Webosoph.de
02. Mai 2010

Das Social Web lebt von einer Minderheit – Serie: Soziologie und Typologien der Web 2.0-Nutzer (Teil 2 von 7)

Das schöne am Web 2.0? Ganz einfach: Jeder kann mitmachen. Doch nur eine Minderheit beteiligt sich aktiv an der Erstellung der Inhalte des Social Webs. Auch diese aktiven Produser (Producer & User) leisten einen sehr unterschiedlichen Beitrag: Die Verteilung ihrer Aktivität folgt einer einfachen mathematischen Formel. Diese Zusammenhänge sollten in die Planung von Web 2.0 Aktivitäten von Unternehmen und Organisationen einfließen.

Nur die Minderheit der Internetnutzer ist wirklich Produser

In sozialen Gruppen sind nicht alle Mitglieder gleich aktiv, d. h. sie beteiligen sich in sehr unterschiedlichem Maße an dem, was die Gruppe hervorbringt. Diese Erfahrung machen wir in Schulklassen, im Studium, in Arbeitsgruppen, im Verein, in der Politik und im Beruf.
Demgegenüber klingt es beeindruckend, dass täglich mehrere hundettausend Videos weltweit hochgeladen werden(➚youtube, 2010), wikipedia Deutschland mehr als eine Million Artikel verzeichnet (➚Wikipedia, 2010) und twitter mehr als 200.000 deutschsprachige Mitglieder aufweist (➚web evangelisten, 2010). Und doch gilt auch im Web 2.0:

Auf einer Web 2.0 Plattform erstellt nur eine Minderheit der Nutzer aktiv die Inhalte dieser Plattform. Die Mehrheit konsumiert passiv.

Gerade einmal 15,8 Prozent der deutschen Internet-Nutzer geben an, Inhalte im Web 2.0 zu produzieren, so zeigt die Zählung der aktuellen ➚Verbraucheranalyse (2009) – 84,2 Prozent nutzen das Internet also nur passiv.
Auf Videoplattformen, wie youtube, laden gerade einmal 11 Prozent der Nutzer Videos hoch – bezogen auf alle Internetnutzer sind das 3,2 Prozent (➚VA 2009 Klassik III).

Abb. 1: Anteil der Internetnutzer, die in ausgewählten Formen des Web 2.0 Inhalte einbringen. Eigene Darstellung, Datenquelle: VA 2009 Klassik III (Basis: 17.775 bevölkerungsrepräsentativ befragte Internetnutzer)

Die 1-9-90-Regel oder Nielsens-Gesetz

Ganz ähnliche Verhältnisse fand Jakob Nielsen bei seiner Untersuchung der Aktivität der Nutzer von Web 2.0 Plattformen. Seine Ergebnisse stellte er in Form der 1-9-90-Regel – auch Nielsen-Regel genannt – vor (➚Nielsen, 2006):

Auf der Mehrheit der Web 2.0 Plattformen sind 90 Prozent der Nutzer passiv und leisten keinen Beitrag, 9 Prozent leisten einen kleinen Beitrag und 1 Prozent der Nutzer ist für nahezu die gesamten Beiträge verantwortlich.

Damit erweitert Nielsen die oben dargestellte Unterteilung der Web 2.0 Nutzer in „aktiv“ und „passiv“ zu folgender Dreiteilung:

  • Schweraktive Mitglieder (Heavy Contributors)
    Die besonders aktiven 1 Prozent der Mitglieder. Sie erstellen etwa 90 Prozent der Beiträge einer Community.
  • Semiaktive Mitglieder (Intermittent Contributors)
    Weitere aktive 9 Prozent der Mitglieder, die jedoch nur etwa 10 Prozent der Inhalte erstellen.
  • Passive Mitglieder (Lurkers)
    Die restlichen 90 Prozent der Mitglieder, lesen Beiträge, erstellen jedoch selbst keine.

Nielsen fand diese Verteilung u. a. bestätigt für Newsgroups, Mailing-Lists, Diskussionsforen, Wikipedia, Blogs und Amazon-Rezensionen.

Die Prozentwerte sind dabei als grobe Richtwerte zu verstehen. Nielsen fand auch Web 2.0 Plattformen, bei denen der Anteil der Heavy Contributors bei 0,1 Prozent lag.

Demgegenüber zeichnet eine etwas jüngere Studie (➚Gerhards et al., 2008:137) ein sehr viel aktiveres Bilder der Internetnutzer: Hier macht die Gruppe der produzierenden Nutzer, definiert als solche Nutzer, die mindestens einen Beitrag pro Monat erstellen, einen Anteil zwischen 17 und 41 Prozent aus (vgl. Abb 2). Ferner unterscheiden die Autoren zwischen kommunizierenden Nutzern, die häufiger als fünfmal im Monat Kommentare oder Diskussionsbeiträge abgeben und passiv partizipierenden Nutzern, die sich selten oder nie beteiligen.
Zur Aussagekraft der Untersuchung von Gerhards et al. muss jedoch einschränkend berücksichtigt werden, dass für die überschaubare Stichprobe von 501 Befragten nur solche Personen ausgewählt wurden, die angeben, „eine dieser Anwendungen häufiger als zweimal pro Woche zu besuchen“.

Abb. 2: Aktivitätstypen auf ausgewählten Web 2.0 Plattformen; eigene Darstellung in enger Anlehnung an Gerhards et al., 2008:137

Abweichungen von der Nielsen-Regel bei Web 2.0 Plattformen in Unternehmen?

Unternehmensinterne Web 2.0 Anwendungen, so wird verschiedentlich diskutiert, können  einen weit höheren Anteil von Nutzern aufweisen, die selbst Beiträge erstellen. Begründet wird dies durch die auch offline gegebene Arbeitsbeziehung und den somit sozialen und professionellen Erwartungsdruck. Eine hinreichende empirische Stützung dieser Thesen steht jedoch nach meiner Kenntnis aus.

Im Gegenteil deuten meine eigene Erfahrung und verschiedene Praxisberichte (vgl. u. a. ➚Buhse/Stamer, 2008; ➚Richter/Warta, 2008:427ff) darauf hin, dass unternehmensinterne Web 2.0 Initiativen die gesetzten Ziele häufig verfehlen. Ursachen liegen, meiner Beobachtung nach, in den strukturellen Grenzen und kulturellen Rahmenbedingungen von Unternehmen: Der Grad kollaborativer Reife – meist gekoppelt mit dem Grad der Flachheit der Hierarchie sowie den Bonusstrukturen des Unternehmens – beeinflusst Akzeptanz, Aktivität und den Erfolg kollaborativer Softwareangebote erheblich. Eine detaillierte Auseinandersetzung mit diesem Thema erfolgt in einem späteren Beitrag.

Die Aktivität der Nutzer folgt einer einfachen Formel, der „Pareto-Verteilung“

Bei genauerer Betrachtung erweist sich auch die Dreiteilung, wie sie Nielsen vorgenommen hat, als zu einfach. Die Aktivität der Mitglieder auf Web 2.0 Plattformen (Social Media, online Social Communities) lässt sich genauer wie folgt beschrieben:

Ordnet man die Nuzter einer Web 2.0 Plattform anhand ihrer Aktivitätsgrade, erhält man eine stetige Kurve der Form

 

Wobei A die Aktivität eines Nutzers bezeichnet, gemessen z. B. in der Anzahl seiner Beiträge, Rezensionen oder hochgeladenen Videos. Amax. ist dann die Aktivität des aktivsten Nutzers und  Ax die Aktivität des x-ten Nutzers. n ist eine plattformspezifische „Konstante“, die beschreibt, wie steil die Aktivitätskurve abfällt. Je größer n ist, desto größer ist der Unterscheid der Aktivität der Nutzer, je kleiner n ist, desto gleicher ist die Aktivität, bis – zumindest mathematisch betrachtet – bei n = 0 alle Mitglieder dieselbe Aktivität, nämlich Amax., hätten.

Abb. 3: Idealtypischer Verlauf der Aktivitätskurve der Nutzer einer Web 2.0-Anwendung

In Abb. 4 sind die Aktivitätskurven ausgewählter Web 2.0 Plattformen (Wikipedia, youtube, digg, twitter, Amazon, ebay) auf Basis der tatsächlichen Nutzerdaten – Stand April 2010 – dargestellt. Die zugehörigen, für die Auswertung aufbereiteten Daten können für Forschungszwecke ➚hier als XLS-Datei herunter geladen werden.

Abb. 4: Die Aktivitätsverteilungskurven der Nutzer verschiedener Web 2.0-Plattformen, eigene Darstellung, Quellen der Daten siehe [1] bis [5] im Quellenverweis.

Auch aus dieser Betrachtung wird deutlich: Eine kleine Anzahl von Mitgliedern trägt durch ihre Menge von Beiträgen mehr zum Gesamtinhalt einer Plattform bei, als die große Mehrheit der Mitglieder mit ihren jeweils verhältnismäßig wenig Beiträgen.

Kurven dieser Art lassen sich bei allen offenen Web 2.0 Anwendungen beobachten, also solchen,  in denen jeder so viel oder wenig beitragen kann, wie er möchte.

Aus den Kurven der Abb. 4 lässt sich n mathematisch gut bestimmen. In grober Näherung zeigen sich für die ausgewählten Web 2.0 Plattformen sehr unterschiedliche Werte für n (vgl. Tab. 1). Insofern kann n gut zur Charakterisierung von Web 2.0 Plattformen herangezogen werden – etwa als einer von mehreren Faktoren zur Wertermittlung. Für letztere ist jedoch die Vergleichbarkeit der Metrik zu prüfen: Ist ein Wikipedia Edit so viel wert, wie ein Tweet oder eine Amazon Rezension etc.?

Web 2.0 Plattform
n

Wikipedia
0,0082
digg
0,9789
twitter
0,4505
Amazon
0,7385

Tab. 1: n für die Aktivitätskurve verschiedener Web 2.0 Plattformen, ermittelt aus der
Stichprobe der jeweils aktivsten 1.000 Nutzer zur Illustration

Verteilungskurven der oben gezeigten Form wurden bereits durch den italienischen Ingenieur, Soziologen und Ökonomen Vilfredo Pareto bei der Untersuchung der Verteilung des Volkseinkommens (vgl. u. a. ➚Pareto, 1897:501), von dem US-amerikanischen Linguisten George Kingsley Zipf bei der Untersuchung der Häufigkeit, mit der die Wörter einer Sprache benutzt werden (➚Zipf, 1949) und von dem US-amerikanischen Journalist Chris Anderson bei der Untersuchung der Verteilung von Kaufhäufigkeiten von Produkten (➚Anderson, 2006) beschrieben. Daher spricht man bei solchen Kurven oft von Pareto-Verteilung, Zipf-Verteilung oder auch dem Long Tail. Zur weiteren Vertiefung über die Vielfalt von Erscheinungen, die durch solche Kurven beschreiben werden sei u. a. auf ➚Wentian (2003) verwiesen.

Zusammenfassung und Reflexion zur Praxisrelevanz

Verdichtet können wir also feststellen: Nur ein kleiner Teil der Nutzer von Web 2.0 Plattformen (online Social Media, online Social Networks) produziert aktiv die darauf zu findenden Inhalte. Die produzierenden Nutzer gliedern sich in einen eher kleinen aktiven Teil und einen in der Regel größeren weniger aktiven Teil oder genauer: Die Aktivität folgt einer „Pareto-Verteilung“.

Neben dem Erkenntnisgewinn für Soziologie und Volkswirtschaft, liefern diese Zusammenhänge ganz praktische Hilfe. So können z. B.

  1. Unternehmen/Organisationen, die eine Web 2.0-Plattform errichten wollen mit den gegebenen Zusammenhängen die für einen Erfolg kritische Masse von Nutzern abschätzen und damit prüfen, in wie weit ein Vorhaben realistisch und lohnend sein kann.
  2. bestehende Web 2.0 Plattformen aus den Zusammenhängen Ansatzpunkte der Steuerung der Nutzeraktivität ableiten.
  3. die plattformspezifischen Konstanten Amax. (insbesondere, wenn periodisch betrachtet) und n zur Charakterisierung, zum Vergleich und als ein Faktor in der Wertermittlung von Web 2.0 Plattformen herangezogen werden.etc.

Dennoch: Der Forschungsbedarf ist hoch. Zwar wurde bereits vor vielen Jahren qualitativ gezeigt, das zum Beispiel „Game Mechanics“ generell die Nutzeranzahl und die Aktivität der Nutzer von Web 2.0 Plattformen positiv beeinflussen (➚Kim, 2001), jedoch ist bis heute ungeklärt, welche der Game Mechanics in welchem Umfang auf n wirkt.

Serie: Soziologie und Typologien der Web 2.0-Nutzer im Überblick

Kenntnis der Web 2.0-Phänomene hilft zwar, nützt aber nichts für Marketing und Public Relations (Teil 1 von 7)
Das Social Web lebt von einer Minderheit  (Teil 2 von 7)
Nutzertypen im Web 2.0: Wer bloggt ist nicht unbedingt in online Social Networks aktiv (Teil 3 von 7)
Ausgewählte Onliner-Typologien (Teil 4 von 7)
Methode und Datenquellen der Typologie-Entwicklung ( Teil 5 von 7)
Psychologische Motive der Internetnutzung (Teil 6 von 7)
Soziologie und Typologien der Web 2.0-Nutzer – Zusammenfassung und Ergänzungen (Teil 7 von 7)

  

Quellenverzeichnis

Quellen der Daten für Abb. 4:
[1] twitter: ➚http://twitterholic.com  [Stand: 24-APR-2010; 21:20 Uhr; aktualisiert: 03-MAI-2010; 08:15 Uhr]
[2] Wikipedia: ➚http://de.wikipedia.org/wiki/Wikipedia:Beitragszahlen/Artikel-Bearbeitungen [Stand: 25-APR-2010]
[3] digg: ➚http://socialblade.com/digg/top1000users.html
       [4] Amazon: Liste der Top Rezensenten bei Amazon (klassische Liste) ➚http://www.amazon.de/review/top-reviewers-classic [Stand Sa. 24-APR-2010, 20:04]
[5] ebay: Topseller Liste ➚http://www.wortfilter.de/topseller.php [Stand 10-MAR-2010; 01:11 Uhr]

Anderson, Chris (2006): The Long Tail. Why the Future of Business Is Selling Less of More. New York: Hyperion
➚Bestellen bei Amazon

Buhse, Willms/Stamer, Sören (Hrsg.) (2008): Die Kunst, Loszulassen. Enterprise 2.0.Berlin: Rhombos
➚Bestellen bei Amazon

Gerhards, Maria/Klinger, Walter/Trump, Thilo (2008): Das Social Web aus Rezipientensicht: Motivation, Nutzung und Nutzertypen. In: Zerfaß, Ansgar/Welker, Martin/Schmidt, Jan (Hrsg.) (2008): Kommunikation, Partizipation und Wirkungen im Social Web. S.129-148. Köln: Herbert von Halem
➚Bei Amazon bestellen
vgl. auch: Gerhards, Maria/Klingler, Walter/Trump, Thilo (2007): „Web 2.0“. Begriffsdefinition und eine Analyse der Auswirkungen auf das allgemeine Mediennutzungsverhalten. Köln: result GmbH
URL: ➚http://www.result.de/wp-content/uploads/2009/10/web-2.0-studie_result_swr_februar_2007.pdf [24-APR-2010]

Kim, Amy Jo (2001): Community Building – Strategien für den Aufbau erfolgreicher Web-Communities. Bonn: Galileo Press
➚Bestellen bei Amazon

Nielsen, Jakob (2006): Participation Inequality: Encouraging More Users to Contribute. Jakob Nielsen’s Alertbox, October 9, 2006
URL: ➚http://www.useit.com/alertbox/participation_inequality.html  [Stand: 24-APR-2010]

Pareto, Vilfredo (1897): Cours d’Économie Politique.The ANNALS of the American Academy of Political and Social Science.1897; 9: S.128-131
URL: ➚http://ann.sagepub.com/cgi/reprint/9/3/128.pdf [Stand: 26-APR-2010]

Richter, Alexander/Warta, Alexander (2008): Medienvielfalt als Barriere für den erfolgreichen Einsatz von Wikis im Unternehmen: Fallbeispiel Bosch. In: Zerfaß, Ansgar/Welker, Martin/Schmidt, Jan (Hrsg.) (2008): Kommunikation, Partizipation und Wirkungen im Social Web. Band 2. S.427-443. Köln: Herbert von Halem
➚Bestellen bei Amazon

web evangelisten (2010): Twitter Nutzerzahlen übersteigen 200.000 in Deutschland, Österreich und der Schweiz. URL: ➚http://webevangelisten.de/twitter-nutzerzahlen-ubersteigen-200-000-deutschland/ [Stand: 02-MAI-2010]

Wentian, Li (2003): Zipf’s Law Everywhere. Glottometrics. Vol. 5, S.14-21
URL: ➚http://www.nslij-genetics.org/wli/pub/glottometrics02.doc  [Stand: 28-APR-2010]

Wikipedia (2010): Über Wikipedia. URL: ➚http://de.wikipedia.org/wiki/Wikipedia:%C3%9Cber_Wikipedia [Stand: 02-MAI-2010]

Youtube (2010): Über Youtube. URL: ➚http://www.youtube.com/t/fact_sheet [Stand: 02-MAI-2010]

Zipf, George Kingsley (1949): Human Behaviour and the Principle of Least Effort. An Intriduction to Human Ecology. Cambridge (Massachusetts): Addison-Wesley Press



Beitrag kommentieren



   Alle Kommentare
  •       Trend- und Hintergrundwissen zwischen Medien, Technik und Wirtschaft  |  24.11.2010, 11:27 Uhr

    Social Commerce: Wie Shops von Facebook profitieren…

  •       Mandy  |  23.08.2010, 20:52 Uhr

    Wow, ein äußerst interessanter Beitrag!

    Wann erscheinen denn hier wieder neue Beiträge?

  •       McNet  |  03.05.2010, 18:41 Uhr

    Vielen Dank für diesen hervorragend recherchierten Artikel. http://www.webosoph.de ist mittlerweile ein fixer Bestandteil in meinem RSS-Reader 😉

  •       Jannick  |  02.05.2010, 17:45 Uhr

    Äußerst interessanter Beitrag.
    Ich habe mir die Daten aus Interesse einmal in dem XLS Sheet angsehen und bei Twitter besteht um x=900 herum eine plötzliche Abnahme der Aktivität. Nach dieser „Stufe“ wieder ähnlich steil wie zwischen x=1 bis x=900.
    Haben Sie eine Erklärung für diese Stufe?

    •       Thomas W. Ullrich  |  04.05.2010, 0:03 Uhr

      Hi Jannick,

      vielen Dank für die Frage. „Sprünge“ sind ein guter und wichtiger Punkt, auch wenn ich dies im Beitrag – absichtlich – nicht behandelt habe.

      (A) Vorweg: Zur Sicherheit habe ich mir die twitter-Updates der 1.000 aktivsten Nutzer heute Morgen noch einmal neu gezogen. Darin konnte ich den Sprung leider nicht mehr verifizieren. Aus Anschauungsgründen habe ich daher die Daten der twitter Liste in der XLS-Datei durch die Daten von heute Morgen ersetzt und n in Tab. 1 entsprechend aktualisiert. Vielleicht hatte sich in der ursprünglichen Tabelle ein Sortierfehler eingeschlichen – genau klären kann ich das nicht mehr.

      Zu Deiner Frage:
      (B) Tatsächlich sind Sprünge in der Aktivitätskurve möglich.
      Zwei Beispiele:

        Fall (a) – Sprunghafter Anstieg der Nutzeranzahl
        Steigt die Anzahl der Nutzer ein Web 2.0 Plattform „sprunghaft“ an, etwa weil sie durch einen Medienbericht bekannter wurde, eine Werbeaktion durchführte o. ä., kann sich dies in einem Sprung der Aktivitätskurve niederschlagen – soweit die Aktivität kumuliert betrachtet wird und nicht periodisch (dann bliebe der Sprung aus).
        Fall (b) – Unterschiedliche Bewertung verschiedener Beiträge der Nutzer
        Werden Beiträge der Nutzer unterschiedlich stark gewertet, etwa (illustrativ)
        – Bewertungen („Sternchen vergeben“) mit Faktor 1,
        – Beiträge kommentieren mit Faktor 10,
        – Beiträge verfassen mit Faktor 100,
        entstehen ebenfalls Sprünge.

      ➚Hier eine einfache Simulation der beiden Fälle als XLS-Datei. Fall (a) wurde hier für die weit verbreitete kumulierte Betrachtung durch einen zeitlichen Aktivitätsabstand (+100) simuliert, in Fall (b) wurde mit den o. g. Faktoren gerechnet.

      Ich hoffe, die Antwort klärt die Frage ein wenig.

      Herzliche Grüße

      Tom Ullrich

  •       Horology News  |  02.05.2010, 17:17 Uhr

    […] Das Social Web Lebt Von Einer Minderheit – Serie: Soziologie Und … […]