| Download ( PDF | 10MB) | Lizenz: Veröffentlichungsvertrag für Publikationen ohne Print on Demand |
Konzeption, Implementierung und Evaluation von
automatisierten Ansätzen zur Analyse von Social-Media
Inhalten
Schwaiger, Josef Michael
(2021)
Konzeption, Implementierung und Evaluation von
automatisierten Ansätzen zur Analyse von Social-Media
Inhalten. Dissertation, Universität Regensburg.
Veröffentlichungsdatum dieses Volltextes: 05 Mai 2021 10:36
Hochschulschrift der Universität Regensburg
Zusammenfassung (Deutsch)
Diese Dissertation behandelt die Konzeption und Entwicklung der hybriden Softwarelösung „Universität Regensburg: Social-Media Analysis Research Toolkit“ (UR:SMART), welche die mehrstufige Kombination verschiedener Social-Media Analysetechniken(Sentiment Analyse, Klassifikation von Posts, Clustering und quantitative Analysen) und verschiedene Datenformate (z. B. strukturierte bzw. unstrukturierte ...
Diese Dissertation behandelt die Konzeption und Entwicklung der hybriden Softwarelösung „Universität Regensburg: Social-Media Analysis Research Toolkit“ (UR:SMART), welche die mehrstufige Kombination verschiedener Social-Media Analysetechniken(Sentiment Analyse, Klassifikation von Posts, Clustering und quantitative Analysen) und verschiedene Datenformate (z. B. strukturierte bzw. unstrukturierte Daten) unterstützt.
Der entwickelte, hybride Analyseansatz ermöglicht eine detaillierte, mehrstufige Untersuchung verschiedener Datenbasen, einschließlich Social-Media Posts oder Kommentaren auf der Fanseite oder Website eines
Unternehmens. Somit kann ein breiteres Spektrum hochkomplexer Problemstellungen, auf Basis der Kombination verschiedener Analyseformen sowie der Integration neuer Analysetypen, gelöst werden. Auf diese Weise kann ein Unternehmen, welches die hybride Analyse verwendet, beispielsweise direkt über die Gründe informiert werden, die zu einer positiven oder negativen Kundenerfahrung führen(z. B. Kundendienst, Produktqualität usw.). Solche Informationen stellen einen erheblichen Wissenszuwachs dar und können auf viele sinnvolle Arten genutzt werden, beispielsweise als verlässliche Entscheidungsgrundlage bei der Planung künftiger CRM Kampagnen.
Übersetzung der Zusammenfassung (Englisch)
This dissertation deals with the conception and development of the hybrid software solution "University of Regensburg: Social-Media Analysis Research Toolkit" (UR:SMART), which supports a multi-stage combination of different social-media analysis techniques (sentiment analysis, classification of posts, clustering and quantitative analysis) and various data formats (e.g. structured or unstructured ...
This dissertation deals with the conception and development of the hybrid software solution "University of Regensburg: Social-Media Analysis Research Toolkit" (UR:SMART), which supports a multi-stage combination of different social-media analysis techniques (sentiment analysis, classification of posts, clustering and quantitative analysis) and various data formats (e.g. structured or unstructured data).
The developed hybrid analysis approach enables a detailed, multi-level examination of various datasources, including social media posts or comments on the fansite or website of a company. A broad spectrum of highly complex problems can thus be solved on the basis of the combination of different forms of analysis and the integration of new types of analysis. In this way, a company using the hybrid analysis can, for example, be informed directly about the reasons that lead to a positive or negative customer experience (e.g. customer service, product quality, etc.). Such information represents a significant increase in knowledge and can be used in many sensible ways, for example as a reliable basis for decision-making when planning future CRM campaigns.
Beteiligte Einrichtungen
Details
| Dokumentenart | Hochschulschrift der Universität Regensburg (Dissertation) |
| Datum | 5 Mai 2021 |
| Begutachter (Erstgutachter) | Prof. Dr. Susanne Leist und Prof. Dr. Günther Pernul |
| Tag der Prüfung | 24 Juni 2020 |
| Institutionen | Wirtschaftswissenschaften > Institut für Wirtschaftsinformatik > Lehrstuhl für Wirtschaftsinformatik III - Business Engineering (Prof. Dr. Susanne Leist) Informatik und Data Science > Fachbereich Wirtschaftsinformatik > Lehrstuhl für Wirtschaftsinformatik III - Business Engineering (Prof. Dr. Susanne Leist) |
| Stichwörter / Keywords | Social Media, Sentiment Analyse, Klassifikation, Clustering, Hybride Analyse |
| Dewey-Dezimal-Klassifikation | 300 Sozialwissenschaften > 330 Wirtschaft |
| Status | Veröffentlicht |
| Begutachtet | Ja, diese Version wurde begutachtet |
| An der Universität Regensburg entstanden | Ja |
| URN der UB Regensburg | urn:nbn:de:bvb:355-epub-435109 |
| Dokumenten-ID | 43510 |
Downloadstatistik
Downloadstatistik