Wie Arbeitgeber mehr Unternehmenserfolg haben können

Heutzutage kämpfen Unternehmen nicht mehr nur um Marktanteile, sondern auch um Arbeitskräfte. Denn qualifizierte Mitarbeiter sind eine signifikante immaterielle Unternehmensressource. Deren Kompetenzen sichern die langfristige Wettbewerbsfähigkeit der Unternehmen.[1] Um somit weiterhin qualifizierte Arbeitskräfte und Unternehmenserfolg zu generieren, müssen Unternehmen als attraktiver Arbeitgeber auftreten.  So zumindest laut verschiedener Berichten. Aber besteht wirklich eine Korrelation zwischen Arbeitgeberplattformen und Unternehmenserfolg? Dies soll empirisch näher untersucht werden.

Wie Unternehmenserfolg damit zusammenhängt

Basierend auf dem ressourcenorientierten Ansatz wird die Annahme verfolgt, dass der wirtschaftliche Erfolg eines Unternehmens “… von seinen Kernkompetenzen abhänge, die sich in den Eigenschaften und Fähigkeiten interner Strukturen, Prozesse und Ressourcen … äußern.“[6]

Zu diesen Ressourcen zählen neben den materiellen auch die immateriellen Ressourcen, zu denen das Humankapital (Mitarbeiter-Know-How etc.) zählt. Daraus lässt sich schließen, das qualifizierte Mitarbeiter zum Unternehmenserfolg beitragen und dass diese einen signifikanten Wettbewerbsvorteil darstellen können.

Fachkräftemangel – wie man dagegen wirkt

Qualifiziertes Personal ist jedoch Mangelware in Zeiten des Fachkräftemangels sowie der zunehmenden Transparenz auf dem Arbeitsmarkt. Folglich stehen die Unternehmen vor der Herausforderung, dass Kompetenzen innerhalb des Unternehmens fehlen, aufgrund fehlender Bewerber oder durch die Konkurrenz abgeworbene Mitarbeiter. Daher ist es von großer Bedeutsamkeit, dass sich Unternehmen extern als auch intern als attraktiver Arbeitgeber kommunizieren. Denn somit kann die Wahrnehmung der Anspruchsgruppen gesteuert und positiv beeinflusst werden.

Dies ist vor allem in Zeiten des Social Media sowie des Word-of-Mouth (WOM) wichtig, da sich die Nutzer zunehmend auf Arbeitgeberplattformen über ihren (zukünftigen) Arbeitgeber informieren. Dies belegt ebenfalls eine repräsentative Umfrage von Bitkom Research aus dem Jahr 2018, in der jeder dritte Internetnutzer (36%) angab, Bewertungen über Arbeitgeber auf Arbeitgeber-Bewertungsportale zu Rate zu ziehen. Wie auch an der folgenden Abbildung zu sehen ist, üben Bewertungen bei fast allen Probanden einen Einfluss auf die Entscheidung aus[5].

Die Nutzer treffen dann Job-Entscheidungen, basierend auf den Erfahrungen und Bewertungen von Kollegen. Es wird also potenziell mehr Wert auf die Meinung anderer gelegt[7].  Gleichzeitig wird diesen mehr Vertrauen geschenkt. Folglich sollten Unternehmer Arbeitgeberplattformen nutzen, um sich gegenüber der Konkurrenz zu differenzieren und das Image sowie die Reputation. Eine bekannte Bewertungsplattform ist Kununu, die mit über drei Millionen Bewertungen zu über 850.000 Unternehmen, die größte Arbeitgeber-Bewertungsplattform in Europa ist. Daher wird im weiteren Verlauf der Fokus auf diese Plattform gesetzt.

Artificial Intelligenz gewinnt zunehmend an Bedeutung

Unter einem Web Crawler wird ein Computerprogramm verstanden, dass automatisiert die Websites nach Informationen durchsucht[2]. Sie werden primär genutzt, um häufig wiederholende Vorgänge zu automatisieren. Beispielsweise von Suchmaschinen, um einen Index aufzubauen, aktuell zu halten und zu erweitern[3].

Eine Sentiment-Analyse wird durchgeführt, um geäußerte Meinungen sowie Emotionen in Texten zu erfassen. Diese werden dann in positive, negative sowie neutrale Meinungen kategorisiert (Polaritäts-Klassifierzung). Des Weiteren wird klassifiziert, ob Textausschnitte subjektiv oder objektiv sind, da nur subjektive Aussagen, die emotionale Stimmung eines Nutzers widerspiegeln (Subjektivitäts-Klassifizierung).

Text Similarity berechnet die Ähnlichkeit von zwei oder mehr Dokumenten. Dabei können Sie sich auf zwei Weisen ähneln: auf lexikalische und semantische Weise. Die Lexikalische Semantik bezieht sich dabei auf die Ähnlichkeit der verwendeten Worte. Die Semantische dagegen darauf wie ähnlich der Sinn ist[4].  Im Folgendem liegt der Fokus auf der Lexikalischen Semantik.

Festlegung der untersuchten Hypothesen

Nach erarbeiten der theoretischen Grundlagen, fiel die Entscheidung darauffolgende Hypothesen näher zu untersuchen:

1. Es gibt einen positiven Zusammenhang zwischen Arbeitgeberbewertungen und dem Unternehmenserfolg.
2. Je mehr Arbeitgeber-Bewertungen vorhanden sind, desto höher der Umsatz.
3. Arbeitgeberbewertungen verfügen über einen hohen Emotionalen Score.

Nun ging es an die Entwicklung des Prototyps. Hierfür entwickelten wir eine GUI. GUI ist ein englisches Akronym und bedeutet übersetzt graphische Benutzeroberfläche. Die GUI führt die verschiedenen Programme von einer zentralen Stelle ausgeführt aus.

Extrahierung der Daten

Um die Hypothesen untersuchen zu können, benötigen wir zuallererst eine riesige Datenmenge. Hierfür kommt ein Web Crawler zum Einsatz. Dieser soll automatisiert die Bewertungen und Umsatzentwicklung extrahieren. Zur Entwicklung des Web Crawlers nutzen wir das Open Source Framework Scrapy genutzt. Scrapy ist originell dazu entwickelt, um effizientes Web Scraping zu ermöglichen. Die ausgelesenen Daten speichert der Web Crawler im Anschluss in separate CSV Dateien.

Durchführung der Analysen

Der Fokus der Arbeit liegt neben der Extrahierung der Daten auf der Durchführung der Text Analysen. Für die Text Similarity Analyse wird dafür die Online Library Spacy eingebunden. Für die Sentiment Analyse dagegen wird die Natural Language API von Google genutzt.

Spacy ist eine frei zugängliche Python Library. Sie wandelt die überlieferten Texte in Vektoren um und berechnet die Cosinus Ähnlichkeit. Zurück kommt ein Wert zwischen 0 und 1. Dabei steht 0 dafür, dass beide Vektoren zu 90 Grand voneinander abstehen. Somit sind sie gar nicht ähnlich.

Nach Einrichtung der Google Natural Language API , startete die Sentiment Analyse. Hierfür holt das Skript die Daten aus der Datei. Im Anschluss wird geguckt, ob die Daten als objektiv oder Subjetiv bzw. negativ oder positiv eingeordnet werden können.

Durchführung einer Simplen Linearen Regression

Der Nutzer sollte die Möglichkeit haben, Daten zum Umsatz und der Gesamtbewertung hochzuladen. Im Anschluss kann grafisch der Zusammenhang zwischen beiden Variablen dargestellt. Hierfür wird eine automatisierte simple Lineare Regression im Hintergrund durchgeführt werden. Ein Bild des Endresultats wird in der folgenden Abbildung dargestellt:

Hängt der Unternehmenserfolg nun damit zusammen?

Nun startet die Auswertung der Ergebnisse. Insgesamt sammelte der Crawler 50080 Bewertungen von 97 Unternehmen. Auch die Umsatzentwicklung der letzten 5 Jahren von 100 Unternehmen extrahierte er. Zur Untersuchung der Hypothesen liegt der Fokus der Daten auf dem Jahr 2018. Hierfür werden die Unternehmen in zwei Gruppen eingeteilt. Die mit mehr als 6 Milliarden Euro Umsatz (die „Oberen“) und die mit weniger (die „Unteren“).

Nun soll ein erstes Gefühl für die Daten bekommen werden, so wurde beispielsweise angeguckt, wie das Verhältnis von kommentierten zu unkommentierten Bewertungen steht.

Wie anhand der Abbildung zu erkennen ist, wurden zwar mehr Bewertungen aus der „Unteren“ Gruppe kommentiert, betrachtet man dagegen die absoluten Zahlen, so liegt das gegenteilige Ergebnis vor. Im Anschluss wird nun die empirische Analyse durchgeführt.

Empirische Erkenntnisse

---

Mit Hilfe einer multiplen Regression und der Statsitik-Software SPSS wurden die aufgestellten Hypothesen geprüft, da es sich um ein Analyseverfahren handelt, das den Zusammenhang zwischen mehreren Variablen untersucht und ggf. Prognosen abgeleitet.

Dabei hat sich ergeben, dass kein Zusammenhang zwischen den Arbeitgeberbewertungen und dem Unternehmenserfolg besteht, sodass H1 wiederlegt werden muss (r = 0,07, p > 0,05). H2 kann angenommen werden, da die Anzahl der Bewertungen mit einem positiven Korrelationskoeffizienten von 0,607 sehr stark mit dem Umsatz korreliert. D.h. je mehr Bewertungen es gibt, desto mehr Umsatz macht das Unternehmen. Auch H3 kann bestätigt werden, da die Magnitude stark positiv und signifikant mit den Bewertungen korreliert (r = 0,388, p = 0,000).

Außerdem konnte anhand der Analyse festgestellt werden, dass sich der  Sentiment-Score negativ auf den  Unternehmensumsatz auswirkt, jedoch sind diese Annahmen nicht signifikant (b = -3,543, r = -0,117, p > 0,05).

Alles in allem

Auch wenn die Ergebnisse der empirischen Analyse keine signifikanten Anhaltspunkte zum Zusammenhang zwischen Arbeitgerbewertungen sowie den Sentiments und dem Unternehmenserfolg liefern konnte, ist davon auszugehen, dass Arbeitgeberbewertungsplattformen auch in Zukunft eine bedeutende Rolle für die Unternehmen spielen werden. Denn Social Media bzw. WOM haben heutzutage einen starken Einfluss auf den Entscheidungsprozess der Anspruchsgruppen, sodass die „Macht“ der Weiterempfehlung nicht zu unterschätzen ist.

[1] Vgl. Hausmann, Andrea (2012) Mitarbeiter als (wichtigste) Ressource:
Rahmenbedingungen, Aufgabenfelder und Besonderheiten des Personalmanagement in Kulturbetrieben. In: Hausmann A., Murzik L. (eds) Erfolgsfaktor Mitarbeiter. Springer VS, Wiesbaden

[2]  Vgl. Weinberg, Tamar (2010) Social Media Marketing – Strategien für Twitter,
Facebook & Co, Köln, O’Reilly Verlag

[3]  Vgl. Luber, Stefan (2018) „Was ist ein Webcrawler?“,
https://www.bigdata-insider.de/was-ist-ein-webcrawler-a-704217/
(Stand: 12.04.2018, Abruf: 27.05.2019)

[4] Vgl. Fahmy, A. Aly/Gomaa H. Wael (2013) „A Survey of Text SImilarity
Approaches“, in: International Journal of Computer Applications, 68, S.13

[5] Vgl. Tropf, Teresa Maria (2018) „Jeder Dritte liest Arbeitgeber-Bewertungen
online“, https://www.bitkom.org/Presse/Presseinformation/Jeder-Dritte-liest-Arbeitgeber-Bewertungen-online.html
(Stand: 03.04.2018, Abruf: 29.05.2019)

[6] Hitzbleck, Sofia (2011) Reputation als Schlüssel zum Unternehmenserfolg:
Wie Kommunikation Unternehmenswert schafft (1. Aufl.). Baden-Baden: Nomos-Verl.-Ges.

[7] Vgl. Sander, Tom/ Biruta Sloka (2016) “Employer Rating Platforms as a
Tool to Motivate Germans to Apply.” Journal of Business Management, no. 12 (November): 72–83.
http://search.ebscohost.com/login.aspx?direct=true&db=bth&AN=121217936&site=ehost-live.