Zusammenfassung
Durch die starke Verbreitung der sozialen Medien und deren Rückkanalfähigkeit wandeln sich Unternehmen von reinen Absendern einer Werbebotschaft zu Vertretern einer Marke, die im Dialog mit ihren Kunden stehen und ebenso als Content-Provider wie als „Ermöglicher“ für Kommunikation fungieren müssen. Die Bandbreite der verfügbaren Maßgrößen für die Steuerung der Unternehmenskommunikation in den sozialen Medien ist allerdings so groß, dass man sich gerne in einer Vielzahl möglicher Metriken verliert. Das Kapitel führt durch die wichtigsten Fragen und die dafür jeweils hilfreichen Kennzahlen angefangen von einem grundlegenden Social Media Listening bis hin zu spezifischen Social Media Insights.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
siehe Tuten und Solomon 2018, S. 18. In Teilen der Literatur tritt auch der Begriff Social CRM (Customer Relationship Management) auf, der Social Media Marketing etwas enger auf die Beziehungen zwischen Organisation und Kunden einschränkt und durch CRM auch sogleich eine bestimmte Technologie in den Vordergrund stellt (vgl. Greve 2011a). Für eine Übersicht und Diskussion der unterschiedlichen Dimensionen und Sichtweisen zu Social Media Marketing siehe Felix, Rauschnabel und Hinsch (2017).
- 2.
Die sozialen Medien werden aufgrund ihrer Vielfältigkeit in der Literatur durchaus unterschiedlich definiert. Kaplan und Haenlein (2010) bieten eine grundlegende und häufig zitierte Definition: „a group of Internet-based applications that build on the ideological and technological foundations of Web 2.0, and that allow the creation and exchange of user-generated content.“ Für eine Abhandlung der unterschiedlichen Diskussionsstränge siehe McCay-Peet und Quan-Haase (2017). Dieses Kapitel beschäftigt sich ausschließlich mit digitalen, Web-basierten sozialen Medien. Für einen Versuch der Strukturierungen der diversen Social-Media-Angebote und einen Überblick über die wichtigsten Fachbegriffe aus Marketingsicht siehe Zhu und Chen (2015).
- 3.
Facebook gibt für den Dezember 2018 2,32 Milliarden Monatlich Aktive Nutzer (MAU) auf Facebook selbst und 2,7 Milliarden MAU inklusive Instagram, WhatsApp und Messenger an (Gartenberg 2019).
- 4.
- 5.
Der deutsche Dialogmarketing Verband erhob 2013 unter seinen Mitgliedern, dass beinahe die Hälfte (49,27 %) auf Social Media Interessenten nicht von Kunden unterscheiden konnten und 77 % ihre CRM-Aktivitäten noch nicht mit den Social Media Strategien eng verzahnt hatten (Deutscher Dialogmarketing Verband 2013, zitiert nach Holland 2016, S. 158–159).
- 6.
Für eine Diskussion und Darstellung unterschiedlicher Verfahrensschritte aus wissenschaftlicher und Praxis-orientierter Sicht siehe Khan (2018, S. 98–103); Tuten und Solomon (2018, S. 348–366); Fan und Gordon (2014); Kerzner (2017); Heijnen et al. (2013); Alberghini et al. (2014) und Altimeier (2011).
- 7.
Engagement wird in diesem Zusammenhang gemäß van Doorn et al. (2010) definiert als die Manifestation des Kundenverhaltens gegenüber einer Marke oder einem Unternehmen, über den Kauf hinaus, das aus verschiedenen Motivationstreibern resultiert. Für eine Zusammenstellung der Kennzahlen und eine Diskussion der unterschiedlichen Formen des Engagements siehe Abschn. 4.2.3. Für eine Diskussion der motivationalen Treiber von Engagement siehe Abschn. 11.1.
- 8.
Die Engagement-Rate setzt die Zahl der Interaktionen in Relation zur potentiellen Reichweite, siehe Abschn. 4.2.3.
- 9.
- 10.
Als Aufmerksamkeitsökonomie wird ein wirtschaftliches System verstanden, in dem die Aufmerksamkeit der einzelnen Mitglieder einen ökonomischen Wert hat. Der Begriff wurde durch Herbert Simon geprägt (Simon 1971). Simon argumentierte, dass Information massenhaft verfügbar, aber die Fähigkeit des Menschen, diese Information aufzunehmen und zu interpretieren, eingeschränkt ist. Je mehr Information vorhanden ist, desto knapper ist die Aufmerksamkeit und desto höher ihr ökonomischer Wert. Das Publikum bzw. dessen Aufmerksamkeit wird somit zu einem monetarisierbaren Produkt. Siehe auch Humphreys 2016, S. 43–44.
- 11.
Um genau zu sein, müsste man aus den Mentions die Anzahl derjenigen Mentions herausrechnen, die die eigenen Beiträge auf den eigenen Kanälen erzielt haben, um das exakte Volumen von Earned Media zu messen.
- 12.
Für eine einführende Darstellung der unterschiedlichen Möglichkeiten einer Zielgruppensegmentierung in den sozialen Medien siehe Tuten und Solomon (2017, S. 38 ff).
- 13.
Für eine Diskussion der motivationalen Treiber von Engagement siehe Abschn. 11.1.
- 14.
- 15.
Manche Autoren beziehen noch weitere Metriken mit in die Engagement-Messung ein, die das Rezeptionsverhalten messen, aber keine Interaktion mit den Inhalten darstellen, wie zum Beispiel Time on Site oder Bounce Rate (Boelsen 2016). Andere Studien (z. B. Forrester Research 2008) betrachten auch die dargestellte Intimität des Nutzers mit dem Unternehmen und den potentiellen Einfluss des Nutzers als Teil ihrer Engagement-Analyse. Siehe hierzu die Abschnitte zu Sentiment (Abschn. 4.2.4) und Einfluss (Abschn. 4.2.6).
- 16.
Auf der anderen Seite weist die Studie auch auf das Phänomen der Selbst-Teiler (Self-Sharing) hin, die sich die Inhalte zu anderen Zwecken mit sich selbst oder über mehrere eigene Profile hinweg teilen, was das Engagement überzeichnen würde.
- 17.
Der Sales- oder Marketing-Funnel (Verkaufstrichter) versucht, die einzelnen Stufen des Entscheidungs- und Kaufprozesses des Kunden abzubilden und vom ersten Kundenkontakt bis hin zum Kauf mit Kennzahlen zu hinterlegen, die es dem Unternehmen ermöglichen, seine Marketing- und Vertriebsprozesse möglichst effektiv zu gestalten und die Marketing-Ressourcen möglichst effizient einzusetzen. Der Sales-Funnel und die damit verbundenen Kennzahlen werden ausführlich im Kapitel „Funnel Optimierung“ (Abschn. 4.3.3) vorgestellt. Unter Influencer-Community versteht man eine Community, die sich um einen Akteur in den sozialen Medien gebildet hat, der von den Mitgliedern der Community als Experte anerkannt wird (vgl. Schach und Lommatzsch 2018).
- 18.
In der Literatur wird Sentiment Analyse auch teilweise als Opinion Mining bezeichnet, teilweise wird zwischen Opinion und Sentiment unterschieden (Pang und Lee 2008). Dieses Kapitel fasst alle Disziplinen der Tonalitäts-, Gefühls- und Meinungsermittlung durch die Analyse von Texten und bildlichen Informationen unter Sentiment Analyse zusammen.
- 19.
- 20.
Alternative Methoden setzen maschinelles Lernen oder einen regelbasierten Ansatz, zum Teil in Verbindung mit einem Lexikon, ein. Ein Lexikon-basierter Ansatz geht immer von der Annahme aus, dass die tonale Polarität eines Textes die Summe aus der Polarität seiner einzelnen Wort-Bestandteile ist. Der Ansatz des maschinellen Lernens nutzt hingegen einen Trainings-Datensatz aus Texten, deren Polarität bereits valide kodiert wurde, und lässt das Programm anhand dieses Trainings-Datensatzes seine eigenen Sentiment-Regeln bzw. Algorithmen zur Ermittlung der Tonalität neuer, noch nicht kodierter Texte festlegen. Die Tonalität einzelner Textbestandteile mag hierbei nur ein mögliches Kriterium sein, das der Algorithmus aufgreift.
- 21.
- 22.
Laut Facebook werden im FB Messenger täglich im Durchschnitt über 900 Millionen Nachrichten versendet, die nur aus Emojis ohne weiteren Text bestehen. Zum Zeitpunkt des Welt-Emoji-Tages 2018 gibt es über 2800 Emojis, von denen allein innerhalb Facebook 2300 täglich eingesetzt werden, was zu durchschnittlich über 700 Millionen Emojis am Tag auf Facebook führt (Emojipedia 2018).
- 23.
Siehe auch Unterkapitel „Content Targeting“ (Abschn.9.5) zur Frage des Kontexts.
- 24.
Auf diese Weise können Wordwolken auch als Frühwarnsystem für die Krisenkommunikation eingesetzt werden, siehe auch Abschn. 4.2.8.
- 25.
Die Literatur zur Netzwerkanalyse weist zusätzlich auf eine dritte, für eine virale Verbreitung von Inhalten in den sozialen Medien potentiell sehr einflussreiche Kategorie von Nutzern hin: die sogenannten Brücken (Bridges) (Hinz et al. 2011). Diese Nutzer verfügen über kein großes eigenes Netzwerk und sind unter Umständen auch nicht sehr aktiv, sitzen aber an strategisch wichtigen Verbindungspunkten in einem Netzwerk, indem sie zwei oder mehrere Teilpopulationen verbinden. Um diese Brücken-Nutzer zu ermitteln, Bedarf es allerdings einer Gesamtsicht auf das soziale Netzwerk, über welche die wenigsten Unternehmen außerhalb der Betreiber der Social-Media-Plattformen verfügen.
- 26.
Wenn die Datenbasis und die Auswertungskapazitäten entsprechend vorhanden sind, bietet sich auch eine Perzentilbetrachtung an, die pro Post oder Zeitraum die x-Prozent aktivsten Nutzer unter allen Nutzern ermittelt und als Heavy User definiert.
- 27.
Das Konzept des Net Promoter Score nach Reichheld (2003) geht über die reine Ermittlung der Empfehlungswahrscheinlichkeit einzelner Kunden hinaus: Indem vom Prozentsatz der Promotoren unter allen Befragten der Prozentsatz der Detraktoren abgezogen wird, kann die generelle Kundenzufriedenheit in einer einfachen Kennzahl festgehalten werden. Der Net-Promoter-Score wird daher auch Promotorenüberhang genannt. Ist der so ermittelte NPS größer als Null geht man von einer guten und bei Werten über 50 von einer sehr guten Kundenzufriedenheit aus (vgl. Greve 2010, 2011b; Barker et al. 2017, S. 236–237).
- 28.
Laut Kamps und Schetter (2018, S. 144–147) gilt auf Instagram als Faustformel, „dass die Interaktionsrate bei knapp fünf Prozent liegen sollte. Verfügt der Influencer über eine sehr große Follower-Anzahl, kann die Interaktionsrate auch etwas niedriger liegen. 2,5 % darf sie aber auf keinen Fall unterschreiten.“ Auf YouTube sollte sie laut Kamps und Schetter (2018, S. 144–147) die fünf Prozent Marke nie unterschreiten.
- 29.
Für eine Untersuchung der potentiellen kurz- und langfristigen Auswirkungen von Krisensituationen in den sozialen Medien auf Marken siehe Hansen et al. (2018).
- 30.
- 31.
Die sozialen Medien können auch sehr hilfreiche Erkenntnisse zum Employer Branding, Recruiting oder für die Personalbindung zu Tage fördern. Diese werden aber aufgrund des Schwerpunktes dieser Publikation auf Marketing-Kommunikation hier nicht weitergehend vertieft.
- 32.
Behavioral (Micro-)Targeting verfolgt das Ziel, durch Daten über das Surfverhalten und Informationen aus Nutzerprofilen, eine Ausspielung von zum Teil psychologisch-profilierter Online-(Massen-)Werbung an eine passgenaue Zielgruppe zu ermöglichen (Kielholz 2008, S. 201; vgl. auch Bauer/Greve/Hopf. 2011). Marketing Automation setzt zur individuellen Kommunikation automatisierte, softwaregestützte Kampagnenprozesse ein, die zumeist auf der Auswertung von Nutzerprofilen und Nutzerverhalten basieren.
- 33.
Siehe Abschn. 4.4.1 zu aktuellen Zahlen über die Engagement-Rate in unterschiedlichen Branchen.
- 34.
- 35.
Für eine Untersuchung in welchen Funnelstufen sich die sozialen Medien und insbesondere User-Generated-Content versus Firm-Generated-Content besonders gut eignen siehe Colicev, Kumar und O’Connor (2018).
- 36.
Für eine kurze Diskussion unterschiedlicher Modelle siehe Colicev, Kumar und O’Connor (2018). Für ein Beispiel eines sieben-stufigen Modells siehe Kopp 2016, 2018. Für eine sechs-stufige Variante, zumeist ohne Pre-Awareness, siehe Tuten und Solomon (2018, S. 346). Für ein Beispiel des gängigen fünf-stufiges Modells siehe Barker et al. (2017, S. 235). Die Customer Journey (Kundenreise), manchmal auch Buyer’s Journey oder Users Journey genannt, beschreibt die einzelnen Schritte, die ein Kunde hin zu seiner Kaufentscheidung und darüberhinaus durchläuft.
- 37.
- 38.
- 39.
In der in der Tradition der Kommunikation in den sozialen Medien wichtigen Groundswell Theorie spricht man analog von Talk, Energize und Support (Siehe Bernoff und Li 2011).
- 40.
Als Nebeneffekt der Aktivitäten zur Steigerung des Engagements für diese Funnel-Phase, kann ein höheres Engagement auch den positiven Nebeneffekt haben, die Wirkung der Aktivitäten zur Awareness-Phase des Funnels zu steigern. Ein hohe Engagement-Rate führt zu einer positiveren Bewertung der angebotenen Inhalte durch den Plattform-Algorithmus und somit zu mehr organischen, earned Views und unter Umständen auch zu einem geringeren Bedarf an Werbegeldern, um die Verbreitung der Inhalte zu unterstützen.
- 41.
Siehe Abschn. 4.3.2 zu fortschreitender Marketingautomation bei Facebook mittels einem vorgegebenen Mindest-ROAS.
- 42.
- 43.
Im Groundswell-Ansatz für die sozialen Medien spricht man von Support (Unterstützung bieten und eigene Kanäle bereitstellen) sowie Embrace (Integration der Nutzer in die Wertschöpfungskette).
- 44.
Happe (2016) nennt die Kennzahl zwar den ROI of Community Engagement, vernachlässigt allerdings andere Returns einer Brand-Community außerhalb des Kundendiensts angefangen von einer erhöhten Awareness oder eines besseren Rankings bei den Suchmaschinen bis hin zu generierten Leads oder auch direkten Verkäufen (inkl. Up- und Cross-Selling) über die Community. Zu Kennzahlen zum Community Management siehe Abschn. 4.3.5.
- 45.
- 46.
- 47.
Für eine Zusammenfassung der Kennzahlen zur Nutzung einer Community für den Kundendienst und damit auch für eine ROI-Sicht auf Community-Management siehe Abschn. 4.3.4.
- 48.
Die Churn-Rate (Abwanderungsrate oder -quote) misst die über einen bestimmten Zeitraum verzeichnete Anzahl der Kunden oder Teilnehmer, die den Dienst nicht weiter nutzen, und setzt sie ins Verhältnis zur Anzahl der Gesamtkunden zu Beginn des Beobachtungszeitraums. Sie gibt somit einen Eindruck über eine Seite der Kundenfluktuation und indirekt über die durchschnittliche Länge der Kundenbindung bzw. Teilnahme am Dienst und somit über die Kundenzufriedenheit.
- 49.
Unzählige Nachrichten und Hinweise auf Fake-Reviews bei den großen Bewertungs- und eCommerce-Plattformen überschatten aktuell das Thema. Inwieweit das Bewusstsein über Fake-Reviews zu einem anderen Verhalten der Nutzer führt ist bislang noch nicht bekannt. Die Plattformen selbst sind sehr bemüht Fake-Reviews mittels Machine Learning (Maschinenlernens) frühzeitig zu erkennen und zu löschen. Es gibt auch einige Anbieter, die den Nutzern ein Add-On anbieten zum Beispiel für Amazon und damit versuchen, vermeintliche Fake-Reviews aus den angezeigten Empfehlungen auszusortieren, indem sie die Reviews anhand sich wiederholender Sätze, verdächtiger Accounts, sehr zeitnah hintereinander geposteter Reviews und einer unwahrscheinlich hohen Rate von positiven Reviews untersuchen. Ahrholdt (2011) hat bereits früh darauf hingewiesen, dass zumindest in dem von ihm verwendeten indirekten Untersuchungsansatz (Strukturgleichungsmethodik) Kundenbewertungen bei Online-Shops keinen vertrauensfördernden Einfluss zeigten, obwohl dies bei einer direkten, kausal vernüpfenden Abfrage häufig ausgedrückt wird. Er verweist als potentielle Gründe auf Fake Reviews oder darauf, dass Bewertungen unter Umständen bereits ein Hygiene-Faktor seien, d. h. falls nicht vorhanden, bilden sie einen Misstrauensfaktor, aber das Vorhandensein stellt keinen Vertrauensfaktor dar.
- 50.
Der Nutzen eines aktiven Umgangs mit Online Bewertungsportalen ist nicht nur auf den B2C-Bereich beschränkt. Eine allerdings nicht repräsentative Umfrage unter 548 B2B-Marketingverantwortlichen im Jahr 2017 ergab, dass sieben von zehn B2B-Kaufentscheidern während den vorbereitenden Phasen und jeder zweite während der Endphase auf dem Weg zur Kaufentscheidung auf Bewertungen zurückgreifen. Neunzig Prozent gaben an, dass sie sich von Bewertungen in ihrer Kaufentscheidung beeinflussen lassen. Allerdings nur jede fünfte Firma in der Umfrage nutzte Bewertungsportale aktiv in ihren Marketingbemühungen (G2, Heinz Marketing 2018, S. 3).
- 51.
Weak bzw. Strong Ties (schwache und starke Bindungen) definiert die Netzwerkanalyse gemäß Granovetter (1973) abhängig von vier Faktoren: der Menge von Zeit, die zwei Menschen miteinander verbringen, der emotionalen Intensität der Beziehung, der Intimität (beidseitig bestätigt), sowie den gegenseitigen Diensten füreinander.
- 52.
Eine Studie zur Auswirkung der Adaption des Facebookalgorithmus im Jahr 2017 zeigt beispielsweise für 1500 untersuchte, deutsche Medienseiten auf Facebook einen Rückgang der Interaktionen im Jahresvergleich Oktober 2017 zu Oktober 2018 um durchschnittlich 43,7 % (Schröder 2018). Die Likes für die Facebook-Posts gingen sogar um 54,3 % zurück (von 51,3 Mio. auf 23,4 Mio.), die Kommentare schrumpften um 48,2 %, die Reactions („Love“, „Wow“, „Haha“, „Sad“ und „Angry“) um 35,5 %, die Shares schrumpften mit einem Minus von 16,9 % (8,8 Mio. statt 10,5 Mio.). Die Zahl der von den 1500 Pages veröffentlichten Posts blieb in beiden Monaten beinahe gleich (−3,8 %), 398.800 (Oktober 2017) und 383.800 (Oktober 2018), so dass der Rückgang der Interaktionen nicht bzw. nur zu einem sehr kleinen Teil an der Anzahl der Veröffentlichungen gelegen haben kann.
- 53.
Rival IQ (2018, S. 3) definiert Engagement für die Benchmarking-Studie als die Summe der messbaren Interaktionen aus Likes, Comments, Favorites, Retweets, Shares und Reactions. Die Engagement Rate wird berechnet aus der Summe dieser Interaktionen geteilt durch die Summe der Fans und Follower (Potential Reach).
- 54.
AdEspresso (2018) gibt auch CPC-Werte für Reach (Spanne in 2017 von 1,69 US-$ – 3,71 US-$) und Impressions (Spanne in 2017 von 3,08 US-$ – 5,99 US-$) an. Es ist allerdings fraglich, ob für diese Kampagnenziele, die auf Awareness und nicht auf Interaktion setzen, eine Auswertung nach Klicks adäquat ist.
- 55.
APAC steht für die Region Asien-Pazifik, LATAM für Lateinamerika, EMEA für Europa, Naher Osten und Afrika.
Literatur
Accenture (2017): Redesigning Retail For The Next Generation – Gen Z Accelerates The Millennial Digital Trend, https://www.accenture.com/us-en/insight-redesigning-retail-next-generation. Zugegriffen: 25. Jan. 2019
Adespresso (2018): FB Ads Cost 2017 Benchmarks; https://adespresso.com/blog/facebook-ads-cost/. Zugegriffen: 15. Nov. 2018.
Adstage (2018): Q2 2018 Paid Search and Paid Social Benchmark Report; https://www.adstage.io/resources/adstage-benchmark-reports/. Zugegriffen: 30. Okt. 2018.
Ahrholdt, D. (2011): Empirical Identification of Success-Enhancing Web Site Signals in E-Tailing: An Analysis Based on Known E-Tailers and the Theory of Reasoned Action, in: Journal of Marketing Theory and Practice, Jg. 19, Nr. 4: S. 441–458.
Ahrholdt, D./Gudergan, S./Ringle, C. (2017): Enhancing Service Loyalty – The Role of Delight, Satisfaction, and Service Quality, in: Journal of Travel Research, Jg. 56, Nr. 4, S. 436–450.
Ahrholdt, D./Gudergan, S./Ringle, C. (2019): Enhancing Loyalty – When Improving Consumer Satisfaction and Delight Matters, in: Journal of Business Research, Nr. 94, S. 18–27.
Alberghini, E./Cricelli, L./Grimaldi, M. (2014): A methodology to manage and monitor social media inside a company: a case study, in: Journal of Knowledge Management, Vol. 18, Nr. 2, S. 255–277, https://doi.org/10.1108/JKM-10-2013-0392
Altimeier (2011), A Framework for Social Analytics; https://faculty.darden.virginia.edu/gbus8630/doc/altimetersocialanalytics081011final-110810105257-phpapp01.pdf, Zugegriffen: 25. Jan. 2019
Angelis, M. D./Bonezzi, A./Peluso, A. M./Rucker, D. D./Costabile, M. (2012): On braggarts and gossips: A self-enhancement account of word-of-mouth generation and transmission in: Journal of Marketing Research, Jg. 49, Nr. 4, S. 551–563.
Babic, A./Sotgiu, F./de Valck, K./Bijmolt, T.H.A. (2015): The Effect of Electronic Word of Mouth on Sales: A Meta-Analytic Review of Platform, Product, and Metric Factors in: Journal of Marketing Research, Jg. 53 Nr. 3, S. 297–318.
Bagozzi, R. P./Dholakia, U. M. (2002). Intentional social action in virtual communities in: Journal of Interactive Marketing, Jg. 16, Nr. 2, S. 2–21.
Balahur, A. (2013): Sentiment analysis in social media texts, in: Proceedings of the 4th workshop on computational approaches to subjectivity, sentiment and social media analysis, S. 120–128.
Barker, M. S./Barker, D. I./Bormann, N.F./Roberts, M. L./Zahay, D. (2017): Social Media Marketing – a Strategic Approach. 2. Auflage, Cangage Learning Australia.
Barry, C./Markey, R./Almquist, E./Brahm, C. (2011): Putting social media to work; 12. Sep. 2011: https://www.bain.com/insights/putting-social-media-to-work, Zugegriffen: 1. Dez. 2018.
Bauer C./Greve G./Hopf G. (2011): Online Targeting Und Controlling: Grundlagen – Anwendungsfelder – Praxisbeispiele. Wiesbaden: Gabler Verlag.
Baumeister, D. (2018): Messenger Marketing: Eine neue Ära bricht an. Abgerufen am 02.01.2019. Verfügbar unter: https://www.welovecontent.de/content-marketing/messenger-marketing-eine-neue-aera-bricht-an/
Berger, J./Schwartz, E. M. (2011): What Drives Immediate and Ongoing Word of Mouth? in: Journal of Marketing Research, Jg. 48, Nr. 5, S. 869–880. https://doi.org/10.1509/jmkr.48.5.869.
Bernoff, J./Li, C. (2011): Groundswell, Expanded and Revised Edition: Winning in a World Transformed by Social Technologies. Harvard Business Review Press.
Bitkom (2012): Social Media in deutschen Unternehmen. http://www.bitkom.org/sites/default/files/file/import/Social-Media-in-deutschen-Unternehmen4.pdf. Zugegriffen: 2. Jan. 2019.
Bitkom (2015): Drei von vier Unternehmen nutzen Social Media; https://www.bitkom.org/Presse/Presseinformation/Drei-von-vier-Unternehmen-nutzen-Social-Media.html. Zugegriffen: 22. März 2018.
Bitkom (2015b): Drei Viertel der Online-Shopper lesen Produktbewertungen; https://www.bitkom.org/Presse/Presseinformation/Drei-Viertel-der-Online-Shopper-lesen-Produktbewertungen.html. Zugegriffen: 29. Nov. 2018.
Bitkom (2017): Fast jedes zweite Unternehmen hat im Netz schon Gegenwind bekommen; https://www.bitkom.org/Presse/Presseinformation/Fast-jedes-zweite-Unternehmen-hat-im-Netz-schon-Gegenwind-bekommen.html. Zugegriffen: 27. Sep. 2018.
Blanchard, O. (2012): Social Media ROI: Messen Sie den Erfolg Ihrer Marketing-Kampagne. München: Addison-Wesley Verlag.
Boelsen, P. (2016): Customer Engagement; https://suxeedo.de/glossary/customer-engagement/. Zugegriffen: 11. Sep. 2018.
Brecht, K. (2018): Sichtbarkeitswerte der Video-Ads im Sinkflug – Meetrics Viewability Benchmarks II/2018; https://www.horizont.net/medien/nachrichten/meetrics-viewability-benchmarks-ii2018-sichtbarkeitswerte-der-video-ads-im-sinkflug-168542. 23. Jul 2018. Zugegriffen: 16. Okt. 2018.
Brogi, S. (2014): Online Brand Communities: A Literature Review, Procedia, in: Social and Behavioral Sciences; Nr. 109, S. 385–389; https://doi.org/10.1016/j.sbspro.2013.12.477. Zugegriffen: 03. Jan. 2019.
Brown, J. J./Reingen, P. H. (1987). Social ties and word-of-mouth referral behavior, in: Journal of Consumer Research, S. 350–362.
Buffer (2018): We Analyzed 43 Million Facebook Posts From the Top 20,000 Brands (New Research), https://blog.buffer.com/facebook-marketing-strategy; 7. Aug. 2017, aktualisiert 31. Okt. 2018. Zugegriffen: 30. Nov. 2018.
BVDW (2018): Digitale Nutzung in Deutschland 2018 – Abbildung der aktuellen digitalen Mediennutzung in Deutschland und Darstellung möglicher Trends, sowie Analyse des grundsätzlichen Verständnisses von Digitalisierung. https://www.bvdw.org/fileadmin/user_upload/BVDW_Marktforschung_Digitale_Nutzung_in_Deutschland_2018.pdf; Zugegriffen: 02. Jan. 2019
Cabral, L./Hortacsu, A. (2010). The dynamics of seller reputation: Evidence from Ebay, in: The Journal of Industrial Economics, Jg. 58, Nr. 1, S. 54–78.
Carron-Arthur, B./Cunningham, J.A./Griffiths, M. (2014): Describing the distribution of engagement in an Internet support group by post frequency: A comparison of the 90-9-1 Principle and Zipf's Law, in: Internet Interventions, Vol. 1, Nr. 4, S. 165–168; https://doi.org/10.1016/j.invent.2014.09.003. Zugegriffen: 2. Dez. 2018.
Chevalier, J. A./Mayzlin, D. (2006). The effect of word of mouth on sales: Online book reviews, in: Journal of Marketing Research, Jg. 43, Nr. 3, S. 345–354.
Cialdini, R. B. (1993). Influence: The psychology of persuasion. New York: HarperCollins.
Clement, R./Schreiber, D. (2013): Internet-Ökonomie – Grundlagen und Fallbeispiele der vernetzten Wirtschaft. Heidelberg: Springer.
Clemons, E. K./Gao, G. G./Hitt, L. M. (2006). When online reviews meet hyperdifferentiation: A study of the craft beer industry, in: Journal of Management Information Systems, Jg. 23, Nr. 2, S. 149–171.
Colicev, A./Kumar, A./O’Connor, P. (2018): Modeling the relationship between firm and user generated content and the stages of the marketing funnel, in: International Journal of Research in Marketing, https://doi.org/10.1016/j.ijresmar.2018.09.005
Constine J. (2018): Facebook stories reveals 150M daily views and here come ads, https://techcrunch.com/2018/05/17/facebook-stories-150-million-users/, 17. Mai 2018. Zugegriffen: 25. Januar 2019
Community Roundtable (2016): The State of Community Management 2016; https://communityroundtable.com/what-we-do/research/the-state-of-community-management/socm2016/. Zugegriffen: 2. Dez. 2018.
De Haan, E./Wiesel, T./Pauwels, K. (2016): The effectiveness of different forms of online advertising for purchase conversion in a multiple-channel attribution framework, in: International Journal of Research in Marketing, Jg. 33, Nr. 3, S. 491–507.
Dellarocas, C./Zhang, X. M./Awad, N. F. (2007): Exploring the value of online product reviews in forecasting sales: The case of motion pictures, in: Journal of Interactive Marketing, Jg. 21, Nr. 4, S. 23–45.
Deloitte (2017): Deloitte CMO Survey Aug. 2017; https://cmosurvey.org/wp-content/uploads/sites/15/2017/08/The_CMO_Survey-Highlights_and_Insights-Aug-2017.pdf. Zugegriffen: 22. Sept. 2018.
Deloitte (2018): The CMO Survey - Highlights and Insights Report Aug 2018; https://cmosurvey.org/wp-content/uploads/sites/15/2018/08/The_CMO_Survey-Highlights_and_Insights_Report-Aug-2018.pdf. Zugegriffen: 22. Sept. 2018.
Devika, M. D./Sunitha, C./Ganesh, A. (2016): Sentiment Analysis: A Comparative Study On Different Approaches, in: Procedia Computer Science Nr. 87, S. 44–49; Fourth International Conference on Recent Trends in Computer Science & Engineering.
DiMauro V. (2017): How to Measure the Business Impact of Your Online Community; Leader Networks; unter: http://www.leadernetworks.com/publication/publication-measure-business-impact-online-community. Zugegriffen: 21. Sep. 2018.
Ding, X., & Liu, B. (2007, July): The utility of linguistic rules in opinion mining. In: Proceedings of the 30th annual international ACM SIGIR conference on Research and development in information retrieval, S. 811–812. ACM.
Doorn, van J./Lemon, K. N./Mittal, V./Nass, S./Pick, D./Pirner, P./Verhoef, P. C. (2010): Consumer Engagement Behaviour – Theoretical Foundations and Research Directions, in: Journal of Service Research, Vol. 13, Nr. 3, S. 253–366.
Eagly, A. H./Chaiken, S. (1975): An attribution analysis of the effect of communicator characteristics on opinion change: The case of communicator attractiveness, in: Journal of Personality and Social Psychology, Jg. 32, Nr. 1, S. 136.
Emojipedia (2018): Facebook Reveals Most and Least Used Emojis; https://blog.emojipedia.org/facebook-reveals-most-and-least-used-emojis/. 13. Jul 2018. Zugegriffen: 14. Jul 2018.
Facebook (2018): Wertoptimierung mit Mindest-ROAS-Geboten; https://www.facebook.com/business/m/one-sheeters/value-optimization-with-roas-bidding. Zugegriffen: 18. Okt. 2018.
Fan, W. & Gordon, M. (2014); The Power of Social Media Analytics, in: Communications of the ACM. Nr. 57. S. 74–81. http://doi.acm.org/10.1145/2602574.
Felix, R./Rauschnabel, P. A./Hinsch, C. (2017): Elements of strategic social media marketing: A holistic framework, in: Journal of Business Research, Vol. 70, S. 118–126. https://doi.org/10.1016/j.jbusres.2016.05.001. Zugegriffen: 7. Dez. 2018.
Forman, C./Ghose, A./Wiesenfeld, B. (2008): Examining the relationship between reviews and sales: True role of reviewer identity disclosure in electronic markets, in: Information Systems Research, Jg. 19, Nr. 3, S. 291–313.
Forrester Consulting (2008): Measuring the Total Economic Impact of a Customer Engagement – A Multiple Company ROI Analysis. Commissioned study http://www.healthyworkplaceproject.com.cn/media/134747/case%20study%20economic%20impact%20-%20customer%20engagement.pdf. Zugegriffen: 11. Sep. 2018.
Frick T./Eyler-Werve K. (2015): Return on Engaggement – Content Strategy and Web Design Techniques for Digital Marketing. 2. Auflage. New York: Focal Press.
G2 Crowd, Heinz Marketing (2018): 2018 Benchmark Report – The Impact of Reviews on B2B Buyers and Sellers; https://learn.g2crowd.com/consumer-reviews. Zugegriffen: 30. Okt. 2018.
Gartenberg C. (2019): Facebook keeps growing despite scandals and privacy outrage; https://www.theverge.com/2019/1/30/18204186/facebook-q4-2018-earnings-user-growth-revenue-increase-privacy-scandals; 30. Januar 2019. Zugegriffen: 30. Jan. 2019
GlobalWebIndex (2016): Daily Time Spent on Social Networks Rises to Over 2 Hours; https://blog.globalwebindex.com/chart-of-the-day/daily-time-spent-on-social-networks/, Zugegriffen: 28. Sep. 2018.
GlobalWebIndex (2018): Top 10 Reasons for Using Social Media; https://blog.globalwebindex.com/chart-of-the-day/social-media/. Zugegriffen: 28. Sep. 2018.
Godbole, N./Srinivasaiah, M./Skiena, S. (2007): Large-Scale Sentiment Analysis for News and Blogs. Icwsm, Jg. 7, Nr. 21, S. 219–222.
Godes, D./Mayzlin, D. (2004): Using online conversations to study word-of-mouth communication, in: Marketing Science, Jg. 23, Nr. 4, S. 545–560.
Godes, D./Mayzlin, D. (2009): Firm-created word-of-mouth communication: Evidence from a field test, in: Marketing Science, Jg. 28, Nr. 4, S. 721–739.
Godes, D./Silva, J. C. (2012): Sequential and temporal dynamics of online opinion, in: Marketing Science, Jg. 31, Nr. 3, S. 448–473.
Google (2011): Think with Google – Zero Moment of Truth (ZMOT); https://www.thinkwithgoogle.com/marketing-resources/micro-moments/zero-moment-truth/. Zugegriffen: 29. Sep. 2018.
Grabs, A./Bannour, K./Vogl, E. (2017a): Follow me! – Erfolgreiches Social Media Marketing mit Facebook, Twitter und Co. 4. Auflage, Bonn: Rheinwerk.
Grabs, A./Bannour K./Vogl E. (2017b): Foren und Bewertungsportale; Digital verfügbares Zusatzkapitel zu Grabs, A./Bannour K./Vogl E. (2017): Follow me! – Erfolgreiches Social Media Marketing mit Facebook, Twitter und Co. 4. Auflage, Bonn: Rheinwerk.
Granovetter, M. (1973): The Strength of Weak Ties, in American Journal of Sociology. Nr. 78, S. 1360–1380. https://sociology.stanford.edu/sites/g/files/sbiybj9501/f/publications/the_strength_of_weak_ties_and_exch_w-gans.pdf, Zugegriffen: 6. Jan. 2019.
Greve, G. (2010): Die Anwendung des Net Promoter® Score in der Praxis: Ergebnisse einer empirischen Untersuchung, in: Greve, G. und E. Benning-Rohnke (Hrsg.): Kundenorientierte Unternehmensführung. Konzept und Anwendung des Net Promoter Score® in der Praxis, Wiesbaden, S. 197–218.
Greve, G. (2011a): Social CRM: Beziehungsmanagement mit Social Media, in: Marketing Review St. Gallen, Nr. 5, S. 16–21.
Greve, G. (2011b): Momente der Wahrheit managen, in: Keuper, F. und R. Mehl (Hrsg.): Customer Management. Vertriebs- und Servicekonzepte der Zukunft, Berlin: Logos Verlag, S. 315–332.
Greve, G. (2016): Kontrolle von Online-Marketing-Aktivitäten – Nutzung von Attributionsmodellen für das Marketing-Controlling, in WiSt – Wirtschaftswissenschaftliches Studium, Heft 1, S. 733–738.
Hansen, N./Kupfer, A./Henning-Thurau, T. (2018): Brand crises in the digital age: The short- and long-term effects of social media firestorms on consumers and brands, in: International Journal of Research in Marketing; Sep. 2018; https://doi.org/10.1016/j.ijresmar.2018.08.001. Zugegriffen: 1. Dez. 2018.
Happe, R. (2016): Calculating the ROI of Customer Engagement, in: Harvard Business Review, Aug. 2016; https://hbr.org/2016/08/calculating-the-roi-of-customer-engagement. Zugegriffen: 21. Sep. 2018.
Hassler M. (2012): Web Analytics – Metriken auswerten, Besucherverhalten verstehen, Website optimieren. 3. Auflage, Heidelberg: mitp.
Heijnen, J./de Reuver, M./Bouwman, H./Warnier, M./Horlings, H. (2013): Social Media Data Relevant for Measuring Key Performance Indicators? A Content Analysis Approach. In: Järveläinen, J./Li, H./Tuikka, AM./Kuusela, T. (eds) Co-created Effective, Agile, and Trusted eServices. ICEC 2013. Lecture Notes in Business Information Processing, vol 155. Heidelberg: Springer.
Hennig-Thurau, T./Gwinner, K. P./Walsh, G./Gremler, D. D. (2004): Electronic word-of-mouth via consumer-opinion platforms: What motivates consumers to articulate themselves on the internet? in: Journal of Interactive Marketing, Jg. 18, Nr. 1, S. 38–52.
Higgins, E. T./King, G. (1981): Accessibility of social constructs: Information processing consequences of individual and contextual variability, in: Personality, Cognition, and Social Interaction, Nr. 69, S. 121.
Hinz et al. (2011): Seeding Strategies for Viral Marketing – an Empirical Comparison, in: Journal of Marketing, Vol. 75, S. 55–71.
Holland, Heinrich (2016): Dialogmarketing – Offline- und Online-Marketing, Mobile und Social Media-Marketing. 4. Auflage. München: Vahlen.
Horizont (2018): Facebook und TV liegen bei Einfluss auf Kaufentscheidungen gleichauf; http://www.horizont.net/medien/nachrichten/Social-Media-Atlas-Facebook-und-TV-liegen-bei-Einfluss-auf-Kaufentscheidungen-gleichauf-166841, Zugegriffen: 7. Sep. 2018.
Hubspot/Socialbakers (2017): Optimize Your Facebook Ads Strategy – Measuring ROI and Improving Your Performance (Data Report); https://offers.hubspot.com/how-to-optimize-your-facebook-ads. Zugegriffen: 29. Nov. 2018.
Humphreys, Ashlee (2016): Social Media – Enduring Principles; Oxford: Oxford University Press.
Incite (2012): State of Social Customer Service 2012; https://soulofbrands.files.wordpress.com/2012/11/nm-incite-report-the-state-of-social-customer-service-2012.pdf. Zugegriffen: 1. Dez. 2018.
ITU – International Telecomunications Union (2018): Measuring the Information Society Report 2018 – Volume 1. https://www.itu.int/en/ITU-D/Statistics/Documents/publications/misr2018/MISR-2018-Vol-1-E.pdf , Zugegriffen: 6. Jan. 2019.
Kamps, I./Schetter, D. (2018): Performance Marketing – Der Wegweiser zu einem mess- und steuerbaren Marketing – Einführung in Instrumente, Methoden und Technik. Wiesbaden: Springer Gabler.
Kaplan, A. M./Haenlein, M. (2010): Users of the world, unite! The challenges and opportunities of social media, in: Business Horizons, Vol. 53, Nr. 1, S. 59–68. https://doi.org/10.1016/j.bushor.2009.09.003. Zugegriffen: 2. Jan. 2019.
Kerzner, H. (2017), Project Management Metrics, KPIs, and Dashboards: A Guide to Measuring and Monitoring Project Performance, 3. Auflage, Hoboken: Wiley.
Khan, G. F. (2018): Creating Value with Social Media Analytics – Managing, Aligning, and Mining Social Media Text, Networks, Actions, Location, Apps, Hyperlinks, Multimedia, & Search Engines Data. Seattle: CreateSpace.
Kielholz, A. (2008): Online-Kommunikation: Die Psychologie Der Neuen Medien Für Die Berufspraxis. Heidelberg: Springer Medizin Verlag.
Kilian, T./Langner, S. (2010): Online-Kommunikation – Kunden zielsicher verführen und beeinflussen. Wiesbaden: Gabler.
Knorr-Cetina, K. (1997): Sociality with Objects – Social Relations in Postsocial Knowledge Societies, in: Theory, Culture & Society, Jg. 14, Nr. 4, S. 1–30.
Kopp, O. (2016): Was ist die Customer Journey; https://www.sem-deutschland.de/inbound-marketing-agentur/online-marketing-glossar/customer-journey/. Zugegriffen, 6. Jan. 2019.
Kopp, O. (2018): So entwickelt Ihr eine Online-Marketing Strategie; https://www.aufgesang.de/blog/so-entwickelt-ihr-eine-online-marketing-strategie-19203. Zugegriffen: 6. Jan. 2019.
Li, X./Hitt, L. M. (2008): Self-selection and information role of online product reviews, in: Information Systems Research, Jg. 19 Nr. 4, S. 456–474.
Liu, Y. (2006): Word of mouth for movies: lts dynamics and impact on box office revenue, in: Journal of Marketing, Jg. 70 Nr. 3, S. 74–89.
Luca, M. (2011): Reviews, reputation, and revenue: The case of Yelp.com. Watertown, MA: Harvard Business School.
McCay-Peet, L./Quan-Haase A. (2017): What is Social Media and What Questions Can Social Media Research Help Us Answer? in: L. Sloan/A. Quan-Haase (Hrsg.): The SAGE Handbook of Social Media Research Methods. ProQuest Ebook Central.
Medhat, W./Hassan, A./Korashy, H. (2014): Sentiment analysis algorithms and applications: A survey, in: Shams Engineering Journal, Jg. 5, Nr. 4, S. 1093–1113. https://doi.org/10.1016/j.asej.2014.04.011.
Moe, W. W./Schweidel, D. A. (2012): Online product opinions: lncidence, evaluation, and evolution, in: Marketing Science, Jg. 31 Nr. 3, 372–386.
Moe, W. W./Trusov, M. (2011): Tue value of social dynamics in online product ratings forums, in: Journal of Marketing Research, Jg. 48 Nr. 3, S. 444–456.
Money, R. B./Gilly, M. C./Graham, J. L. (1998): Explorations of national culture and word-of-mouth referral behavior in the purchase of industrial services in the United States and Japan, in: The Journal of Marketing, S. 76–87.
Muff, F. (2012): Google Analytics – Was ist das Social Tracking und wie wird es eingebunden?; https://www.thomashutter.com/google-analytics-was-ist-das-social-tracking-und-wie-wird-es-eingebunden/, Zugegriffen: 6. Jan. 2019.
Nanigans (2018): Global Facebook Advertising Benchmark Report Q3 2018; http://www.nanigans.com/marketing-resources/reports/. Zugegriffen: 28. Okt. 2018.
Nielsen (2015): Global Trust in Advertising Report 2015; https://www.nielsen.com/de/de/insights/reports/2015/Trust-in-Advertising-Store.html oder https://www.nielsen.com/content/dam/nielsenglobal/apac/docs/reports/2015/nielsen-global-trust-in-advertising-report-Sep.-2015.pdf. Zugegriffen: Apr. 2018.
Nielsen, J. (2006): The 90-9-1 Rule for Participation Inequality in Social Media and Online Communities; https://www.nngroup.com/articles/participation-inequality/, 9. Okt. 2006. Zugegriffen: 2. Demzember 2018.
Pang, B., & Lee, L. (2008): Opinion Mining and Sentiment Analysis. Foundations and Trends, in: Information Retrieval, Jg. 2, Nr. 1–2, S. 1–135. https://doi.org/10.1561/1500000001.
Peters, K. et al. (2013): Social Media Metrics — A Framework and Guidelines for Managing Social Media, in: Journal of Interactive Marketing Nr. 27, S. 281–298.
PWC (2018): Global Consumer Isights Survey 2018; https://www.pwc.com/gx/en/industries/consumer-markets/consumer-insights-survey.htm. Zuegriffen: 25. Januar 2019
RadiumOne (2016): The Power of Sharing Data – Sharers are 9x more likely to purchase. https://radiumone.com/wp-content/uploads/2016/11/RadiumOne-Sharing-Data-Report.pdf. Zugegriffen: 11. Sep. 2018.
Reichheld, F. F. (2003): The number one you need to grow, in: Harvard Business Review, Nr. 12-2003, S. 47–54.
Richards, A. (2018): Sales Funnel: Sales Funnel Marketing: Schritt für Schritt Anleitung zur automatischen Kundengewinnung und Umsatzsteigerung; Düsseldorf: A Richards Verlag.
Rival IQ (2018): 2018 Social Media Benchmark Report; https://www.rivaliq.com/blog/2018-social-media-industry-benchmark-report/. Zugegriffen: 28. Okt. 2018.
Rogers, E. (1995): Diffusion of innovations. New York: The Free Press of Glencoe
Rogers, R. (2018): Otherwise Engaged: Social Media from Vanity Metrics to Critical Analytics, in: International Journal of Communication Nr. 12, S. 450–472.
Rosen, E. (2009): The anatomy of buzz revisited: Real-life lessons in word-of-mouth marketing. New York: Random House.
Schach, A./Lommatzsch, T. (Hrsg.) (2018): Influencer Relations – Marketing und PR mit digitalen Meinungsführern. Wiesbaden: Gabler Verlag.
Schildknecht, P. (2015): Sales Funnel Marketing – das Praxishandbuch: Schritt-für-Schritt-Anleitung zur automatisierten Kundengewinnung und Umsatzsteigerung mit Sales Funnel-Marketing; Bangerten (Schweiz): P Schildknecht Verlag.
Schivinski, B./Dabrowski, D. (2014): Tue effect of social media communication on consumer perceptions of brands, in: Journal of Marketing Communications. doi:https://doi.org/10.1080/13527266.2013.871323.
Schlosser, A. E. (2005): Posting versus lurking: Communicating in a multiple audience context, in: Journal of Consumer Research, Jg. 32, Nr. 2, S. 260–265.
Schmidt, J./Taddicken M. (Hrsg.) (2017): Handbuch Soziale Medien. Wiesbaden: Springer.
Schröder, J. (2018): Der große Facebook-Medien-Report: So extrem schaden die Algorithmus-Änderungen deutschen Medien-Seiten. https://meedia.de/2018/11/28/der-grosse-facebook-medien-report-so-extrem-schaden-die-algorithmus-aenderungen-deutschen-medien-seiten/. Zugegriffen: 28. Nov. 2018.
Simon, H. A. (1971): Designing Organizations for an Information-Rich World; in: Martin Greenberger (1971): Computers, Communication, and the Public Interest; Baltimore: The Johns Hopkins Press., S. 40–41.
Solis, B. (2011): Engage – The Complete Guide for Brands and Businesses to Build, Cultivate, and Measure Success in the New Web; Hoboken, USA: Wiley.
Sparks, B. A./Browning, V. (2011): Tue impact of online reviews on hotel booking intentions and perception of trust, in: Tourism Management, Jg. 32, Nr. 6, S. 1310–1323. doi:https://doi.org/10.1016/j.tourman.2010.12.0ll.
Sprout Social (2017): The Q2 2017 Sprout Social Index; PDF abrufbar über https://sproutsocial.com/insights/data/q2-2017/. Zugegriffen: 30. Nov. 2018.
Statista (2016): Was ist der Hauptgrund für die Nutzung von Social Media in Ihrem Unternehmen?; https://de.statista.com/statistik/daten/studie/214159/umfrage/gruende-fuer-die-nutzung-von-social-media-durch-unternehmen/. Zugegriffen: 29. Sep. 2018.
Statista (2018a): Social-Media-Werbung (Deutschland); https://de.statista.com/outlook/220/137/social-media-werbung/deutschland; Zugegriffen: 29. Sep. 2018.
Statista (2018b): Number of daily active Instagram Stories users from October 2016 to June 2018 (in millions); https://www.statista.com/statistics/730315/instagram-stories-dau/; Zugegriffen: 2. Dez. 2018.
Statista (2018c): Social-Media-Werbung (weltweit), https://de.statista.com/outlook/220/100/social-media-werbung/weltweit. Zugegriffen: 7. Jan. 2019.
Stephen, A. T./Toubia, O. (2010): Deriving value from social commerce networks, in: Journal of Marketing Research, Jg. 47, Nr. 2, S. 215–228.
Sterne, Jim (2011): Social Media Monitoring – Analyse und Optimierung Ihres Soical Media Marketings auf Facebook, Twitter, YouTube und Co.; Heidelberg: mitp-Verlag.
Taboada, M. (2016): Sentiment Analysis: An Overview from Linguistics, in: Annual Review of Linguistics, Jg. 2, Nr. 1, S. 325–347. https://doi.org/10.1146/annurev-linguistics-011415-040518.
Taboada, M./Brooke, J./Tofiloski, M./Voll, K./Stede, M. (2011): Lexicon-Based Methods for Sentiment Analysis. Computational Linguistics, Jg. 37, Nr. 2, S. 267–307.
Trusov, M./Bucklin, R. E./Pauwels, K. (2009): Effects of word-of-mouth versus traditional marketing: Findings from an Internet social networking site, in: Journal of Marketing, Jg. 73, Nr. 5, S. 90–102.
Tsytsarau, M./Palpanas, T. (2012): Survey on mining subjective data on the web, Data Mining and Knowledge Discovery, Nr. 24, S. 478–514.
Tuten, T.L./Solomon, M.R. (2017): Social Media Marketing, 3. Auflage, London: Sage.
Tuten, T.L./Solomon, M.R. (2018): Social Media Marketing, 3. Auflage, London: Sage.
Van den Bulte, C./Joshi, Y. V. (2007): New product diffusion with influential and imitators, in: Marketing Science, Jg. 26, Nr. 3, S. 400–421.
Vermeulen, I. E./Seegers, D. (2009): Tried and tested: The impact of online hotel reviews on consumer consideration, in: Tourism Management, Jg. 30, Nr. 1, S. 123–127, https://doi.org/10.1016/j.tourman.2008.04.008.
Villanueva, J./Yoo, S./Hanssens, D. M. (2008): Tue impact of marketinginduced versus word-of-mouth customer acquisition on customer equity growth, in: Journal of Marketing Research, Jg. 45, Nr. 1, S. 48–59.
WeAreSocial und Hootsuite (2018a): Global Digital Report 2018; englische Version; https://digitalreport.wearesocial.com/. Zugegriffen: 3. Sep. 2018.
WeAreSocial und Hootsuite (2018b): Digital in 2018 in Western Europe; https://www.slideshare.net/wearesocial/digital-in-2018-in-northern-europe-part-1-west-86864045. Zugegriffen: 16. Okt. 2018.
Weinberg, B./Berger, P. D. (2011): Connected customer lifetime value – the impact of social media, in: Journal of Direct, Data and Digital Marketing Practice, Vol. 12, Nr. 4, S. 328–344; https://link.springer.com/article/10.1057/dddmp.2011.2. Zugegriffen: 6. Jan. 2019.
Wellman, B. (2001): Pysical Place and Cyberplace – The rise of personalized Networking, in: International Journal of Urban and Regional Research; Jg. 24, Nr. 2, S. 227–52.
Weinberg, T. (2014): Social Media Marketing – Strategien für Twitter, Facebook & Co; 4. Auflage, Köln: O’Reilly.
Wirtz, J./Patterson, P. G./Kunz, W. H./Gruber, T./Lu, V. N./Paluch, S./Martins, A. (2018): Brave new world – service robots in the frontline, in: Journal of Service Management, Vol. 29, Nr. 5, S. 907–931, https://doi.org/10.1108/JOSM-04-2018-0119, Zugegriffen: 6. Jan. 2019.
Wordstream (2018): Facebook Ad Benchmarks for YOUR Industry, https://www.wordstream.com/blog/ws/2017/02/28/facebook-advertising-benchmarks, 13. Aug. 2018. Zugegriffen: 30. Nov 2018.
Wu, F./Huberman, B. A. (2008): How public opinion forms, in: Internet and Network Economics, S. 334–341: New York: Springer.
Yelp (2018): About Us – Factsheet zweites Quartal 2018; https://www.yelp.com/about oder https://www.yelp.com/factsheet. Zugegriffen: 28. Aug. 2018.
Zaglia, E. (2013): Brand communities embedded in social networks, in: Journal of Business Research, Vol. 66, Nr. 2, S. 216–223; https://doi.org/10.1016/j.jbusres.2012.07.015. Zugegriffen: 7. Dez. 2018.
Zenith, (2018): Zenith’s Advertising Expenditure Forecast Sept 2018; https://www.zenithmedia.com/search-and-social-to-drive-67-of-adspend-growth-by-2020/. Zugegriffen: 25. Sep. 2018.
Zerfaß, A./Pleil, T. (Hrsg.) (2015): Handbuch Online-PR – Strategische Kommunikation in Internet und Social Web, 2. Auflage, Konstanz: UVK.
Zhu, Y./Chen, H. (2015): Social media and human need satisfaction: Implications for social media marketing, in: Business Horizons, Vol. 58, Nr. 3, S. 335–345; https://doi.org/10.1016/j.bushor.2015.01.006, Zugegriffen: 3. Jan. 2019.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Ahrholdt, D., Greve, G., Hopf, G. (2019). Social Media. In: Online-Marketing-Intelligence. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-26562-5_4
Download citation
DOI: https://doi.org/10.1007/978-3-658-26562-5_4
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-26561-8
Online ISBN: 978-3-658-26562-5
eBook Packages: Business and Economics (German Language)