Die folgenden kritischen Faktoren, die bei der Interpretation der Ergebnisse berücksichtigt werden müssen, sind größtenteils bezogen auf die Postings der
Lufthansa. Die Analyse der Userposts sind weitestgehend davon ausgenommen.
Ein offensichtlicher Negativpunkt ist, dass die ausgewählte Fallanzahl
für die Facebook-Posts der Lufthansa mit N= 46 zu gering ist, um ein
repräsentatives Ergebnis zu erzielen. Dafür wäre es von Vorteil, mehrere
Analyseabschnitte verteilt über einen längeren Zeitraum zu haben. Es ist zu
vermuten, dass der Dezember einen Sonderstatus hat, da Weihnachten und
Silvester in diesen Monat fallen und eventuell weniger gearbeitet wird durch
die Feiertage beziehungsweise mehr Leute Freizeit haben, weil sie zu Hause
sind. Des Weiteren nimmt die Promotion der Kampagne „Inspired by“ einen
Großteil der Posts ein. Es wäre wichtig Posts von Zeiträumen zu analysieren, in
denen die Kampagne keine übergeordnete Bedeutung hat.
Für die Berechnung des Viralitätsfaktors ist die Fananzahl notwendig,
die die Seite während des Posts hatte. Ich habe die Posts im Nachhinein analysiert
und somit für alle Posts die Fanzahl des Stichtages verwendet. Somit fällt der
Viralitätsfaktor, besonders der, der früheren Posts etwas kleiner aus, als er
sein müsste.
Die Eigenschaften Emotional, Konkret und Einfach ließen sich meiner
Meinung nach schwer den einzelnen Posts zuordnen. Obwohl in der Studie von vi
knallgrau eine Definition gegeben wurde, was einfache, konkrete und emotionale
Posts bedeuten, war die Abgrenzung von „einfach“ und „konkret“ kompliziert und
kann weit ausgelegt werden. Somit ist den einzelnen Werten keine zu große
Gewichtung zuzukommen.
Die Ergebnisse und Berechnungen verwaltete ich in einer Excel-Tabelle.
Um Signifikanzen zu überprüfen, wäre es besser gewesen, SPSS zu verwenden. Für
eine Folgeuntersuchung ist dies zu empfehlen.
Leider ist eine Überprüfung von günstigen Posting-Zeiten nicht möglich
gewesen, wie es in der Studie von vi knallgrau gemacht wurde, da es im
Nachhinein nicht mehr möglich ist, die genau Uhrzeit des Postes zu sehen,
sondern nur das Datum.
Und zu guter Letzt sind die berechneten Veränderungen der Viralität in
Abhängigkeit der einzelnen Faktor sehr gering, sodass sie wahrscheinlich nicht
sehr aussagekräftig sind.
Um hier wirklich repräsentative Ergebnisse und Korrelationen zu
erreichen, wäre eine Folgeuntersuchung mit einer großen Fallzahl zu empfehlen,
eine Analyse via SPSS und ein Längsschnitt von Postings aus unterschiedlichen
Wochen verteilt auf ein Jahr.
Den Viralitätsfaktor als ausschlaggebende Vergleichsgröße halte ich für geeignet, da sie die wichtigsten Parameter enthält. Möglicherweise ist es sinnvoll, die Größe anders zu benennen, da es sich nicht wirklich um Viralität handelt, sondern eher um eine Interaktionsrate. Um wirklich Viralität zu messen, müsste man die drei Parameter Kommentare, Likes, Shares mit Faktoren unterschiedlich gewichten, da diese bestimmen, ob der Post von Freunden des Fans gesehen wird. Shares werden höchstwahrscheinlich im News-Feed angezeigt, Kommentare eher selten, diese erscheinen nur im Ticker. Aber dafür müsste man Facebooks Algorithmus besser kennen, um dies differenziert beurteilen zu können und danach eine Berechnung aufzustellen.
Den Viralitätsfaktor als ausschlaggebende Vergleichsgröße halte ich für geeignet, da sie die wichtigsten Parameter enthält. Möglicherweise ist es sinnvoll, die Größe anders zu benennen, da es sich nicht wirklich um Viralität handelt, sondern eher um eine Interaktionsrate. Um wirklich Viralität zu messen, müsste man die drei Parameter Kommentare, Likes, Shares mit Faktoren unterschiedlich gewichten, da diese bestimmen, ob der Post von Freunden des Fans gesehen wird. Shares werden höchstwahrscheinlich im News-Feed angezeigt, Kommentare eher selten, diese erscheinen nur im Ticker. Aber dafür müsste man Facebooks Algorithmus besser kennen, um dies differenziert beurteilen zu können und danach eine Berechnung aufzustellen.
Von höchstem Interesse sind die Zahlen, die nur für die
Seitenadministratoren sichtbar sind. Diese beinhalten Reichweite,
Interaktionen, Benutzer, Beitragsklicks, wöchentliche Gefällt-mir-Analysen etc.
Dort wird auch direkt die Reichweite in Abhängigkeit des Postingtyps angegeben,
die Herkunftsländer der Fans und noch Vieles anders. Eine Statistik, die Google
Analystics in Grundzügen ähnelt und viele Interpretationen zulässt, die für das
Unternehmen und seine Kommunikation von großer Bedeutung sind.
Nichtsdestotrotz zeigen die Ergebnisse Interessante Anhaltspunkte, die
im Rahmen größerer Untersuchungen weiter verfolgt werden könnten. Vor allem die
Analyse der Userposts belegt, dass Lufthansa bisher sehr gute User-Interaktion
unternimmt und seinen Kundenservice sehr ernst nimmt. Damit ist Lufthansa nicht
ohne Grund, die führende deutsche Fluggesellschaft auf Facebook.
Keine Kommentare:
Kommentar veröffentlichen