Case-Study Bundesliga-Vereine und ihr Auftritt bei Twitter. Textanalyse der Tweets. 

Social Media als Chance, mit Fans direkt zu kommunizieren, wird von allen Vereinen der Fußball-Bundesliga genutzt. Die Saison 2021/22 läuft seit sechs Spieltagen und wir wollen der Frage nachgehen, ob der FC Bayern München auch bei den Tweets an der Tabellenspitze steht. Die Antwort auf diese Frage und weitere spannende Erkenntnisse generieren wir mit Hilfe einer Textanalyse mit der Open-Source-Software R.   

Geld schießt nicht nur Tore, sondern schreibt auch Social Media Posts. Die großen und liquiden Vereine wie Bayern München (Ø 24 Tweets pro Tag), Borussia Dortmund (Ø 22 Tweets pro Tag) oder Bayer Leverkusen (Ø 20 Tweets pro Tag) haben in unserem Beobachtungszeitraum seit Saisonanfang (12.08.2021 bis 27.09.2021) die meisten Tweets veröffentlicht. Der Aufsteiger Greuter Fürth trägt hier die Rote Laterne in dreierlei Hinsicht: Sportlich mit nur einem Punkt auf dem letzten Tabellenplatz, die wenigste Anzahl an Tweets mit 175 (Ø 4 Tweets pro Tag) und mit 53 Tausend Followern die geringste Zahl der Interessierten am Vereins-Twitter-Account.

Social Media und Sport-Sponsoring

Für Marken wird es auf Dauer immer schwerer, interessanten, aktuellen und glaubwürdigen Content auf Social Media für ihre Follower zu erzählen. Neben anderen Vorteilen ist ein Sport-Sponsoring ein idealer Content-Lieferant für eine Marke, der bis zu zweimal in einer Woche neue Inhalte liefern kann. Ein erfolgreicher und reichweitenstarker Twitter-Account entsteht nicht durch massenhafte Retweets, sondern durch eigene Inhalte (Organic Tweets). Jedes Wochenende in der Saison erzeugen Fußballvereine neue Geschichten, Dramen oder einfach nur Emotionen, die in organischen Posts auf Social Media verarbeitet werden. Marken können sich als Sponsoren diesen Content der Vereine glaubwürdig zu Nutze machen.

Der Anteil an organischen Tweets liegt bei Fußballvereinen der Bundesliga bei 80%. Zum Vergleich: Bei unserer Analyse über Journalisten-Accounts lag dieser Anteil bei 50%. Das zeigt, dass Fußball ein wunderbarer Content-Lieferant ist, der nicht nur auf die Kraft der Worte, sondern auch auf starke Bilder setzt. 65% aller organischen Tweets beinhalten ein Foto, oft inklusive Bandenwerbung oder Trikotsponsor.

Erfolgreiche Tweets

Wie sollte ein Tweet gestaltet werden, damit er auch möglichst viel geteilt wird und eine hohe Reichweite und Relevanz erreicht? Emotionalität mit einer ironischen Übertreibung ist ein Erfolgsrezept in Social Media. Diese Rezept-Mixtur wird eher selten in der Öffentlichkeitsarbeit von Fußballvereinen angewendet, wenn man nicht gerade Jürgen Klopp als Trainer beschäftigt. Bei der Betrachtung der Tweets der Bundesliga-Vereine sucht man Humor oft vergeblich.

Tweets im Fußball erreichen richtig Reichweite, wenn es um den internationalen Wettbewerb geht und der Gegner auch noch Fenerbahce oder Besiktas Istanbul heißt. Begrüßt man dann noch die gegnerischen Fans auf Türkisch, erhält man automatisch in einem der größten Twitter-Märkte weltweit eine hohe Resonanz. Das hat sich Eintracht Frankfurt und Borussia Dortmund mit ihrem jeweiligen türkischen Gruppengegnern zunutze gemacht. Zu einem umfassenden Auftritt in Social Media gehört mindestens ein englischsprachiger Vereins-Account. Diesen internationalen Account hauptsächlich bei Spielen mit ausländischen Gegnern zu nutzen und entsprechend zu retweeten, erhöht die Reichweite und damit die Bedeutung der Tweets enorm.

Der Tweet mit der größten Resonanz kommt vom FC Bayern München zum Tode von Gerd Müller (63.000-mal geteilt). Die Anteilnahme am Tod von Gerd Müller ist auch der meistgeteilte Tweet von Borussia Mönchengladbach (1.400-mal geteilt) und von der TSG Hoffenheim (1.431-mal geteilt).

Mein persönlicher Lieblings-Tweet ist der meistgeteilte Tweet des 1.FC Köln im Beobachtungszeitraum, da er Witz und Emotion sowie eine direkte Fan-Ansprache vereint. Allerdings ist die Reichweite mit 925 Personen, die diesen Tweet geteilt haben, vergleichsweise gering. Köln belegt mit diesem Tweet Tabellenplatz 15 unter den meistgeteilten Tweets je Verein, jedoch ist dieser Tweet auch nicht gerade attraktiv für „Nicht-effzeh-Fans“ zu teilen.

Stimmungsanalyse der Tweets

Alle organischen Tweets der Bundesligisten haben wir einer Stimmungsanalyse (Sentiment-Analyse) unterzogen. Bei einer solchen Analyse werden alle getwitterten Worte in die Kategorien positiv, negativ oder neutral eingeteilt. Diese auf Datenbanken basierende Einteilung vergibt weiterhin für die negativen und positiven Wörter entsprechende Score-Werte. Beispielsweise erhält das Wort „schlecht“ einen Wert von -0,7706 und das Wort „bitter“ einen Wert von -0,3394.

Die absolute Summe der positiven Score-Werte Tweets je Verein geteilt durch die negativen Werte gibt uns darüber Aufschluss, welcher Verein im Durchschnitt mit guter oder schlechter Stimmung kommuniziert.

Verglichen mit der aktuellen Tabellensituation gibt es besonders beim VfL Wolfsburg eine große Diskrepanz zwischen sportlicher Leistung (Platz 3 in der Tabelle) und Stimmung der eigenen Tweets. Beim genaueren Durchlesen der Wölfe-Tweets erschließt sich diese vermeintlich schlechte Stimmung nicht sofort. Das Ergebnis der Analyse muss daher in Relation zu den Tweets aller Vereine bewertet werden und da nutzt Wolfsburg eine vergleichsweise neutrale, sachliche Ausdrucksweise. Der VfB Stuttgart als Tabellenführer in der Stimmungs-Analyse verwendet negative Ausdrücken fast ähnlich wie Wolfsburg. Jedoch, wenn es mal gut läuft bei den Schwaben, wird das deutlich mehr und positiver zelebriert als in Wolfsburg. Der VfB nutzt sechsmal mehr positive Ausdrücke im Wörter-Repertoire als negative. Der meistgeteilte Tweet des VfB verdeutlich diese positive Grundstimmung zusammen mit einer direkten Ansprach an die Fans.

Ergebnisse als Tabelle

Da ich schon als Kind gerne Sporttabellen selbst erstellt habe, sind unsere Ergebnisse in einer Tabelle dargestellt. Jeder kann seinen Liebling-Verein selbst heraussuchen.
Lesebeispiel: Die Tweets von Armina Bielefeld sind 0,3-mal positiver als negativ formuliert und es werden 3-mal mehr positive Wörter verwendet als negative. Der Unterschied zwischen den beiden Kennziffern basiert auf der Gewichtung der positiven und negativen Wörter („schlecht“ wiegt schwerer als „bitter“).

Analyse der Bundesliga-Vereine auf Twitter vom 12.08.2021 bis 27.09.2021

PLVereinPunkte ***Twitter Pos/Neg*Twitter Anzahl pos / Anzahl neg**Twitter Follower***Ø Tweets pro TagTop-Tweet Wort
1Bayern München162,13,75.689.42224packmas
2Bayer Leverkusen132,33,9425.08620bundesliga
3VfL Wolfsburg130,92,4286.8019spiel
4Borussia Dortmund121,83,33.946.55622marco
5SC Freiburg122,32,1278.2969streich
6FSV Mainz 05101,73,3192.9507spiel
71. FC Köln91,63,0639.72611spiel
8Union Berlin91,83,2158.86816spiel
9TSG 1899 Hoffenheim81,53,6208.72513spiel
10RB Leipzig72,74,9220.07018spiel
11Borussia Mönchengladbach72,43,5514.10513bundesliga
12Hertha BSC62,03,9357.21316paldardai
13VfB Stuttgart53,16,7527.15110matarazzo
14Eintracht Frankfurt51,83,3513.39420spiel
15FC Augsburg51,92,8202.17016spiel
16Arminia Bielefeld41,33,090.30314spiel
17VfL Bochum42,43,4108.8348reis
18SpVgg Greuther Fürth12,44,253.3704uhr
*Summe der positiven Wort-Score-Werte / absolute Summe der negativen Wort-Score-Werte auf Twitter
**Anzahl der positiven Wörter / Anzahl der negativen Wörter auf Twitter gebrauch
***Stand 27.09.2021

Key Facts

  1. Große Vereine kommunizieren deutlich mehr auf Twitter als die kleineren.
  2. Die internationale Bühne sorgt für mehr Reichweite, besonders wenn man die Sprache anpasst.
  3. Positive Stimmung ist nicht abhängig vom Tabellenplatz.
  4. Positive Ereignisse sollten besonders betont und emotional hervorgehoben werden. Social Media lebt von der Übertreibung und Fußball von der direkten Ansprache an die Fans.
  5. Negative Ereignisse müssen nicht unbedingt auf Social Media kommuniziert bzw. tiefgehend kommentiert werden. Das macht die Presse schon von alleine.

Methodik

Twitter bietet über eine API die Möglichkeit, öffentliche Daten eines Accounts zu extrahieren. Mit der Open-Source-Software R haben wir auf diese Schnittstelle zurückgegriffen und auch die weitere individuelle Analyse mit Hilfe von R durchgeführt. Dabei kamen Techniken der Textanalyse zum Einsatz, die wir bereits bei anderen Text-Mining-Projekten verfeinert haben u.a. Stoppwörter-Entfernung, Wortstammbildung und die Nutzung von Sentimental-Datenbanken.