der virtuellen, verbesserten und gemischten Realität.

Gewöhnen wir uns an die neuen digitalen Tools und die digitalen Kommunikationsmethoden – wie würden Sie zum Beispiel den Erfolg und die Leistung eines Facebook Chatbots messen? Wenn Ihr Unternehmen heute maschinelles Lernen in seine digitale Strategie integrieren würde, wie würden Sie dann die Analyse angehen?

Das ist die Art von Fragen, die Sie sich in 2017 stellen sollten. Vertrauen Sie mir, das digitale Marketing wird sich ändern, die Sozialen Medien ebenso und Ihre Nutzer werden sich rasch daran gewöhnen, dass mal wieder alles anders ist – also sollten Sie diesem Vorbild mit ihrem Ansatz „digitale Daten“ folgen.

---

Ans Programmieren

Wir müssen nichts überstürzen, aber dennoch sollten Sie mittelfristig Python und R lernen.

Vielleicht widme ich der Frage, warum es für Analysten und ihre zukünftige Karriere so wichtig ist, diese zwei Sprachen zu beherrschen noch einen eigenen Artikel. Auf jeden Fall helfen sie Ihnen, ein unabhängiger Analyst zu werden. Unabhängig von diversen Tools können Sie die Daten auf vielerlei Weise betrachten und bearbeiten und haben mehr Möglichkeiten als mit dem guten alten Excel.

Streben Sie an, ein unabhängiger Analyst zu werden.

Der vertraute Umgang mit Business Intelligence Tools wie Power BI, Tablo und Watson ist wichtig. Sie werden zwar Ihren Job nicht ersetzen, sind aber ein Toolset, mit dem Sie vertraut sein sollten. Wenn Sie sich bei den Social-Analysen oder beim Social Listening auf kostenfreie Tools verlassen, endet dieser kostenlose Spaß wahrscheinlich in 2017.

Sie sollten über ein wirklich intelligentes Tool wie Brandwatch verfügen und wissen, wie Sie Ihre eigenen Daten bekommen. Meine Vorbilder James Whatley und Marshall Manson von Ogilvy erläutern die Entwicklung in Ihrem Report Key Digital Trends for 2017 äußerst einleuchtend.

Zurück zu den Business Intelligence Tools – machen Sie sich mit ihnen vertraut.

Keine Sorge, falls Sie nicht über das Budget verfügen: Aus irgendwelchen Gründen bietet eines der besten Self-Service Business Intelligence Tools, Power BI, eine kostenlose Version an und wenn Sie ein Analyst sind, der gerade mit Business Intelligence experimentiert oder erste Erfahrungen sammeln möchte, ist diese völlig ausreichend. Bereits erfahrene Analysten sollten Ihrem Vorgesetzten den kostenpflichtigen Plan ans Herz legen, wenn er ihren Anforderungen entspricht.

Nutzen Sie Tools wie dieses und lernen Sie, wie man damit Daten aus diversen Quellen erfasst. Und verwenden Sie die Tools, um das ganze Bild zu sehen – es ist eine Sache, die richtige Absicht zu haben und eine andere, das Tool tatsächlich umfassend zu nutzen. Ja, Big Data ist faszinierend – doch wir ertrinken geradezu darin, wenn wir nicht über die richtigen Tools verfügen.

---

Nutzervorhersagen (ohne Kristallkugel)

Demografien, Psychografien, Nutzerverhalten – wir finden einzelne Facetten dieser Daten seit einigen Jahren in verschiedenen Plattformen, manche bieten dabei ausgereiftere Daten an als andere.

Warum sind diese Daten so wichtig? Weil Sie den NPS (Net Promoter Score) vorhersagen. Weil Sie damit Verluste und Einkäufe voraussehen können. Weil die Automatisierung im kommenden Jahr erneut zunimmt. Weil es das klügste Vorgehen ist, die besten Konversionshilfen für Nutzer (basierend auf ihrem Verhalten) bereitstellen zu können.

Und weil die Nutzer es von ihnen erwarten. Nicht auf aufdringliche Weise, vielmehr gehen Sie auf verantwortungsvolle und ethisch korrekte Art mit diesen sensiblen Daten um. Achten Sie auf Qualität und Quantität der Daten und schützen Sie das Kundenvertrauen.

Prädiktive Analysen sind nicht neu, aber wir haben das Potenzial noch längst nicht ausgeschöpft. Wo fangen wir an? Sie können klein anfangen: Beginnen Sie mit Social Listening nach gezielten Absichten. Drücken die Menschen Absichten aus, den Anbieter zu wechseln? Wie sieht es bei der Konkurrenz aus, was finden Sie in Bezug auf deren Kunden?

Wenn Sie etwas finden, wie können Sie dann auf Grundlage dieser Analyse die Methode Ihrer Website oder Ihrer App beziehungsweise Ihres beliebigen digitalen Assets an die Nutzererfahrung anpassen? Wie basieren Sie Ihre Tools auf ihre prädiktiven Modelle? Das Nutzerverhalten vorauszusehen liefert bessere Leads – das ist eine Tatsache.

Die Tools und die Branche werden immer besser in der Automatisierung und der Verhaltensanalyse – das steht ebenfalls fest. Die Frage lautet: Wie nutzen Sie die verfügbaren Daten (social, digital, wie immer Sie sie bezeichnen), um diese besseren Leads zu erhalten?