Einflussfaktoren auf das Wachstum einer Facebook-Page (Whitepaper)

Einflussfaktoren auf das Wachstum einer Facebook-Page (Whitepaper)


In den vergangenen Tagen und Wochen fand eine Diskussion über das mutmaßliche Ende des „Like-Hypes“ statt. Dabei konterten u.a. Thomas Hutter und Tobias Pappert mit einer differenzierten Analyse der aktuellen Like-Situation und entkräfteten die These des Einbruches der Like-Zahlen. Im Rahmen dieser Diskussion wurde immer wieder über Einflussfaktoren auf das Fan-Wachstum gesprochen. Diesem Thema widmet sich auch die Masterarbeit des Gastautors Daniel Schalling, aus welcher er im Folgenden einen Auszug vorstellt.

Download
Einflussfaktoren auf das Wachstum einer Facebook Page
(PDF, 0.6 MB – Share & Embed via Scribd.com)

Natürlich könnt ihr das Whitepaper wie immer auch hier bei uns im Blog nachlesen:

Welche Faktoren beeinflussen den Erfolg einer Facebook-Page?

Diese Frage nimmt nach wie vor eine besondere Stellung bei den Betreibern einer Facebook-Page ein. Denn die Antwort darauf ist natürlich der Schlüssel zum ressourcen- und erfolgsoptimierten Betreiben eines solchen Unternehmensprofils. Dabei ist Erfolg nicht gleich Erfolg: Spiegelt er für die Einen die Anzahl der Likes wider, so besteht er für Andere im Return-on-Investment, der Qualität der Interaktionen auf der Seite usw. Aus diesem Grund gilt es, für jede Erfolgs-Betrachtung, diese Größe zu definieren. In der hier vorgestellten Untersuchung wird aufgrund verschiedener Überlegungen der Erfolg als das relative Wachstum der Anzahl der Likes einer Seite definiert.

Zurück zur Ausgangsfrage: Welche Faktoren beeinflussen den Erfolg, also das Wachstum der Like-Klicks einer Facebook Seite? Die Liste der möglichen Einflussgrößen ist lang.Herausgegriffen seinen Marketing-Aktivitäten, Viralität von Beiträgen, Facebook Ads, Saisonale Schwankungen oder Markeneinflüsse. Die Masterarbeit widmet sich dabei einem Teil der genannten Einflüsse. Insbesondere werden einflussgebende Faktoren auf oder im direkten Umfeld der Seite gesucht. Dabei könne diese in drei Ebenen untergliedert: die erste Ebene stellt die Online-Integration der Page dar – wie viele und welche Links verweisen auf die Page oder durch welche Social-Plugins ist die Seite mit der zugehörigen Website vernetzt. Die zweite Ebene der unabhängigen Variablen ist die Page und deren Inhalte: welche und wie viele Reiter gibt es, welche und wie viele Inhalte werden angeboten, wie ist die Seite aufgebaut, wie häufig und wie kommunizieren Fans und das Unternehmen auf der Seite. Page-Posts und das zugehörige Nutzer-Feedback werden in der dritten Ebene, der Pinnwand-Kommunikation, betrachtet. Analysiert werden Botschaften, die Seitenbetreiber im Netzwerk veröffentlichen, beispielsweise welchen Umfang und welche Inhalte haben diese oder wann und wie häufig wird kommuniziert?

Die Erhebung zur Datengewinnung

Antworten auf die eingangs gestellte Erfolgsfaktorenfrage wurden schon mehrfach qualitativ, z.T. auch quantitativ erörtert. Um vor allem die statistischen Erkenntnisse weiter voranzutreiben, wurde eine empirische Studie unternommen.

Für die Wissenschaftler unter den Lesern sei kurz auf die gewählte Methode der Datenerhebung hingewiesen. Um intersubjektiv Daten zu gewinnen, wurde die Methode der standardisierten quantitativen Inhaltsanalyse gewählt (vgl. Früh (1998)) Diese erlaubt es, sowohl eine Vielzahl von Objekten zu untersuchen, als auch zählbare und inhaltliche Elemente zu erfassen (vgl. Rössler (2010), S. 44).

Bei der Vielzahl der existierenden Facebook-Pages, bedarf es zudem einer konkreten Definition der zu untersuchenden Grundgesamtheit. Diese wurde – zusammengefasst – wie folgt beschrieben: Die Grundgesamtheit der Untersuchung bilden alle deutschsprachigen Facebook-Pages von Unternehmen, Produkten und Marken. Diese verfolgen kommerzielle Ziele und streben durch wirtschaftliches Handeln nach Gewinn. Ausgeschlossen wurden beispielsweise – explizit oder per Definition – öffentliche Personen, Handelskammern, Vereine, Parteien oder nichtkommerzielle Seiten. Es gab jedoch bewusst keine Einschränkung hinsichtlich Branchen oder Unternehmensgrößen, um allgemeine Tendenzen und Zusammenhänge aufzuspüren. Aus der facemeter-Datenbank (Stand 03.05.2011) konnten ca. 2.700 der Definition entsprechende Seiten identifiziert werden. Innerhalb dieser wurde eine geschichtete Zufallsauswahl (vgl. Brosius , Koschel & Haas (2008), S. 81) von 3 Schichten á 25 Pages gezogen.

Diese insgesamt 75 Seiten wurden vom 01.06.2011 bis 31.07.2011 täglich betrachtet und das Ergebnis in sogenannten Codebögen erfasst. Übrigens: Ein Teil der Daten wurde mit Hilfe von allfacebookstats ermittelt. Vielen Dank für die Unterstützung!

Nach Bereinigung der Daten, wurden diese in zwei Datensätzen mit Ausprägungen zu insgesamt 127 nominalen und metrischen Variablen, für 75 Pages, über 61 Tage zusammengefasst.

Die Ergebnisse der Untersuchung

Kausale Erkenntnisse

Aufbauend auf den umfangreichen Datenbestand können mit Hilfe von multivariaten Analysen Ursache-Wirkungs-Beziehungen hergestellt werden.

Ein weiterer kleiner Absatz für die Wissenschaftler unter den Lesern: Zur explorativen Analyse der Daten wird die Panel-Data-Regression herangezogen. Diese kann Objekt- (75 Pages) und Zeitdimensionen (61 Tage) verarbeiten (vgl. Gujarati (2004), S. 636) Bei den Schätzungen traten Probleme auf, zum Beispiel Endogenität, bedingt durch unklare Wirkungsrichtungen der Variablen. Ferner spielten Multikollinearität, Heteroskedastizität und Autokorrelation eine Rolle, welche bei Panel-Analysen keine Seltenheit sind (vgl. Gujarati (2004), S. 401ff., S. 441f., Backhaus et al. (2008), S. 86f.). Diesen Problemen konnte aber durch erweiterte Schätzverfahren, wie Instrumental-Variablen (vgl. Stock & Watson (2007), S. 421) oder Whites robuste Schätzer (vgl. Gujarati (2004), S. 417 und MacKinnon & White (1985)), beziehungsweise durch Variablenreduktion begegnet werden.

Die Ergebnisse einer solchen multivariaten Analyse bringen Variablen in eine Kausalbeziehung. Dabei geben sie die Stärke und die Richtung (positiv/negativ) des Zusammenhangs an. Für diese Untersuchung wurden sieben Modelle berechnet, auf welche nicht weiter im Detail eingegangen wird. Ein Auszug aus den Ergebnissen findet sich grafisch dargestellt in der folgenden Abbildung 1.

Abbildung 1: Auszug aus der grafischen Darstellung der Variablenbeziehungen und Wirkungsrichtung (Quelle: Schalling (2012), S. 101)

Die relative Fan-Kommunikation nimmt eine zentrale Rolle ein. Sie wurde als Summe aus Likes auf Page-Posts, Kommentare auf Page-Posts und User-Posts an der Pinnwand im Verhältnis zu den Fans an einem Tag gebildet. Es konnte eine direkte Kausalbeziehung zwischen einer hohen Kommunikation und einem hohen Wachstum hergestellt werden. Unter dem Oberbegriff der Viralität von Beiträgen lag die Vermutung nahe, dass die Fan-Kommunikation, insbesondere das Feedback auf Page-Posts durch Likes und Kommentare, beinflussbar sein könnten. Entsprechend wurden fast 4.000 Posts analysiert, um Katalysatoren für die Likes und Kommentare auf Page-Posts, und darüber hinaus das Wachstum zu finden. Die linke Hälfte der Abbildung 1 zeigt einen Teil dieser Einflüsse. So steigert ein Post, welche die Nutzer nach ihrem Feedback fragt, die qualitativen Rückmeldungen durch Kommentare, reduziert aber das quantitative Feedback durch Likes. Die Länge des Text-Teils im Post wirkt ebenfalls negativ auf die Zahl der Likes, auf die Kommentare war jedoch kein Einfluss nachweisbar. Auch Publikationstag und Uhrzeit spielen eine Rolle beim Feedback. Etwas indifferent ist das Bild, wenn es um die Inhalte der Posts und deren Auswirkung auf die Interaktion geht. Inhalte in Verbindung zur Page steigern die Anzahl der Likes, u.a. da diese für den Nutzer besonders relevant sind. Gleichzeitig steigern Posts, welche externe Ereignisse zum Inhalt haben und so nicht im Bezug zur Seite stehen, die Likes. Um ein exakteres Bild bei der Auswertung der Inhalte und den entsprechenden Einfluss zu erhalten, muss ggf. bei der Kategorisierung tiefer differenziert werden, um das inhaltliche Relevanz-Kriterium für den Nutzer zu identifizieren. Dennoch konnten so interessante Einflussgrößen ermittelt, bzw. bestätigt werden.

Neben der Fan-Kommunikation sind weitere Faktoren identifiziert worden, welche direkt auf die Erfolgsgröße wirken. Dazu gehören u.a. Promotions, vergangene Veranstaltungen und der Share-Button. Insbesondere Promotions mit Fangates steigern das Wachstum einer Seite. Kleine Seiten und Unternehmen profitieren dabei im Vergleich stärker von entsprechenden Gewinnspielen.

Ebenfalls einen signifikant positiven Einfluss haben die vergangenen Events im Veranstaltungen-Reiter. Diese sind Indikator für stattfindende Offline-Veranstaltungen der Seiten. Speziell bei großen Unternehmen und Marken wirken sich Events positiv aus. Entsprechende Veranstaltungen stellen in der Erlebniswelt des Nutzers meist etwas Besonderes dar und sind häufig durch das Unternehmen/Produkt markiert. Dadurch kommt ein Imagetransfer-Prozess in Gang, welcher (positive) Assoziationen der Veranstaltung auf die Marke und darüber hinaus auf die Facebook Seite projiziert.

Kurz eingegangen werden soll auf den Landing-Tab, welcher u.a. als Grund für den Einbruch des „Like-Hypes“ in der eingangs erwähnten Diskussion genannt wurde. Der positive Einfluss des Landing-Tabs konnte nur in zwei Schichten der Stichprobe, konkret bei Pages mit mehr als 10.000 Fans, nachgewiesen werden. Dabei ist die Einflussstärke im Vergleich zur Fan-Kommunikation um ein Vielfaches geringer. Betrachtet man alle untersuchten Pages gleichzeitig (und nicht Schichtweise), dann ist weder ein positiver noch ein negativer Einfluss nachzuweisen. Zwar fehlt seit Einführung der Chronik durch den Wegfall des Landing-Tabs eine, der Page vorgeschaltete, Informationsmöglichkeit über Produkte, Aktionen u.ä., allerdings dürfte dies aufgrund des geringen Einflusses auf das Wachstum verschmerzbar sein.

Deskriptive Erkenntnisse

Aus dem umfangreichen Datenbestand können zudem einige interessante, beschreibende statistische Erkenntnisse vorgestellt werden. Das folgende Diagramm in Abbildung 2 zeigt ausgewählte Wachstumsverläufe aus der Studie.

Abbildung 2: Verschiedene relative Wachstumsverläufe (Quelle: Schalling (2012), S. 43)

Ist eine Seite von einem auf den anderen Tag um 1% gewachsen, so ändert sich der Wachstumsindex von 100 auf 101. Betrachtet man das durchschnittliche Wachstum aller untersuchten Pages, so zeigt sich ein harmonisches, lineares Ansteigen der Fanzahl. Die Page von Jam FM wuchs in einem ähnlichen Maße, wie der Durchschnitt. Im Gegensatz dazu wuchs die Seite von Pril negativ, nicht zuletzt geschuldet der Protestwelle von Prils Facebook-Aktion zum Flaschendesign. Auch bei Funkhaus Europa zeigte sich ein massiver Fansprung. Diese beiden Wachstumsausreiser zeigen, dass durch die o.g. Faktoren nicht jeder pagespezifische Wachstumsverlauf erklärt werden kann.

Interessant ist zudem, welche Inhalte, bzw. welche Reiter bieten die Unternehmen auf ihren Facebook Seiten an. Dies wird in der folgenden Abbildung 3 dargestellt.

Abbildung 3: Häufigkeit der Seiten, welche bestimmte Reiter mehr als drei Tage verwendeten (Quelle: Schalling (2012), S. 44)

Dass die Datenerhebung schon einige Zeit zurückliegt, wird u.a. daran ersichtlich, dass Diskussions- und Rezensions-Reiter noch in der Page betrieben werden konnten. Seit Oktober 2011 sind diese nicht mehr verfügbar. Auch die Chronik war zum Datenerhebungszeitpunk nicht verfügbar. Nichtsdestotrotz lässt sich erkennen, auf welche Angebote Unternehmen Wert legen. Es ist jedoch kein Einfluss bestimmter Reiter auf die Erfolgsgröße nachweisbar war. Lediglich Promotion und Inhalte des Veranstaltungsreiters können das Wachstum katalysieren, siehe Abbildung 1.

Auch der Einsatz von Social-Plugins auf den zur Facebook-Page zugehörigen Websites wurde untersucht. Die Verwendungshäufigkeit sieht man in Abbildung 4.

Abbildung 4: Verwendungshäufigkeit der Social-Plugins durch die Seiten (Quelle: Schalling (2012), S. 54)

Abbildung 5 stellt einen Auszug aus der Fan-Kommunikation durch User-Posts dar.

Abbildung 5: Häufigkeit von User-Posts n der Pinnwand der Seiten (Quelle: Schalling (2012), S. 46)


Die zeitliche Verteilung der Page-eigenen Publikation von Posts zeigt Abbildung 6. Bemerkenswert ist, dass 52,5% aller Posts zwischen 10:00 und 16:00 Uhr veröffentlicht werden.

Abbildung 6: Verteilung der Page-Posts im Tagesverlauf. (Quelle: Schalling (2012), S. 50)

Kritische Reflexion der Ergebnisse

Abschließend sollen die Ergebnisse kritisch eingeordnet werden: Im Rahmen der Arbeit konnten Erfolgsfaktoren identifiziert und quantifiziert werden. Bisher theoretisch vermutete Kausalbeziehungen wurden statistisch belegt. Zudem kann anhand der Arbeit eine Analyse einer jeden Einzelseite vorgenommen werden, um Page-individuelle Faktoren aufzudecken.

Allerdings wurde nur ein Teil einflussgebender Faktoren quantifiziert. Wichtige Einflussgrößen sind zwar als „Black-Box“ in der Untersuchung enthalten, es kann aber keine Aussage über diese getroffen werden. Dies sind u.a. laufende Marketingaktivitäten, Facebook-Kampagnen, Markeneffekte, Marketingbudgets, Öffentliche Berichterstattung, das Image des Unternehmens, Saisonale Besonderheiten, usw. Sicherlich ist auch eine Differenzierung nach Branche oder Unternehmensgröße der Page sinnvoll, um etwaige Spezifika genauer zu konkretisieren. Auch kommt es immer wieder zu einzigartigen Situationen im Umfeld der Unternehmenskommunikation, beispielsweise die bereits genannte Pril-Aktion, welche durch allgemeingültige Faktoren nicht erklärbar sind. Zudem leiten sich aus empirischen Studien immer Generalaussagen ab, welche zwar als allgemeingültige Erkenntnisse manifestiert werden können, von denen aber trotz statistischer Signifikanz der Einzelfall abweichen kann.

Bereits erwähnt wurde die Kritik an der Erfolgsgröße: Führen viele Fans auch dazu, dass das Unternehmen qualitativ profitiert, durch Imageeffekte, Kundenzufriedenheit, Wissensgenerierung, Bekanntheitssteigerung usw.? Zudem hat sich Facebook seit der Datenerhebung und -auswertung massiv weiterentwickelt: Die Einführung der Chronik, der neue Newsfeed, andere Interaktionsmessgrößen, das „Älterwerden“ der Nutzerschaft und das Ansteigen der mobilen Nutzung. Dennoch wird postuliert: Durch die Umstellung werden sich sicher z.T. die Stärke der Zusammenhänge verändert haben. Die Zusammenhänge jedoch bleiben weitestgehend bestehen.

Übrigens: Detaillierte Informationen zur Studie, zur Erhebung, Kategorisierung, Umsetzung, Analyse und weitere Ergebnisse gibt es im Print-on-Demand-Buch bei epubli.

Literaturverzeichnis

Brosius, Hans-Bernd , Koschel, Friederike und Haas, Alexander (2008), Methoden der empirischen Kommunikationsforschung – eine Einführung, 4. Auflage, Wiesbaden: Verlag für Sozialwissenschaften.
Früh, Werner (1998), Inhaltsanalyse – Theorie und Praxis, 4. überarbeitete Auflage, Konstanz: UVK Medien .
Gujarati, Damodar N. (2004), Basic Econometrics, 4. Auflage, New York: McGraw-Hill Higher Education.
MacKinnon, James G. und White, Halbert (1985), „Some heteroskedasticity-consistent covariance matrix estimators with improved finite sample properties,“ Journal of Econometrics, 29 (4), 305-325.
Rössler, Patrick (2010), Inhaltsanalyse, 2. Auflage, Konstanz: UVK.
Schalling, Daniel (2012), Strategische Unternehmenskommunikation in sozialen Netzwerken: Eine empirische Untersuchung der Einflussfaktoren auf das Fan-Wachstum., Berlin: epubli.
Stock, James H. und Watson, Mark W. (2007), Introduction to Econometrics, 2. Auflage, Addison Wesley.

ImageCredits: blindguard / photocase.com

Share on FacebookTweet about this on TwitterShare on Google+Pin on PinterestShare on LinkedInBuffer this pageEmail this to someone

Es gibt 4 Kommentare

Deinen hinzufügen

+ Hinterlasse einen Kommentar