Ein weiteres nützliches Tool aus dem Hause Microsoft Research ist NodeXL , ein Addon für Excel mit dem man Netzwerke graphisch darstellen kann. Es ist kostenlos und funktioniert mit Microsoft Excel 2003,2007 und 2010. Einerseits ist es möglich, selber  anhand der Graphentheorie eigene Netzwerke visuell aufbauen. Andererseits kann man auch von YouTube oder Twitter das bestehende Netzwerk importieren und visualisieren. Obwohl einiges an Formatierung und Wissen über die Graphentheorie von Nöten ist, ist das Tool dennoch für recht einfache, aber trotzdem aussagekräftige Visualisierungen nützlich.

Grundlagen zur Graphentheorie und Netzwerkanalyse

Als Graph wird im mathematischen Sinne eine Menge von Punkten bezeichnet (auch als Knoten oder Nodes bezeichnet), die über Linien verbunden sind, den sogenannten Kanten (oder auch Edges bezeichnet). In der Graphentheorie unterscheidet man zwischen bidirektionalen (ungerichteten) und richtungsweisenden (gerichteten) Graphen. Letzteres weist nur eine einfache Verbindung auf (Beispiel Twitter Follower).

Hier ein typisches Beispiel wie ein Netzwerk von Graphen aussieht. Die Knoten stellen die Personen in einem sozialen Netzwerk dar, die Kanten stellen den Kommunikationsweg dar. Zwei Knoten sind also nur direkt miteinander verbunden, wenn sie auch direkt miteinander kommunizieren. Andre kommuniziert regelmäßig mit Carol, aber hat keinen direkten Kontakt zu Ike, etc.

beitrag3_1

Mithilfe der Netzwerkanalyse kann man aufgrund dieser Graphen und Knoten nun folgende Parameter analysieren:

  • Verfahren zur Zentralitätsberechnung (Degree Centrality, Betweenness Centrality):

Diese zielen darauf ab, die wichtigsten, aktivsten und prominentesten Akteure in einem Netzwerk zu identifizieren. Dabei wird gemeinhin zwischen Gradzentralität, Nähezentralität und Zwischenzentralität von Akteuren unterschieden. In unserem Beispielnetzwerk hat Diane die meisten Verbindungen, daher wäre sie der „Hub“ oder der „Connector“ in diesem Netzwerk (Degree Centrality). Normalerweise sagt die Theorie: umso mehr Verbindungen eine Person hat, umso besser. Dies ist aber nicht immer der Fall. Viel wichtiger sind die Verbindungen die ohne einen Akteur nicht zustande gekommen wären. Das Netzwerk in unserem Beispiel wäre genauso verbunden, wenn Diane nicht in diesem Netzwerk wäre. Daher ist der eigentliche „Connector“ Heather, da sie Ike und Jane mit dem anderen Netzwerk verbindet (Betweenness Centrality).

  • Identifizierung von Opinion Leaders:

Ein wichtiges Verfahren in der Netzwerkanalyse ist die Identifizierung von „Opinion Leaders“, also Personen mit einen großen eigenen Sozialen Netzwerk, die in deinem Netzwerk sind. Im Marketingtechnischen Sinne, sind es die Personen, die die größten Informationsreplikatoren sind. In unserem Beispiel wäre für Garth, Diane der „Opinion Leader“, da Diane die übermittelte an die meisten Personen in dem Netzwerk weiterleiten kann.Diese Identifizierung die wichtigste um auch Reichweiten zu analysieren und zu messen.

  • Cliquenanalyse (Cluster Analysis):

Solche Verfahren zielen darauf ab, ein Netzwerk in verschiedene Teilgruppen zu zerlegen. Der Begriff der Clique wird dabei ähnlich verwendet wie in der Umgangssprache: Eine Clique ist eine Gruppe von mindestens drei Personen, die vollständig miteinander verbunden sind. In diesem Fall wären es zwei Cliquen die mit einem „Connector“ (Heather) verbunden sind.

Beispiel anhand von Microsoft Österreich

Nun sehen wir uns die ersten zwei Analysen anhand des Twitterstreams von Microsoft Österreich an (@microsoftAT).

Zuerst einmal wird mithilfe des Social Plugins, alle relevanten Daten (Followers, Following, etc.) in Excel geladen. Sobald dies geschehen ist, sieht unser Netzwerk folgendermaßen aus:

microsoftATtwitterfollowernew1

Dieses Netzwerk soll alle Followers und Following User von MicrosoftAT darstellen. Wie ersichtlich, sieht unser Netzwerk noch nicht wirklich aussagekräftig aus. Daher werden wir zuerst die Knoten mit den Twitter Usernamen und wenden entsprechende Farben an für Hauptknoten und Verbundene Knoten. Die Größe der Knoten setzt sich aus den Anzahl der Followern in diesem Netzwerk zusammen (z.B.:Hat ein Follower von Microsoft selbst noch andere Follower in diesem Netzwerk, ist er ein sogenannter „Connector“. Nach dieser Analyse sieht unser Netzwerk so aus:

microsoftATtwitterfollowernew2

Nun brauchen wir nur mehr alle Verbindungen entfernen die weniger als 3 Verbindungen (da nicht signifikant) mit anderen Usern in diesem Netzwerk haben. Und voilà, hier ist unser fertiges Netwerk mithilfe der Zentralitätsberechnung (in diesem Fall, die Degree Centrality).

microsoftATtwitterfollowernew3

Wie man hier sehr schön erkennen kann, sind diese User unsere wichtigsten Akteure in unserem Netzwerk. Diese haben den größten Einfluss auf Meinungen in diesem Netzwerk. Diese werden auch „Influencer“ genannt. In Marketingtheorie werden diese als sehr bedeutend beschrieben, da sie den größten Einfluss auf die Meinung der bereits aktiven Konsumentenbasis haben.

Diese „Influencer“ können auch in der Form von Replikatoren oder „Opinion Leaders“ vorkommen. Daher werden wir in diesem Beispiel nach Usern in unserem Netzwerk suchen, die die meisten Follower haben. Die Größe der Knoten stellt nun die Anzahl der Personen im Netzwerk dar (Degree Centrality), die Farbe jedoch die Anzahl der Follower. Gefiltert wurden alle User, die unter 1000 Follower haben und unter 10 Tweets veröffentlicht haben (da nicht signifikant). Nach diesen Umstellungen bekommen wir dieses Netzwerk:

microsoftATtwitterfollowernew4

Die Farbgebung verläuft von Gelb (ab 1.000 Follower) bis Blau (ab 10.000 Follower). Wie man nun sehen kann sind die User “webstandardat” und “msftcitizenship” die wichtigsten Nachrichtenreplikatoren oder „Opinion Leaders“ wenn MicrosoftAT einen Tweet sendet.

Praktische und theoretische Bedeutung

Ein wichtiger Bestandteil im „Social Media Marketing“ ist die Identifizierung von „Influencers“ sowie die Bestimmung der Reichweite einer Nachricht. Um diese zu messen, wird häufig eine Soziale Netzwerkanalyse durchgeführt. Diese wird nicht nur im praktischen Bereich für Analysten eingesetzt sondern ist auch ein wichtiger Bestandteil um die Kommunikation im Web zu analysieren. Hier eine Liste an Publikationen, die mit NodeXL durchgeführt wurden, sowie Publikationen von Marc Smith , einer der ersten, der NodeXL zu Forschungszwecken verwendet hat und auch bei der Entwicklung beteiligt war.

Links und Downloads

NodeXL bekommt ihr kostenlos von Codeplex . Eine Dokumentation sowie Tutorials in Englisch bekommt ihr hier .

Für den Datenimport empfehle ich den Social Network Importer for NodeXL , der Facebook Netzwerke, Facebook Gruppen Netzwerke, Facebook Fan Pages Netzwerke und alle möglichen Twitter Netzwerke erstellen kann.