Text Mining in der Konsumentenforschung unter besonderer Berücksichtigung von Produktontologien

Transkript

1 Betriebswirtschaft Robert Butscher Text Mining in der Konsumentenforschung unter besonderer Berücksichtigung von Produktontologien

2

3 Text Mining in der Konsumentenforschung unter besonderer Berücksichtigung von Produktontologien Der Wirtschafts- und Sozialwissenschaftlichen Fakultät der Friedrich-Alexander-Universität Erlangen-Nürnberg zur Erreichung des akademischen Titels Dr. rer. pol. vorgelegt von Robert Butscher Nürnberg

4 Tag der Einreichung: 21. Dezember 2005 Tag der letzten mündlichen Prüfung: 06. Februar 2006 Dekan: Prof. Dr. Ingo Klein Erstgutachter: Prof. Dr. Michael Amberg Zweitgutachter: Prof. Dr. Günter Buttler

5 Vorwort W ährend meiner Promotionszeit hat der 1. FC Nürnberg mehrmals die Liga gewechselt Mal ging es aufwärts, Mal ging es abwärts. Das damit verbundene Wechselbad der Gefühle, das Auf und Ab verbindet den Fußballspieler mit einem Doktoranden. Auch er kennt Krisen und Momente des Glücks. Ähnlich wie ein Fußballspieler habe ich verschiedene Trainer kennen gelernt; mit dem ersten hat es nach drei Jahren nicht mehr harmoniert nach Saisonende war dann Schluss mit der Kickerei als Stammspieler. Die beiden neuen Trainer erwiesen sich für den Spieler als Glücksfall. Ich möchte meinen beiden Gutachtern hiermit auf das Herzlichste danken. Danken möchte ich meinem Erstgutachter, Herrn Prof. Michael Amberg, dessen konstruktive Hinweise mir geholfen haben, meine Spielweise zu überdenken, an ihr zu feilen und den einen oder anderen Kniff dazuzulernen. Dank gilt genauso Herrn Prof. em. Dr. Günter Buttler, dessen angenehme Art, permanente Unterstützung, Weitsicht und Weisheit für den Klassenerhalt in der Liga entscheidend waren. Ich danke auch Herrn Gaston Richter vom WiSo-Dekanat, der als Manager im Hintergrund an den Vertragsgestaltungen maßgeblich beteiligt war. Ein Spieler wäre jedoch nichts ohne ein gut geöltes Team im Hintergrund. Ganz besonders danke ich meinen Eltern, die mir meine Ausbildung ermöglicht, mich unterstützt und an mich geglaubt haben. Unerschütterlichen Glauben an mich hat auch meine Freundin Sabine bewiesen für ihre Geduld und ihre aufmunternden Worte danke ich ihr sehr. Meinem Bruder Werner danke ich als stets kompetentem Diskussionspartner. Meiner Freundin, meinen beiden Geschwistern und insbesondere meinen Eltern, Anna & Bruno, widme ich die vorliegende Arbeit. Neben dem Team im Hintergrund braucht ein Spieler natürlich Fans meinen Freunden, insbesondere Daniela, Stéphanie und Mouad, danke ich für ihre Freundschaft, obwohl sie in so mancher Autogrammstunde ohne Autogramm nach Hause gehen mussten, weil der Spieler keine Zeit für sie hatte. Die entgangene Zeit werden wir nachholen. Dank gilt auch den Damen und Herren der Bibliothek, den Sekretärinnen von WI II sowie LSeW sowie dem Dekanat der WiSo-Fakultät, ohne deren Hilfe ein Spieler auf dem Feld alt aussähe. Gemäß dem alten Fußballmotto 11 Freunde sollt ihr sein! danke ich auch für das stets gute Betriebsklima den ehemaligen Vereinskollegen des Lehrstuhls für Statistik und Empirische Wirtschaftsforschung sowie denen des Lehrstuhls für Wirtschaftsinformatik II, insbesondere den beiden Torschützenkönigen Michael und Kai-Uwe, die mir während meiner vielen Auswärtsspiele in diversen Baubesprechungen mit ihren vielen Post-It den Schreibtisch zugepflastert und so dauerhaft den Informationsfluss am Laufen gehalten haben. Robert Butscher

6 Inhaltsverzeichnis I Inhaltsverzeichnis 1 Einführung 1.1 Konzeptioneller Rahmen Problemstellung Zielsetzung Forschungshypothesen und Forschungsdesign Neuartigkeit und Abgrenzung Einordnung und Adressanten vorliegender Arbeit Aufbau der Arbeit und Konventionen Grundlagen und Berührungspunkte zu anderen Forschungsgebieten 2.1 Zielsetzung und Kapitelüberblick Konsumenten- und Einstellungsforschung Bedeutung der Einstellungsforschung für betriebliche Entscheidungen Konzept der Einstellungsforschung Kritik am Messansatz kognitiver Strukturen in der Einstellungsforschung Produktsemantische Netze Künstliche Intelligenz und Ontologien Definition und Abgrenzung von Ontologien Resource Description Framework (RDF) und RDFS (Schema) Ontology Web Language (OWL) Analyse von Textdaten Inhaltsanalyse der empirischen Sozialwissenschaft Text Mining und Information Extraction Textanalytische Ansätze in der Meinungs- und Einstellungsforschung Fazit...65

7 II Inhaltsverzeichnis 3 Vorgehensweise sowie potenzielle Anwendungsgebiete und -szenarien 3.1 Zielsetzung und Kapitelüberblick Vorgehensweise und Annahmen Forschungslücke und Unterschiede zu bestehenden Ansätzen Annahmen und Voraussetzungen Lösungsansatz im Überblick Potenzielle Anwendungsgebiete und -szenarien Online-Monitoring von Meinungsportalen durch Hersteller Auswertung von Meinungsportalen durch Betreiber Semantische Suche für Konsumenten Entwicklung der Produktontologie am Fallbeispiel 4.1 Zielsetzung und Kapitelüberblick Beschreibung des Fallbeispiels Zweck des Fallbeispiels Untersuchungsgegenstand Datenerhebung und -aufbereitung Übersicht und Einbettung in den KDD-Prozess Datenerhebung und -quellen für eine Produktontologie Datenbereinigung und linguistische Analysen Datenauswahl, -integration und -transformation Datenerhebung und -aufbereitung am Fallbeispiel Analyse der Handbücher als Datengrundlage Zielsetzung der Analyse Auswahl der Token für Konzepte in der Produktontologie Auswahl der Token zur Beschreibung der Funktionalität Fertigstellung der Produktontologie in Protégé Analyse der Handbücher am Fallbeispiel...111

8 Inhaltsverzeichnis III 5 Analyse und Verwendung der Kundenmeinungen im Fallbeispiel 5.1 Zielsetzung und Kapitelüberblick Analyse der Reviews als Datengrundlage Identifikation meinungsbezogener Begriffe Suchschablonen für Bewertungsobjekte Semantische Ausrichtung der Kundenmeinungen und Codierung Analyse der Kundenmeinungen am Fallbeispiel Visualisierung der Ergebnisse im Fallbeispiel Profilvergleiche auf Grundlage von Kundenmeinungen Integration der Kundenmeinungen in die Produktontologie Handlungsempfehlungen und abschließende Kritik Zusammenfassung und Ausblick 6.1 Zusammenfassung und Vergleich mit Alternativen Ausblick Abkürzungsverzeichnis... V Abbildungs- und Tabellenverzeichnis... VIII Anhang Literatur- und Quellenverzeichnis...XLVI Autorenverzeichnis...LXXI Index... LXXXI

9 Inhaltsverzeichnis IV

10 1.1 Konzeptioneller Rahmen 1 Kapitel 1 Einführung 1.1 Konzeptioneller Rahmen Wirtschaftsmärkte der sog. Ersten Welt sind heute vielfach gesättigt und von einem starken Kosten- und Qualitätswettbewerb geprägt; zusätzlich finden Konzentrationsprozesse unter den Geschäftskunden statt [Diller01a]. Weitere Herausforderungen an Unternehmen sieht [Fleisch01] im Wandel von Verkäufer- hin zu Käufermärkten. In der betriebswirtschaftlichen Literatur schlagen zahlreiche Autoren das Beziehungsmarketing als Lösungsansatz für diese Entwicklungen vor. Das Beziehungsmarketing ist ein strategisches Konzept des Marketings und betont insbesondere das systematische Management individueller Kundenbeziehungen [Diller01a]. Es basiert auf der Hypothese, wonach stabile Geschäftsbeziehungen zu Nutzeffekten für ein Unternehmen führen. Bereits [Hakansson87] betont die Bedeutung von Beziehungen 1) als Wettbewerbsfaktor. Die Verfechter des Beziehungsmarketings argumentieren vor allem mit erheblichen Streuverlusten bei der Akquise von Neukunden gerade in Märkten mit geringem Wachstum. Sie weisen außerdem auf die hohen wirtschaftlichen Einbußen hin, welche mit dem Verlust von Kunden an Konkurrenzunternehmen einhergehen. Im Gegensatz zum transaktionsorientierten Marketing gründet das Beziehungsmarketing auf der Erkenntnis, nicht nur in der Vorverkaufsphase den Konsumenten 2) zu umwerben, [...] sondern ihn in allen Kauf- und Nutzungsphasen zu begleiten und durch das Angebot von jeweils auf seine Bedürfnisse abgestimmten Problemlösungen möglichst langfristig zu binden. [Stauss03 et al., S. 22]. Mit einem dauerhaften Beziehungserfolg werden höhere Profitabilität infolge geringerer Akquisekosten sowie nachhaltiges Wachstum infolge von Cross-Selling-Potenzialen oder Neugeschäfte durch Empfehlungen von Bestandskunden verbunden [Diller95]. Das Beziehungsmarketing steht mit Kunden im Dialog und fördert die Interaktion mit ihnen [Diller01a]. Es setzt aber gleichzeitig detaillierte Informationen über Kunden und deren Bedürfnisse voraus; darunter fallen nicht nur transaktionsbezogene und sozio-demographische Daten über den Kunden 3), sondern auch sein Feedback in Form von Meinungen zum Unternehmen wie auch zu Produkten und Leistungen. Kundenmeinungen sind 1) 2) 3) [...] relationships are one of the most valuable resources that a company possesses [...] [Hakansson87, S. 10]. Im Folgenden werden Konsumenten in Übereinstimmung mit [Behrens01] als [...] Letztverbraucher von materiellen und immateriellen Gütern [...] definiert [Behrens01, S. 812]. In vorliegender Arbeit stehen nur B2C-Beziehungen im Vordergrund (B2C = Business-to-Consumer).

11 2 Kapitel 1. Einführung hierbei positive, negative oder neutrale Äußerungen potenzieller, aktueller wie auch ehemaliger Kunden [Gelenkirchen01]. In vorliegender Arbeit werden ausschließlich schriftlich artikulierte Kundenmeinungen (sog. Reviews ) aus dem Internet berücksichtigt: Diese finden sich in (Meinungs-)Portalen, Newsgroups, Mailarchiven, Blogs 4) oder auf Webseiten von Privatpersonen, Herstellern oder online-shops. Im Gegensatz zu traditionellen Gesprächen unter Konsumenten können die im Internet öffentlich zugänglichen virtuellen Kundenmeinungen von Herstellern beobachtet und ausgewertet werden [Hennig-Thurau01 et al.]. Die Kommunikation zwischen Konsumenten entspricht der Mund-Werbung [Buttle98]: Hierbei geben Konsumenten ihre Erfahrungen, Einstellungen oder (Un)zufriedenheit mit den Leistungen eines Unternehmens innerhalb ihres sozialen Umfelds weiter [Jeschke01]. Diese Kommunikation ist im Internet quasi unbeschränkt, und ein Konsument tritt mit einer potenziell unbegrenzten Anzahl weiterer Internet-Nutzer in Kontakt [Stauss98]. Der Kommunikationsinhalt diffundiert simultan an eine Vielzahl weiterer Internet-Nutzer [Stauss97]. Kommunikation zwischen Konsumenten bietet Anbietern die Chance, glaubhafte Empfehlungen durch Konsumenten zu erhalten und so mit vergleichsweise geringem Aufwand neue Kunden zu gewinnen. Mit negativen Äußerungen oder Unzufriedenheit der Nachfrager geht jedoch für Hersteller die Gefahr einher, von Konsumenten boykottiert zu werden und (auch potenzielle) Kunden zu verlieren. Meinungen von Kunden lassen nicht nur Rückschlüsse auf deren Bedürfnisse zu, sondern geben auch Hinweise auf künftige Trends oder zeigen auf, wie Konsumenten das eigene Produkt im Vergleich zu Konkurrenzprodukten sehen. Kundenbezogene Informationen sind für das Beziehungsmarketing wichtig, da sie unverzerrt und authentisch Meinungen enthalten; dadurch ergeben sich Anknüpfungspunkte für individualisierte Kommunikationsbeziehungen hin zum Kunden. Ausgehend von der Notwendigkeit, ein möglichst umfassendes Bild über Kunden zu gewinnen, ergeben sich beim Beziehungsmarketing Berührungspunkte zum Beschwerdemanagement und zur Konsumentenforschung. Beschwerdemanagement und vor allem Konsumentenforschung bilden als theoretisches Gerüst den konzeptionellen Rahmen für vorliegende Arbeit. Das Beschwerdemanagement nimmt vom Kunden initiierte Beschwerden auf und versucht, die Zufriedenheit des Kunden wiederherzustellen. Die Analyse von Beschwerden zielt darauf ab, weitere negative Mund-Werbung bzw. Eskalationen zu vermeiden oder Schwachstellen im eigenen Produkt zu identifizieren [Hansen01 et al.]. Während sich das Beschwerdemanagement vor allem auf negative Äußerungen konzentriert, weitet die Konsumentenforschung ihren Blickwinkel auf das Kauf- und Konsumverhalten aus [Behrens01]/ [Kroeber-Riel03 et al.]; dies umfasst u.a. auch Verbraucheranalysen sowie Auswertungen von Meinungen und Einstellungen. 4) Ein Blog (Kurzform für Weblog) ist vergleichbar mit einem (elektronischen) Tagebuch: Die Einträge auf der Webseite sind zeitlich nach ihrem jeweiligen Erstellungsdatum sortiert.

12 1.2 Problemstellung Problemstellung In der Literatur wird für die computergestützte Analyse von (Kunden-)Meinungen das Text Mining vorgeschlagen. Vereinfacht ausgedrückt, bietet es Methoden, mit denen sich Fließtexte in eine strukturierte Tabellenform überführen lassen; anschließend können die gespeicherten Satzelemente einem Data Mining-Prozess unterzogen werden. In vorliegender Arbeit wird das Text Mining für die Analyse von Kundenmeinungen aus dem Internet eingesetzt. Hierbei interessiert, welche Einstellungen Kunden zu Produkten besitzen und wie sie einzelne Produktkomponenten bewerten. Ein Hersteller profitiert nur dann von den Analyseergebnissen, wenn er die unterschiedlichen Vokabularien der Kunden auf seine eigenen abbilden kann, die Inhalte extrahierter Meinungen auf seine (unternehmensinterne) Begriffswelt überträgt und in seine Prozesse integriert. Bisherige Ansätze, welche die Kundenmeinungen in Texten automatisiert 5) erkennen und auslesen, berücksichtigen weder die Integration von Analyseergebnissen noch den Abgleich zwischen unterschiedlichen Begriffswelten, obgleich es in verschiedenen Forschungsgebieten bereits seit langem Semantische Netze oder Ontologien gibt, um in Domänen Wissen oder gedankliche Vorstellungen zu modellieren. Eine erfolgreiche Kommunikation bzw. ein reibungsloser Informationsaustausch zwischen Sender und Empfänger setzt voraus, dass beide mit demselben Vokabular und mit einer von beiden Seiten akzeptierten Interpretation der jeweiligen Begriffe bzw. Vokabularien arbeiten [Dostal04c et al.]. Abweichungen im Vokabular, unterschiedliche Auslegungen eines Konzepts sowie homonym 6) und synonym 7) gebrauchte Begriffe erschweren oder machen es gar für eine der beiden Seiten unmöglich, den übertragenen Inhalt zweifelsfrei und unverzerrt zu verstehen. Die Bedeutung eines Wortes (= Semantik) ergibt sich erst, wenn der entsprechende Begriff mit einem Konzept bzw. einer gedanklichen Vorstellung verbunden ist. Gleiches gilt für das Verständnis gewonnener Kundenmeinungen: Auch hier werden Konzepte identifiziert, die mit einem Modell zu verknüpfen sind. Ein solches Modell beschreibt Konzepte mit ihren Eigenschaften und gegenseitigen Verbindungen. Dabei entspricht ein Konzept einer gedanklichen Vorstellung, welche mit dem jeweiligen Begriff in Beziehung gebracht wird [Daconta03 et al.]. Zeichen oder Daten übertragen demnach per se keine Semantik; die Bedeutung muss vom Menschen erschlossen werden [Dostal04c et al.]. Beim Decodieren von Information übernimmt der Mensch diese Leistung: Er verknüpft bekannte Zeichen mit erlernten Konzepten aus seinem Gehirn und versteht so die Bedeutung des übertragenen Vokabulars. Eine maschinelle Interpretation bzw. Integration extrahierter Meinungen in die Begriffswelt des Herstellers setzt dagegen Daten voraus, deren Bedeutung in einem Mo- 5) 6) 7) Beiträge dieser Art fallen unter die Gruppen sentiment identification und opinion extraction. Homonyme sind Begriffe, die trotz gleicher Schreibweise verschiedene Konzepte bezeichnen ( Bank, Schläger, Leiter etc). Synonyme bezeichnen das identische Konzept trotz unterschiedlicher Schreibweise. Beispiele sind die Wörter (Maschine, Flieger) für das Konzept Flugzeug.

13 4 Kapitel 1. Einführung dell eindeutig hinterlegt und definiert ist. Den bisherigen Verfahren beim Text Mining von Kundenmeinungen fehlt dieser vom Menschen geleistete Decodierungsprozess: Die Ansätze beschränken sich im Wesentlichen darauf, Kundenmeinungen in Dokumenten zu erkennen, zu extrahieren und zu klassifizieren. Einige Beiträge vergleichen zudem Produkte oder Produktkomponenten auf Grundlage abgegebener Kundenmeinungen. Es finden sich jedoch in der Literatur kaum Vorschläge, wie die ausgelesenen Informationen anhand eines Beschreibungsmodells in die Begriffswelt des Herstellers bzw. in seine unternehmerischen Abläufe automatisiert zu integrieren sind. Fehlt dieser Schritt, muss eine Person oder Fachabteilung die Ergebnisse manuell decodieren und sie für die unternehmensinterne Kommunikation aufbereiten. Angesichts vielfältiger Interessenten bzw. unterschiedlicher Fachabteilungen mit wiederum eigenem Vokabular und Informationsbedürfnissen laufen zentral erstellte Auswertungen Gefahr, nicht verstanden oder ausreichend genug beachtet zu werden. Die Ergebnisse bleiben wirkungslos, und das jeweilige Unternehmen versäumt wichtige Aktivitäten wie etwa Qualitätsverbesserungen. Zwischen Anbietern und Nachfragern bleibt die semantische Lücke 8) bestehen, die ein wirkungsvolles Beziehungsmarketing und eine Steuerung kundenindividueller Kommunikationsprozesse auf Grundlage rein textanalytisch gewonnener Ergebnisse erschwert. Der Informationsfluss zwischen Anbieter und Nachfrager ist verrauscht : Dafür sind unterschiedliche Vokabularien, Wahrnehmungen sowie fehlerhafte Interpretationen von Kundenäußerungen ausschlaggebend. Zudem kommen noch Befragungstechniken hinzu, deren Fragen zu stark vom Informationsinteresse des Herstellers getrieben sind, zu wenig auf tatsächliche Belange des Kunden eingehen und durch eine Reihe schwer kontrollierbarer Faktoren 9) verzerrt werden. Dies erfordert ein Instrumentarium, welches folgende Prozessschritte abzudecken hat: Die geäußerten Kundenmeinungen sind in Dokumenten zu identifizieren, auszulesen, Konzepte mit Meinungsäußerungen zu verbinden und mit der Begriffswelt des Hersteller abzugleichen. Die Kommunikation ist in dieser Arbeit nicht bi-direktional, sondern geht lediglich in eine einzige Richtung: Es wird ausschließlich die Herstellerseite als Empfänger der Kundenaussagen betrachtet; diese erhebt und wertet die Kundenäußerungen aus. Konsumenten spielen alleinig als Sender, nicht aber als Empfänger eine Rolle. Die vorherigen Überlegungen, welche der besseren Anschaulichkeit wegen auf einem beidseitigen Modell aufsetzen, gelten auch bei einer einspurigen Kommunikationsrichtung: Für den Hersteller als Informationsnachfrager bleibt das Problem bestehen, unterschiedliche Sprachkonstrukte und Auffassungen der Konsumenten verstehen und diese z.b. für die Weiterverarbeitung oder Weitergabe mit hohem Aufwand aufbereiten zu müssen. 8) 9) Der Begriff semantische Lücke stammt aus der Informatik und bezeichnet dort das Problem, Konzepte und Ideen, die in einer natürlichen Sprache formuliert sind, auf eine künstliche zu übertragen [Türker03]. In vorliegender Arbeit steht der Begriff semantische Lücke für die Kluft zwischen der Begriffswelt des Anbieters und Nachfragers, die es zu überbrücken gilt. Beispielhaft seien hier Zeitmangel und geringes Beteiligungsinteresse der Kunden genannt.

14 1.3 Zielsetzung Zielsetzung Das Ziel vorliegender Arbeit liegt darin, einen Beitrag zu leisten, wie sich aus Dokumenten teil-automatisiert für eine Domäne ein Beschreibungsmodell entwickeln lässt, mit welchem Informationsnachfrager wie z.b. Hersteller Kundenmeinungen automatisiert aus Dokumenten auslesen sowie die Ergebnisse in ihre Begriffswelt einordnen können. Ein solches Verfahren zielt darauf ab, die semantische Lücke zwischen Anbietern und Nachfragern bei meinungsbezogenen Daten zu überwinden. Es erlaubt dem Hersteller nicht nur, seine Produkte (einschließlich ihrer Produktkomponenten) auf Basis von Kundenurteilen mit anderen zu vergleichen, sondern bietet auch einen flexiblen Rahmen, der sich für unterschiedliche Analyseziele mit geringem Aufwand neu konfigurieren lässt. Das Beschreibungsmodell erfüllt damit zwei Aufgaben: Zum einen entspricht es einem computergestützt erstellten Katalog mit relevanten Konzepten für das Text Mining und dient gleichsam als Schablone, mit welcher die jeweiligen Dokumente durchgegangen werden. Zum anderen bietet das Beschreibungsmodell eine Datenstruktur, in welche die aus Meinungsberichten extrahierten Konzepte eingelesen und wieder auf die Begriffswelt des Informationsnachfragers abgebildet werden. Das Beschreibungsmodell muss maschinell interpretierbar sein und domänenspezifische Konzepte mit ihren jeweiligen Eigenschaften und gegenseitigen Verbindungen konsistent bezeichnen. Die vorgestellte Methode geht ausschließlich auf meinungsbezogene, subjektive Daten aus Internet-Meinungsportalen ein. Meinungsbezogene Aussagen setzen sich aus einem Bewertungsobjekt und Satzelementen zusammen, mit welchen Autoren ihre Meinung in Form von Urteilen, Einstellungen und Empfehlungen ausdrücken. Die den Analysen zugrunde liegenden Dokumente sind Meinungsberichte ( Reviews ) von Konsumenten sowie Handbücher ( Manuals ) von Herstellern zu den untersuchten Geräten. Am Anwendungsbeispiel portabler MP3-Spieler 10) werden die vorgeschlagenen Methoden demonstriert. Zwar sind MP3-Spieler typische Massenprodukte; sie eignen sich dennoch für ein Unternehmen, das strategische Konzept des Beziehungsmarketings umzusetzen: Viele Hersteller bieten ihren Kunden den Service, das jeweilige Produkt zu registrieren, und bauen so einen längerfristen Kontakt zu ihren Kunden auf, der sich z.b. für periodische Newsletter, Sonderaktionen oder individuell abgestimmte Angebote nutzen lässt. Ferner binden sie ihre Kunden über die mitgelieferte Software an das Unternehmen. MP3-Spieler benötigen für die Synchronisation zwischen Computer und MP3-Spieler eine eigene Software. Meist erlaubt es die beiliegende Software dem Kunden, mittels DRM 11) -Technologien geschützte Musik-Dateien im jeweiligen Musikportal des Herstellers (oder eines Kooperationspartners) online zu kaufen. Hersteller binden ferner über 10) 11) MP3 (eigentlich MPEG-1 Layer 3) ist ein Kompressionsverfahren von Audiosignalen und wurde vom Fraunhofer Institut entwickelt. DRM = Digital Rights Management. Unter DRM fallen Technologien, welche die Urheberrechte oder sonstige Interessen der Eigentümer am (digitalen) Inhalt sichern. Anwender müssen eine Lizenz erwerben, um den Inhalt nutzen zu können. DRM spielt etwa bei Musik- oder Video-Dateien eine wichtige Rolle, um sie gegen unerlaubte Reproduktion zu schützen.

15 6 Kapitel 1. Einführung proprietäre Systemtechniken oder Formate (z.b. ATRAC3-Codec 12) ) Kunden an das eigene Unternehmen, da es für sie aufwändig oder unmöglich ist, ihre gekauften Musikstücke auf Geräten fremder Hersteller abzuspielen. Im Rahmen vorliegender Arbeit werden folgende Fragestellungen diskutiert: Welche Theorien und Impulse gibt es im Bereich der Konsumentenforschung, die sich für Beschreibungsmodelle von Domänen eignen? Wie lassen sich aus Textdokumenten Konzepte extrahieren, und welche Methoden eignen sich, um daraus Konzepte für ein Beschreibungsmodell abzuleiten? Wie lassen sich aus Meinungsberichten subjektive Daten auslesen und mit den im Beschreibungsmodell definierten Konzepten verbinden? Wie lässt sich die semantische Ausrichtung von Urteilen automatisiert bestimmen? Wie lassen sich die extrahierten Kundenaussagen in das Beschreibungsmodell zurück schreiben und auswerten? Abbildung ) stellt die Zusammenhänge zwischen Problemstellung und Zielsetzung zusammenfassend dar. Zentrale Bedeutung nimmt dabei die These ein, wonach ein Beschreibungsmodell das Beziehungsmarketing unterstützen kann und es dem Unternehmen ermöglicht, Kundenmeinungen besser zu verstehen, Analyseergebnisse in die unternehmenseigene Begriffswelt zu integrieren und für betriebliche Prozesse zu nutzen. Unternehmen Kunden Informationsbedarf Feedback zu eigenen Produkten, Vergleiche mit Konkurrenzprodukten, Hinweise auf Verbesserungspotenziale, Hinweise auf Kundenanforderungen, Hinweise auf Akzeptanz, Hinweise auf Trends, Semantische Lücke Unterschiede in Sprache Auffassungen Absichten. Artikulation im Internet Feedback zu Produkten, Vergleich mit Konkurrenzprodukten, Hinweise auf Verbesserungspotenziale, Kundenwünsche und -anforderungen, Kundenspezifisches Vokabularium, öffentlich verfügbare Meinungen, Anforderung: Ausgleichsmechanismus Ziele vorliegender Arbeit (Auswahl) Domänenspezifisches Beschreibungsmodell, Nutzbarmachung von Kundenmeinungen, Abgleich beider Begriffswelten, Verwendung kundenspezifischer Ausdrücke, Identifikation relevanter Kundenmeinungen, Analyse der Kundenmeinungen, Integration der Analyseergebnisse. Abbildung 1.1 Zusammenhang zwischen Problemstellung und Zielsetzung [eigene Darstellung] 12) 13) ATRAC = Adaptive Transform Acoustic Coding ist ein Audiokompressionsverfahren von Sony und seit der Version 3 DRM geschützt [Sony05]; als Bindungsinstrument sind (Patent-)freie Formate wie Ogg und Ogg Vorbis weniger geeignet [Vorbis05]. Abbildung 1.1 berücksichtigt der besseren Übersichtlichkeit wegen keine Intermediäre, die eine Ausgleichsfunktion zwischen Unternehmen und Kunden übernehmen.

16 1.4 Forschungshypothesen und Forschungsdesign Forschungshypothesen und Forschungsdesign In vorliegender Arbeit wird eine Produktontologie als Beschreibungsmodell verwendet. In einer vorläufigen Kurzdefinition sind Ontologien Systeme zur Wissensrepräsentation, die [...] ein domänenspezifisches Vokabular von Begriffen mit einem Zusätzlichen [sic!] von formalisierten Beziehungen zwischen den Begriffen [...] kombinieren [Dostal04b et al., S. 53]. Ontologien bieten eine maschinell-auswertbare 14) Definition zentraler, domänenspezifischer Konzepte und legen deren Eigenschaften und gegenseitigen Beziehungen in einer formalisierten Modellierungssprache fest [Daconta03 et al.]. Ontologien spielen z.b. bei der computergestützten Kommunikation zwischen Software-Agenten eine Rolle, beim Datenaustausch oder wenn bereits vorhandene Informationen zwischen Domänen miteinander abzugleichen sind. Es wird die These vertreten, dass Ontologien als formalisierte Beschreibungsmodelle geeignet sind, für einen Hersteller das Problem der semantischen Lücke zu lösen. In der Marktforschung gibt es den Ansatz, gedankliche Vorstellungen von Konsumenten zu einem Produkt oder Markenimage mit assoziativen Netzen zu lösen [Grunert90]/ [Schmid96 et al.]. Assoziative Netze sind nach [Quillian68] sog. Semantische Netze und bilden einen Ansatz, Wissen mittels gegenseitiger Verbindungen von Konzepten so darzustellen, wie es im Langzeitgedächtnis des Menschen gespeichert wird [Kroeber-Riel03 et al.]. Die Eigenschaft, Wissenstrukturen in Form eines Netzwerks abzubilden, bieten u.a. auch Ontologien. Dies lässt sie geeignet erscheinen, objektives Wissen in der untersuchten Domäne zu modellieren und die entstandene Struktur mit subjektiven Aussagen der Kunden zu verbinden. Von einer (herstellerinitiierten) Ontologie im Bereich der Konsumentenforschung wird ferner gefordert, dass sie: als Schnittstelle zwischen Anbietern und Nachfragern in der Lage ist, die semantische Lücke mit einem flexiblen Beschreibungsmodell zu überbrücken, jederzeit beliebig um neue Konzepte erweitert werden kann und sich nicht mehr benötigte Konzepte entfernen lassen, ohne die Konsistenz zu gefährden: Sie bildet demnach auch Lernprozesse des Konsumenten ab, sich als Katalog eignet, in welchem Konzepte abgelegt sind, die als Schablone für das Text Mining eingesetzt werden, Analyseergebnisse aus dem Text Mining in die entsprechenden Eigenschaftsfelder integriert und so Ergebnisse in einen (sachlichen) Kontext rückt, ein flexibles Beschreibungsmodell bildet, mit dem sich Analyseergebnisse mit unterschiedlichen Vokabularien beschreiben und sich (z.b. nach Informationsbedarf aufbereitet) empfängerspezifisch an Fachabteilungen distribuieren lassen, verschiedenartige Beziehungen zwischen Konzepten abbilden kann. 14) Ein weiteres Charakteristikum von Ontologien ist, neues Wissen durch Inferenzschlüsse ableiten zu können. In einer Ontologie können sog. Inferenzmaschinen Konsistenzfehler aufspüren oder bestehende Konzepte innerhalb von Taxonomien verschieben.

17 8 Kapitel 1. Einführung In vorliegender Arbeit kommt ein kombiniertes Forschungsdesign zum Einsatz. Die mit dem Untersuchungsziel verbundenen Modelle und Theorien werden im Rahmen einer Literaturanalyse ( desk research ) erarbeitet: Hierbei interessieren vor allem Beiträge aus dem Umfeld der Konsumentenforschung, zum Text Mining im Bereich der Konsumentenforschung (insbesondere der automatisierten Identifikation und Extraktion von Meinungen aus Texten) sowie peripher zu Arbeiten zur Wissensrepräsentation und zur Entwicklung von Ontologien aus Textdokumenten. Mit der Datenanalyse gehen Beiträge zum Data Mining einher. In der wissenschaftstheoretischen Literatur wird die Fallstudie 15) ( case study ) aus der Sozialwissenschaft als qualitative Methode genannt, wenn die Datengrundlage aus Interviews, Gesprächsprotokollen oder Texten besteht und soziale Phänomene i.w.s. zu untersuchen oder interpretieren sind [Yin94]/ [Tellis97a]/ [Tellis97b]. [Yin94] sieht Fallstudien als geeignete Methode, falls folgende Bedingungen gegeben sind: [...] investigates a contemporary phenomenon within its real-life context, especially when the boundaries between phenomenon and context are not clearly evident [...] [Yin94, S. 13]. Das Anwendungsbeispiel vorliegender Arbeit entspricht einer explorativen 16) Fallstudie. Es soll damit die Frage beantwortet werden, ob und wie gut die ausgesuchten und theoretischen Vorüberlegungen sich an einem Anwendungsbeispiel mit Echtdaten bewähren. Bezogen auf die gewählte Untersuchungsdomäne fallen unter contemporary phenomenon die im Internet abgegebenen Meinungsäußerungen der Kunden zu bestimmten Produkten. Die Fülle an Veröffentlichungen zum Thema sentiment identification / opinion extraction lassen auf die wachsende Bedeutung schließen, Meinungen von Personen zu identifizieren und sie für betriebswirtschaftliche Entscheidungen zu verwenden. Subjektive Daten lassen hierbei das Paradoxon zu, nachvollziehbare Entscheidungen objektiv treffen zu können, da sich im Internet mittels Text Mining subjektive Daten weitgehend unverfälscht (vorausgesetzt die Dokumente sind nicht fingiert) und direkt vom Autor übernehmen lassen. Die Daten für das Anwendungsbeispiel sind zeitpunktbezogen und geben Meinungen von Konsumenten zu MP3-Spielern wieder. Sie stammen aus Meinungsportalen und werden unverändert übernommen. Der Fallstudie bzw. dem Anwendungsbeispiel liegt ein unterstellter Informationsbedarf von Herstellern zugrunde; dieser ist aus der einschlägigen Literatur zur Konsumentenforschung abgeleitet und nicht spezifisch auf ein bestimmtes Unternehmen bezogen. Im 3. Kapitel wird das Basis-Anwendungsbeispiel erweitert und Szenarien angesprochen, die z.b. auch für Betreiber von online-meinungsportalen infrage kommen. Die Ergebnisse der Fallstudie haben keinen allgemein gültigen Charakter, auch wenn die eingesetzten Methoden generisch sind, um für jede Art von Text Mining meinungsbezogener Daten eingesetzt werden zu können. Die Ergebnisse der Fallstudie müssen in ihrem jeweiligen Kontext interpretiert werden. 15) 16) Illustrative Fallstudien im Sinne didaktischer Hilfmittel für Lehrzwecke bleiben unberücksichtigt. Explorative ( untersuchend ) Fallstudien sind vom Typ her mit Machbarkeits- bzw. Pilotstudien vergleichbar. Mit explorativen Fallstudien lassen sich Lücken identifizieren, Risiken erkennen und Erfahrungen sammeln, bevor größere Forschungsvorhaben aufgesetzt werden. Im Bereich der Softwareentwicklung werden mit dem Prototyping ähnliche Ziele verfolgt [Amberg99].

18 1.5 Neuartigkeit und Abgrenzung Neuartigkeit und Abgrenzung Die Neuartigkeit besteht darin, im Bereich sentiment identification / opinion extraction 17) identifizierte Kundenmeinungen zu Produkten (inklusive ihrer Bauteile) auf eine produktspezifische Ontologie als semantisches Beschreibungsmodell abzubilden ( Produktontologie ). In dieser sind domänenspezifische Konzepte mit ihren Eigenschaften und wechselseitigen Relationen definiert. Dieser Schritt erlaubt es, computergestützt ein konsistentes Beschreibungsmodell zu entwickeln und als Schablone für das Text Mining der Kundenmeinungen einzusetzen. Damit wird das Problem unterschiedlicher Vokabularien von Autoren beseitigt. In der Literatur zur automatisierten Identifikation und Extraktion von Kundenmeinungen finden sich nur wenige Ansätze, die eine Ontologie für einen solchen Zweck einsetzen, obgleich in der Konsumentenforschung bereits seit längerem Semantische Netze eingesetzt werden. Bei der Analyse assoziativer Netze werden meist inhaltsanalytische Techniken eingesetzt; der Forscher codiert manuell oder computergestützt Textstellen und überführt diese in ein Kategoriensystem (z.b. hierarchische Taxonomien). Im Vergleich dazu berücksichtigt der hier vorgestellte Ansatz die Sprache des Autors und nutzt bereits syntaktische Beziehungen zwischen Satzelementen, mit denen sich z.b. Vererbungsstrukturen nachbilden lassen. Die Unterschiede der vorgeschlagenen Methode zu alternativen Befragungstechniken verdeutlicht Abbildung 1.2. interne Marktforschungsabteilung externe Marktforschungsinstitute Beratungsunternehmen Sonstige Dienstleister objektiv subjektiv interne Marktforschungsabteilung externe Marktforschungsinstitute Beratungsunternehmen Sonstige Dienstleister Planungsaufwand (hoch) Planungsaufwand (niedrig) Herstellersicht eigene Studien fremde Studien Charakteristika Messreihen Beobachtung harte Daten Herstellersicht fremde Studien kein Einfluss Charakteristika Messreihen Beobachtung harte Daten Herstellersicht eigene Studien fremde Studien Charakteristika Meinungsberichte Befragung weiche Daten Vorgestellter Ansatz weiche Daten online-monitoring permanent Produktontologie Internet-Quellen Erfahrungsberichte externe unabhängige Marktforschungsinstitute Marktforscher interne unabhängige Marktforschungsabteilung Fachmagazine unabhängige Stiftung Warentest Fachmagazine Stiftung TÜV Warentest etc. Betreiber von Meinungsportalen externe Marktforschungsinstitute Beratungsunternehmen interne Marktforschungsabteilung Abbildung 1.2 Gegenüberstellung mit alternativen Befragungstechniken [eigene Darstellung] 17) Beides sind Anwendungen des Text Mining, die darauf abzielen, in Texten computerbasiert Meinungen zu einem bestimmten Sachverhalt zu identifizieren und auszulesen.

19 10 Kapitel 1. Einführung Die 4-Felder-Matrix aus Abbildung 1.2 (S. 9) zeigt in ihrem ersten Quadranten Ergebnisse, die auf harten Daten aufbauen, die objektiv und nachvollziehbar durch Beobachtung oder technische Messgeräte erhoben werden. Die Ergebnisse benötigen eine gewisse Vorlaufzeit und erfordern daher einen hohen Planungsaufwand, auch wenn externe Dienstleister die Marktforschungsstudien durchführen. Ein Beispiel dafür sind sog. teardown -Studien, in welchen Geräte demontiert und hinsichtlich Aufbau, verwendeter Materialien und damit zusammenhängender Kostenstruktur miteinander verglichen werden. Der rechte obere Quadrant unterscheidet sich vom ersten durch die Datengrundlage: Hierbei stehen weiche Daten im Vordergrund; darunter fallen u.a. Meinungen von Konsumenten: Als Beispiel kommen hier Kundenzufriedenheitsstudien infrage. Im linken unteren Quadranten sind Studien aufgelistet, die auf objektiven Daten basieren und einen geringeren Planungsaufwand erfordern. Beispielhaft sei hier die Datenerhebung durch Scannerkassen beim Einkauf genannt; damit verbundene Analysen liefern quasi Ergebnisse in Echtzeit. Mit geringem Planungsaufwand sind zwar auch Studien fremder Testlabore verbunden, sie fallen aber nicht unter ad-hoc-ergebnisse. Beispiele sind hierbei Untersuchungen von Testinstituten, die Produkte mithilfe von Messgeräten untersuchen und quantitative Abweichungen zwischen Soll- und Istwerten festhalten. Der vierte Quadrant enthält die in dieser Arbeit vorgestellte Methode: Sie verwendet weiche Daten und ist durch geringen Planungsaufwand gekennzeichnet. Die Ergebnisse liegen ad-hoc vor und können laufend abgerufen werden. Die zugrunde liegenden Daten stammen aus einem Meinungsportal und lassen sich permanent voll-automatisiert erheben. Meinungsportale 18) sind öffentlich zugängliche Kommunikationsplattformen, die es Konsumenten ermöglichen, ihr Wissen, Bewertungen und Erfahrungsberichte zu Produkten etc. zu veröffentlichen und abzufragen [Gelenkirchen01]. Sie erlauben den Austausch von Konsumentenmeinungen und fördern somit positive oder negative Mund-Werbung [Diller01b]. Im Gegensatz zu den bisherigen Anwendungen besteht die Datengrundlage aus Fließtext, welcher zunächst mittels textanalytischer Verfahren in ein Tabellenformat für weiterführende Auswertungen zu konvertieren ist. Das Potenzial der vorgestellten Methode liegt darin, die im Internet frei und ohne großen Aufwand verfügbaren Meinungen für die innerbetriebliche Konsumentenforschung zu verwenden und aus abgegebenen Kundenäußerungen Impulse für die Produktentwicklung und kontinuierliche -verbesserung abzuleiten. In ihrem Beitrag zählen [Hennig-Thurau04 et al.] Gründe wie Altruismus, Idealismus oder Produkt-Involvement auf, weshalb Konsumenten ihre Meinung zu Marken, Produkten, Unternehmen etc. untereinander austauschen oder im Internet veröffentlichen. Kommunikationsteilnehmer sind im Internet untereinander vernetzt, sodass positive wie negative Meinungen eine eigene Dynamik entwickeln 18) Alternativ werden in der Literatur auch die Begriffe Meinungsforen oder Meinungsplattformen verwendet. Meinungsplattformen stellen die von Kunden geschriebenen Berichte in einem einheitlichen Aufbau auf ihren Webseiten dar. Der Leser kann den Datenbestand nach bestimmten Kriterien (z.b. Produkte, Hersteller, Kategorien, Preisspannen etc.) durchsuchen oder filtern. Darüber hinaus kann er abgegebene Erfahrungsberichte von anderen Nutzern bewerten oder kommentieren.

20 1.5 Neuartigkeit und Abgrenzung 11 können [Helm00]. Ein Unternehmen kann darauf durch ein permanentes online-monitoring von Meinungsportalen reagieren, um möglichst frühzeitig (negative) Kundensignale zu erkennen, bevor diese eskalieren 19) [Helm00]/ [Hermanns04 et al.]/ [Hennig- Thurau04 et al.]. Stichpunktartig zusammengefasst, unterscheidet sich die vorgestellte Methode von alternativen Befragungstechniken durch unten stehende Aspekte und verspricht folgende Nutzenpotenziale: permanentes Monitoring von weichen Daten mittels einer Ontologie, Verfahren verwendet kundenspezifisches Vokabularium, Untersuchung der Meinungen bleibt von Konsumenten unbemerkt, Verfahren setzt kein Beteiligungsinteresse der Konsumenten voraus, keine Medienbrüche, da Daten von Beginn an digital vorliegen, Verfahren ist von zeitlichen Einflüssen unabhängig, die Ergebnisse verzerren, Verfahren sammelt Daten global und über kulturelle Grenzen hinweg, jederzeit abrufbare ad-hoc-ergebnisse, einmaliger Aufwand, die erforderlichen Data Mining-Abläufe zu modellieren, geringere Verzerrung durch Interviewereinflüsse oder Art der Fragestellung, Kosten sinken pro ausgewertetem Dokument. Vorliegende Arbeit stellt einen teil-automatisierten Ansatz vor, wie sich u.a. aus Textdokumenten relevante Begriffe für Ontologie-Konzepte gewinnen lassen. Zwar gibt es mittlerweile Werkzeuge, die voll-automatisiert Ontologien aufbauen bzw. Vorschläge dafür generieren und sich damit für ein solches Teilproblem empfehlen würden, doch werden solche Anwendungen im Folgenden nicht verwendet: Sie bieten dem Anwender zu geringe Flexibilität, unterschiedliche Data Mining-Algorithmen einzubinden und sind nicht spezifisch genug, die Anforderungen aus der gewählten Domäne zu erfüllen. Darüber hinaus werden in vorliegender Arbeit keine Ontologien miteinander abgeglichen ( ontology matching ). Die Kommunikation geht lediglich in Richtung des Herstellers als Informationsnachfrager: Die Nachfragerseite selbst besitzt keine Ontologie. Die seitens der Kunden abgegebenen Meinungen werden in entsprechende Eigenschaftsfelder in der Produktontologie eingelesen. Die Meinungen stammen aber nicht aus einer Ontologie oder aus einem andersartig strukturierten Datenschema. Ferner werden keine Methoden untersucht, wie sich ähnliche Konzepte innerhalb einer Ontologie oder zwischen Ontologien auffinden lassen; ein solches Verfahren ist vor allem für einen beidseitigen Datenaustausch interessant, den es in dieser Arbeit nicht gibt. 19) Nach der Markteinführung des MP3-Spielers Apple ipod nano gab es Qualitätsprobleme, über die in verschiedenen Virtual Communities, Blogs und auf Meinungsportalen berichtet wurde. Die negativen Berichte wurden rasch von Nachrichtenmagazinen und Fachzeitschriften übernommen [Spiegel05]/ [Heise05]; sie zwangen Apple Computer, das Problem einzugestehen und kulant zu reagieren. Das Beispiel unterstreicht die Notwenigkeit eines permanenten online-monitorings von Meinungen.