Wir analysieren Twitter. Alle Reaktionen auf das Real Madrid-Atlético

TEXT-MINING-TECHNIKEN ZUR ANALYSE VON TWITTER

Heute bringen wir einen etwas anderen Artikel in den Blog. Denn mithilfe verschiedener Analysetools wie KNIME können wir nicht nur die internen Daten unserer Unternehmen untersuchen, sondern auch einen Blick nach außen werfen.

Twitter ist eine hervorragende Quelle, um unser Umfeld besser kennenzulernen. Meinungen, scharfe Kritik, Lob (gelegentlich) – all das findet sich konzentriert auf Twitter. Da KNIME eine einfache Verbindung zu Twitter ermöglicht, haben wir uns entschlossen, ein schnelles Beispiel zu erstellen.

DAS DERBY AUS SICHT VON TWITTER

Als Erstes müssen wir eine Twitter-API erstellen. Es gibt verschiedene Seiten, die das erklären (zum Beispiel hier https://www.uno-de-piera.com/crear-una-aplicacion-para-twitter/). Mit der Twitter-API erhalten wir mehrere Schlüssel und einen Token, die wir in den Connector-Knoten von KNIME eintragen müssen.

Nach der Verbindung beginnen wir unseren Prozess der Datenextraktion und -verarbeitung. Neben den Text-Mining-Tools, die KNIME bereits bietet, entwickeln wir die Lösungen, die wir für die individuelle Bearbeitung unseres Fallbeispiels benötigen (wobei zu berücksichtigen ist, dass viele Text-Mining-Tools sehr gut für die englische Sprache implementiert sind, für das Spanische jedoch weniger geeignet).

Da Twitter sehr groß ist, haben wir uns entschieden, die Liste der Trending Topics als Grundlage zu nutzen, um zu analysieren, unter welchem Hashtag wir mehr Nachrichten für unsere Analyse finden können. Deshalb haben wir den #Megaderbichampions für unsere Analyse verwendet.

Dank verschiedener Text-Mining-Tools können wir unsere Tweets Schritt für Schritt verarbeiten, wobei unser letztendliches Ziel stets die Erstellung einer Tag Cloud ist: eine Wortwolke, mit der sich Informationen über unseren Untersuchungsfall – in diesem Fall das Derby – gewinnen lassen.

Wir haben verschiedene Begriffe zur besseren Verständlichkeit polarisiert. Angesichts dieser Ergebnisse ist klar, dass Real Madrid das einzige Team des Spiels war. Und insbesondere Cristiano Ronaldo, der in den Tweets sehr häufig erwähnt wurde (ohne Zweifel war er der Protagonist des Spiels).

Angesichts der Variabilität, die eine reine Analyse der Tweets mit sich bringen kann, dient uns die Tag Cloud als Leitfaden, um tiefer in die Informationen einzutauchen und nach Gründen zu suchen. So entsteht beispielsweise durch die Tatsache, dass dieser Hashtag vom Sender Mega von Atresmedia verwendet wurde, eine Verzerrung hin zu dessen Kommentatoren (in diesem Fall verweist das Tag „petón“ auf José Antonio Martín Otín „Petón“, einen bekannten Journalisten und Atlético-Fan).

Zwei Namen erscheinen uns in dieser Wolke bemerkenswert: „Messi“ und „Benzema“.

SPIELTEN MESSI UND BENZEMA MIT?

Ausgehend von den Twitter-Daten beschlossen wir, beide Begriffe genauer zu untersuchen.

Die Tweets, die sich auf Messi bezogen, waren entgegen unserer anfänglichen Vermutung (dem ewigen Vergleich, wer von beiden besser ist) vor allem spöttische Tweets, die auf die Tatsache anspielten, dass Barcelona aus der Champions League ausgeschieden war und Messi beim letzten Clásico sein Trikot zeigte:

Bei Benzema beschlossen wir, der Spur der Tweets zu folgen, und entdeckten dabei etwas Interessantes.

Einige Kritik seitens der Fans sowie die schwache Leistung des Spielers im gestrigen Spiel führten dazu, dass sich mehrere die Frage stellten, ob man ihn mit anderen Stürmern vergleichen könnte – hätte Morata spielen können?

DIE NOTWENDIGKEIT DES ANALYSTEN FÜR TIEFERE ERKENNTNISSE

Dies war ein kleines Beispiel, das auf schnelle Weise anhand des gestrigen Spiels erstellt wurde. KNIME ermöglicht es uns, diesen Text-Mining-Prozess auf große Datenmengen anzuwenden. Wir könnten die Erfassungen und Datenquellen erweitern oder sogar neue Social-Media-Plattformen hinzufügen. Dennoch ist die Aufsicht und der „Spürsinn“ eines Analysten unerlässlich, um zu erkennen, wo die Analyse Schwächen aufweist, wo weiter nachgeforscht werden sollte und wie sich die Informationsverarbeitung bereichern lässt.