14 Juni 2021 1107 words, 5 min. read

LinkedIn: die geäußerten Gefühle und ihre Auswirkung auf die Viralität

By Pierre-Nicolas Schwab PhD in marketing, director of IntoTheMinds
Alle sind sich einig, dass der Inhalt von LinkedIn-Beiträgen ein entscheidender Faktor für die Wahrscheinlichkeit ist, dass sie viral werden. Heute werde ich also nicht die Frage beantworten: „Worüber sollten wir auf LinkedIn sprechen?“ sondern „Wie sollen wir darüber reden?“ […]

Alle sind sich einig, dass der Inhalt von LinkedIn-Beiträgen ein entscheidender Faktor für die Wahrscheinlichkeit ist, dass sie viral werden. Heute werde ich also nicht die Frage beantworten: „Worüber sollten wir auf LinkedIn sprechen?“ sondern „Wie sollen wir darüber reden?“ Ich habe einen Korpus von 4 Millionen LinkedIn-Posts verwendet, um die ausgedrückten Gefühle zu messen und die Korrelation mit ihrer Viralität zu analysieren.

Diese Analyse folgt derjenigen, die ich hier auf einer Reihe von 4,6 Millionen Beiträge veröffentlicht und in der ich die Rolle des Netzwerks, die Wortzahl und die Anzahl der Emojis in der Viralität eines LinkedIn-Post hervorgehoben hatte.

Wenn Sie mehr über LinkedIn erfahren möchten und meine exklusiven Analysen per E-Mail erhalten möchten, müssen Sie meinen Newsletter abonnieren (unten). Bestätigen Sie den Abonnement-Link, den Sie per E-Mail erhalten!

Zusammenfassung

Ergebnisse in Kürze

  • Nur 0,21% der Beiträge erhalten mehr als 1000 Reaktionen
  • Zwischen 82% und 89% der LinkedIn-Posts können als „subjektiv“ beschrieben werden
  • Zwischen 71% und 77% der Beiträge auf LinkedIn drücken positive Emotionen aus.
  • Sie müssen nicht unbedingt positiv sein, um auf LinkedIn erfolgreich zu sein.
  • Der virale Datensatzbeitrag (817355 Reaktionen beim Schreiben dieses Beitrags) drückte negative Emotionen aus.
  • Deutliche Unterschiede in Emotionen und Objektivität/Subjektivität werden anhand der Sprache festgestellt
  • Die in einem LinkedIn-Post ausgedrückten Emotionen haben keinen statistischen Einfluss auf die Wahrscheinlichkeit, viral zu werden.
  • Eine durchschnittliche Subjektivität von 0,5 erhöht die Viralität Wahrscheinlichkeit von 3,59% auf 5,2%.

Methodologie

  • Es wurde ein Datensatz mit 4,6 Millionen LinkedIn-Beiträgen verwendet. Ich habe die Daten mit Anatella (Firma Timi) aufbereitet, um:
    • erkennt die Sprache des Beitrags (CLD2-Algorithmus)
    • misst die Stimmung der Beiträge in Französisch, Englisch und Niederländisch
  • Die Daten wurden dann mit Tableau visualisiert und erforscht, und ein Vorhersagemodell wurde mit Modeler (Firma Timi) entwickelt.
  • Die Anzahl der analysierten Stellen stellt sich wie folgt dar:
    • English: 2.556 Millionen
    • Französisch: 1,108 Millionen
    • Niederländisch: 68876

Detailergebnisse

  • Zwischen 72% und 77% der Beiträge auf LinkedIn drücken positive Emotionen aus.
  • Zwischen 23 % und 28 % der LinkedIn-Posts drücken negative Emotionen aus.
  • LinkedIn-Posts in Französisch sind im Durchschnitt positiver als Posts in Englisch und Niederländisch
  • Die ausgedrückten Emotionen beeinflussen die Viralität eines LinkedIn-Posts nur marginal (4,6%)
  • Die Viralität des Postens wird hauptsächlich von der Subjektivität beeinflusst (31,7%)
  • Die maximale Viralität wird für Beiträge mit
    • einer Subjektivität von 0,5 bis 5,55
    • eine Polarität von 0,24 bis 0,35

Stimmungsanalyse: Wie funktioniert das?

Die Einführung der NLP (Natural Language Processing) hat eine Reihe von neuen Werkzeugen zur Verfügung gestellt. In meiner Lieblings-ETL-Software (Anatella) wurde kürzlich ein Modul der Sentiment Analyse gewidmet.
Die Stimmungsanalyse basiert auf 2 Variablen:

  • Subjektivität
  • die Polarität

Die Subjektivität wird auf einer Skala gemessen, die üblicherweise von -1 bis 1 oder von 0 bis 1 reicht. Bei dem in Anatella verwendeten Algorithmus ist es [-1;1]. Ein subjektiver Beitrag entwickelt sich von 0 zu 1 und ein objektiver Beitrag von 0 zu -1.

Die Polarität entspricht einer Einschätzung der im Text enthaltenen Emotionen. Es wird wiederum auf einer Skala von -1 bis 1 gemessen. Negative Emotionen liegen zwischen -1 und 0; positive Emotionen zwischen 0 und 1.

Wenn Sie mehr wissen wollen, würde ich diese Diskussion über Quora empfehlen.


Deutliche Unterschiede im „Ton“ von LinkedIn-Beiträgen je nach Sprache

In dieser ersten Visualisierung habe ich die Beiträge in 4 Kategorien unterteilt, basierend auf Subjektivität (negativ/positiv) und Polarität (negativ/positiv).

Da negative Subjektivität der Objektivität entspricht, habe ich diesen Begriff verwendet. Da sich der Begriff „Polarität“ auf Emotionen bezieht, habe ich mich entschieden, diesen Begriff zum besseren Verständnis zu verwenden.

So finden wir 4 „Quadranten“, die es uns ermöglichen, die LinkedIn-Beiträge nach ihrer Objektivität/Subjektivität und positiven/negativen Emotionen aufzuteilen. Wie Sie sehen können, gibt es erhebliche Unterschiede zwischen den verschiedenen Sprachen (Sie können gerne auf das Bild klicken, um es zu vergrößern).

subjectivity and polarity (emotions) in Linkedin posts comparison by language

LinkedIn-Beiträge sind fast immer subjektiv… außer auf Französisch

Die folgende Grafik zeigt die Gefühle, die in den 99,79% der Beiträge zum Ausdruck kommen, die weniger als 1000 Reaktionen erhalten haben. Sie können sehen, dass sich die überwiegende Mehrheit davon im oberen Teil des Diagramms befindet, also im „subjektiven“ Teil. Lediglich die Stellen in französischer Sprache sind eine kleine Ausnahme von dieser Regel.

sentiment analysis of non viral posts on Linkedin


Viral LinkedIn Posts sind primär subjektiv und drücken positive Emotionen aus

Die folgende Grafik visualisiert die LinkedIn-Beiträge, die mehr als 1000 Reaktionen generiert haben (Likes + Kommentare). Die meisten von ihnen befinden sich, wie die nicht-viralen Pfosten, im oberen rechten Viertel (siehe gepunkteter Rahmen). Sie sind daher subjektive Beiträge, deren Emotionen positiv sind. Wir stellen jedoch eine erhebliche Anzahl von Beiträgen im oberen linken Quadranten für die englische Sprache fest, d. h. Beiträge, deren ausgedrückte Emotionen negativ sind. Der virale Beitrag des gesamten Datensatzes befindet sich dort.


Der virale Beitrag im Datensatz ist die Arbeit dieser Person. Es wird als leicht negativer Beitrag in Bezug auf Emotionen und durchschnittlich subjektiv eingestuft. Ich werde Sie entscheiden lassen, ob der Algorithmus gut funktioniert hat. Wie Sie sehen können, da der Datensatz mir zur Verfügung gestellt wurde, hat dieser Beitrag weiterhin Likes und Kommentare erhalten. Die Gesamtzahl der Reaktionen beträgt nun 817355.

most viral post on Linkedin


Subjektivität hat den größten Einfluss auf die Postviralität von LinkedIn

Der letzte Teil dieser Analyse war die Bestimmung des Einflusses der Variablen „Subjektivität“ und „Polarität“ auf die Wahrscheinlichkeit, dass ein LinkedIn-Post viral wird.

Das Vorhersagemodell wurde mit „Modeler“ von Timi realisiert. Ich folgte der gleichen Methodik wie in meiner vorherigen Forschung. Ich habe die Wahrscheinlichkeit von 100 Reaktionen auf einen LinkedIn-Beitrag modelliert. Die „Reaktionen“ sind definiert als die Summe von Likes und Kommentaren.

Das Timi-Modell zeigt, dass die Subjektivität 31,7 % zum Erreichen des Ziels beiträgt; die Variable „Polarität“ (d. h. die ausgedrückten Emotionen) beträgt nur 4,6 %. Mit anderen Worten, die Emotionen, die im Post ausgedrückt werden, haben wenig Einfluss auf die Wahrscheinlichkeit, dass ein Post viral wird.

Die „natürliche“ Wahrscheinlichkeit, 100 Reaktionen zu erreichen, beträgt 3,59 %. Beträgt die Subjektivität des Beitrags etwa 0,5, erhöht sich diese Wahrscheinlichkeit auf 5,2%.

impact de la subjectivite sur la viralite des posts Linkedin

Danksagung

Vielen Dank an Tableau Software für ihre Unterstützung in meiner Forschung.

Vielen Dank an Frank Vanden Berghen und Timi für ihre Hilfe bei der Bereitstellung von Anatella und Modeler.

 

 

 

 



Posted in Data & IT.

Post your opinion

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert