Geprüfte Social-Listening-Statistiken

Nur die Social-Listening-Statistiken zum Messfehler statt zur Marktgröße überstehen eine Quellenprüfung, und sie stammen aus peer-reviewten Informatik-Konferenzen und vom Pew Research Center statt aus Anbieter-Blogs. Jede Zahl unten nennt den Herausgeber, das Jahr und die Stichprobe, denn eine Zahl, der eines dieser drei fehlt, kann die lesende Person nicht prüfen. Die Marktgrößen- und ROI-Zahlen, die die Suchergebnisse zu diesem Begriff beherrschen, fehlen aus einem Grund: RedReplier konnte zu keiner davon eine Methodenseite öffnen.

Statistik	Herausgeber	Jahr	Stichprobe und Methode
Die Streaming API von Twitter lieferte an einem durchschnittlichen Tag 43,5 Prozent des Firehose-Volumens	Morstatter, Pfeffer, Liu und Carley, ICWSM (peer reviewed)	2013	528.592 gesampelte Tweets gegen 1.280.344 Firehose-Tweets, 14. Dezember 2011 bis 10. Januar 2012
Der gesampelte Stream reihte Top-Hashtags falsch, in einigen Fällen mit umgekehrter Korrelation zum vollständigen Stream	Dieselbe Studie	2013	Kendall-Rangkorrelation über fünf Tage, gegen 100 gleich große Zufallsziehungen
9 bis 15 Prozent der aktiven Twitter-Konten sind Bots	Varol, Ferrara, Davis, Menczer und Flammini, ICWSM (peer reviewed)	2017	Klassifikator über 1.000+ öffentliche Kontomerkmale, trainiert auf einem öffentlichen Bot-Datensatz plus einem manuell annotierten Satz aktiver Konten
Die aktivsten 10 Prozent der erwachsenen US-Twitter-Nutzer erzeugten 80 Prozent aller Tweets von US-Nutzern	Pew Research Center	2019	2.791 erwachsene US-Twitter-Nutzer, die ihre Handles angaben, gefiltert aus 4.829 Befragten, Umfrageantworten mit echten Kontodaten verknüpft
Das beste System für Sentiment in englischen Tweets erreichte 0,681 durchschnittlichen Recall, gegen 0,333 für einen Ein-Klassen-Klassifikator	Rosenthal, Farra und Nakov, SemEval 2017 Task 4	2017	38 Teams, Testsatz mit 12.284 Tweets, Labels von jeweils mindestens fünf Annotierenden
Das beste System derselben Aufgabe auf Arabisch erreichte 0,583 durchschnittlichen Recall	Dieselbe Studie	2017	Arabischer Testsatz mit 6.100 Tweets
24 Methoden der Sentiment-Analyse zeigten über 18 gelabelte Datensätze hinweg keinen einzelnen Sieger	Ribeiro, Araujo, Goncalves, Benevenuto und Goncalves, EPJ Data Science	2016	Benchmark von 24 publizierten Methoden über 18 von Menschen gelabelte Datensätze
26 Prozent der US-Erwachsenen nutzen Reddit, 20 Prozent nutzen X, 71 Prozent nutzen Facebook	Pew Research Center, Americans' Social Media Use 2025	2025	5.022 US-Erwachsene, adressbasierte Stichprobe, erhoben 5. Februar bis 18. Juni 2025

Wie viel vom Gespräch einer Plattform sieht ein Listening-Tool?

Kein Listening-Tool sieht alles davon, und die einzige veröffentlichte Messung dieser Lücke bezifferte einen gesampelten Twitter-Stream auf 43,5 Prozent des vollen Firehose-Volumens an einem durchschnittlichen Tag. Morstatter, Pfeffer, Liu und Carley sammelten 528.592 Tweets aus der Streaming API und 1.280.344 aus dem Firehose über denselben Filter zwischen 14. Dezember 2011 und 10. Januar 2012. Ihr schärferer Befund war die Form der Lücke: Die Abdeckung sank, wenn das reale Volumen anstieg, die Stichprobe dünnte also genau dann aus, wenn ein Thema Fahrt aufnahm.

Diese Studie ist von 2013 und beschreibt eine API, die es in dieser Form nicht mehr gibt, behandeln Sie die 43,5 Prozent also als Demonstration und nicht als aktuelle Konstante. Fragen Sie jeden Anbieter, welchen Anteil der öffentlichen Beiträge einer Plattform seine Pipeline abruft und über welchen Zeitraum, und wenn die Antwort keine Zahl ist, sehen Sie Share of Voice auf einem unbekannten Nenner berechnet. Die aktuellen Zugangsgrenzen stehen in Twitter API Pricing und die Archivseite in Pushshift.

Wie genau ist automatisierte Sentiment-Analyse?

Der beste Sentiment-Klassifikator im größten öffentlichen Benchmark für diese Aufgabe erreichte 0,681 durchschnittlichen Recall auf englischen Tweets, wo ein Klassifikator, der alles gleich labelt, 0,333 erreicht. Rosenthal, Farra und Nakov führten diese Evaluation als SemEval-2017 Task 4 durch, mit 38 Teams im Wettbewerb auf einem englischen Testsatz mit 12.284 Tweets, dessen Labels von jeweils mindestens fünf Annotierenden stammten und dann übernommen wurden, wenn drei der fünf übereinstimmten. Dieselbe Aufgabe auf Arabisch kam bei 0,583 an die Decke, ein Dashboard, das eine einzige Sentiment-Zahl über mehrere Sprachen hinweg meldet, mittelt also zwei verschiedene Genauigkeitsniveaus.

Ribeiro und Kollegen machten den begleitenden Punkt 2016 in EPJ Data Science, indem sie 24 publizierte Sentiment-Methoden über 18 von Menschen gelabelte Datensätze laufen ließen und keine Methode fanden, die durchgehend gewann, zwei Anbieter können also unterschiedliche Verteilungen zu denselben Erwähnungen melden und beide ehrlich sein. Lesen Sie Sentiment-Analyse dazu, wie die Klassifikatoren arbeiten, und behandeln Sie jeden Sentiment-Prozentsatz als Messung mit angehängter Fehlerspanne.

Wer schreibt die Erwähnungen, die Sie zählen, tatsächlich?

Eine kleine Minderheit schreibt die meisten Beiträge. Pew Research Center verknüpfte im April 2019 Umfrageantworten mit echten Kontodaten für 2.791 erwachsene US-Twitter-Nutzer und fand, dass die aktivsten 10 Prozent 80 Prozent aller Tweets von US-Nutzern erzeugten, wobei der Median-Nutzer 2 Beiträge im Monat schrieb gegen 138 Beiträge im Monat für dieses oberste Zehntel. Dieselbe Studie fand diese Nutzer jünger, wohlhabender und besser ausgebildet als US-Erwachsene insgesamt: Medianalter 40 gegen 47, 42 Prozent mit Bachelor-Abschluss gegen 31 Prozent, 41 Prozent über 75.000 Dollar Haushaltseinkommen gegen 32 Prozent.

Wegen dieser Verzerrung ist eine Erwähnungszahl keine Messung der öffentlichen Meinung. Das Faktenblatt von Pew zur Social-Media-Nutzung 2025, basierend auf 5.022 US-Erwachsenen, befragt zwischen 5. Februar und 18. Juni 2025, setzt 26 Prozent der US-Erwachsenen auf Reddit und 20 Prozent auf X, jede Plattform ist also eine Stichprobe einer Stichprobe. Details je Plattform stehen in Reddit-Statistiken, Bluesky-Statistiken und Hacker News Statistiken.

Wer die aktivsten 10 Prozent wirklich sind

Top 10% der erwachsenen US-Twitter-Nutzer

138 Tweets pro Monat
Verfassen 80% aller Tweets von US-Nutzern
Medianalter 40
42% mit Bachelorabschluss
41% mit Haushaltseinkommen über 75.000 Dollar

Median-US-Twitter-Nutzer

2 Tweets pro Monat
Verfassen die restlichen 20% der Tweets
Medianalter 47
31% mit Bachelorabschluss
32% mit Haushaltseinkommen über 75.000 Dollar

Pew Research Center, 2019: 2.791 erwachsene US-Twitter-Nutzer, deren Umfrageantworten mit echten Kontodaten verknüpft wurden.

Wie viele Ihrer Erwähnungen stammen nicht von Menschen?

Zwischen 9 und 15 Prozent der aktiven Twitter-Konten waren Bots, laut Varol, Ferrara, Davis, Menczer und Flammini auf der ICWSM 2017, mit einem Klassifikator auf mehr als 1.000 öffentlichen Kontomerkmalen und validiert gegen einen manuell annotierten Satz echter Konten. Das ist eine acht Jahre alte Schätzung für eine Plattform, und für Reddit, Bluesky, Facebook oder Hacker News existiert keine gleichwertige peer-reviewte Zahl, übertragen Sie die Zahl also nicht auf andere Plattformen.

Nutzen Sie sie als Untergrenze dafür, wie viel eines Erwähnungsanstiegs eine Prüfung verdient, bevor er in einem Report landet. Koordiniertes Posten, das organisch aussehen soll, behandelt Astroturfing, und das Zusammenfassen wiederholter Texte vor dem Zählen die Near-Duplicate-Erkennung.

Wie legen Sie eine Fehlerspanne um Ihre eigenen Zahlen?

Berechnen Sie die Fehlerspanne auf Ihrer eigenen gelabelten Stichprobe, statt einen Branchen-Benchmark zu borgen. Für einen Anteil bei 95 Prozent Konfidenz:

MOE = 1,96 x sqrt(p x (1 - p) / n)

Nehmen Sie 400 von Hand gelabelte Erwähnungen, von denen 30 Prozent negativ waren. Dann ist p gleich 0,30 und n gleich 400, p x (1 - p) ist also 0,21, geteilt durch 400 ergibt 0,000525, dessen Quadratwurzel 0,0229 ist, multipliziert mit 1,96 ergibt 0,045. Ihre 30 Prozent negativ sind 25,5 Prozent bis 34,5 Prozent, eine Bewegung von Monat zu Monat von 30 Prozent auf 33 Prozent liegt also innerhalb des Bandes und ist keine Veränderung. Der Klassifikatorfehler kommt obendrauf, und deshalb zählt die SemEval-Zahl oben, bevor Sie jemanden zu einem Sentiment-Trend briefen.

Die Kategorie wird von Zahlen beherrscht, deren ursprünglicher Herausgeber nicht auffindbar ist. Öffnen Sie eine große Zusammenstellung und zählen Sie die Einträge: Auf der Seite mit Social-Media-Statistiken von Sprout Social, geprüft im September 2026, nennen einige Zahlen einen Herausgeber und ein Jahr, während andere einen Prozentsatz angeben, ohne Herausgeber, ohne Jahr und ohne Stichprobe. Zusammenstellungen zitieren dann einander, und nach zwei oder drei Sprüngen endet die Spur auf einer Seite, die die Zahl behauptet, ohne irgendetwas gemessen zu haben.

RedReplier

–

Erreichen Sie jeden Käufer, der nach Ihrem Angebot sucht

Loslegen

Reddit, X, Bluesky & HN

Echtzeit-Kaufabsicht-Alerts

Unbegrenzte KI-Antworten

Nach Kaufabsicht sortiert

Marktgrößen- und ROI-Zahlen sind der schlimmste Fall, denn die Methodik dahinter steckt in einem kostenpflichtigen Report, und eine Zahl, deren Methode Sie nicht öffnen können, ist eine Zahl, die Sie in einem Meeting nicht verteidigen können. Analystenbewertungen der Anbieter veröffentlichen ihre Kriterien, und deshalb ist der Forrester Wave für Social Listening eine andere Art von Dokument als eine Statistik-Zusammenstellung.

Anbieterforschung ist nicht automatisch disqualifiziert. Sprout Socials Index edition XX nennt seine Methode klar: 4.044 Verbraucher, 900 Social-Media-Praktiker und 322 Marketingverantwortliche in den USA, Großbritannien, Kanada und Australien, erhoben von Glimpse zwischen 13 und 27. September 2024. Diese Offenlegung macht die Zahlen zitierfähig, solange Sie sagen, wer dafür bezahlt hat.

Finden Sie die Organisation, die die Zahl zuerst veröffentlicht hat, öffnen Sie diese Seite statt des Artikels, der sie zitiert, und notieren Sie Stichprobe, Methode und Zeitraum. Fehlt eines der drei im Original, ist die Zahl in einem Dokument, auf das hin jemand handeln wird, nicht brauchbar, und wenn die Originalseite sie nicht mehr nennt, hören Sie auf, sie zu wiederholen.

Messen Sie dann Ihre eigene Position, statt aus einem Branchenaggregat zu argumentieren, denn Ihr Erwähnungsvolumen, Ihre Sentiment-Verteilung und Ihre Reaktionszeiten sind direkt zählbar. RedReplier überwacht Reddit, X, Bluesky, Facebook und Hacker News an einem Ort und ordnet Erwähnungen nach Kaufabsicht, mit einer KI-Erklärung, warum jede einzelne markiert wurde. Sehen Sie die Übersicht zum Social-Listening-Tool, Sentiment-Analyse für Social Media für die Bewertungsseite und was Social Listening ist für die Definition darunter.

Häufig gestellte Fragen

Der Befund des Pew Research Center von 2019, dass die aktivsten 10 Prozent der erwachsenen US-Twitter-Nutzer 80 Prozent aller Tweets von US-Nutzern erzeugten. Er beruht auf 2.791 Nutzern, die ihre Handles angaben, Umfrageantworten wurden also mit echtem Posting-Verhalten verknüpft statt mit selbst berichteter Aktivität. Zitieren Sie ihn als Messung erwachsener US-Twitter-Nutzer von 2019 und nichts Weiteres.

Das beste System in SemEval-2017 Task 4 erreichte 0,681 durchschnittlichen Recall auf englischen Tweets, gegen 0,333 für einen Klassifikator, der jede Nachricht einer Klasse zuweist. Das war ein offener Wettbewerb mit 38 Teams auf einem Testsatz mit 12.284 Tweets, es ist also ein starkes Ergebnis und keine kommerzielle Grundlinie. Ribeiro und Kollegen fanden 2016 in EPJ Data Science, dass unter 24 getesteten Methoden keine über 18 Datensätze hinweg durchgehend gewann.

Varol und Kollegen schätzten 9 bis 15 Prozent der aktiven Twitter-Konten in einer peer-reviewten ICWSM-Studie von 2017, mit einem Klassifikator über mehr als 1.000 öffentliche Kontomerkmale. Für Reddit, Bluesky, Facebook oder Hacker News existiert keine vergleichbare peer-reviewte Schätzung, ein Bot-Prozentsatz, der für diese Plattformen ohne benannte Studie genannt wird, ist also eine Behauptung.

Sie rufen unterschiedliche Teilmengen derselben Plattformen ab und klassifizieren Sentiment mit unterschiedlichen Modellen. Morstatter und Kollegen zeigten 2013, dass ein gesampelter Twitter-Stream an einem durchschnittlichen Tag 43,5 Prozent des vollen Volumens abdeckte und Top-Hashtags bei dieser Abdeckung falsch reihte. Fragen Sie jeden Anbieter, welchen Anteil der öffentlichen Beiträge er abruft, über welchen Zeitraum und welches Sentiment-Modell er fährt.

RedReplier konnte keine verifizieren. Die Marktgrößen-Reports, die für diese Suchanfrage ranken, stecken ihre Methodik in ein kostenpflichtiges Dokument, die Schätzung kann von der zitierenden Person also nicht geprüft werden. Nutzen Sie Anbieterpreise und Ihre eigenen getrackten Keyword-Zahlen für ein Budgetargument statt einer Branchensumme, die niemand auditieren kann.

Nur wenn der Anbieter Stichprobengröße, Zielgruppe und Erhebungsdaten neben der Zahl veröffentlicht, und nur wenn Sie in Ihrem eigenen Dokument angeben, dass der Anbieter für die Forschung bezahlt hat. Sprout Socials Index edition XX erfüllt diese Latte: 4.044 Verbraucher, 900 Praktiker und 322 Marketingverantwortliche in vier Ländern, erhoben 13 bis 27. September 2024 von Glimpse. Ein Anbieter-Blogpost, der einen Prozentsatz ohne Stichprobe behauptet, nicht.

Auf dem Erhebungsniveau, das Morstatter und Kollegen 2013 gemessen haben, nicht wirklich. Ihre Studie fand heraus, dass der gesampelte Stream die Top-Hashtags falsch einordnete und in einigen Fällen sogar umgekehrt mit dem vollständigen Firehose-Stream korrelierte, gemessen an der Kendall-Rangkorrelation über fünf Tage gegen 100 gleich große Zufallsstichproben. Ein Dashboard auf Basis eines gesampelten Streams kann am selben Tag einen anderen Top-Hashtag zeigen als die tatsächliche Plattformaktivität.

Wenden Sie die Formel MOE = 1,96 x sqrt(p x (1 - p) / n) auf Ihre eigene handmarkierte Stichprobe an, nicht auf einen Branchenbenchmark. Bei 400 von Hand markierten Erwähnungen mit 30 Prozent negativ ist p gleich 0,30 und n gleich 400, was eine Fehlerspanne von 4,5 Prozentpunkten ergibt, sodass der tatsächliche negative Anteil zwischen 25,5 und 34,5 Prozent liegt. Eine Veränderung von 30 auf 33 Prozent im Monatsvergleich liegt innerhalb dieser Spanne und ist keine reale Veränderung.

Das kommt darauf an, welchen Teil von Sprout Social Sie zitieren. Die allgemeine Statistik-Übersichtsseite, von RedReplier im September 2026 geprüft, mischt Zahlen mit Herausgeber und Jahr mit anderen, die nur einen Prozentsatz nennen und sonst nichts. Sprout Socials eigener Index-Report Ausgabe XX ist anders aufgebaut: Er nennt seine Stichprobe von 4.044 Verbrauchern, 900 Social-Media-Fachleuten und 322 Marketingverantwortlichen, erhoben von Glimpse zwischen dem 13. und 27. September 2024, was ihn zitierfähig macht, solange Sie vermerken, dass der Anbieter dafür bezahlt hat.

Fragen Sie, welchen Anteil der öffentlichen Beiträge einer Plattform die Pipeline des Anbieters tatsächlich abruft und über welches Zeitfenster. Kann der Anbieter das nicht mit einer Zahl beantworten, beruht jede von ihm gemeldete Share-of-Voice-Kennzahl auf einem Nenner, den niemand überprüfen kann. Morstatters Messung von 2013, ein gesampelter Twitter-Stream mit 43,5 Prozent des Firehose-Volumens an einem durchschnittlichen Tag, ist das einzige veröffentlichte Beispiel dafür, wie diese Lücke aussehen kann.