4. Analyse SMR van de drie grootste banken 4.5. Contextanalyse Correlaties Wanneer de SMR-index gefilterd wordt naar individuele SMR-indices van de betrokken banken, ontstaat een overzicht zoals deze gepresenteerd is in figuur 38. Door de toepassing van deze gegevensfiltering werd het mogelijk om mogelijke trendverbanden waar te nemen tussen de banken onderling. Zo kan er bekeken worden of bepaalde gebeurtenissen in de bankensector, naast de eigen bank, ook invloed heeft op andere banken. Hoe gedetailleerder de contextbepaling is, hoe eenvoudiger het wordt om deze gegevens met elkaar te vergelijken op samenhang. Er moet wel worden opgemerkt dat de analyses gebaseerd zijn op een relatief kleine steekproef, waardoor de mate van toevalligheid een grotere rol kan spelen op de gevonden resultaten. Om te kijken of er enige samenhang bestond tussen verschillende banken en hun SMR-indices, werd er een correlatieberekening uitgevoerd. De resultaten staan weergegeven in Tabel 7. Uit deze tabel komen meerdere correlaties naar voren, echter bestaat er alleen een hoge correlatiewaarde tussen ING Bank en Rabobank, deze was negatief gecorreleerd op het niveau van de SMR-index met r = -.790. Een toename van de SMR-score bij de Rabobank leidde tot een SMR-afname bij de ING Bank. In de SMR-grafiek is zichtbaar waar deze correlatie tot stand komt, daarbij tonen de overige tabelwaarden aan door welk onderliggend contextniveau de correlatie daadwerkelijk veroorzaakt wordt. Door een gebeurtenis werden er veel berichtgevingen in het kader van producten en services gepost. Een verdergaande contextanalyse zou kunnen verklaren wat de achterliggende oorzaak hiervan is. Figuur 37 – Trendindicatie van SMR-bankenindex na gebeurtenis op 11 februari 2013 Tabel 7 – Correlatieberekeningen tussen de SMR-indices van de individuele banken SMR-Index EA PS SER overig ABN Amro – ING Bank .547 .024 .468 .263 - ABN Amro – Rabobank -.417 -.024 -.014 -.222 - ING Bank – Rabobank -.790 .167 -.636 -.304 - Een ander correlatieonderzoek dat werd uitgevoerd, had betrekking tot de samenhang tussen berichtaantallen en de SMR-index en de samenhang tussen de zoektermscore en de SMR-index. De resultaten van dit onderzoek staan uitgewerkt in Tabel 8. De belangrijkste resultaten die uit dit correlatieonderzoek naar voren kwamen, zijn dat een hoger aantal social media-berichten over de ING Bank resulteerde in een lagere SMR-index (r = -.909), terwijl in eenzelfde situatie de SMR-index voor de Rabobank juist toenam (r = .812). Ook bij een toename van het aantal social media-berichten over de banken in het algemeen, nam de SMR-index af (r = -.626). Bij de samenhang tussen Google Trends en de Rabobank werd een zwakke samenhang aangetroffen (r = .542). Hierbij correspondeerde een toename in de zoektermscore met een hogere SMR-index. Dit betekent dat wanneer er meer gezocht werd op zoekterm “Rabobank”, daarmee de SMR-index ook toenam. Wat betekent dit resultaat? Het laat in deze situatie zien dat een toename van het berichtenaantal of de zoektermscore bij de Rabobank leidde tot een SMR-stijging en daarentegen bij de ING Bank en de ABN Amro leidde tot een sterkere respectievelijk zwakkere SMR-daling. Aanvullend onderzoek zou moeten uitwijzen of deze trend vaker zichtbaar is, of dat het zich enkel beperkt tot deze situatie. Een mogelijke verklaring voor dit SMR-Correlatiepatroon is, dat deze verschijning op toeval berust. De keuze voor het datuminterval is tot stand gekomen door de procedure zoals beschreven in paragraaf 3.2.4, waarbij er gekozen is voor een periode waarbij alle drie de banken uitschieters Figuur 38 – SMR-indices met contextcategorieën per bank weergegeven met als eenheid een 24-uurs-tijdsinterval. hadden. Bij toeval kunnen de banken op hetzelfde moment positief of juist negatief in de media komen. Anderzijds kan er ook sprake zijn van een bewuste actie, waarbij de Rabobank getracht heeft met een positief bericht naar buiten te komen op het moment dat de ING Bank met negatieve berichtgeving kwam. Een dergelijke actie valt echter niet uit de resultaten af te leiden, mede vanwege het feit dat de geanalyseerde berichtgevingen erg divers waren. Tabel 8 – Correlatieberekeningen tussen zoekwoordscore (Google Trends) en SMR-index, en aantal social media-berichtgevingen (Coosto) en SMR-index. Gebaseerd op de dataset van het hoofdonderzoek. * = Correlatieberekening tussen berichtenaantal (Coosto) en zoektermscores (Google Trends) De CG-correlatie is niet uitgezet tegenover SMR-score, maar is uitgezet tegenover de berichtenaantallen en zoektermresultaten van alle banken samen en de individuele banken. De CG-correlatie geeft aan of bijvoorbeeld een toename van de berichtenaantallen leidt tot een toename van het gebruik van de zoektermen in Google. Dat al deze scores een zwakkere of sterkere positieve samenhang laten zien, is wellicht als volgt te verklaren: meer berichtenaantallen leidt tot meer (media)aandacht, wat vervolgens leidt tot meer nieuwsgierigheid omtrent deze (media)aandacht, hierdoor gaan meer mensen op zoek naar (aanvullende) informatie omtrent de gebeurtenis. Andersom zou een afname van de berichtenaantallen, leiden tot een afname van de zoektermen. Het is echter niet eenduidig vast te stellen of de zoekopdrachten de berichtenaantallen beïnvloeden of andersom. Figuur 33 (p. 74) liet een triangulatie zien tussen de berichtenaantallen en zoektermen. Ook hier is echter niet eenduidig vast te stellen welke factor de andere factor in meer of minder mate beïnvloedt. Contextanalyse in de Media Indien uit de data niet direct afgeleid kan worden waarom de SMR-index een bepaalde trend laat zien, dan moet hierover meer informatie worden ingewonnen. Zoals reeds eerder beschreven werd, genereren Coosto en Google Trends bij een ingevoerde zoekterm zogenaamde “Trending topics” of “Gerelateerde zoekopdrachten”. Deze gegenereerde topics zijn vaak voorkomende zoektermen in combinatie met het oorspronkelijke zoekwoord. Met betrekking tot de casus uit het hoofdonderzoek, waar de ABN Amro een uitschieter genereerde in het social media-landschap, is een dergelijke lijst vastgesteld. In Tabel 9 zijn de resultaten van deze analyse weergegeven. Door deze woorden te combineren met het bekende tijdsinterval kon via verschillende mediasites (Google, NU.nl of NOS.nl) vastgesteld worden wat in de casus van de ABN Amro voor zoveel social media-aandacht zorgde. Uit de media kon worden afgeleid dat er in deze week sprake was van een ABN Amro evenement, genaamd ABN Amro World Tennis Tournament in Ahoy Rotterdam. Heel veel berichten hadden dan ook betrekking tot dit evenement. Zo waren er veel tweets waarin mensen aankondigden een bezoek te brengen aan dit evenement. Veel begrippen in de social media hadden betrekking tot de aanwezige internationale tennisspelers, die op het toernooi zouden spelen. Banken Gegevensbronnen Coosto Google Trends CG* SMR EA PS SER Overig SMR EA PS SER Overig Alle banken -.626 .402 .071 -.612 - -.028 .393 .379 -.110 - .586 ING Bank -.909 -.172 -.587 -.871 - -.185 -.183 .319 -.336 - .149 Rabobank .812 .453 .342 .536 .799 .542 .356 .226 .304 .104 .644 ABN Amro -.449 -.121 .513 .539 -.299 -.109 .161 .522 .017 - .762 Tabel 9 – Gebaseerd op dataset ABN Amro uit het hoofdonderzoek: “Trending Topics” en “Gerelateerde zoekopdrachten” Echter alle berichtgevingen over het toernooi werden overschaduwd door ander nieuws, aangezien de SMR-index toch in een negatievere score schoot. Figuur 38 laat zien dat dit berichtgevingen in de SER-categorie moeten zijn geweest, waardoor er veel negatieve berichten op maatschappelijk vlak zijn ontstaan met betrekking tot de ING Bank. In eerste instantie gaven Google Trends en Coosto op het ingestelde tijdsinterval geen resultaten. Aangezien bij GT niet exacter gefilterd kon worden, werd er naar Coosto gekeken en werden met het tijdsinterval op 13 februari 2013 wel degelijk aanleidingen aangetroffen omtrent de daling. In Tabel 10 zijn de resultaten van de analyse weergegeven. Ook hier werden de resultaten vergeleken met het tijdsinterval en diverse mediasites. Aanleiding voor de sterke daling was een berichtgeving dat de ING Bank opnieuw mensen moest ontslaan, ten gevolge van de digitalisering en het meer online gaan van de financiële dienstverlening. Tabel 10 - Gebaseerd op dataset ING Bank uit het hoofdonderzoek: “Trending Topics” en “Gerelateerde zoekopdrachten” Google Trends Coosto abn amro tennis abn amro bank abn amro toernooi abn amro internet ing bank abn inloggen ing inloggen inloggen abn amro abn amro world tennis amro world tennis tournament ahoy roger federer thiemo bakker eerste ronde tweede ronde nummer juan martin del potro Google Trends Coosto ing inloggen inloggen ing bank natuurlijke afvloeiingen lbc succes online bankieren retailbankingpoot in nederland inbegrip van de saneringen langetermijnvoordeel nederlandook in de retailbankingpoot gesabeld in het personeelsbestand spaarboekjes digitaal vorig jaar circuleert 5. Conclusie In deze studie werd er een Social Media Reputation-index ontwikkeld. Daarnaast werd er bijgedragen aan een beter inzicht omtrent het begrip én gebruik van Big Social Data. De ontwikkelde methode werd getest in de bancaire sector. Daarbij werd de SMR-index bij de drie grootste banken van Nederland vastgesteld. De ontwikkelde en gebruikte onderzoeksmethode is echter niet specifiek voor deze sector en kan dus ook binnen andere sectoren worden toegepast. In dit hoofdstuk zullen de belangrijkste resultaten worden samengevat. Allereerst zullen de deelvragen kort beantwoord en toegelicht worden (§ 5.1 ). Vervolgens wordt er gekeken naar de praktische haalbaarheid van de methode (§ 5.2). Daarna zullen eventuele wijzigingen aan de methode worden besproken (§ 5.3). Tot slot wordt er een antwoord gegeven op de onderzoeksvraag (§ 5.4). In document Praktisch bruikbare “social media reputation” index : big social data-analyse legt social media reputation- indexmethode bloot (pagina 79-83)
