Achtung:

Sie haben Javascript deaktiviert!
Sie haben versucht eine Funktion zu nutzen, die nur mit Javascript möglich ist. Um sämtliche Funktionalitäten unserer Internetseite zu nutzen, aktivieren Sie bitte Javascript in Ihrem Browser.

Digital Humanities LAB Bildinformationen anzeigen
DHd 2020 Bildinformationen anzeigen
DHd 2020 Bildinformationen anzeigen
DHd 2020 Alan Liu Bildinformationen anzeigen

Digital Humanities LAB

Foto: Janusz Michla

DHd 2020

Foto: Markus Freudinger, Josua Köhler

DHd 2020

Foto: Markus Freudinger, Josua Köhler

DHd 2020 Alan Liu

Foto: Markus Freudinger, Josua Köhler

More than Words

Analyse von User Generated Content zur Identifikation von latenten Dienstleistungsqualitätsmerkmalen

Short Facts

Laufzeit:Oktober 2013 bis Dezember 2014
Projektleitung:Jun.-Prof. Dr. Michaela Geierhos & Prof. Dr. Nancy V. Wünderlich
Förderprogramm:Forschungspreis 2013 der Universität Paderborn
Höhe der Förderung: 62.000 €

Motivation - Warum besteht Bedarf?

Für den Internetnutzer entstehen immer mehr Möglichkeiten, Bewertungen über eine Vielzahl an Produkten (z. B. Amazon Reviews), Leistungen (z. B. MyHammer, jameda) und Erlebnissen (z. B. TripAdvisor) abzugeben. Nutzer suchen Bewertungsplattformen auf, um aktiv ihre Erfahrungen mit Dienstleistungen wie Hotelurlauben, Arztbesuchen oder auch Versandhandelserfahrungen mit interessierten anderen Kunden zu teilen. Für viele Konsumenten sind diese Bewertungen eine als hilfreich empfundene Informationsquelle zur Abwägung einer persönlichen Kaufentscheidung. Die steigende Flut an Bewertungen und Rezensionen in Bewertungsportalen (z. B. ShopVote) und sozialen Medien (z. B. qype, flickr), stellt den Internetnutzer allerdings auch vor die Herausforderung, die Vielzahl an Bewertungskommentaren und –portalen in Hinblick auf ihre Relevanz zu selektieren. Häufig bestehen diese Bewertungskommentare aus Freitexten (sog. User Generated Content), die in Struktur und inhaltlicher Fokussierung deutlich voneinander abweichen können. Insbesondere, wenn diese Freitexte die einzige Bewertungsgrundlage bilden, zeichnet sich auf Nutzerseite eine Interpretationshürde ab. Stehen quantifizierbare Nutzerbewertungen in Form von Skalen zur Verfügung, sind diese oft nicht immer konsistent mit den frei formulierten Bewertungskommentaren. Während es diverse Softwarelösungen gibt, die es Firmen ermöglichen, die Meinungen ihrer Kunden automatisch zu analysieren (z. B. TrustYou) und so Trends zu verfolgen, hat der Nutzer selbst kein Tool zur Hand, das ihn dabei unterstützt, bei Millionen von Bewertungen die Servicequalität eines Unternehmens auf den ersten Blick einzuschätzen.

Innovation - Was wird entwickelt?

Eine neue fächerübergreifende korrelative Methode, ...

  • welche durch computerlinguistische Verfahren zur semantischen Inhaltsanalyse von Bewertungstexten im Web 2.0 Rückschlüsse auf domänenspezifische Kundenanforderungen an Dienstleistungen und nutzerspezifische Abweichungen in der Polarität ziehen kann;

  • welche empirisch ermittelte Dimensionen der Dienstleistungsqualität anstelle domänenunabhängiger SERVQUAL-Kategorien in Relation zur qualitativ und quantitativ messbaren Kundenzufriedenheit stellt;

  • welche erstmals einen automatischen Vergleich von qualitativen mit quantitativen Dienstleistungsbewertungen durch Berücksichtigung der nutzertypischen Bewertungsintervalle für Polaritätsskalen ermöglicht.

Implementierung - Wie führt Interdisziplinarität zum Ziel?

Ziel des Forschungsvorhabens ist es, obiges Szenario mittels Methoden der Computerlinguistik (CL) und des Dienstleistungsmanagements (DLM) umzusetzen. Folgende Forschungsfragen aufbauend auf den Forschungslücken in beiden Disziplinen werden adressiert:

  • Inwieweit verwenden die Verfasser von Bewertungskommentaren zur Beschreibung von Dienstleistungserfahrungen Merkmale, die den klassischen Bewertungsdimensionen der Dienstleistungsqualität entsprechen? Inwieweit werden weitere Bewertungskriterien und –dimensionen herangezogen?
  • Inwieweit variieren die Bewertungskommentare der Nutzer? Welches Bewertungsverhalten wird erkenntlich? Inwieweit existieren Unterschiede für verschiedene Dienstleistungsbereiche?
  • Sofern quantitative Skalen eingesetzt werden: Hilft die Hinzunahme von Freitextbewertungen, Skalenäquivalenz festzustellen? Inwieweit stimmen die qualitativen Bewertungskommentare mit quantitativen Gesamturteilen überein – unter welchen Bedingungen weichen diese voneinander ab?

Projektpräsentationen

DatumVortragstitelKonferenz
24.01.2014Identifying perceived service quality dimensions in patients’ online reviews1. Passauer Digital-Marketing-Konferenz - [PDF]

Presse

"More than Words" in der Presse
Datum/AusgabeTitelQuelle
05.03.2015„More than Words“ – Vereinfachte Analyse von ArztbewertungenPressemitteilung des Heinz Nixdorf Instituts
1/2014, S.32Was die Menschen bewegt: Neue Wege der semantischen BewertungstextanalysePUZ - Paderborner Universitätszeitschrift
17.02.2014Neues Forschungsprojekt zu Bewertungseiten im InternetWDR5
30.01.2014“People going to the same party share common characteristics”. Ein Recap der 1. Passauer Digital-Marketing-Konferenz.IntelliBlog
2013More than Words“: Analyse von User Generated Content zur Identifikation von latenten DienstleistungsqualitätsmerkmalenHNI Jahresbericht 2013

Teammitglieder

(v.l.n.r. Reihe hinten: Frederik Bäumer, Nikolai Rodehutskors, Sabine Schulze, Julia Rötzmeier-Keuper. Reihe vorne: Valentina Stuß, Jun.-Prof. Dr. Michaela Geierhos, Prof. Dr. Nancy Wünderlich, Hürrem Özcamlica)

Die Universität der Informationsgesellschaft