Tekst analyseren voor contentonderzoek · Industrie

Binnen Industrie is ‘Textmining’ gemeten op 17 procent. Daar liggen twee andere toepassingen bij in de buurt: socialemediagegevens gebruiken op 15 procent en ondersteuning bij tekstproductie op 14 procent. Aan de andere kant van de vergelijking staat een bruikbare eigen website op 94 procent. Tussen dat laatste percentage en 17 procent zitten 77 procentpunt. Voor tekst analyseren voor contentonderzoek volgt daar een inhoudelijke keuze uit. Welke van die toepassingen raakt daadwerkelijk de ervaring van een redacteur die terugkerende vragen uit geanonimiseerde tekst herkent?

De vergelijking van Industrie voor ‘Textmining’ bestrijkt 47 branchecategorieën met een gepubliceerde uitkomst. Bij Kunststof- en bouwmateriaalindustr staat 21 procent en bij Bouwnijverheid 17 procent. De eerstvolgende hogere meetwaarde is 18 procent bij Detailhandel (niet in auto's). Direct onder 17 procent staat 16 procent bij Gezondheids- en welzijnszorg. Een afgerond gelijk percentage komt voor bij Bouwnijverheid, Energie, water, afvalbeheer. Bedrijfstakken kunnen elkaar gedeeltelijk omvatten; dit is een overzicht van gerapporteerde categorieën, geen optelsom van verschillende bedrijven.

Kijk nu naar de positie van Industrie tegenover het bedrijfstaktotaal. Voor een meertalige website bedraagt het verschil +12 procentpunt (48 procent tegenover 36 procent). Bij sociale media als publicatiekanaal staan juist 84 procent en 84 procent dicht bij elkaar. Voor tekst analyseren voor contentonderzoek is het verschil -5 procentpunt. Als een opdrachtgever uit Industrie al werkt met socialemediagegevens gebruiken, vraag dan bij de intake hoe ‘Textmining’ daar in de praktijk op zou aansluiten.

Een mogelijke proefopdracht voor Industrie begint met een proefstuk uit een werkplaats. De hoofdpersoon in de briefing is de inkoper die een tekening met het geleverde onderdeel wil vergelijken. Voor tekst analyseren voor contentonderzoek krijgt de maker een tweeluik: eerst een maatlijn in beeld met een leesbare eenheid, daarna een reserveonderdeel op dezelfde schaal. Dat is een fictieve productiesituatie, uitgewerkt om een redacteur die terugkerende vragen uit geanonimiseerde tekst herkent concreet te maken. Kan een proeflezer aan het tweede beeld aanwijzen wat in het eerste beeld nog onduidelijk was?

Leg de uitkomst naast de eigenlijke taak: vergelijk een automatische themagroep met een handmatig gelezen steekproef. Als de tester bij een proefstuk uit een werkplaats blijft hangen door een frequent woord dat verschillende klantvragen samenvoegt, is dat een aanwijzing voor een aanpassing van de productie. Het aandeel van 17 procent voor textmining in Industrie blijft daarbij een afzonderlijke branchemeting. Laat de inkoper die een tekening met het geleverde onderdeel wil vergelijken in de testvariant eerst een maatlijn in beeld met een leesbare eenheid aanwijzen voordat je besluit meer materiaal te maken over socialemediagegevens gebruiken.