Was Facebook Likes alles über uns erzählen können

Jeder Facebook Nutzer kennt und nutzt die Funktionen von Facebook Pages. Mit einem Klick abonniert man so direkt Unternehmen, Marken, Musikgruppen, Sportlern und andere interessante Themen. Über die Jahre können so auch mehrere hundert „Likes“ zusammenkommen. Betrachtet man die Likes genauer, können diese sehr viel über eine Person erzählen, denn normalerweise liked man nur Pages (somit Themen), die einen wirklich interessieren.

Vor ca. einem Jahr haben Forscher der University of Cambridge die Likes von ca. 58.000 freiwilligen Nutzern in einer Studie analysiert, um ein demographisches Profil zu erstellen. Ergebnis war, dass man alleine anhand der Like-Daten Geschlecht, ethnische Zugehörigkeit und sexuelle Orientierung um bis zu 95 Prozent richtig voraussagen konnten. Das Geschlecht konnte mit ca. 93 Prozent korrekt zugeordnet werden, die sexuelle Orientierung bei Männern zu 88 Prozent und ob eine Person schwarz oder weiß ist, konnte man zu 95 Prozent richtig deuten. Insgesamt zeigt es, dass man alleine durch die Likes und einen passenden Algorithmus eine Person ziemlich genau einschätzen kann.

Der Elektrische Reporter hat dazu ein gutes Video gemacht:

Diese Daten können somit für Unternehmen sehr interessant sein. Facebook besitzt alle diese Daten und kennt uns deshalb sehr gut. Über den Open Graph, eine Facebook App und entsprechende Rechte kann man aber sehr schnell an alle Like-Daten kommen, die ein Facebook Nutzer von sich und seinen Freunden (wenn nicht unter Privatsphäre der Zugriff verboten wurde) mit einem Klick preisgeben kann.

Ich habe dies mal für mich und mein Netzwerk ausgetestet. Mit einer Abfrage kamen somit über 67.000 Like-Datensätze von über 550 Facebook-Usern zusammen (Freunde + meine Likes). Durchschnittlich liked jeder meiner Freunde ca. 120 Pages. Generell war es eine Abfrage, die jede Facebook-App mit entsprechenden Rechten auch leicht machen könnte.

Grundsätzlich gibt es verschiedene Ebenen der Like-Daten, die man verwenden kann.

1. Der einzelne Nutzer mit seinen Interessen
Likes einzeln

Man kann hierbei einzelne Nutzer-Typen vergleichen und somit einstufen, wie es auch das Video schön erklärt hat.


2. Eine Gruppe von Nutzern mit ihren Interessen

Likes Gruppe

Eine Gruppe kann aus verschiedenen Nutzer-Typen bestehen. Das kann, wie gerade bei mir, das Freundesnetzwerk bei Facebook sein. Die Gruppe kann aber auch nur aus Männern, einer bestimmten Altersklasse oder den Bewohnern einer bestimmten Stadt bestehen. Hiermit kann man z.B. auswerten, welches die beliebteste Sportmannschaft (in meinen Netzwerk deutlich der 1. FC Köln) oder die beliebteste TV Show/Serie in einer Gruppe ist (bei mir „Two and a Half Men“).


3. Die Beziehung von Interessen untereinander

Likes all

Wenn viele Daten gesammelt wurden, kann man diese Daten auch anders analysieren – nämlich die Beziehung von einem bestimmten Like zu allen anderen. Hierbei wertet man aus, welche weiteren gemeinsamen Interessen die User haben, die alle bereits ein gemeinsames Interesse besitzen. Ich habe dies mit meinen Daten beispielhaft mal für die Serie „Game of Thrones“ gemacht. Man sieht, dass eine hohe Affinität der User mit der Marke „Coca-Cola“ besteht. Somit wäre es für Coca-Cola sehr interessant, dies evtl. durch Werbung in den Werbepausen auszubauen oder für Pepsi, um Coca Cola stark anzugreifen. Ein Unternehmen kann seine Marketing-Kampagnen mit den Like-Daten viel genauer planen oder auch z.B. in einem Modeladen zielgruppenorientierter die Musik von Künstler x als von Künstler y spielen. Und das alles nur mit ein paar kleinen Scripten oder Apps - und ohne große und kostenintensive Marktforschungsaktionen.

Das war nur ein kleiner Ausflug in die Welt der Daten. Mit „Big Data“ ist noch viel mehr möglich. Deshalb sollte jeder User darauf achten, welche Informationen er wo und wem freigibt. Aber meist wissen Unternehmen (leider) nun schon mehr über jeden Einzelnen von uns als wir selbst.

Autor

Björn Schumacher

COO/Co-Founder von 247GRAD Labs, Business Development bei einem regionalen Online-Verlag und Analysen von Nachrichten und Influencern.

Kommentare

comments powered by Disqus