TY - RPRT A1 - Siebert, Andreas T1 - Suggestion Mining – Extraktion von Vorschlägen aus Kundenrezensionen N2 - Nutzergenerierte Texte auf den Webseiten von Online‐Händlern und Verkaufsportalen sind eine reichhaltige Quelle für die Analyse von Kundenzufriedenheit. Die Sentimentanalyse, auch Opinion Mining genannt, versucht, einzelnen Sätzen oder ganzen Dokumenten eine Polarität zuzuweisen, d.h. sie als positiv und zustimmend oder als negativ und ablehnend zu klassifizieren. Oft enthalten Kundenrezensionen aber auch konstruktive Vorschläge, wie Produkte und Dienstleistungen verbessert werden können. Diese werden von der Sentimentanalyse nicht erfasst, wenn sie nicht mit einer deutlichen Meinungsorientierung formuliert sind. Suggestion Mining, also die Extraktion oder das „Schürfen“ von Vorschlägen, ergänzt folglich die Sentimentanalyse. Das automatische Erkennen von häufig geäußerten Kundenvorschlägen kann einen Wert für Hersteller, Händler und Kunden haben. Fan und Gordon klassifizieren die Sentimentanalyse und verwandte Techniken als ein Werkzeug zur Analytik von Sozialen Medien und präsentieren eine Fallstudie für den ökonomischen Gewinn durch Einsatz dieser Methoden. Es wurde ein Prototyp namens VEX (= VorschlagsEXtraktor) erstellt, der in deutschsprachigen Kundenrezensionen mit deterministischen Regeln nach Vorschlägen sucht. Dieser Prototyp wurde mit Amazon‐Rezensionen von verschiedenen Produkten getestet. Das System wurde mit einer niedrigen Empfindlichkeit zugunsten einer höheren Genauigkeit konzipiert. Die empirische Auswertung zeigt eine Überlappung zwischen Sentimentanalyse und Suggestion Mining, aber auch einen signifikanten eigenen Beitrag des Suggestion Minings. T3 - Landshuter Arbeitsberichte zur Wirtschaftsinformatik - 3 KW - Unternehmen KW - Online-Marketing KW - Produktbewertung KW - Kundenwert KW - Weblog KW - Soziale Software KW - Auswertung Y1 - 2015 UR - https://opus4.kobv.de/opus4-haw-landshut/frontdoor/index/index/docId/39 UR - https://nbn-resolving.org/urn:nbn:de:101:1-2015030614149 SN - 2197‐4497 ER -