Möglichkeiten des Opinion Mining zur zielgruppengerechten Anforderungsanalyse bei der App-Entwicklung

Transkript

1 Möglichkeiten des Opinion Mining zur zielgruppengerechten Anforderungsanalyse bei der App-Entwicklung 12. März 2014 Prof. Dr. Michael H. Ceyp Prof. Dr. Ceyp 1

2 Inhaltsübersicht 1. Kurzvorstellung Person 2. Lehr-/Lernziele 3. Einführung in den Bereich App 4. Opinion Mining und Requirements-Engineering Ableitung von Anforderungen 5. Praxisbetrachtungen 6. Zusammenfassung und Ausblick Prof. Dr. Ceyp 2

3 1. Kurzvorstellung Person Prof. Dr. Ceyp 3

4 Michael H. Ceyp (49 Jahre): seit 2001 Professor für Marketing an der FH Wedel und der FOM Schwerpunkt: (Online)-Marketing Promotion zum Dr. rer. pol. (bei Prof. Dr. Heribert Meffert) Studium zum Dipl-Kfm. Universität Münster Berufspraxis u.a.: - Manager New Business Development in Start up - Dialogmarketing Berater - Geschäftsführer eines Fachverlages - Aufsichtsratsvorsitzender einer Fondsgesellschaft - Marketingleiter in Medienunternehmen Prof. Dr. Ceyp 4

5 1. Kurzvorstellung Person 2. Lehr-/Lernziele Prof. Dr. Ceyp 5

6 Lehr-/Lernziele 1. Einordnung, Prozess und Bedeutung von Opinion Mining in Sozialen Medien erfassen und beurteilen 2. Grundprozess des Anforderungsmanagement überblicken und Teilschritt der Anforderungsermittlung nachvollziehen 3. Überblicken, wie Opinion Mining zur Anforderungsermittlung/-analyse eingesetzt werden kann Prof. Dr. Ceyp 6

7 Literatur Alfaro, C. et al.; A multi-stage method for content classification and opinion mining on weblog comments, in: Annals of Operations Research, September Clement, R., Schreiber, D. Internet-Ökonomie,2. Auflg., Berlin/Heidelberg Graubner-Müller, A., Web Mining in Social Media, Norderstedt Kaiser, C., Business Intelligence 2.0, Wiesbaden Kollmann, T., E-Business, 5. Auflg., Wiesbaden Liu, B., Web Data Mining, 2. Auflg., Berlin/Heidelberg Mayring, Ph., Qualitative Inhaltsanalyse, 10. Auflage, Weinheim, Russell, M.A., Mining the Social Web, Sebastopol, Prof. Dr. Ceyp 7

8 Literatur Grimm, A., Prozessorientierter Umgang mit Anforderungen für die kundenspezifische Auftragsabwicklung, Wiesbaden Hansen, H. R., Neumann, G., Wirtschaftsinformatik 1, 10. Auflage, Stuttgart Niebisch, Th., Anforderungsmanagement in sieben Tagen, Berlin u.a Müller, A. et al., Lean IT-Management, Wiesbaden Rupp, C., et al., Systemanalyse kompakt, 3. Auflage Berlin u.a Prof. Dr. Ceyp 8

9 1. Kurzvorstellung Person 2. Lehr-/Lernziele 3. Einführung in den Bereich App Prof. Dr. Ceyp 9

10 Definition App???? Zusätzliche Anwendungen (sogenannte Apps), die Nutzer auf ihrem Gerät installieren. (Quelle: Bitkom) Prof. Dr. Ceyp 10

11 Erste App in Deutschland 2004: Kieler Woche Prof. Dr. Ceyp 11

12 Beispiel Autofahrer können ab sofort günstiger tanken. Sie müssen dafür nur die Daten der neuen Markttransparenzstelle nutzen, denn diese liefert seit Mittwochmittag aktuelle Preise von der insgesamt Tankstellen in Deutschland an Anbieter von Verbraucherinformationen. Die ersten sind der Automobilklub ADAC und der Internetpreisvergleich Clever-Tanken.de: Auf deren Internetseiten und Apps finden Autofahrer sämtliche Tankstellenpreise für Superbenzin, Superbenzin E10 und Diesel. Nach Berechnungen von Clever Tanken können Verbraucher dadurch bis zu 300 Euro im Jahr beim Tanken sparen. Auch die Internetseiten Mehr-Tanken.de sowie Spritpreismonitor.de sind unter den ersten Anbietern der Preisdaten. Insgesamt zwölf Datenanbieter hatte das Kartellamt zuvor zugelassen, die anderen acht Angebote folgen in den nächsten Wochen. Der Ansturm ist jedoch groß: Der Behörde liegen etwa 100 Anträge vor. Prof. Dr. Ceyp 12

13 Bsp: clever-tanken.de Prof. Dr. Ceyp 13

14 Bsp: clever-tanken.de Prof. Dr. Ceyp 14

15 Integrationskonzept mobiler Applikation (Quelle: Bitkom) Prof. Dr. Ceyp 15

16 Wunschaktivitäten Prof. Dr. Ceyp 16

17 Paradigmenwechsel Prof. Dr. Ceyp 17

18 Marktvolumen weltweit (Quelle: Statista) Prof. Dr. Ceyp 18

19 1. Kurzvorstellung Person 2. Lehr-/Lernziele 3. Einführung in den Bereich App 4. Opinion Mining und Requirements-Engineering Ableitung von Anforderungen Prof. Dr. Ceyp 19

20 Social Media Universe Prof. Dr. Ceyp 20

21 Social Network Users (Quelle: Prof. Dr. Ceyp 21

22 Soziale Medien...stellen eine Sammlung von Internetanwendungen dar, welche auf den technologischen Grundlagen des Web 2.0 basieren und den Nutzern die Erstellung und den Austausch von nutzergenerierten Inhalten erlauben. ( user generated content ) (Quelle: Kaplan/Haenlein 2010 zitiert nach Bulander/Wüstemann 2012, S. 129) Prof. Dr. Ceyp 22

23 Abgrenzung Fakten versus Meinungen (Bsp: Amazon.de) Prof. Dr. Ceyp 23

24 Drei Stufen Modell im Social Media Marketing Zuhören: Quellen/Plattformen identifizieren Gespräche/Posts/Reviews etc. aufnehmen Beteiligen: sich selbst aktiv an Diskussionen auf Social Media Plattformen beteiligen antworten, kommentieren, loben etc. Gestalten : Social Media Buzz aktivieren eigene Plattformen designen und betreiben Markenbildung und Sales vorantreiben Prof. Dr. Ceyp 24

25 Beispiel Dell: Social Media Listening Command Center Prof. Dr. Ceyp 25

26 (Quantitatives) Social Media Monitoring Prof. Dr. Ceyp 26

27 Ziele des Opinion Mining Opinion Mining zielt darauf ab, verbal formulierte Meinungen, Begutachtungen, Einstellungen und Emotionen in Bezug auf Dinge, Personen, Probleme, Veranstaltungen, oder Themen mithilfe von Text- Mining-Methoden zu erkennen. (Quelle: angelehnt an: Liu, B., Web Data Mining, 2. Auflg., Berlin/Heidelberg 2011, Seite 459 ff.) Prof. Dr. Ceyp 27

28 Abgrenzung Text Mining zu Opinion Mining Text Mining bezeichnet die faktengestützte Aufdeckung von Zusammenhängen und Wissen aus Texten. Aufgabenfelder sind das Information Retrieval, die Klassifikation von Dokumenten, die Extraktion und Clustering von relevanten Informationen. Opinion Mining dient der Analyse und Aufdeckung von Meinungen. Dazu zählen Stimmungen, eigenschaftsbasierte Urteile über Produkte und vergleichsbasierte Einschätzungen von Produkten. Zusatz: das Opinion Mining bedient sich dabei klassischer Text-Mining-Ansätze (Quelle: Clement, R., Schreiber, D. Internet-Ökonomie,2. Auflg., Berlin/Heidelberg 2013, S. 426) Prof. Dr. Ceyp 28

29 Synonyme zum Begriff Opinion Mining Web Opinion Mining (WOM) Sentiment Analysis Sentiment Mining Subjectivity Analysis Emotion Detection Opinion Detection. Prof. Dr. Ceyp 29

30 Arbeitsdefinition Opinion Mining (abgekürzt: OM) Opinion Mining ist der (zielgerichtete) Prozess der Planung, Erfassung und Analyse unstrukturierter Daten aus dem Internet mit dem Ziel, Handlungsempfehlungen für eine verbesserte Zielerreichung abzuleiten. Die untersuchten, unstrukturierten Daten (i.d.r. Texte) sind ausschließlich Meinungen, die auf unterschiedlichen (Social-Media-)Plattformen veröffentlicht werden. Zentrales Element des OM ist die sog. Sentiment -Analyse, d.h. die Auswertung, ob eine persönliche Meinung positiv, neutral oder negativ gemeint ist. Opinion Mining erfolgt angesichts riesiger Datenvolumina mittels Softwareunterstützung. Prof. Dr. Ceyp 30

31 Prozess des Opinion Mining (Quelle: Clement, R., Schreiber, D. Internet-Ökonomie,2. Auflg., Berlin/Heidelberg 2013, S. 427) Prof. Dr. Ceyp 31

32 Richtungen des Opinion Mining Opinion Mining umfasst vier Richtungen: dokumenten-, eigenschafts-, vergleichs- und prognose-basiertes Opinion Mining (Liu 2007). Das dokumentenbasierte Opinion Mining beschäftigt sich damit, Dokumente nach ihrer Einstellung zu einem Objekt zu klassifizieren. Das eigenschaftsbasierte Opinion Mining fokussiert hingegen auf die Meinungen zu Eigenschaften von Objekten. Das vergleichsbasierte Opinion Mining zielt darauf ab, Sätze in Dokumenten aufzufinden, in denen Objekte miteinander verglichen werden, und darin die präferierten Objekte zu erkennen. Das prognosebasierte Opinion Mining beschäftigt sich mit der Erkennung von Meinungen zu zukünftigen Begebenheiten. Prof. Dr. Ceyp 32

33 Anforderungsanalyse ( Requirements-Engineering ) die möglichst vollständige Gewinnung und Aufzeichnung der Anforderungen an ein zu erstellendes oder zu erweiterndes System. Als Resultat dieser Tätigkeit wird die Anforderungsspezifikation erstellt. Da die gesamte Systementwicklung auf dieser Anforderungsspezifikation aufbaut, sollte sie vollständig, gut verstehbar sowie fehlerund widerspruchsfrei sein. Weitere Bezeichnungen der Praxis: Anforderungsmanagement, Requirements-Management and Engineering Ergebnis: Lastenheft (Quelle:Hansen/Neumann, Wirtschaftsinformatik 1, 10. Auflage, Stuttgart 2010, S. 350) Prof. Dr. Ceyp 33

34 Anforderungen und Requirements Eine Anforderung besteht aus zwei Teilen: den Anforderungsattributen und deren zugehörigen Anforderungsinhalten. Der Anforderungsinhalt ist die tatsächliche Ausprägung der Anforderungsattribute. (Quelle: Grimm, A., Prozessorientierter Umgang mit Anforderungen für die kundenspezifische Auftragsabwicklung, Wiesbaden 2011 S. 39) Prof. Dr. Ceyp 34

35 Klassen von Anforderungen an Apps Nichtfunktionale Anforderungen (Betrieb) Funktionale Anforderungen (Quelle: Niebisch, Th., Anforderungsmanagement in sieben Tagen, Berlin u.a. 2013, S. 204ff.) Prof. Dr. Ceyp 35

36 Betriebs-Anforderungen (sog. Nichtfunktionale Anforderungen) Grundlage für Qualitätsattribute im Betrieb ISO 9126 und seit 2005 neu ISO/IEC 25000: Benutzbarkeit Sicherheit Zuverlässigkeit Übertragbarkeit Wartbarkeit Effizienz/Performance Design-Vorgaben Pflicht (Quelle: Niebisch, Th., Anforderungsmanagement in sieben Tagen, Berlin u.a. 2013, S. 204ff.) Prof. Dr. Ceyp 36

37 Quality Gates im Anforderungsmanagement Lean IST. 26 (Quelle:A. Müller et al., Lean IT-Management, Wiesbaden 2011, S. 26) Prof. Dr. Ceyp 37

38 Lastenheft auf Grundlage VDI2519, S.2 Zusammenstellung aller Anforderungen des Auftraggebers hinsichtlich Liefer- und Leistungsumfang. Im Lastenheft sind die Anforderungen aus Anwendersicht einschließlich aller Randbedingungen zu beschreiben. Diese sollen qualifizierbar und prüfbar sein. Im Lastenheft wird definiert WAS und WOFÜR zu lösen ist. Das Lastenheft wird vom Auftraggeber oder in dessen Auftrag erstellt. Es dient als Ausschreibungs-, Angebots- und/ oder Vertragsgrundlage. Prof. Dr. Ceyp 38

39 1. Kurzvorstellung Person 2. Lehr-/Lernziele 3. Einführung in den Bereich App 4. Opinion Mining und Requirements-Engineering Ableitung von Anforderungen 5. Praxisbetrachtungen 6. Zusammenfassung und Ausblick Prof. Dr. Ceyp 39

40 App Store von Google Prof. Dr. Ceyp 40

41 App Store bei Amazon Prof. Dr. Ceyp 41

42 Bsp-App: Quizduell PREMIUM Prof. Dr. Ceyp 42

43 Bsp-App: Quizduell PREMIUM Prof. Dr. Ceyp 43

44 Bsp-App: Quizduell PREMIUM Prof. Dr. Ceyp 44

45 Bewertungen Quizduell PREMIUM bei itunes Prof. Dr. Ceyp 45

46 Fallbeispiel: iphone 4 Prof. Dr. Ceyp 46

47 1. Kurzvorstellung Person 2. Lehr-/Lernziele 3. Einführung in den Bereich App 4. Opinion Mining und Requirements-Engineering Ableitung von Anforderungen 5. Praxisbetrachtungen 6. Zusammenfassung und Ausblick Prof. Dr. Ceyp 47

48 Gartnersche Hype Cycle Prof. Dr. Ceyp 48

49 Opinion Mining als Staatsaufgabe? Two years ago the National Security Agency talked publicly about creating a new type of technology that would grab essentially every kind of data there is. In July, the Defense Advanced Research Projects Agency, the military s R&D arm, issued a Social Media in Strategic Communication proposal that called for $42 million to go toward better social networking analysis. The idea is to track the spread of ideas on networks such as Facebook, find people participating in persuasion campaigns, and develop countermeasures. We must eliminate our current reliance on a combination of luck and unsophisticated manual methods, the agency said. Prof. Dr. Ceyp 49

50 Abschlußzitat Wir ertrinken in Daten und hungern nach Wissen John Naisbitt, (amerikanischer Zukunftsforscher) Prof. Dr. Ceyp 50

51 Vielen Dank für Ihre Aufmerksamkeit und ich freue mich auf die Diskussion! Prof. Dr. Michael Ceyp Prof. Dr. Ceyp 51