So misst du den Return on Social Media – Metriken für ein modernes Markenmanagement

1
464

TEILEN - Spread the Love!

Ein Gastbeitrag von Stefan Fischer, Maik Hammerschmidt, Welf Weiger und Tobias Schulze

Du kannst dir diesen Artikel aus unserem SocialHub Mag auch hier in besserer Bildqualität ansehen.

Laut einer Befragung US-amerikanischer Marketingchefs wird heute schon jeder zehnte Marketing-Dollar für Social Media ausgegeben, Tendenz steigend. Gleichzeitig sieht sich aber nur einer aus fünf Verantwortlichen in der Lage, den Wert seiner Social Media-Investitionen zu quantifizieren.

Etliche Key Performance Indicators (KPIs) kursieren in der Praxis. Führende Social Media-Plattformen wie Facebook und Twitter stellen Markenmanagern jeweils eigene KPIs zur Verfügung, um Markeninhalte auf ihrer Plattform zu quantifizieren und auszuwerten. Funktionale und zielgruppenspezifische Unterschiede zwischen Social Media-Plattformen sowie intransparente KPI-Berechnungen erschweren jedoch die effektive Verwertung des Informationspotenzials, das sich in den zahlreichen Interaktionen zwischen Social Media-Nutzern und Marken verbirgt. In diesem Beitrag berichten wir über Erkenntnisse und Erfahrungen aus unserer Forschung zum informativen Wert von markenbezogenen Social Media-Inhalten.

In der Forschung werden Markeninhalte in Social Media anhand von vier generischen Metriken beschrieben: Volumen, Valenz, Varianz und Viralität. Ihre Berechnung ist vergleichsweise einfach und transparent, was eine Interpretation erleichtert. Zudem sind sie flexibel, das heißt für unterschiedliche Social Media-Formate und -Plattformen gleichermaßen anwendbar.

Social Media-Metriken: Volumen

Mit dem Volumen wird die Menge von Social Media-Inhalten (SMI) beschrieben, welche innerhalb eines bestimmten Zeitraums (t) über eine Marke (i) veröffentlicht worden sind: 

Um diese Metrik berechnen zu können, werden Informationen darüber benötigt, ob und wann Markeninhalte veröffentlicht worden sind. Angesichts der stetig steigenden Social Media-Kommunikation ist der Einsatz sogenannter Web Crawler heute unerlässlich. Ein Web Crawler bezeichnet ein Computerprogramm, das automatisch und regelmäßig das World Wide Web nach bestimmten Regeln und Begriffen durchsucht und die Ergebnisse dieser Suche archiviert.

Da der Aufbau eines umfassenden Social Media Monitorings aufgrund der wachsenden und heterogenen Social Media-Landschaft sehr aufwendig ist, wenden sich viele Unternehmen spezialisierten Dienstleistern zu. Abbildung 1 veranschaulicht die Arbeitsweise eines solchen Monitoring-Tools am Beispiel von Ubermetrics Delta, das wir für die Datenerhebung im Rahmen eines Forschungsprojekts bereits erfolgreich eingesetzt haben.

Social Media Monitoring liefert wichtige Informationen zur Berechnugn des Return on Social Media. Hier: das Monitoring-Tool Ubermetrics Delta, das wir im Rahmen unserer Forschung eingesetzt haben.

Social Media-Metriken: Valenz

Die Valenz (auch: Sentiment) drückt die Tonalität des durchschnittlichen Markeninhalts innerhalb eines Zeitraumes auf einer Skala (j) von ausschließlich negativ über neutral bis ausschließlich positiv aus. Wie das durchschnittliche Rating auf Produktbewertungsseiten (Abbildung 2) handelt es sich dabei um das gewichtete Mittel positiver, neutraler und negativer Markeninhalte:

Um die Valenz berechnen zu können, müssen markenbezogene Social Media-Inhalte zunächst als positiv, neutral oder negativ klassifiziert werden. Markeninhalte treten jedoch vor allem in Gestalt von qualitativen Texten und seltener als numerische Ratings in Social Media auf. Sie sind also in der Regel nicht von ihren Urhebern hinsichtlich ihrer Tonalität vorklassifiziert. Daher ist häufig ein Sentiment-Modell notwendig, welches einzelne Markentexte über ein Wörterbuch als (überwiegend) positiv, neutral oder negativ klassifiziert. Auch wenn die Sentiment-Analyse erst einmal mit mehr Aufwand verbunden ist als etwa die Valenz-Ermittlung über Online-Produkt-Ratings, so zahlt sie sich nicht nur in Form einer höheren Anwendbarkeit sondern auch höheren Validität und Reliabilität aus (zentrale Gütekriterien von Messinstrumenten).

Sentiment-Analyse am Beispiel verschiedener Marken (Dashboard-Screenshot: Ubermetrics Delta)

Laut einer Studie im Journal of Consumer Research aus dem Jahr 2016 stimmt nur jeder zweite Online-Produktvergleich mit dem Urteil von verbrauchernahen Organisationen wie etwa Stiftung Warentest oder Öko-Test überein. So zeigt Abbildung 2 exemplarisch, wie sich Laien und Experten in ihrer Beurteilung der Marvel-Serie The Punisher auf der Produktbewertungsseite Metacritic unterscheiden. Weiter findet die Studie heraus, dass Online-Produkt-Ratings nicht etwa von Produktqualität, sondern von der Reputation und dem Preis des Produktes getrieben werden. Zudem sind Online-Produkt-Ratings aufgrund unterschiedlicher Skalen und Mittelwertberechnungen auch nur bedingt vergleichbar. So erreichen Produkte auf Googles 5er-Skala trotz perfekt positiver Bewertungen regelmäßig ein Rating von unter fünf, weil Googles Algorithmus bei einer geringen Stichprobe extrapoliert, d.h. statistisch mutmaßt, welches Rating sich unter der Grundgesamtheit von Google-Nutzern einstellen würde.

Bei Produktbewertungen unterscheiden sich Laien und Experten häufig in der Beurteilung, wie hier am Beispiel der Marvel-Serie The Punisher auf der Produktbewertungsseite Metacritic.com.

Social Media-Metriken: Varianz

Mit der Varianz wird das Ausmaß beschrieben, mit dem einzelne Markeninhalte in ihrer Tonalität von dem durchschnittlichen Markeninhalt innerhalb eines gegebenen Zeitraum abweichen. Auch die Varianz findet sich in Form von Balkendiagrammen auf Produktbewertungsseiten wieder (s. Abbildung 2 oben):

Social Media-Metriken: Viralität

Mit der Viralität wird schließlich das Ausmaß definiert, mit dem markenbezogene Inhalte innerhalb eines Zeitraums über individuelle Social Media-Kanäle (SMK) streuen. Kurz gesagt, wie infektiös (viral) Markeninhalte in diesem Zeitraum sind:


Um die Viralität berechnen zu können, muss zunächst der Social Media-Kanal eines jeden markenbezogenen Inhaltes identifiziert werden. Diese lassen sich aus der URL (Uniform Resource Locator), mit der jeder Social Media-Inhalt gekennzeichnet ist, auslesen. Eine Regel für eine robuste Identifikation einzelner Social Media-Kanäle ist jedoch häufig ebenso aufwändig wie die Aufgabe, Markeninhalte in diesen aufzuspüren, und setzt eine genaue Begriffsdefinition voraus. In der Regel werden einzelne Social Media-Nutzer als Kanäle bezeichnet. Diese Definition ist besonders für Social Networks und Microblogs geeignet. So misst Facebook z.B. mit seiner „People Talking About This“ die Anzahl seiner individuellen Nutzer, die innerhalb der jeweils letzten sieben Tage einen markenbezogenen Inhalt selbst erstellt oder durch ihr Teilen oder Liken weitergeleitet haben. Mit der so genannten Interaktionsrate liefert Twitter eine ähnliche Statistik – allerdings ausschließlich für selbsterstellte Tweets. Plattformübergreifend bieten Social Media-Monitoring-Dienste ihren Kunden daher häufig einen globalen Viralitäts-Score an. Bei Ubermetrics berechnet sich dieser beispielsweise gleichermaßen aus der Anzahl von Kommentaren, Retweets und Backlinks.

Was bedeuten die Mess-Ergebnisse?

Volumen und Valenz signalisieren Markenerfolg.

Volumen und Valenz wurden in der Forschung schon mehrfach als Markenwert-Indikatoren identifiziert. Die theoretische Erklärung ist einfach:

Volumen und Valenz korrespondieren positiv mit der Markenstärke.

Die Stärke einer Marke speist sich aus dem Wissen, das der durchschnittliche Konsument über diese besitzt. Starke Marken sind durch umfangreiche und positive Assoziationen gekennzeichnet, besitzen also eine hohe Bekanntheit und ein positives Image. Bekannte Marken erzielen regelmäßig höhere und stabilere Umsätze als unbekannte. Ebenso drückt sich eine positivere Einstellung gegenüber einer Marke (Markenimage) in höheren und stabileren Umsätzen aus.

Studien belegen, dass sich aus dem Volumen und der Valenz markenbezogener Social Media-Inhalte Rückschlüsse auf das Wissen über eine Marke und die Einstellung zur Marke ziehen lassen. Obwohl Social Media-Metriken nicht entworfen wurden, um den Produktmarkt repräsentativ abzubilden (wie etwa Konsumentenbefragungen), sind Volumen und Valenz dennoch verlässliche Signale von Veränderungen in vorökonomischen Markenwerttreibern wie der Markenbekanntheit, dem Markenimage und der Kundenzufriedenheit.

So belegt eine aktuelle Studie für Plattformen wie Twitter, Youtube und Facebook, dass eine Erhöhung des Volumens um zehn Prozent mit einer 5,4-prozentigen Steigerung der Markenbekanntheit einhergeht. Ein zehnprozentiger Anstieg positiver (bzw. negativer) Markeninhalte ist mit einer um 4,7 Prozent höheren (4,4 Prozent niedrigeren) Kundenzufriedenheit gleichzusetzen.

Aber auch ökonomische Markenwerttreiber wie Umsatz lassen sich verlässlich durch Social Media-Metriken vorhersagen. Eine Auswertung von 51 Studien, die die Reaktion des Umsatzes auf eine Veränderung von Volumen und Valenz untersucht haben, zeigt: Während eine zehnprozentige Volumen-Steigerung mit einer 2,4-prozentigen Umsatzsteigerung verbunden ist, ist bei einer um zehn Prozent positiveren Valenz der Umsatz sogar um durchschnittlich 4,2 Prozent höher.

Volumen und Valenz zeigen also frühzeitig und objektiv Veränderungen des Markenerfolgs an.

Folgerichtig haben Volumen und Valenz auch einen Einfluss auf den Aktienwert des markenführenden Unternehmens und somit dessen Marktwert.

Die Forschungsergebnisse hierzu sind jedoch uneindeutig. Überwiegend wird ein positiver Zusammenhang zwischen Volumen bzw. Valenz und dem Aktienkurs festgestellt. Dieser stellt sich vor allem für Markeninhalte von typischen Konsumenten-Plattformen wie Produktbewertungsseiten (CNET oder Amazon) oder produktnahen Blogs (Mashable oder Techcrunch) ein. Ein Anstieg des Volumens um zehn Prozent ist dabei mit einem durchschnittlich um 0,5 Prozent höheren Aktienwert verbunden. Bei einem zehnprozentigen Anstieg der Valenz liegt der Aktienwert um durchschnittlich 0,3 Prozent höher. Markeninhalte in typischen Investoren-Plattformen wie Yahoo!Finance oder SeekingAlpha sind hingegen mit einem niedrigeren Aktienwert assoziiert.

Laut einer Studie über Social Media-Inhalte zu einem Technologieunternehmen weisen jedoch nur ein Prozent aller plattformübergreifenden Inhalte Finanzmarkt-Assoziationen auf. Mit einem Anteil von 64 Prozent werden am häufigsten Markenimage und Produktleistung thematisiert.

Folgerichtig belegen die wenigen Studien, die Markeninhalte aus mehreren Plattformen unterschiedlicher Formate untersucht haben, einen positiven Zusammenhang zwischen Volumen bzw. Valenz und dem Aktienwert des markenführenden Unternehmens.

Im Rahmen eines Forschungsprojekts in Kooperation mit Ubermetrics Delta konnten wir die Aktienwert-Effekte von Volumen und Valenz für sechs große deutsche Unternehmen größtenteils bestätigen.

Rund 21 Millionen Social Media-Texte aus unterschiedlichen Formaten (Blogs, Foren, Microblogs und Social Networks) wurden dabei mit Hilfe der Ubermetrics-Technologie gecrawlt und analysiert. Als erste Studie überhaupt haben wir neben dem Volumen und der Valenz auch die Varianz und die Viralität von Markeninhalten in Social Media untersucht. Unser Forschungsbeitrag ist auf der 28. Konferenz der American Marketing Association mit dem Best Paper Award in der Disziplin „Metrics for Making Marketing Matter“ ausgezeichnet worden, weil er neben neuen, interessanten Erkenntnissen für die Forschung auch wichtige Implikationen für die Praxis des Social Media-Monitorings liefert.

Da frühere Studien gezeigt haben, dass Marken mit hoher Meinungspolarität eine loyalere, das heißt stabilere und preisbereitere Kundenbasis besitzen und so durchschnittlich höhere finanzielle Marktwerte erreichen, erwarteten auch wir einen positiven Zusammenhang zwischen der Varianz und dem Aktienwert des markenführenden Unternehmens. Gemäß der landläufigen Meinung, dass Reichweite ein Erfolgstreiber von Kommunikationskampagnen ist, gingen wir auch für das Verteilungsmaß der Viralität markenbezogener Social Media-Texte von einem positiven Aktienwerteinfluss aus. Unsere Vermutungen konnten wir zwar weder für Varianz noch für Viralität bestätigen, jedoch attestierten unsere Ergebnisse ihnen eine moderierende Wirkung.

So fanden wir einen stärker positiven Zusammenhang zwischen Volumen und Aktienwert im Kontext einer höheren Viralität. Analog verstärkte sich der positive Zusammenhang zwischen Valenz und Aktienwert bei einem Anstieg der Varianz. Varianz und Viralität sind also nicht wie Volumen und Valenz unmittelbare Erfolgsfaktoren, sie wirken aber mittelbar als Hebel zur Verstärkung der Erfolgswirkungen von Volumen und Valenz.

Markeninhalte in Social Media stehen also in mittel- und unmittelbarem Zusammenhang mit dem Unternehmenswert.

Granulare und täglich aktualisierte Social Media-Metriken stellen eine sinnvolle Ergänzung traditioneller Erfolgskennzahlen wie Markenumsatz und -stärke dar, welche vergleichsweise träge und in ihrer Erhebung kostenintensiver sind.

Studien belegen, dass sich traditionelle Positionierungsstudien auch auf Basis von markenbezogenen Social Media-Inhalten erfolgreich durchführen lassen. So konnte eine Studie die wahrgenommene Umweltfreundlichkeit von Marken erfolgreich in Twitter über die Anzahl der von ihren Followern abonnierten Umweltschutzorganisationen messen. Eine andere stellt für Automobil- und Pharmaindustrie fest, dass die Anzahl der gemeinsamen Erwähnung zweier Marken in einem Social Media-Inhalt verlässlich deren wahrgenommene Ähnlichkeit wiederspiegelt. In der Tat bestehen auch zwischen dem Aktienwert des markenführenden Unternehmens und Social Media-Inhalten von Konkurrenzmarken signifikante, negative Zusammenhänge. Wertorientierte Markenmanager monitoren daher nicht nur eigene Markeninhalte in Social Media, sondern auch die der Konkurrenz.

Sie nutzen Social Media-Metriken als Frühwarnsystem, um größere Markenwert-Schäden abzuwenden, und optimieren ihre Markenaktivitäten dahingehend, dass sich für ihre eigenen (konkurrierenden) Marken ein möglichst hohes (niedriges) Volumen und möglichst hohe (niedrige) Valenz einstellt.

Ein idealtypisches Social Media-Monitoring-Dashboard für Mercedes veranschaulicht Abbildung 3 am Beispiel von Ubermetrics Delta. Wie unter der Topics-Auswertung anhand der Größe der Begriffe zu erkennen ist, werden Konkurrenzmarken wie Audi und BMW annähernd so häufig in Markeninhalten zu Mercedes erwähnt wie die geläufigen Markensynonyme Daimler und Benz. Volumen und Valenz (Sentiments) werden in der Regel als Veränderung über die Zeit visualisiert, um Ausschläge besser identifizieren zu können. An der Aufschlüsselung des Volumens nach Mediensegmenten, Quellen und Autoren bzw. nach negativer, neutraler und positiver Tonalität lassen sich Viralität und Varianz markenbezogener Social Media-Inhalte ablesen. Die volumenbasierte Identifikation von Meinungsführern und deren valenzbasierte Markeneinstellung kann beispielweise für die Entwicklung erfolgreicher Seeding-Strategien im viralen Marketing genutzt werden.

 

Idealtypisches Social Media-Dashboard am Beispiel des Uberviews von Mercedes (via Ubermetrics Delta)

Warum die Hebel Viralität und Varianz nicht vernachlässigt werden sollten

Während Markenmanager ein möglichst hohes Volumen und eine möglichst positive Valenz markenbezogener Social Media-Inhalte anstreben sollten, dürfen Viralität und Varianz nicht vernachlässigt werden. Viralität und Varianz stehen zwar in keinem direkten Zusammenhang mit dem Aktienwert des markenführenden Unternehmens. Sie besitzen jedoch die Fähigkeit die positiven Aktienwert-Zusammenhänge von Volumen und Valenz zu hebeln.

Den Hebel der Viralität betätigen Manager mit einem geschickten Vernetzen unterschiedlicher Plattformen und Kanäle. Erklärtes Ziel ist es dabei, negative Kommunikationsspiralen möglichst früh zu destabilisieren und positive möglichst langfristig und weitläufig zu erhalten.

Markenmanager sollten möglichst viele unterschiedliche Social Media-Formate beobachten und proaktiv bearbeiten.

Studien belegen, dass sich Plattformen und Kanäle hinsichtlich Agilität, Inhalte und Nutzer stark unterscheiden. Die Realität bestätigt, dass eine Markenpräsenz in nur einer Plattform nicht ausreichend erfolgsversprechend ist. So sind rund zwei Drittel der Fortune 500-Unternehmen mit Profilen in mehreren, unterschiedlichen Social Media-Plattformen vertreten. Die meisten US-amerikanischen Airline-Marken führen beispielsweise mehrere Twitter-Profile für unterschiedliche Zielgruppen und Belange wie Kundenbeschwerden und -informationen, Mitarbeiter-Recruiting sowie Investor Relations und Public Relations. Auf diese Weise können nicht nur unterschiedliche Stakeholder-Interessen durch ein effektiveres Targeting befriedigt werden. Vielmehr können Verfehlungen im Umgang mit einer Stakeholder-Gruppe auf ein Twitter-Profil begrenzt und Erfolge mit einer Stakeholder-Gruppe über verschiedene Twitter-Profile hinweg kapitalisiert werden.

Den Hebel der Varianz betätigen Manager mit einem dezenten, aber sichtbaren Moderieren von markenbezogenen Social Media-Inhalten. Auf negative Markeninhalte reagieren wertorientierte Manager proaktiv und zeitnah. So erwarten Twitter-Nutzer einer Studie von Brandwatch zufolge mehrheitlich eine Reaktion binnen einer Stunde. Dabei sollte die Reaktion selbstkritisch und verständnisvoll ausfallen. Leere Versprechungen können der Glaubwürdigkeit und Reputation der Marke langfristig schaden. Eine verdeckte Manipulation der Valenz durch den Markenmanager ist laut einer Studie nicht nur sehr kostenintensiv, sondern auch mit einem so hohen Risiko für das Markenimage verbunden, dass sich diese langfristig nicht rechnet. Kürzlich berichtete das Wall Street Journal beispielsweise darüber, wie sensibel Kunden der US-amerikanischen Lieferkette Domino‘s Pizza auf die Diskrepanzen zwischen den Angaben zu ihren Bestellungen in der Mobile App der Kette, dem sogenannten Pizza Tracker, und dem realen Liefervorgang reagierten. Durch die Enttäuschungen der Kunden über die Fehlinformation der Mobile App, mit der sie regelmäßig mit der Marke interagierten, hat Domino’s massiv an Glaubwürdigkeit verloren und Markenwert eingebüßt.

Die wichtigsten Social Media Metriken in der Übersicht

Mehr Informationen zum „Return on Social Media im Markenmanagement“ findet ihr hier auf dem Blog von Ubermetrics.

Von links: Prof. Dr. Hammerschmidt, Stefan Fischer, Prof. Dr. Welf Weiger wurden auf der 28. Konferenz der American Marketing Association mit dem Best Paper Award in der Disziplin „Metrics for Making Marketing Matter“ ausgezeichnet.

Professor Dr. Maik Hammerschmidt hat an der betriebswirtschaftlichen Fakultät der Universität Mannheim im Bereich Marketing Performance-Messung habilitiert und ist seit 2010 Universitätsprofessor und Inhaber der Professur für Marketing und Innovationsmanagement an der Georg-August-Universität Göttingen. Seine Forschungsschwerpunkte liegen im Bereich Marketing Analytics, Technologie- und Innovationsmanagement sowie Social Media-Marketing. Seine mehrfach ausgezeichneten Forschungsleistungen werden regelmäßig in renommierten Fachzeitschriften veröffentlicht und finden im Rahmen von Praxiskooperationen zur Steigerung der Marketing-Performance von Start-Ups sowie Großkonzernen bei der Implementierung wertorientierter Kunden- und Markenmanagementsysteme erfolgreich Anwendung.

Professor Dr. Welf Weiger hat zum Thema „User Engagement in Social Media: An Individual-Level Perspective“ an der betriebswirtschaftlichen Fakultät der Georg-August-Universität Göttingen promoviert und führt seit Dezember 2017 die hiesige Juniorprofessur für Digitales Marketing. Seine Forschungsschwerpunkte liegen im Bereich Consumer Engagement in Social Media, Social Media-Marketing, Social Media-Monitoring sowie Online Advertising.

Stefan Fischer hält einen Master of Science in Marketing und Distributionsmanagement der betriebswirtschaftlichen Georg-August-Universität Göttingen und ist hier als wissenschaftlicher Mitarbeiter an der Professur für Marketing und Innovationsmanagement angestellt. Im Rahmen seiner Promotion im Bereich Social Media-Intelligence erforscht er den Zusammenhang zwischen finanziellem Markenwert und Markeninhalten in Social Media.

Ubermetrics Technologies (UMT) entwickelt eine Media Monitoring-Lösung als SaaS, die es ermöglicht, relevante Themen im Social Web, TV, Radio und Print kontinuierlich zu verfolgen, die Reichweite und Verbreitung ihrer Botschaften aufzuzeigen und virale Entwicklungen sowie Influencer rechtzeitig zu identifizieren. Die Monitoring-Lösungen finden im Marketing, Supply Chain, Public Relations, Customer Support und in der Marktforschung sinnvolle Einsatzmöglichkeiten. Dafür analysiert UMT in Echtzeit Texte aus über 400 Millionen Quellen in 68 Sprachen. Dabei kommen modernste Verfahren wie Textmining und Natural Language Processing zum Einsatz. Die im Frühjahr 2011 gegründete Ubermetrics Technologies GmbH ist ein vom High-Tech Gründerfonds finanziertes Spin-Off der Humboldt Universität zu Berlin. Aktuell beschäftigt das Unternehmen mit Firmensitz in Berlin dreizehn Mitarbeiter.

Bilder, Screenshots & Grafiken: Stefan Fischer, Maik Hammerschmidt, Welf Weiger, Georg-August-Universität Göttingen, Tobias Schulze, Ubermetrics Technologies GmbH, Titelbild: patricia serna auf Unsplash

Dieser Artikel erschien zuerst im SocialHub Mag – lade dir unser Social Media-Magazin hier kostenlos herunter!

Du kannst dir Mag-Artikel auch hier nochmal im Original und in besserer Bildqualität ansehen.


Quellen & weiterführende Literatur:

Anatoli Colicev, Ashwin Malshe, Koen Pauwels & Peter O’Connor (2018). Improving Consumer Mind-Set Metrics and Shareholder Value through Social Media: The Different Roles of Owned and Earned.

Bart de Langhe, Philip Fernbach & Donald Lichtenstein (2016). Navigating by the Stars: Investigating the Actual and Perceived Validity of Online User Ratings.

Chrysanthos Dellarocas (2006). Strategic Manipulation of Internet Opinion Forums: Implications for Consumers and Firms.

Ezgi Akpinar & Jonah Berger (2017). Valuable Virality.

Leigh McAlister, Garret Sonnier & Tom Shively (2012). The Relationship Between Online Chatter and Firm Value.

Monic Sun (2012). How Does the Variance of Product Ratings Matter?

Stefan Fischer, Maik Hammerschmidt & Welf Weiger (2017). Signals from the Echoverse – The Informational Value of Brand Buzz Dispersion.

Xueming Luo, Jie Zhang & Wenjing Duan (2013). Social Media and Firm Equity Value.

Ya You, Gautham Vadakkepatt & Amit Joshi (2015). A Meta-Analysis of Electronic Word-of-Mouth Elasticity.