Algorithmen werden immer smarter.
Die Realität In der PR-Praxis: Immer mehr Daten werden heute schon – zum Teil automatisch – produziert, um Stoff für Kommunikation zu liefern. Und: Mit immer smarteren Algorithmen werden Daten analysierbar, die bisher einer automatischen Analyse nicht oder nur schwer zugänglich waren. Wie eine datengetriebene PR aussehen kann zeigt Jörg Hoewner von der K12 Agentur.
Ihm geht es zunächst vor allem um unstrukturierte Daten, wie Namen von Personen oder Ortsangaben in Fließtexten, Bildinhalte, sowie Inhalte von Kommentaren in Social Media und so weiter. Aber er hat auch die Vermischung von PR und Marketing im Auge. Denn im Marketing ist datengetriebenes Arbeiten gängige Praxis.
Aufgabenfeld: Analyse des kommunikativen Umfelds
In der Analyse des kommunikativen Umfelds stehen mehrere Felder im Fokus: Die Analyse von Zielgruppenpräferenzen und die darauf basierende Antizipation von Reaktionen, die Influencer-Identifikation und die Themenanalyse. Bei diesen Aufgabenstellungen sind Werkzeuge gängig, die mit Daten aus dem Online-Monitoring arbeiten und Themenentwicklungen beziehungsweise Netzwerkstrukturen quantitativ bewerten.
Zugriff auf SEO-Tools
Insbesondere der Zugriff auf SEO-Tools ermöglicht eine Beobachtung der digitalen Aktivitäten von Wettbewerbern und lässt Rückschlüsse auf Kampagnen, Keyword-Strategien und thematische Schwerpunktsetzungen zu.
Noch keine One-Stop-Shops
Bei diesen Aufgaben ist man mit den Möglichkeiten schon relativ weit. Allerdings gibt es hier noch keine One-Stop-Shops, sondern die Daten müssen aus einer Vielzahl von einzelnen Tools zusammengeführt werden. Zur Darstellung in Dashboards, das heißt Tools, die die Daten nebeneinander darstellen, existiert eine Reihe von Lösungen, aber weiterführende Auswertungen setzen teure Data-Mining-Lösungen voraus, die hierfür bisher kaum eingesetzt werden.
Inhalt des Artikels
Ausgangslage
Anwendungsfelder für die datengetriebene PR
- Analyse des kommunikativen Umfelds
- Strategieentwicklung und Definition bzw. Evaluation von Kommunikationszielen
- Maßnahmen und Projektorganisation
- Verwaltung der Inhalte
Resumèe
Ausgangslage
Denkt man an Daten in der PR, fallen einem zuerst die Evaluationsklassiker wie Medienresonanzanalyse, Medienbeobachtung oder bestenfalls noch Webseite- und Social-Media-Statistiken ein. Wo sonst wurde in der PR viel mit Zahlen hantiert? Budgetplanung, ok. Ach ja, im Geschäftsbericht.
Mehr Daten, smartere Algorithmen
Das wird sich nachhaltig ändern: Denn erstens werden immer mehr Daten – zum Teil automatisch – produziert, die Stoff für Kommunikation liefern. Zweitens – und das ist der wichtigere Treiber – werden über immer smartere Algorithmen Daten analysierbar, die bisher einer automatischen Analyse nicht oder nur schwer zugänglich waren. Damit sind vor allem unstrukturierte Daten gemeint, wie Namen von Personen oder Ortsangaben in Fließtexten, Bildinhalte, sowie Inhalte von Kommentaren in Social Media und so weiter.
Vermischung zwischen Marketing und PR
Zum Dritten wird die Daten-Affinität durch die Kollegen aus dem Digital-PR-Ressort getrieben. Denn hier verwischen sich die Grenzen zwischen PR und Marketing – und im Marketing ist datengetriebenes Arbeiten gängige Praxis.
Anwendungsfelder für die datengetriebene PR
Analyse des kommunikativen Umfelds
In der Analyse des kommunikativen Umfelds stehen mehrere Felder im Fokus: Die Analyse von Zielgruppenpräferenzen und die darauf basierende Antizipation von Reaktionen, die Influencer-Identifikation und die Themenanalyse. Bei diesen Aufgabenstellungen sind Werkzeuge gängig, die mit Daten aus dem Online-Monitoring arbeiten und Themenentwicklungen beziehungsweise Netzwerkstrukturen quantitativ bewerten.
Insbesondere der Zugriff auf SEO-Tools ermöglicht eine Beobachtung der digitalen Aktivitäten von Wettbewerbern und lässt Rückschlüsse auf Kampagnen, Keyword-Strategien und thematische Schwerpunktsetzungen zu.
Bei diesen Aufgaben ist man mit den Möglichkeiten schon relativ weit. Allerdings gibt es hier noch keine One-Stop-Shops, sondern die Daten müssen aus einer Vielzahl von einzelnen Tools zusammengeführt werden. Zur Darstellung in Dashboards, das heißt Tools, die die Daten nebeneinander darstellen, existiert eine Reihe von Lösungen, aber weiterführende Auswertungen setzen teure Data-Mining-Lösungen voraus, die hierfür bisher kaum eingesetzt werden.