Titelaufnahme

Titel
Tracking von Unternehmensskandalen in sozialen Netzwerken am Beispiel von Volkswagen / Inga Ecker, BSc
Weitere Titel
Tracking of corporate scandals in social media : the case of Volkswagen
Verfasser/ VerfasserinEcker, Inga
Begutachter / BegutachterinSchlögl, Christian
ErschienenGraz, September 2017
UmfangVI, 104 Blätter : Zusammenfassungen (2 Blätter) ; Illustrationen
HochschulschriftKarl-Franzens-Universität Graz, Masterarbeit, 2017
Anmerkung
Abweichender Titel laut Übersetzung des Verfassers/der Verfasserin
Zusammenfassungen in Deutsch und Englisch
SpracheDeutsch
DokumenttypMasterarbeit
URNurn:nbn:at:at-ubg:1-118559 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Tracking von Unternehmensskandalen in sozialen Netzwerken am Beispiel von Volkswagen [5.59 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

In den letzten zehn Jahren haben soziale Netzwerke zunehmend an Bedeutung für Unternehmen gewonnen. Social Media Plattformen wie Facebook und Twitter erlauben es Betrieben nicht nur, sich selbst besser zu vermarkten, sondern auch neue und vor allem loyale Kunden zu gewinnen. Obwohl soziale Netzwerke sehr viele Vorteile bringen, gibt es auch einige negative Aspekte. Kritische Postings gegenüber Firmen können schnell und einfach online verbreitet werden, was zu einer Schädigung des betroffenen Betriebes führen kann. Zurzeit existiert relativ wenig Wissen über die tatsächlichen Auswirkungen eines Shitstorms. In dieser Masterarbeit wird daher versucht, eine Verbindung zwischen der Zunahme des Suchvolumens sowie negativen Postings und dem Verlauf von Aktienkursen herzustellen. Als Beispiel wird der VW-Konzern herangezogen, über den auf Grund des Einsatzes einer Schadstoffmanipulationssoftware negativ in Social Media diskutiert wurde. Um den Einfluss des Shitstorms auf das Suchvolumen aufzuzeigen, wird der Skandal zunächst im Zeitverlauf mit Google Trends abgebildet. Untersuchungen der Auswirkungen des Dieselgates in sozialen Netzwerken werden mit IBM Watson durchgeführt. In mehreren Analysen werden so die Folgen der Affäre abgebildet. Um detailliertere Einblicke zu gewinnen, folgen Auswertungen aufgeteilt nach Ländern, Autoherstellern und -marken. Watson kann die natürliche Sprache verstehen und analysieren, dadurch können Postings mit negativen Inhalten herausgefiltert werden. Die Resultate aus der Google Trends sowie Watson Analyse werden anschließend mit dem Kursverlauf der VW-Aktie an der amerikanischen Börse NASDAQ verglichen. Die Masterarbeit zeigt deutlich, dass die Zunahme des Suchvolumens sowie der Anzahl der negativen Postings häufig mit einem Sinken der Aktienkurse einhergeht. Dennoch können die exakten Aktienkurse nicht exakt vorhergesagt werden.

Zusammenfassung (Englisch)

During the past decade, social media has become an important channel for businesses to promote themselves, leading to new customer relations, competitive longevity, and an increase in customer markets. Although social media can have a positive influence to business reputation and global position, there are also negative aspects. Online portals such as Facebook and Twitter let negative word-of-mouth spread rapidly, damaging companies reputation and competitive advantage. Little is known about the implications these online firestorms have on businesses. Therefore, this thesis presents a connection between the rise in search volume, an increase in negative mentions as well as a decrease in stock prices through Volkswagens online scandal where they used car software to manipulate emission values in Europe and the United States. To show the impact negative word-of-mouth has on search volume, the VW scandal is presented in a Google Trends graph. Peaks throughout the graph distinguish dates with high search volume. Furthermore, IBMs artificial intelligence software, known as Watson Analytics, is used to investigate the implications online firestorms have with regards to the diesel affair on social media to show the bigger picture of the scandal. The “emission gate” is split into different countries, car brands and types. Watson is able to understand natural language and detect, then analyze posts with negative content about Volkswagen. A comparison is made between the VW share prices as shown at the American stock exchange NASDAQ, Google Trends and Watson graph. The main findings show that the search volume, number of negative posts, and stock prices appear to be strongly connected to each other. If the values for search volume and the amount of negative mentions on social media increase, the stock price is likely to drop right afterwards. However, findings do not point towards the ability to predict the exact price of these shares.