Im zweiten Modul werden wir uns auf die Analyse von Umfragedaten mit Hilfe von Regression konzentrieren. Umfragen sind eines der wichtigsten Instrumente, die von Unternehmen zur Messung wichtiger Konstrukte wie der Kundenzufriedenheit eingesetzt werden. Wir beginnen mit einem umfassenden Verständnis des Konzepts der Kundenzufriedenheit und der verschiedenen Möglichkeiten, diese zu messen. Anschließend werden wir die Instrumente zur Analyse von Umfragedaten erörtern. Wir werden uns insbesondere auf zwei Regressionsmethoden konzentrieren - lineare und logistische Regressionen. Abschließend werden wir das Modul mit einer praktischen Demonstration der logistischen Regression anhand eines Datensatzes einer Umfrage zur Kundenzufriedenheit bei Fluggesellschaften mit R abschließen.

Wir werden die verschiedenen Methoden der Textanalyse kennenlernen. Zunächst führen wir Sie in die Stimmungsanalyse ein - die am weitesten verbreitete Methode zur Analyse der Kundenzufriedenheit mit Textdaten. Wir werden die Schritte der Stimmungsanalyse mit R Studio demonstrieren. Anschließend werden wir uns den Techniken der Textzusammenfassung zuwenden. Wir beginnen mit einer Auflistung der Vorverarbeitungsschritte, die erforderlich sind, um den Text in eine auswertbare Form zu bringen. Als Nächstes sehen wir uns an, wie die Häufigkeitszahlen von Mehrwortphrasen des vorverarbeiteten Textes die gemeinsamen Begriffe, über die diskutiert wird, aufzeigen können. Aufbauend auf den n-Grammen gehen wir zu einer intelligenteren Methode über, um automatisch hochwertige Phrasen zu erkennen. Wir werden auch die LDA-Themenmodellierung besprechen - eine sehr beliebte Methode zur Erkennung von Themen in einem Textkorpus. Zum Abschluss dieses Moduls werden wir uns mit dem überwachten maschinellen Lernen und einem Beispiel für dessen Anwendung befassen.

Wir werden eine Methode zur Analyse des Einflusses der Kundenzufriedenheit anhand von Daten aus sozialen Medien vorstellen. Soziale Netzwerke sind der perfekte Datensatz, um mit Hilfe der Netzwerkanalyse zu verstehen, wie Menschen mit anderen Menschen interagieren und Netzwerke bilden. Das Erkennen eines Musters in den Beziehungen in den sozialen Medien kann bei Marketingentscheidungen nützlich sein. Wir werden auch die Analyse der Markenpersönlichkeit von Influencern besprechen, die als Methode für Marken verwendet werden kann, um Influencer zu finden, die eine ähnliche Persönlichkeit haben wie sie selbst.