We zijn bekend met de survey-onderzoeken die gebruikt worden om het merkimago bij de doelgroep te onderzoeken. In dit social media-tijdperk kun je nu ook kiezen voor geautomatiseerd imago-onderzoek via Twitter. Frank.news geeft uitleg.

 

Kostenefficiënt, geautomatiseerd en effectief imago-onderzoek uitvoeren via Twitter: het kan. Dit blijkt uit een wetenschappelijk onderzoek ‘Mining Brand Perceptions from Twitter Social Networks’ van Aron Culotta en Jennifer Cutler dat is gepubliceerd op Marketing Science. Dit imago-onderzoek via het sociale medium Twitter gaat veel verder dan het in kaart brengen van alle negatieve of positieve tweets over jouw merk.

 

Merkperceptie

Volgens een bepaald algoritme kun je op een vrij eenvoudige manier gegevens van het merk in het sociale netwerk analyseren. Input die je voor dit algoritme nodig hebt, is de merknaam en de door het merk beoogde merkpercepties. Uit het algoritme kun je afleiden hoe sterk de associatie is tussen deze perceptie en het merk. Het algoritme wordt niet alleen toegepast op het twitteraccount van het merk zelf, maar ook op de twitteraccounts van de individuen of organisaties die dezelfde merkpercepties vertegenwoordigen. Deze groep wordt omgedoopt tot exemplar-accounts.

 

Milieuvriendelijk

Als voorbeeld wordt automerk Smart genoemd. Het twitteraccount van Smart is een merkaccount. Als Smart onderzoek wil doen in hoeverre het merk als milieuvriendelijk wordt gezien, kan het de gelijkenis onderzoeken tussen zijn eigen merkaccount en bijvoorbeeld het Greenpeace-account. Dit is een exemplar-account met milieuvriendelijkheid als duidelijke perceptie. Om het milieuvriendelijke imago van dit automerk goed in kaart te brengen, verdeel je het onderzoek in verschillende fases. Eerst wordt er een merkperceptie geselecteerd, in het voorbeeld met Smart is dat dus milieuvriendelijkheid. Vervolgens wordt er aan de hand van Twitter Lists een lijst gemaakt met relevante zoektermen. Het algoritme zorgt ervoor dat de relevante exemplar-accounts geïdentificeerd worden, die dezelfde merkperceptie representeren zoals Greenpeace. Om een goed onderzoeksresultaat te krijgen, berekent het algoritme een score van gelijkenis tussen de volgers van het merk en de volgers van het exemplar-account. De score die daaruit volgt, wordt uitgedrukt als Social Perception Score (SPS).

 

Geschikte methode

Uit de diverse testen van deze methode voor imago-onderzoek blijkt dat het een zeer bruikbare manier is. Zo blijkt dat het niet nodig is om eindeloos door te zoeken naar een grote hoeveelheid zoektermen en zoveel mogelijk volgers om een representatief onderzoeksresultaat te krijgen. Met de eerste vijftig resultaten van een Twitter Lists search, en het gebruik van 50.000 volgers van een exemplar-account komen er al nauwkeurige resultaten uit. Verder blijkt ook dat het gebruik van één zoekterm voor de merkperceptie voldoende is om te leiden tot goede resultaten. Als je liever meer specifieke exemplar-accounts uit je onderzoek wilt krijgen, werkt het beter om met combinaties van zoekwoorden te werken. Een laatste uitkomst van deze studie is dat het geen verschil maakt of je de exemplar-accounts handmatig selecteert, of de geautomatiseerde exemplar-accounts gebruikt. Beide leiden tot vergelijkbare resultaten.

 

Controle

Deze nieuwe onderzoeksmethode is uiteindelijk gecontroleerd en gevalideerd door de SPS-waarden te vergelijken met die van een survey-onderzoek. Wat bleek: de resultaten van beide methoden komen sterk overeen. Daaruit kunnen we dus concluderen dat de berekening van de Social Perception Score (SPS) via Twitter een valide, efficiënt en bruikbaar instrument vormt voor het doen van imago-onderzoek. Je kunt deze onderzoeksvorm eventueel ook gebruiken om concurrerende merken met elkaar te vergelijken en geen merkpercepties, maar consumenten te clusteren. Dit helpt je als merk weer bij het segmenteren en personaliseren van producten en diensten. De mogelijkheden zijn eindeloos. Zo, nu eerst een Twitter-account aanmaken…

 

Bron: SWOCC Selectie 3, september 2016

Pin It on Pinterest

Shares