- AutorIn
- André Lang Insius UG
- Marc EggerInsius UG
- Titel
- Wie Marktforscher durch kooperatives Natural Language Processing bei der qualitativen Inhaltsanalyse profitieren können
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:14-qucosa2-783191
- Quellenangabe
- (Intelligentes) Text Mining in der Marktforschung - 1
Erscheinungsort: Köln
Verlag: DGOF – Deutsche Gesellschaft für Online-Forschung e. V., Köln
Erscheinungsjahr: 2019
Titel Schriftenreihe: Kompendium der Online-Forschung
Bandnummer Schriftenreihe: 1
Seiten: 7-11
ISSN: 2750-2775
ISBN: 978-3-9815106-8-3 - Erstveröffentlichung
- 2019
- DOI
- https://doi.org/10.25368/2022.14
- Abstract (DE)
- aus dem Inhalt: „In den vergangenen Jahren haben wir einen immensen Anstieg an verfügbaren Textdaten feststellen dürfen. Nicht nur Verbraucherkommentare in Social Media, Text-Transkripte von Sprachassistenten, Dialoge aus Customer-Feedback und Support Chat (Bots), sondern auch offene Antworten in Umfragen bis hin zu automatisierten Text2Speechgestützten Audiointerviews sorgen für steigenden Bedarf, Erkenntnisse aus unstrukturierten Textdaten zu gewinnen.”
- Freie Schlagwörter (DE)
- Transformation, Text Mining, Data Science, Online-Forschung, Künstliche Intelligenz, Marktforschung
- Klassifikation (DDC)
- 004
- Klassifikation (RVK)
- ST 610
- Herausgeber (Institution)
- Technische Universität Dresden
- URN Qucosa
- urn:nbn:de:bsz:14-qucosa2-783191
- Veröffentlichungsdatum Qucosa
- 10.03.2022
- Dokumenttyp
- Buchbeitrag
- Sprache des Dokumentes
- Deutsch
- Lizenz / Rechtehinweis
- CC BY-NC-SA 4.0