Sentiment Analysis as a Service

von Patrick Abrudean

Die Fähigkeit, Wettbewerbsinformationen schnell zu verarbeiten und daraus entscheidungsrelevante Informationen abzuleiten, wird in technologiegetriebenen Märkten immer mehr zu einem entscheidenden Erfolgsfaktor. Mit dem Aufkommen verschiedener Informationsquellen wie Sozialer Netzwerke, Blogs, Bewertungsportalen oder Newsfeeds, werden die Meinungen der Kunden über Produkte, Dienstleistungen und Unternehmen immer sichtbarer. Insbesondere das aus Kommentaren, Bewertungen oder Umfragen generierte Nutzerfeedback liefert eine wertvolle Menge an Daten. Diese können bei einer zielgerichteten Analyse Aufschluss darüber geben, was die Kunden über ein Produkt, eine Dienstleistung oder ein Unternehmen denken, was sie schätzen und vor allem, was sie daran bemängeln.

Erfolgreicher Prototyp

Angesichts der zunehmenden Bedeutung solcher Daten für Unternehmen habe ich im Rahmen meiner Abschlussarbeit nach einer skalierbaren, weitgehend automatisierten und technischen Lösung geforscht, mit der sich große Mengen an Kundenfeedback aus dem Internet effektiv und effizient hinsichtlich der Meinung und Stimmung analysieren und auswerten lassen. Als ein geeignetes und hilfreiches Verfahren zeigte sich v.a. die Sentiment Analysis, die sich mit der algorithmischen Auswertung von Meinungen, Stimmungen und Emotionen in (un)strukturierten Textdaten beschäftigt und auf maschinellem Lernen basiert. Kombiniert mit den Eigenschaften und Funktionen des Cloud Computing, entstand in der Bachelorarbeit das Konzept der “Sentiment Analysis as a Service” (SAaaS), welches eine kostengünstige und automatisierte Analyse von Kundenmeinungen und -stimmungen ermöglicht. In diesem Zusammenhang konnten auch bestehende und potenzielle betriebliche Anwendungsfälle identifiziert werden, in denen „Sentiment Analysis as a Service“ in naher Zukunft an Bedeutung gewinnen wird. Konkret handelt es sich dabei um Social Media Monitoring, Market and Competitive Intelligence, Customer Support Management und Product Analytics.

Schließlich wurde für „Sentiment Analysis as a Service“ ein Cloud-basierter Prototyp konzipiert und mittels Python und Microsoft Azure implementiert. Der entwickelte Prototyp wurde dann zur Analyse eines semi-strukturierten Datensatzes verwendet, der mehr als 2400 Produktbewertungen für verschiedene Amazon Alexa Produkte enthielt. Ziel war es, die im Kundenfeedback enthaltenen Meinungen und Stimmungen als positiv, negativ oder gemischt zu klassifizieren und so einen Einblick in die Kundenmeinungen hinsichtlich wichtiger Entitäten zu erhalten. Die Auswertung der Ergebnisse zeigte, dass der Prototyp eine Genauigkeit von fast 80% bei der Klassifizierung und Einordnung der Rezensionen erreichte. Darüber hinaus erwiesen sich die Ergebnisse der Sentiment Analysis bei näherer Betrachtung als besonders wertvoll für den Prozess der Entscheidungsfindung, da die ermittelten Informationen gezielter in einen strategisch relevanten Kontext gestellt werden konnten. Dies spielt vor allem für Führungskräfte, das Management aber auch für die Softwareentwickler an sich eine wichtige Rolle.

Breite Anwendungsmöglichkeiten

SAaaS ermöglicht es, das eigene Angebot kontinuierlich zu optimieren und neuen Marktanforderungen frühzeitig zu begegnen. Sentiment-Trends in großen Datenmengen können so automatisiert ermittelt werden. Dies eröffnet Banken oder FinTechs neue Möglichkeiten, nutzergenerierte Informationen für die Analyse und Bewertung von Aktien oder anderen Finanzprodukten zu nutzen, während Retailer sie für die Entwicklung neuer, besserer und innovativer Produkte einsetzen können. Gleichzeitig kann die zeitaufwändige Marktforschung durch Mitarbeitende stark reduziert werden, und es können fundiertere Geschäftsentscheidungen und Strategieanpassungen im Unternehmen getroffen werden.