NIEUWS   •   5 juni. 2020

Vanuit verschillende hoeken wordt er gezegd dat de woningmarkt nog volop doorgaat ondanks de coronacrisis. Hoewel er gespeculeerd wordt dat de coronacrisis het consumentenvertrouwen kan schaden en sommigen financieel kan belemmeren om stappen te zetten op de woningmarkt, lijkt het tot nu toe mee te vallen. Maar hoe wordt er gepraat en gedacht over de woningmarkt op social media en is dit veranderd in vergelijking met vorig jaar? We zochten het voor u uit en analyseerden bijna 10.000 tweets waarin ‘woningmarkt’ werd genoemd. Lees snel verder om inzicht te krijgen in hoe er over de woningmarkt gedacht wordt op social media vergeleken met vorig jaar!

Beschrijving van de dataset

Om erachter te komen hoe er online gedacht en gepraat wordt over de woningmarkt is er twee keer gezocht naar 5000 tweets op Twitter waarin het zoekwoord ‘woningmarkt’ voorkomt. Hiervan is één keer gezocht naar tweets met het zoekwoord in de periode van begin maart tot eind mei in 2020 en één keer in dezelfde periode in 2019. Met behulp van een data scraping tool zijn er 3848 tweets verzameld uit de genoemde periode in 2020 en 4526 tweets uit de periode in 2019. De twee datasets zijn opgeschoond en voorbereid op een sentiment analyse en het maken van een topic model waarna ze met elkaar vergeleken konden worden om zo mogelijke verschillen te analyseren.

Wat is een sentiment analyse?

Sentiment analyse wordt veel gebruikt om op grote schaal de achterliggende emoties in tekstuele data te identificeren. Het wordt al jarenlang gebruikt in de wetenschap en de methode wordt steeds toegankelijker door de vele gebruiksvriendelijke open source tools. De methode werkt met behulp van Natural Language Processing en geeft elk woord een score op een schaal van 1 tot 5 in positiviteit of negativiteit. Hierbij wordt rekening gehouden met bijvoeglijke naamwoorden zoals ‘erg’ wat het sentiment van het opvolgende woord versterkt. Een woord met een score van 1 wordt gezien als neutraal in sentiment, zowel bij positief als negatief geïdentificeerde woorden. Een score van 2 wordt gezien als een zwak aanwezig sentiment, een score van 3 als matig sentiment, een score van 4 als sterk sentiment en een score van 5 als erg sterk aanwezig sentiment. Om erachter te komen hoe de emoties richting de woningmarkt zich verhouden van 2019 vergeleken met 2020 op het moment van de coronacrisis is een sentiment analyse gedaan op beide datasets. Hieronder zijn de uitkomsten te zien:

Interpretatie sentiment analyse

Wat te verwachten was, is dat het gemiddelde negatieve sentiment in 2020 is gestegen van 1.6323 naar 1.7583. De betrouwbaarheidsintervallen van 2019 en 2020 overlappen niet, wat betekent dat dit een statistisch significant verschil is. Dit kan mogelijk verklaard worden doordat er in de data van 2020 vaker werd gesproken over coronacrisis, waarbij crisis een sterk negatief sentiment heeft. Daarnaast is het percentage woorden wat een matig tot erg sterk negatief sentiment heeft in 2020 toegenomen vergeleken met 2019. In de tweets van 2020 werden negatieve houdingen en emoties tegenover de woningmarkt dus sterker uitgedrukt op Twitter dan in 2019.

Het gemiddelde positieve sentiment in 2020 is gedaald van 1.3945 naar 1,2612. Ook deze betrouwbaarheidsintervallen overlappen niet, wat betekent dat deze daling statistisch significant is. Opvallend is dat het grootste gedeelte woorden wat geïdentificeerd werd als positief een neutraal sentiment heeft. Er werden in 2020 dus minder tweets met een positief sentiment gevonden dan in dezelfde periode van 2019. Dit is opvallend, omdat er in de media wel veel positief word gesproken over de drukte op de woningmarkt, het toenemende aanbod en het toenemende aantal transacties. Deze positieve emoties richting de huidige woningmarkt zijn dus in mindere mate aanwezig bij Twittergebruikers.

Wat is topic modelling? 

Topic modelling is een machine learning techniek die wordt gebruikt om achterliggende thema’s en onderwerpen te ontdekken in de grote hoeveelheid tekstdata. Ook voor topic modelling zijn verschillende open source tools die gebruikt kunnen worden. De tool scant de data, detecteert woorden en patronen en groepeert automatisch woorden die het beste de data beschrijven. Voordat een topic model gemaakt kan worden moeten stopwoorden, woorden die veel voorkomen maar geen betekenis hebben zoals ‘de’ of ’terwijl’ worden verwijderd. Het resultaat van een topic model is een groep woorden per onderwerp voorzien van een topic weight en een word weight. Het is daarna aan de onderzoeker om deze woordgroepen te interpreteren en verschillende thema’s aan te wijzen.

Interpretatie topic model

Het cijfer bij topic weight geeft aan hoe belangrijk het thema is in de gerelateerde dataset en hoe vaak erover gesproken wordt. Waar in de periode van maart tot en met mei in 2019 de krapte op de woningmarkt centraal stond, is dat in dezelfde periode in 2020 zonder twijfel de coronacrisis en het effect hiervan op de woningmarkt met een topic weight van 7,8499. Wanneer er verder gekeken wordt naar de bijbehorende tweets van topic 1 in 2020 valt het op dat de tweets niet per se negatief zijn over de woningmarkt. Veel tweets behandelen de ontwikkelingen op de woningmarkt en speculeren over de verschillende effecten die het op lange termijn zou kunnen hebben. Dit komt overeen met het resultaat uit de sentiment analyse waarin een groot gedeelte van de tweets een neutraal sentiment bleek te hebben.

Het tweede topic wat in de data van 2020 gevonden werd reflecteert wél negatieve houdingen tegenover de woningmarkt. In deze bijbehorende tweets wordt gezegd dat de huidige coronacrisis erger is dan de vorige crisis, dat de woningmarkt is verziekt, kansen op een goed pensioen afnemen en er minder (nieuw)bouw wordt gebouwd. Het tweede topic is dus waarschijnlijk gerelateerd aan het matig tot sterk negatief aanwezige sentiment in de tweets van 2020. Het topic weight van het afnemende vertrouwen van de woningmarkt is een 1,8515. Het is dus minder aanwezig in de data dan topic 1, maar wel zodanig dat de topic modelling tool het heeft gevonden als afzonderlijk onderwerp wat representatief is voor de dataset van 2020.

Conclusie

De resultaten van het topic model komen overeen met de resultaten van de sentiment analyse. In de periode van maart tot en met mei 2020 werden er meer sterke negatieve meningen over de woningmarkt op Twitter geuit dan in dezelfde periode in 2019. Het aantal tweets wat positieve meningen reflecteert, nam ook af in 2020. Opvallend was dat in het topic model het afnemend vertrouwen in de woningmarkt naar voren kwam als centraal onderwerp in de data van 2020. Hoewel veel berichten in de media uitlichten dat het aantal transacties niet af neemt en de woningmarkt voorlopig niet geraakt lijkt te worden door de coronacrisis is er dus wel een groep mensen waar het vertrouwen in de woningmarkt bij af neemt. Dit zou verband kunnen hebben met de financiële onzekerheid die de coronacrisis met zich meebrengt voor vele mensen.

Ben jij benieuwd hoe jij social media kunt inzetten om de online conversatie over jouw makelaardij en de woningmarkt te sturen? Ons marketingteam heeft jarenlange ervaring in het online laten opvallen van verschillende makelaardijen. Een slimme combinatie van een herkenbare huisstijl, aantrekkelijke social video’s en strategische advertenties helpen met het creëren van naamsbekendheid, een betrouwbaar imago en het binnenhalen van nieuwe leads. Neem snel contact op met ons marketingteam via 010 – 340 5002  voor meer informatie!