Skip to content

Social Media Analyse in der Politik

Social Media Analyse in der Politik

Wahlkampf, Datenanalysen und Social Media… wie hängt das zusammen? Noch vor wenigen Jahren fand Wahlkampf in der Zeitung und auf Plakaten statt. Heute sind die Politiker und Parteien in sozialen Netzwerken aktiv und versuchen dort Wähler zu begeistern.

Dieser Wahlkampf hinterlässt Daten, die ich analysiert habe und dir zur Verfügung stelle.
Dabei siehst du zum einen was im Bereich der Social Media Analyse möglich ist und zum anderen wie die Parteien und Wähler ticken.

Politischer Disclaimer: Ich bin kein Vertreter der hier analysierten Parteien oder Politiker. Ich möchte mir außerdem in keiner Weise anmaßen die Poltik und den Wahlkampf inhaltlich zu beurteilen oder an den Pranger zu stellen.
Weiterhin spiegeln die Äußerungen der Parteien nicht meine eigene Meinung wieder, es handelt sich lediglich um eine Analyse der IST-Situation in den sozialen Medien. Diese Auswertungen sind wertungsfrei und jeder sollte sich ein eigenes Bild machen.

Viele Möglichkeiten der Datenanalyse lasse ich hier ungenutzt um die Fans der Parteien und ihre Identität zu schützen.

Inhaltsübersicht: Social Media Analyse in der Politik

Allgemeine Kennzahlen in Sozialen Netzwerken:

Fangen wir mit den einfachen Analysen an, viele Daten lassen sich sehr leicht erheben.
Das wäre zum Beispiel der Fancount in den sozialen Netzwerken, dieser lässt sich direkt auslesen auch ohne das man APIs ansteuert oder programmieren kann.

AFD Statistik 20.04.2017:

Facebook Fans: 319.756
Twitter Follower: 53.600
Google+: 2.010

Die Linke Statistik 20.04.2017

Facebook Fans: 183.973
Twitter Follower: 167.060
Google+: 55.462

Differenz AFD zu Die Linke 20.04.2017

Facebook Fans: AFD hat 135.786 mehr Fans als Die Linke
Twitter: AFD hat 113.460 weniger Follower als Die Linke
Google+: AFD hat 53.452 weniger Fans als Die Linke

Gesamt: Die Afd hat 31.129 weniger Follower als Die Linke.

Vergleich der Fanzahl auf Facebook:

Wie wurden diese Daten erhoben?

Keine Sorge es wird noch spannender, das sind nur die Basics.
Diese Daten kann man direkt bei Facebook, Twitter und Google erheben in dem man die Parteien dort sucht und die Fanzahl ausliest.

FB Linke
FB AFD

Gekaufte Likes: Fans nach Ländern ermitteln:

Likes kann man sich über Facebook Werbeanzeigen kaufen, dies ist oft ganz einfach.
Auch Fake-Likes werden bei einschlägigen Seiten günstig angeboten. Diese kann man zu einem gewissen Teil ermitteln da diese oft nicht aus Deutschland kommen sondern aus dem Ausland.

Genau das habe ich bei der AFD und Die Linke analysiert und will dir zeigen wie es geht.

Fanverteilung der AFD nach Land (Stand 21.04.2017):

Land: DE 269039
Land: AT 7799
Land: US 4173
Land: CH 3111
Land: IT 2481
Land: GB 1929
Land: PL 1926
Land: FR 1447
Land: CZ 1269
Land: ES 1184
Land: BR 1131
Land: NL 1074
Land: EG 983
Land: HU 976
Land: BE 741
Land: TR 674
Land: TH 659
Land: DK 643
Land: AU 604
Land: CA 600
Land: RU 540
Land: MA 526
Land: SE 515
Land: DZ 497
Land: MX 492
Land: RO 491
Land: IN 489
Land: HR 406
Land: TN 392
Land: NO 387
Land: IQ 378
Land: PH 368
Land: GR 326
Land: BG 320
Land: RS 318
Land: SK 288
Land: AR 274
Land: ID 268
Land: PT 263
Land: CN 252
Land: XK 249
Land: VN 243
Land: LU 241
Land: FI 240
Land: CO 232

Es fällt auf das es viele Likes aus verschiedenen Ländern gibt die nicht deutschsprachig sind. Dies ist ein Indiz für gekaufte Likes mit schlechter Aussteuerrung.

Das ganze setzen wir mal grafisch ins Verhältnis:

AFD Fans je land1

Insgesamt hat die AFD 269.039 Fans in Deutschland und 42.399 Fans außerhalb von Deutschland.
Das entspricht einem Anteil von etwa 16%.

Fanverteilung Die Linke nach Land (Stand 21.04.2017):

Land: DE 154556
Land: IT 3085
Land: AT 2805
Land: FR 1557
Land: CH 1491
Land: GR 1450
Land: US 1377
Land: TR 1353
Land: ES 1345
Land: GB 858
Land: BR 673
Land: NL 509
Land: BE 506
Land: PL 418
Land: SE 379
Land: EG 358
Land: PT 343
Land: RU 343
Land: DK 301
Land: AU 300
Land: TH 259
Land: CZ 251
Land: AR 242
Land: IN 230
Land: FI 219
Land: CA 217
Land: MX 210
Land: HU 207
Land: MA 204
Land: RO 201
Land: ID 199
Land: TN 199
Land: IQ 189
Land: NO 170
Land: LU 165
Land: CL 162
Land: CO 161
Land: RS 160
Land: GM 153
Land: HR 141
Land: NZ 141
Land: IE 139
Land: PH 137
Land: IL 129
Land: CN 128

Es fällt auf das es viele Likes aus verschiedenen Ländern gibt die nicht deutschsprachig sind. Dies ist ein Indiz für gekaufte Likes mit schlechter Aussteuerrung.

Das ganze setzen wir mal grafisch ins Verhältnis:

Die Linke Fans je Land 1

Insgesamt hat Die Linke 154.556 Fans in Deutschland und 24.064 Fans außerhalb von Deutschland.
Das entspricht einem Anteil von etwa 16%.

Fanzahlenvergleich nur Fans aus Deutschland:

Wie erhebt man diese Daten?

Diese Daten erhebe ich über die Facebook Graph API und ist eigentlich sehr einfach nutzbar, wenn man weiß wie.
Dann nehme ich die Daten und wandle diese vom JSON Format in eine CSV um und passe diese in Excel etwas an.

Du musst folgenden Link nutzen um Daten abzurufen:

https://graph.facebook.com/v2.9/PAGE_ID/insights/page_fans_country?access_token=DEIN_ACCES_TOKEN

Ersetze die PAGE_ID und den ACCES_TOKEN durch deine Daten.

Du erhältst die Page_Id und kannst diese in die URL einfügen. Nun brauchst du nur noch den ACCES_TOKEN
Diesen bekommst du von Facebook über diesen Link >>

Acces token in Facebook Anfordern

Kopiere den super-langen Acces Token und passe den Link nun entsprechend an und füge diesen in deinen Browser ein.
Hast du alles richtig gemacht siehst du die Likes je Land für die Fanpage. Das sieht in der Rohform in etwa so aus:

JsonData

Du findest diese Daten interessant? Dann lade dir alles in einer Excel Tabelle herunter:

Jetzt auf Facebook teilen:

Trendanalyse im zeitlichen Verlauf: Google Suche

Heute betrachten wir eine Möglichkeit um Trends zu erkennen und zu visualisieren.
Dazu nutzen wir ein simples Tool, welches von Google zur Verfügung gestellt wird.

Google Trends >>

In diesem Tool können wir Suchbegriffe eingeben und schauen wie oft diese gesucht werden, das ganze wird noch im zeitlichen Verlauf dargestellt und wir können Begriffe vergleichen.

Was kann man aus Google Trends ableiten?

In der Trendanalyse lassen sich einige Interessante Daten erheben!
So lässt sich das Interesse (wie oft wird der Begriff gesucht) nach Regionen in Deutschland unterteilen.

Es lassen sich Suchabfragen ermitteln die mit dem Begriff in Zusammenhang stehen und immer öfter auftauchen.

Außerdem können wir noch die Art der Suchabfrage anpassen:

  • Websuche
  • Bildersuche
  • Google News Suche
  • Google Shopping Suche
  • Youtube Suche

Das sind jede Menge Daten die man erheben kann, schauen wir uns das Thema doch mal mit Bezug zum aktuellen Wahlkampf an.

Im Jahr 2016 haben die Landtagswahlen in Sachsen-Anhalt einige Wähler überrascht, die AFD bekam 24,3% der Stimmen.
Wenn wir die Trendanalyse nun für die Parteien in Bezug auf das Bundesland Sachsen Anhalt durchführen erhalten wir folgendes Bild:

Gehen wir in das Jahr 2017 können wir die Landtagswahl im Saarland vom 26. März analysieren.
In der Analyse können wir das Interesse wie folgt staffeln, zuerst kommen immer die Werte aus der Analyse und dann das tastächliche Wahlergebnis:

  1. AFD: 33 | 6,2%
  2. Die Linke 25 | 12,9%
  3. CDU: 12 | 40,7%
  4. Grüne: 20 | 4,0%
  5. SPD: 5  | 29,6%

Die Werte für die Analyse entsprechen Interessenspunkten und nicht Prozentpunkten.

Hier das Ganze nochmal grafisch dargestellt:

 

Zusammenhang zwischen Interesse in der Google Suche und Wahlergebnissen?

Nun sehen wir bei der Wahl in Sachsen-Anhalt eine leichte Tendenz, beim Saarland sind die Werte wiederrum nicht deckungsgleich, es zeigt sich eher eine Differenz.
Doch warum ist das eigentlich so?

Abweichung zwischen Suche und Sympathie:

Nur weil ich eine Partei bei Google Suche, bedeutet dies nicht automatisch auch Sympathie mit dieser Partei.
Es kann sein das ich das Wahlprogramm vergleichen möchte oder etwas in den Nachrichten zu dieser Partei gehört habe.

Nicht direkt sichtbare Korrelation:

Es kann sein das die Werte nicht direkt in Korrelation stehen. So kann die CDU im Vergleich eventuell ein geringeres Interesse haben, aber die Interessenspunkte korrelieren mit dem Wahlergebnis.
Hier müsste man aus Daten der Vergangenheit ermitteln ob eine Korrelation bestet und den Faktor ermitteln.
So könnte man die Prognosen noch mehr verbessern.

Wahlkampf findet auch noch offline statt:

Google gibt uns mit dem Tool nur einen Ausschnitt der Daten, es fehlen sehr viele Einblicke die uns bei einer besseren Prognose helfen würden:

  • Daten anderer Suchmaschinen fehlen
  • Viele Menschen informieren sich Offline
  • Trends in sozialen Medien fehlen
  • Einige Wahlgruppen sind komplett Offline (Rentner)

Wie bekommt man verlässlichere Daten zur Analyse des Wahlkampfes?

Hier haben wir verschiedene Möglichkeiten, zum einen können wir die Datengrundlage erhöhen und Trends aus anderen Suchmaschinen ermitteln. So bietet uns Bing die Möglichkeit Keywords zu überprüfen und das Interesse daran festzustellen.

Weiterhin sollten wir auf Basis der größeren Datengrundlage prüfen ob es Korrelationen gibt oder nicht, diese Korrelationen können unterschiedlich stark sein und desto weiter wir in die Vergangenheit schauen umso verlässlicher wird die Prognose.

Weiterhin können wir noch andere Datenquellen anzapfen und wie das geht wird nächste Woche im Beitrag ergänzt!

Zum Abschluss noch ein Vergleich von Angela Merkel und Martin Schulz.

Jetzt auf Facebook teilen:

Analyse der Facebook Posts der Facebook Fanpages:

Beim Wahlkampf geht es nicht immer nur um Fakten! Populismus, Fake News und alternative Fakten sind für die meisten Leser ein Begriff.

Viele Parteien spielen im Wahlkampf mit den Ängsten und Emotionen der Wähler. Sei es die Angst vor „Überfremdung“ auf der einen Seite oder die „soziale Ungerechtigkeit“ auf der anderen Seite.

Facebook ist ein beliebtest Medium für den Wahlkampf und gut geeignet um emotionsgeladene Diskussionen zu entfachen.
Besonders geschickt formulierte Postings erzeugen dabei Reaktionen und werden vom Leser geteilt. Die Reichweite der Beiträge kann dadurch enorm steigern und eine eigene Gruppendynamik auslösen.

Emotionen und Viralität in Facebook quantifizieren:

Im nächsten Schritt schauen wir uns den Wahlkampf von „Die Linke“ und der „AFD“ genauer an, mit welchen Botschaften wird gearbeitet? Wie werden diese denn aufgenommen? Auf welche Themen springen die potenziellen Wähler an?

Um das herauszufinden müssen wir uns zunächst den Überblick verschaffen welche Daten vorhanden sind und wie wir diese nutzen können um Emotionen und Stimmungen zu quantifizieren.

Was bedeutet quantifizieren?

Wenn wir ein Phänomen welches eigentlich auf Bauchgefühlen basiert in Zahlen abbilden können, dann kann man von Quantifizierung sprechen.
Beim Abnehmen zum Beispiel, kann man den Prozess kontrollieren und quantifizieren indem man sich wiegt, Körperumfang und Körperfett misst.
So kann man den Erfolg einer Diät mit Daten anreichern und quantifizieren.

In Facebook können wir ähnlich vorgehen!

Datengrundlage Facebook

Als Reaktion kann man jede Interaktion mit dem Beitrag zählen, diese werden auf den einzelnen Tabs genauer erklärt.
Als Besitzer der Page kann man noch mehr Daten einsehen und erfährt wie viele Menschen den Beitrag gesehen haben.

Die Relation von Menschen die den Beitrag gesehen haben und Menschen die darauf reagiert haben, nennt man Reaktionsquote und ist eine Kennzahl zur Bewertung von Social Media Posts.

Auf Facebook haben Nutzer die Möglichkeit einen Beitrag mit Ihrem Profil zu teilen,
so kann man interessante Inhalte seinen Freunden zugänglich machen.

Inhalte die oft geteilt werden, nennt man auch virale Inhalte.
Diese Beiträge erreichen oft enorme Reichweite und sind das Ziel vieler Social Media Kampagnen.

Zu Beiträgen in Facebook kann man diskutieren und seine Meinung in Form eines Kommentars hinterlassen.
Kommentare selbst können wiederrum Reaktionen auslösen und geliked werden.

Es ist auch möglich die Beitragskommentare auf Reaktionen zu untersuchen und zu bewerten.

Reactions auf Facebook

Auf Facebook gibt es die „gefällt mir“ Angabe, auch Like genannt.
Seit einiger Zeit hat Facebook die „Reactions eingeführt und man kann noch genauer ausdrücken wie einem der Inhalt gefällt.

  • Haha (witziger Inhalt)
  • Angry (macht mich wütend)
  • Sad (macht mich traurig)
  • Wow (das war überraschend)
  • Like (allgemeiner Like)

Was kann man aus einer Facebook Fanpage auslesen?

Nun machen wir es ganz konkret und gehen in die Analyse rein.
Es ist möglich jede öffentliche Fanpage bei Facebook komplett auszulesen. Auf diese Weise werden alle veröffentlichten Beiträge in einer Tabelle zusammen gefasst und folgende Daten vermerkt:

  • ID des Beitrags
  • Textinhalt des Posts
  • Linkname falls ein Link im Post vorhanden war
  • Beitragstyp (Foto, Video, Status, Link, etc.)
  • Verlinkung zum Beitrag
  • Datum der Veröffentlichung
  • Uhrzeit der Veröffentlichung
  • Reaktionen gesamt
  • Anzahl Kommentare
  • Anzahl Shares (Beitrag geteilt)
  • Anzahl Likes
  • Anzahl Loves, Wows, Hahas, Traurig und Wütend

Diese Daten helfen uns zu quantifizieren wie Beiträge angenommen werden, wie Wahlkampf geführt wird und welche Themen besonders sensibel sind.

Facebook Analyse: Was macht Wähler denn so richtig wütend?

Ich bin ran gegangen und habe die Fanpages der AFD und von Die Linke am 05.05.2017 analysiert.
Im zweite Schritt habe ich nach Reaktionen gefiltert und erfasst welche Beiträge die Leser so richtig wütend machen!

Hier die Top 5 der beiden Parteien:

Top 1 Wutbeitrag AFD

Erdogan macht die AFD Fans besonders wütend:

  • 11.817 Reaktionen gesamt
  • 4.130 Kommentare
  • 4.804 Shares
  • 7.323 Likes
  • 19 Loves
  • 29 Wows
  • 84 Hahas
  • 333 Traurig
  • 4.029 Wütend
Top 2 Wutbeitrag AFD

Angst vor Entfremdung im Wahlkampf:

  • 5.634 Reaktionen gesamt
  • 1.635 Kommentare
  • 1.847 Shares
  • 1.482 Likes
  • 5 Loves
  • 53 Wows
  • 417 Hahas
  • 86 Traurig
  • 3591 Wütend
Top 3 Wutbeitrag AFD

Führerschein umschreiben für 500€ macht die AFD Fans besonders wütend:

  • 9.672Reaktionen gesamt
  • 2.917 Kommentare
  • 5.696 Shares
  • 4.811 Likes
  • 11 Loves
  • 122 Wows
  • 1.122 Hahas
  • 68 Traurig
  • 3.538 Wütend
Top 4 Wutbeitrag AFD

Flexisteuer macht die AFD Fans besonders wütend:

  • 6.303 Reaktionen gesamt
  • 2.449 Kommentare
  • 3.605 Shares
  • 2.706 Likes
  • 7 Loves
  • 36 Wows
  • 259 Hahas
  • 29 Traurig
  • 3.538 Wütend
Top 5 Wutbeitrag AFD

Merkels Flüchtlingspolitik macht die AFD Fans besonders wütend:

  • 7.983 Reaktionen gesamt
  • 2.275 Kommentare
  • 6.832 Shares
  • 3.978 Likes
  • 9 Loves
  • 11 Wows
  • 14 Hahas
  • 972 Traurig
  • 2.999 Wütend
Die Linke Top1 Wutbeitrag

Martin Winterkorns Rente macht Die Linke besonders wütend:

  • 3.824 Reaktionen gesamt
  • 350 Kommentare
  • 1.028 Shares
  • 2.913 Likes
  • 31 Loves
  • 18 Wows
  • 19 Hahas
  • 66 Traurig
  • 777 Wütend
Die Linke Top2 Wutbeitrag

Erdogan macht auch Die Linke Fans besonders wütend:

  • 2.385 Reaktionen gesamt
  • 244 Kommentare
  • 711 Shares
  • 1.730 Likes
  • 6 Loves
  • 14 Wows
  • 31 Hahas
  • 151 Traurig
  • 453 Wütend
Die Linke Top3 Wutbeitrag

Mithilfe im Krieg macht Die Linke Fans sehr wütend:

  • 3.191 Reaktionen gesamt
  • 252 Kommentare
  • 1.020 Shares
  • 2.629 Likes
  • 11 Loves
  • 7 Wows
  • 9 Hahas
  • 191 Traurig
  • 344 Wütend
Die Linke Top4 Wutbeitrag

Angela Merkel macht auch Die Linke Fans wütend:

  • 4.165 Reaktionen gesamt
  • 245 Kommentare
  • 1.456 Shares
  • 3.670 Likes
  • 15 Loves
  • 10 Wows
  • 25 Hahas
  • 103 Traurig
  • 342 Wütend
Die Linke Top5 Wutbeitrag

Frau Merkel und PKW Maut, machen Die Linke Fans wütend:

  • 3.952 Reaktionen gesamt
  • 278 Kommentare
  • 2.290 Shares
  • 3.001 Likes
  • 7 Loves
  • 14 Wows
  • 568 Hahas
  • 24 Traurig
  • 338 Wütend

Was fällt uns hier auf?

Wenn man nun die Posts betrachtet fallen ein paar Dinge auf.
Bei den Themen, die wütend machen gibt es Überschneidungen:

  1. Angela Merkel
  2. Erdogan und Türkeipolitik
  3. Steuern mit Bezug zum KFZ (Maut und Flexisteuer)

Die Parteien die eigentlich sehr gegensätzlich sind, sprechen relativ ähnliche Ängste bei den Wählern an.

Weiterhin haben die Beiträge optisch eine hohe Ähnlichkeit, vor allem die Merkelbeiträge ähneln sich stark in Aufbau, Ansprache und der Hintergrundverlauf scheint auch der selbe zu sein.

Wie führt man eine Facebook Analyse durch: Schritt für Schritt Anleitung

Du willst selbst eine solche Analyse durchführen? Wenn du dich technisch ein wenig auskennst,
dann kannst du selbst eine solche Analyse durchführen.

Klicke auf das Bild um zu meine komplette Anleitung zu lesen.
Die Daten die herauskommen weichen etwas ab, da die verwendete Analyse aus dem Beitrag zu komplex zum erklären wäre.

Facebook Konkurrenz ausspähen, Schritt für Schritt Anleitung

Du willst noch mehr über den Wahlkampf von der AFD und Die Linke erfahren?
Alle Daten aus der Analyse kannst du dir komplett herunterladen!
So siehst du noch alle Beiträge der Parteien und wie die Fans darauf reagieren.

Jetzt auf Facebook teilen:

Analyse von Hobbys, Interessen und Überschneidungen in Social Media

Im letzten Abschnitt haben wir ermittelt wie man Beiträge bei Facebook bewertet. In der Analyse habe ich gezeigt welche Beiträge besonders wütend machen und eine Anleitung zum nachmachen präsentiert.

Doch aus Facebook kann man noch viel mehr auslesen als nur die Beiträge einer Fanpage.
So lassen sich auch die Fans einer Fanpage auslesen und analysieren, hier gibt es sogar verschiedene Möglichkeiten und Techniken.

Es wäre sogar möglich alle Fans mit Namen, Profillink und Interaktionsstatistik zu erfassen und in einer Tabelle auszugeben.
Damit kann man Stimmungsmacher (Influencer) mit genauen Daten ermitteln.
Da die Politik doch für den ein oder anderen ein heikles Thema ist, habe ich diese Daten nicht erhoben und werde diese auch nicht online stellen.
Ich möchte in diesem Fall nur zeigen was möglich ist.

Dennoch gibt es eine weitere Form der Social Media Analyse, bei der die Fans anonymisiert betrachtet werden und sich viele Daten zu den Fans erheben lassen.

Überwachung von Menschen

Analyse von Interessen in sozialen Medien:

Nun folgt wieder etwas Theorie, aber keine Angst ich zeige es gleich am praktischen Beispiel.
Im sozialen Netzwerk Facebook, können wir wieder die Graphen Theorie anwenden und so Verbindungen von Menschen zu Fanpages über die Verbindung „Like“ herstellen.

Nun habe ich mit einer kleinen Software diese Analyse ein Stück weiter getrieben.
Ich wollte gern die Überschneidung zu anderen Fanpages ermitteln. Wenn ich also alle Fans betrachte die eine Partei geliked haben, welche Fanpages haben diese noch auf Facebook geliked.

Genau hier findet die Graphentheorie seine Anwendung um die Verbindung herzustellen: Seiten die von Leuten geliked wurden die auch „Die Linke“ oder „AFD“ geliked haben.

Diese Analyse funktioniert sehr gut und ich konnte durch geschicktes Tüffteln diese Analyse auf weitere Bereiche ausweiten:

  • Bücher
  • Filme
  • TV Shows
  • Musik
  • Sportler
  • Interessen
  • Fanpages
  • Facebook Gruppen
  • Veranstaltungen
  • etc.

Hier einmal die beliebtesten Gruppen der Fans beider Parteien:

In der Analyse konnte ich feststellen das „Die Linke“ Fans und Fans der „AFD“ Teilweise die gleichen Interessen haben:

Welchen Nutzen haben diese Social Media Daten?

Was nützt es uns wenn wir Wissen in welchen Gruppen die Fans der einzelnen Parteien aktiv sind?
Es nützt uns eine ganze Menge und bietet einiges an Potenzial zur Kommunikation als auch zur Recherche!

Jede Partei (und auch jedes Unternehmen) hat nur ein begrenztes Budget und einen begrenzten Zeitraum zur Verfügung.
In diesem Fall ist der Zeitraum vor den Wahlen entscheidend.

Das wichtigste Ziel der Parteien ist es daher das Budget möglichst effizient im festgesetzten Zeitraum einzusetzen.
Wenn man nun Daten zur Zielgruppe erhebt findet man auf der einen Seite heraus, welche Sorgen und Nöte der Zielgruppe am wichtigsten sind. Auf der anderen Seite kann ich herausfinden wo die Zielgruppe aktiv ist, dazu gleich noch mehr!

Bei dem Beispiel der Gruppen können wir maßgeblich 2 Dinge in Erfahrung bringen:

  • Starke Interessen der Zielgruppe
  • Ansprachemöglichkeiten der Zielgruppe

Die Parteien können so Ihre Werbebotschaften besser ausrichten und an den richtigen Stellen streuen.
Die Linke könnte auf Hühnerzüchter abzielen und die AFD auf Audi-Fahrer.

Menschen im Hörsaal

Zielgruppendaten + Automation + smarte Werbeaussteuerrung = Wahlerfolg

Sicherlich kennst du den berühmten Artikel zur Wahl von Donald Trump. Hier wird ein ähnliches Szenario geschildert.
Hier werden die Ansätze nur grob geschildert und viele Arten der Aussteuerung sind etwas grob und ungenau.

In der Arbeit mit meinen Kunden (keine Parteien), nutze ich social Media Analysen ebenso zur Optimierung von Werbeanzeigen und Werbebotschaften. Im folgenden will ich erklären wie genau man dabei vorgeht, sowohl in Politik, als auch im Marketing.

Eine Partei oder ein Unternehmen hat ein bestimmtes Angebot, entweder ein Wahlprogramm oder ein Produkt.
Produkte und Wahlprogramme sind sehr Facettenreich und bieten auf vielen Ebenen Vor- und auch Nachteile.

Demgegenüber steht der Wähler oder der potenzielle Kunde,  dieser hat bestimmte Interessen und verschiedene Eigenschaften.

[vdc_element pos=2]

Beispiel in der Politik:

Einen Familienvater interessieren andere Punkte des Parteiprogramms als einen Single Studenten.
Facebook ermöglicht es Seitenbetreibern Botschaften zu „Segmentieren“ und so Posts nur bestimmten Personengruppen sichtbar zu machen. Das Gleiche geht natürlich auch bei Werbeanzeigen auf Facebook.

Newsfeed Targeting Facebook

Höhere Interaktionsraten durch zielgruppengerechte Botschaften:

Hat man die Daten zur Zielgruppe in einer Matrix dargestellt, kann man die Wahlversprechen dagegen halten und diese aus den Blickwinkeln der Zielgruppe betrachten und eine Matrix aus zielgerichteten „Werteversprechen“ erstellen.

So bekommen Hühnerzüchter nur Inhalte mit Bezug auf Landwirtschaft, Tiere und Viehzucht.
Analysiert man das Segment weiter, erkennt man das Themen wie Gen-Food und Umweltschutz von Bedeutung sind.
Analysiert man die Top-Fanpages in dem Bereich erhält man Daten darüber, welche Inhalte besondert beliebt sind und gut ankommen.
Weiterhin bekommt man Daten zu idealen Beitragsformaten und Beitragszeiten.

Wiederholt man diesen Prozess oft genug für verschiedene Zielgruppen (Automation ist hier die Wunderwaffe),
so kann man sein ganzes Parteiprogramm Zielgruppengerecht aufarbeiten und Werbebotschaften generieren die mit hoher Wahrscheinlichkeit eine Interaktion auslösen.

Das Ganze funktioniert ohne viel „Trial and Error“ sondern auf solider Datenbasis.

Spielen mit der Angst und dem Unterbewusstsein:

Angst ist auch ein gutes Mittel um Aufmerksamkeit zu erzeugen. In den Fake-News ist diese oft ein probates Mittel zur Meinungsmache. Kombiniert mit den Daten des Lesers kann man Angstbotschaften sehr stark personalisieren und das Unterbewusste des Lesers ansprechen:

  • Rentner bekommen Fake-News zu Übergriffen auf Rentner durch Flüchtlinge
  • Väter bekommen Fake-News zu Übergriffen auf Kinder durch Flüchtlinge
  • Wohnmobil Enthusiasten schockiert man eher mit geschlossenen Grenzen
  • Hühnerzüchter fürchten sich vor Firmen wie Monsanto

Botschaften die ins Unterbewusstsein gehen:

Noch perfider ist es, Werbebotschaften über das Unterbewusstsein auszusteuern.
Zum Beispiel kann man Lieblingsmusik und Lieblingsbücher auf Facebook ermitteln und entsprechend die Werbebotschaften darauf anpassen.
Diese Form der Ansprache benötigt viel Zeit und Ressourcen in der Aufbereitung, kann aber sehr effektiv sein das diese Botschaften unterbewusst wahrgenommen werden:

  • Fantasy Fans springen auf andere Begriffe und Worte an als Science Fiction Leser
  • Posts im Stile von Plattencovern bleiben unbewusst bei uns hängen

Shares der Parteiwebseiten analysieren:

Bisher hatten wir die Facebookseiten der Parteien sehr stark im Fokus. Dort kann man leicht soziale Signale ermitteln und einordnen.
Ich will aber auch aufzeigen das soziale Signale auf der Webseite ebenso ermitteln werden können.

Dies lässt eine Analyse und Bewertung der Webseite einer Partei zu und welche Beiträge dort am beliebtesten sind.

Welche sozialen Daten erheben wir auf der Webseite der Parteien?

  • Shares der einzelnen Beiträge
  • Shares nach Plattform unterteilt

Welche Erkenntnisse lassen sich aus diesen Daten ableiten?

  • Welcher Beitrag ist der beliebteste und kommt am besten an
  • Wo werden Beiträge am meisten geteilt?
  • Wo halten sich die Fans auf, in welchen sozialen Netzwerken sind diese aktiv.

Zum Zeitpunkt der Analyse habe ich die beiden Webseiten:

https://www.afd.de/ und

https://blog.die-linke.de/digitalelinke betrachtet und die Shares der Beiträge ermittelt.

Google + wird von beiden Lagern nur sehr wenig benutzt.
Die Linke haben bei keinem Beitrag mehr als 10 Shares auf G+ erhalten.
Die AFD dagegen hat ein paar Beiträge die bei G+ 300 Shares erhalten haben, sonst wird das soziale Netzwerk bei den Fans eher nicht genutzt.

Social Media Sharing

Shares auf anderen sozialen Netzwerken

Die Analyse zeigt keine nennenswerten Shares auf anderen sozialen Netzwerken.
Facebook ist das Netzwerk, welches von den Fans am meisten genutzt wird und auch zur Verbreitung der Beiträge dient.

[vdc_element pos=1]

Ich habe natürlich auch die anderen Netzwerke analysiert und will die gern erklären wie ich dabei vorgegangen bin. Hier ist die Anleitung zur Analyse von Shares auf Webseiten >>  https://tim-brettschneider.com/data-driven-social-media-marketing-anleitung/

Klicke auf den Button um die kompletten Analysedaten herunterzuladen!

Rate this post
An den Anfang scrollen