Negatieve tweets
5.7 Vergelijking met eerder onderzoek
Hennig-Thurau et al. (2004) stelden een groot aantal motieven op voor eWOM op webfora. De uitkomst van het onderzoek toonde aan dat eWOM op consumentenplatformen vooral geuit wordt omdat dit zou zorgen voor sociale voordelen, economische beloningen en het versterken van de eigenwaarde. Daarnaast wil men zorgen voor andere consumenten. Een aantal van deze motieven zijn niet te identificeren door de talige kenmerken van tweets te achterhalen. Zo kan het motief “verwerven van sociale voordelen” of “het versterken van de eigenwaarde” alleen geïdentificeerd worden door de gebruiker zelf. Van economische beloningen is in de WOM-tweets geen sprake. Uit het onderzoek gedaan in deze scriptie is gebleken dat mensen wel het motief kunnen hebben om te “zorgen voor andere consumenten”, ook al zijn de motieven voor het uiten van de gevoelens als “frustratie” en “blijheid” veel groter. Volgens Jansen et al. (2009) gebruiken mensen Twitter in combinatie met WOM vooral voor algemene informatie, het stellen van vragen en andere doeleinden die te maken hebben met het delen of zoeken van informatie over merken of producten. In dit onderzoek zijn deze motieven niet gevonden. Een reden daarvoor kan zijn dat Jansen et al. (2009) in hun onderzoek de neutrale tweets hebben meegenomen waarin er gesproken werd over een organisatie of merk. Er zijn in dit onderzoek alleen positieve en negatieve WOM-tweets onderzocht. Volgens Tamir en Mitchell (2012) plaatst men berichten op Sociale Media vooral voor zichzelf, omdat zij zich daar beter van zouden gaan voelen. Ook in dit onderzoek is gebleken dat de schrijver zichzelf op Sociale Media vooropstelt.
Zappavigna (2012) stelt in haar onderzoek naar Twitter dat er in tweets vooral gebruik wordt gemaakt van versterkt taalgebruik. Dit bleek ook het geval in de WOM-tweets. Ook stelt zij dat Twitter vaak gebruikt wordt als backchannel. Uit het onderzoek blijkt daarnaast dat alle attitudes die onderscheiden worden in de Appraisal Theory, gebruikt worden op Twitter. Haar onderzoek richt zich echter op een groot corpus met algemene tweets. In WOM-tweets bleek dat sommige attitudes (zoals het morele judgement of de positieve neiging) niet, of bijna niet voorkomen.
Zhang et al. (2011) onderzochten taalhandelingen op Twitter, en stelden dat er geen commissieve en declaratieve taalhandelingen voorkwamen in de tweets die zij onderzochten. Ook in dit onderzoek is dat het geval. Het gebruik van de declaratieve taalhandelingen is geheel afwezig, commissieve taalhandelingen vinden slechts een paar keer plaats.
90
6. Discussie
Tot slot vindt er in dit hoofdstuk een korte evaluatie plaats met betrekking tot het uitgevoerde onderzoek. Bij een aantal zaken zullen kanttekeningen geplaatst worden. Vervolgens zullen aanbevelingen en suggesties gedaan worden voor eventueel vervolgonderzoek.
6.1 Evaluatie
Het onderzoek gedaan in deze scriptie geeft nieuwe inzichten in de wijze waarop WOM geuit wordt op de microbloggingservice Twitter. Het karakteriseren van WOM-tweets is een gebied waar zich nog maar weinig onderzoekers aan gewaagd hebben. Er is daardoor nog geen eenduidige analysemethode aanwezig om (WOM-)tweets te onderzoeken. Dit onderzoek heeft geprobeerd bij te dragen aan de theorie die beschikbaar is over CMC. Zoals eerder gesteld werd, zijn de tweets waarin word-of-mouth plaatsvindt vaak ambigu. Er zijn in dit onderzoek twee tekstanalytische methoden binnen CMDA gebruikt om de WOM-tweets te analyseren. De kortheid van de berichten, waardoor veel korte, elliptische, uitingen in één tweet geplaatst worden, in combinatie met de ambiguïteit, zorgen ervoor dat er zowel veel taalhandelingen als meerdere attitudes in een tweet aanwezig zijn. De grote aantallen zorgen ervoor dat het lastig is de taalhandelingen of de attitudes aan elkaar te koppelen en daarmee patronen op te stellen. Hoewel er door de gebruikte methoden in dit onderzoek veel duidelijk is geworden over de taalgebruikskarakteristieken in WOM-tweets, kan er daardoor getwijfeld worden over de geschiktheid van de methoden.
De websites waarop data verzameld zijn, lijken op het eerste gezicht heel geschikt. Er is een juiste indeling gemaakt tussen de positieve en de negatieve WOM-tweets. Het is echter niet te achterhalen op basis van welke criteria de tweets verzameld zijn. Daardoor is het mogelijk dat sommige tweets bij voorbaat van onderzoek uitgesloten zijn. Daarnaast zorgen de websites voor een aantal andere problemen. Zo worden alleen de originele tweets geselecteerd, en zijn de reacties hierop of de tweets die ervoor werden geformuleerd, niet te achterhalen. Er is daardoor geen situationele context aanwezig in de tweets, waardoor het de onderzoeker soms lastig gemaakt wordt de tweets te interpreteren. Vervolgens is het met de websites niet mogelijk te achterhalen of er sprake is van een reactie of een retweet. Reacties worden wel weergegeven, maar het is vaak niet duidelijk of deze tweet een openingstweet is (beginnend met het apenstaartje) of een reactie (ook beginnend met het apenstaartje). Retweets worden in zijn geheel weggelaten, tenzij deze geciteerd worden, en weergegeven worden met “RT” of aanhalingstekens.
6.2 Vervolgonderzoek
Voor vervolgonderzoek zou allereerst de data verzameld kunnen worden met behulp van technische mogelijkheden. Sentiment Analysis zou een uitkomst kunnen bieden in het vaststellen van een
91 eenduidige en controleerbare dataset. Het onderzoek gedaan in deze scriptie zou kunnen gelden als basis voor het vaststellen van kernwoorden en signalen.
Een vervolgonderzoek zou zich bovendien kunnen richten op het koppelen van de resultaten die blijken uit de huidige analyses, aan een onderzoek waarbij twitteraars rechtstreeks gevraagd worden naar de motieven die zij hebben (of hadden) voor het plaatsen van hun berichten. Er kan zo een vergelijking gemaakt worden tussen de motieven die op talige wijze vastgesteld zijn, en de motieven die op meer sociale wijze achterhaald worden. Daardoor is het misschien mogelijk meerdere motieven vast te stellen, en de huidige opgestelde motieven nauwkeuriger te maken.
Daarnaast is ook onderzoek naar hoe reacties zich zouden kunnen vormgeven interessant. Voor organisaties is het belangrijk een webcareteam in te zetten om Sociale Media berichten te monitoren. Door de reacties te koppelen aan het soort bericht dat geuit wordt (bijvoorbeeld een uiting van affect of een judgement), kan bepaald worden welke reactie het meest effectief is.
In dit onderzoek werden WOM-uitingen op het Sociale Media platform Twitter gekarakteriseerd. Het zou echter interessant zijn om te zien of er overeenkomsten of verschillen zijn met andere Sociale Media, zoals Facebook of MySpace. Een laatste aanbeveling is daarom een vergelijking te maken met andere Sociale Media kanalen.
92
Referenties
Austin, J. L. (1962). How to Do Things With Words. Cambridge, MA: Harvard University Press.
Balasubramanian, S., & Mahajan, V. (2001). The Economic Leverage of the Virtual Community. International Journal of Electronic Commerce, 5(Spring), 103–138.
Boyd, D. M., & Ellison, N. B. (2007). Social network sites: Definition, history, and scholarship.
Journal of Computer-Mediated Communication, article 11. http://jcmc.indiana.edu/vol13/issue
1/boyd.ellison.html (12 augustus 2012).
Buzzcapture (2010). T-mobile en Youp van ’t Hek Buzzrapport Oktober 2010.
http://www.scribd.com/doc/40059322/Buzzrapport-T-Mobile-en-Youp-Van-t-Hek-251010 (21-08-2012)
Dichter, E. (1966). How Word-of-Mouth Advertising Works. Harvard Business Review, 44 (November–December), 147–166.
Duana,W., Gub, B., &Whinston, A.B. (2008). Do online reviews matter?— An empirical investigation of panel data. Decision Support Systems,45(3), 1007–1016.
Groot, K. (2011). Politieke Twitter Discourse. Een tekstanalytisch onderzoek naar het gebruik van Twitter door Nederlandse politici. http://scripties.let.eldoc.ub.rug.nl/FILES/root/Master/Doorstroom Masters/Communicatie-enInfor/2011/GrootK.de/MA_1809415_K_de_Groot.pdf (20 augustus 2012)
Halliday, M.A.K (1994). An introduction to functional grammar. 2nd edn. London: Arnold.
Helmer, L. (2011). Reageren op klachten via Twitter: de invloed van verantwoordelijkheid en empathie. http://www.slideshare.net/iDenies/reageren-op-klachten-via-twitter (15 augustus 2012)
Hennig-Thurau, T., Gwinner, K.P.,Walsh, G., & Gremle, D.D. (2004). Electronic word-of-mouth via consumer-opinion platforms: What motivates consumers to articulate themselves on the Internet? Journal of Interactive Marketing, 18, 38–52.
Hennig-Thurau, T. Malthouse, E. Friege, C, Gensler, S, Lobschat, L, Rangaswamy, A & Skiera, B. (2010). The Impact of New Media on Consumer Relationships. Journal of Service Research, 13 (3), 311 – 330.
93 Herring, S. C. (2004). Computer-mediated discourse analysis: An approach to researching
online behavior. In S. A. Barab, R. Kling, & J. H. Gray (Eds.), Designing for virtual communities in the service of learning. New York: Cambridge University Press, p.338-376.
Herring, S. C. (2007). A faceted classification scheme for computer-mediated discourse. Language @ Internet. http://www.languageatinternet.org/articles/2007/761 (12 augustus 2012).
Hogendoorn, M. (2003). Communicatieonderzoek. Bussum: Coutinho.
Houtkoop, H. & Koole, T. (2000). Taal in actie: hoe mensen communiceren met taal. Bussum: Coutinho.
Hoyer, W.D. & MacInnis, D.J. (2008). Consumer Behavior. South-Western: Cengage Learning
Jansen, B.J, Zhang, M., Sobel, K., Chowdury, A. (2009). Twitter power: Tweets as electronic word of mouth. Journal of the American Society for Information Science and Technology, 60, 2169–2188.
Kaplan, A. M., Haenlein, M. (2010). Users of the world, unite! The challenges and opportunities of Social Media. Business Horizons, 53, 59-68.
Keislair, M. (2011). Corporate Twitter. Een content analyse naar de manier waarop bedrijven gebruik maken van Twitter. Masterscriptie aan de universiteit van Utrecht. http://igitur-archive.library.uu.nl/s tudent-theses/2011-0524-200342/Masterscriptie_M.Keislair_CorporateTwitter.pdf (12 augustus 2012)
Kerkhof, P., Beukeboom, C., Utz, S. & de Waard, J. (2010). Het vermenselijken van een bedrijf: effecten van persoonlijke vs. onpersoonlijke bedrijfsreacties op negatieve online consumenten reviews. Paper gepresenteerd op Etmaal van de communicatiewetenschap. Gent.
Kim, J., Chem, G., Feng, D., Shaw, E., & Hovy, E. (2006). Mining and assessing discussions on the web through speech act analysis. Proceedings of the Workshop on Web Content Mining with Human Language Technologies at the 5th International Semantic Web Conference.
Laboreiro, G., Sarmento, L., Teixeira, J. & Oliveira, E. (2010). Tokenizing micro-blogging messages using a text classification approach. Proceedings of the Fourth Workshop on Analytics for Noisy Unstructured Text Data. Toronto: ACM.
94 Martin, J. R. (2000). Beyond exchange: APPRAISAL systems in English. In Evaluation in Text: Authorial Stance and the Construction of Discourse, S. Hunston and G. Thompson (eds.), p.142– 175. Oxford: OUP.
Martin, J.R. & Rose, D. (2007). Working with Discourse. Meaning Beyond the Clause. London: Continuum.
Martin, J. R. & White, P.R.R. (2005). The language of evaluation: Appraisal in English. New York: Palgrave Macmillan.
Mitchell, J.P. & Tamir, D. (2012). Disclosing information about the self is intrinsically rewarding. Department of psychology, Harvard University. Retrieved on 21-08-2012 from
http://wjh.harvard.edu/~dtamir/Tamir-PNAS-2012.pdf
Molblog (2012). Winkelketens: 88% zet social media in. http://www.molblog.nl/bericht/winkelketens-88-zet-social-media-in/ (16-07-2012).
Nardi, B.A., Schiano, D.J., Gumbrecht, M., & Swartz, L. (2004). Why weblog. Communications of the ACM, 47(12), 41–46.
Nath, A.K., Singh, R. Iyer, L. (2009). Web 2.0: Capabilities, Business Value and Strategic Practice. AMCIS 2009 Proceedings, paper 451. Online: http://aisel.aisnet.org/amcis2009/451 Geraadpleegd op 16-06-2012).
Oosterveer, D. (2011). Influencing and measuring word of mouth on Twitter.
http://www.dannyoosterveer.nl/measuring-influence-paper/measuring_digital_influence.pdf (19 augustus 2012).
Pander Maat, H. (1994). Tekstanalyse: een pragmatische benadering. Groningen: Martinus Nijhoff Uitgevers.
Park, J. & Chung, C. (2012). When Daily Deal Service Meets Twitter: Understanding Twitter as a Dealy Marketing Platform. Websci 2012, June 22-24.
Phelps, J.E., Lewis, R., Mobilio, L., Perry, D., & Raman, N. (2004), “Viral marketing or electronic Word-of-Mouth advertising: examining consumer responses and motivations to pass along email.” Journal of Advertising Research, 44, p.333-48.
95 Richins, M.L. (1983). Negative word-of mouth by dissatisfied consumers:A pilot study. Journal of Marketing, 47(Winter), 68–78.
Richins, M.L., & Root-Shaffer, T. (1988). The Role of Involvement and Opinion Leadership in Consumer Word-of-Mouth: An Implicit Model Made Explicit. Advances in Consumer Research, 15, 32–36.
Safko, L. (2010). The Social Media Bible: Tactics, tools, and strategies for business success. London: John Wiley & Sons.
Searle, J. (1969). Speech Acts: An Essay in the Philosophy of Language. Cambridge, Cambridge University Press.
Short, J., Williams, E. & Christie, B. (1976). The social psychology of telecommunications. London: John Wiley.
Soetarto, B., Yap, K.B. & Sweeney, J.C. (2009). Electronic Word-of-Mouth: an Exploration into the Why, What, and How, Presented at Australia and New Zealand Marketing Academy
Conference, 30 November-2 December, Melbourne.
Spitzberg, B.H. (2006). Preliminary development of a model and measure of computermediated communication (CMC) competence. Journal of Computer-Mediated Communication, 11 (2), article 12, 629-666.
Sundaram, D.S., Mitra, K., & Webster, C. (1998). Word-of-Mouth Communications: A Motivational Analysis. Advances in Consumer Research, 25, 527–531.
Thompson, P.A. & Foulger, D.A. (1996). Effect of pictographs and quoting on flaming in electronic mail. Computers in Human Behavior, 12, 225 – 243.
Walther, J. B. (1996). Computer-mediated communication: Impersonal, interpersonal, and hyperpersonal interaction. Communication Research, 23, 3-43.
Walther, J. B., & Parks, M. (2002). Cues filtered out, cues filtered in. Thoasand Oaks, CA, US: Sage Publications, Inc.
96
Wildt, M. de (2012). Beleefdheid op Twitter. (on)beleefde nachtbrakers. Retrieved 21-8-2012 from http://arno.uvt.nl/show.cgi?fid=122491
Zajonc, R.B. (1971). The Concepts of Balance, Congruity, and Dissonance. In P. Suedfeld (Ed.), Attitude Change (pp. 63–85). Chicago: Aldine-Atherton.
Zappavigna, M. (2012). Discourse of Twitter and Social Media. London: Continuum.
Elektronische bronnen:
Run op ‘gratis’ Hema-taart (2011). http://nos.nl/artikel/310077-run-op-gratis-hemataart.html (16-07-2012)
Website gebruikt voor dataverzameling (2012). HuldeHulde – Bewaar je #hulde in de huldehulde complimentenlijst. http://huldehulde.nl/ (laatst geraadpleegd op 22-08-2012).
Website gebruikt voor dataverzameling (2012). Uitgekotst – Bewaar je #fail in het uitgekotst zwartboek. http://uitgekotst.nl/ (laatst geraadpleegd op 22-08-2012)
Youp van ‘t Hek brengt T-mobile imagoschade toe (2010).
http://www.nrcnext.nl/blog/2010/10/25/youp-vant-hek-brengt-t-mobile-imagoschade-toe/ (21-08-2012)
97