SZEMÉLYNEVEK MINT MÁRKANEVEK Márkanévként funkcionál-e egy irodalomtörténész neve?
3. Anyag, módszer
A következő elemzéshez tehát nem egy globális márkát – globálisan ismert, a személyes márkáját tudatosan, nagy költségvetéssel, legtöbb esetben szak-emberek segítségével építő személyt – választottunk, hanem egy lokális, adott területen közismert, magyar személy nevét. Választásunk Fűzfa Balázs irodalomtörténészre esett. A választást több tényező indokolja:
– A neve egyedi, Magyarországon nem gyakori név, amely nagyban megkönnyíti a digitális média-elemzést, ugyanis így nem fordulhat elő, hogy az elemzett adatok más személyre vonatkoznak.
– A személy országos, sőt határon túli hatást is kifejt, de tevékeny-sége többnyire magyar nyelvű, így jól tesztelhető az angol nyelvre és nyelv-területre kifejlesztett elemző szoftverek működése más nyelvi-kulturális környezetben.
– A tevékenységét egy viszonylag szűk, nem profitorientált területen (irodalomoktatás, irodalomnépszerűsítés) fejti ki.
128
– A személy nem törekedett tudatos márkaépítésre – ismertségét szakmai tevékenységének köszönheti.
Fenti, a név egyediségét feltételező megállapítás alátámasztására a Google keresőjét használtuk. Az elemzett személy nevét idézőjelbe téve („Fűzfa Balázs”) végrehajtott keresés eredménye igazolja fenti választásunk helyes-ségét, ugyanis Fűzfa Balázs nevét a Google keresőmotorja által megjelenített találatok egyértelműen a vizsgált irodalomtörténészhez köthetők. Részben publikációi, részben irodalomnépszerűsítő tevékenységének eseményei, il-letve az azokkal kapcsolatos sajtóhírek jelennek meg a keresés eredménye-ként. A keresőmotor által talált képeket elemezve szintén hasonló eredményt kapunk: a képek vagy a vizsgált alanyt ábrázolják, vagy olyan személyeket, akikkel szoros kapcsolatban áll (pl. szerzőtársak, kollégák).
Ennek alapján feltételezhetjük, hogy a további kutatások eredményei nem torzítanak és azok kizárólag a vizsgált személyre és nem egy másik, azonos nevű személyre vonatkoznak.
3.1. Asszociációk a digitális médiában
Első hipotéziseink igazolásához internetes szövegeket használunk:
H1 Egy lokálisan ismert személlyel kapcsolatos asszociációk vizs-gálhatók megfelelő szövegbányászati és szövegelemző szoftverekkel.
H2 A klaszterező szoftverek képesek a márkanév (adott személy) kategóriába sorolására, azaz tevékenységének bemutatására.
Első lépésként a Google Trends kereséselemző alkalmazást használva vizs-gáltuk meg a személy nevére vonatkozó keresések előfordulását (1. ábra).
129
1. ábra. Google Trends keresési adatok, „Fűzfa Balázs”, 2004.01.01. és 2018.10.31.
között.
https://trends.google.com/trends/explore?date=all&q=%22F%C5%B1zfa%20Bal%C3
%A1zs%22
Az eredményekből látszik, hogy a személy neve az elemző szoftver számára ismert, a keresések gyakorisága azonban nem mutat egyenletes képet. 2004 és 2008 között a keresések intenzitása viszonylag nagy, de az intenzív keresés periódusokat „nyugodt” időszakok váltják fel, amikor nem keresnek a sze-mély nevére. 2012 és 2018 között a keresések megoszlása viszonylag egyen-letes.
A következőkben szintén a Google Trends segítségével a keresett személyhez kapcsolódó témaköröket vizsgáltuk meg (2. ábra).
Related topics Rising
1 Willow – Plants Breakout
2 Literature – Topic Breakout
3 Szombathely – City in Hungary Breakout 4 Hungarian language – spoken language Breakout 5 University of Sopron – University in Sopron, HU
Breakout 6 ELTE University Center Savaria in Szombathely
Breakout
2. ábra. Google Trends keresési adatok, témakörök, „Fűzfa Balázs”, 2004.01.01. és 2018.10.31. között.
https://trends.google.com/trends/explore?date=all&q=%22F%C5%B1zfa%20Bal%C3
%A1zs%22
130
A keresés eredménye jól mutatja, hogy a vizsgált személy neve a fűzfával (willow) áll kapcsolatban. Ez az automatikus besorolás megfelel a márkanév nyelvi asszociációinak (vö. KOVÁCS 2017: 207). A további téma-körök a személy munkásságnak helyét (Szombathely), illetve munkahelyeit (ELTE, Nyugat-magyarországi Egyetem) jelölik. Két automatikusan megálla-pított kapcsolódó témakör, a magyar nyelv illetve az irodalom kiemelten fontos – ez mutatja, hogy az interneten elérhető információk segítségével a személy tevékenységi köre jól behatárolható.
A következőkben a Yippy Search, a Carnegie Mellon University kutatói által kifejlesztett a keresési eredményekből klasztereket alkotó metakereső eredményit vizsgáljuk meg (3. ábra).
3. ábra. Yippy Search keresési adatok, „Fűzfa Balázs”; 2018.12.31.
https://yippy.com/search/?v%3Aproject=clusty-new&query=
%22F%C5%B1zfa+Bal%C3%A1zs%22&xtoken=2128330515bd9fe355e724
131
A kereső által alkotott klaszterek közül az első öt jól jellemzi a sze-mély tevékenységét, az általa kifejtett hatást. A klaszterek alapján a vizsgált személy az „irodalom” területén tevékenykedik (legnagyobb klaszter), kap-csolata van a „Savaria University”-vel, amely klaszter egyszerre utal az egyetemi tevékenységre és a Savaria University Press kiadóra, a „12 legszebb magyar” vers a személy egyik nagyhatású műve. A személy az „élmény-központú irodalomtanítás” megalkotója, a „könyv és cím” klaszter a könyvírói tevékenységére utal.
Az első és a második hipotézist – H1 Egy lokálisan ismert személlyel kap-csolatos asszociációk vizsgálhatók megfelelő szövegbányászati és szöveg-elemző szoftverekkel; H2 A klaszterező szoftverek képesek a márkanév (adott személy) kategóriába sorolására, azaz tevékenységének bemutatására – el-fogadjuk, a személynévvel kapcsolatos asszociációk vizsgálata lehetséges a megfelelő szoftverek segítségével, és az általuk alkotott klaszterek relevánsak, a márkanév tulajdonosának tevékenységet viszonylag pontosan tükrözik.
3.2. Asszociációk a személy környezetében
A következőkben a hagyományos márkaasszociációs kutatások módszertanát alkalmazva feltételezzük, hogy
H3 Egy lokálisan ismert személlyel kapcsolatos asszociációk vizsgál-hatók hagyományos márkaasszociációs kutatási módszerrel (vö. KOVÁCS
2017).
Ehhez a személy ismeretségi körében elektronikus adatgyűjtést végez-tünk, ahol az alanyokat megkértük, hogy írják le az első három asszociációt, ami a személyről az eszükbe jut. A módszer megfelel a márkaasszociáció-kutatásokban alkalmazott módszertani elveknek. A kérdés így hangzott „Le-gyetek szívesek leírni az első 3 szót/asszociációt (gondolkodás, megfontolás nélkül), ami eszetekbe jut, ha Fűzfa Balázs nevét halljátok”.
Az adatokat azok beérkezése után Excel táblában összesítettük, az asszociációk erősségét (hány válaszadó adta adott asszociációt) szintén jelöltük (módszertanilag vö. KOVÁCS 2017). A válaszadók száma N=18, férfi 78%, nő 22% %. A válaszadók életkorára vonatkozó kérdést nem tettünk fel, így korcsoportok szerinti bontást nem tudunk végezni. Az asszociációk megoszlását a 4. ábra mutatja.
132
4. ábra. Az asszociációk megoszlása
Az asszociációk – mint látjuk – egyediek: összesen 5 olyan asszo-ciáció fordult elő – barát, irodalom, irodalomtanár, könyv, Ottlik Géza – ame-lyet nem csak egy személy, hanem két személy is megadott. Ezeket külön ábrán is mutatjuk (5. ábra).
5. ábra. A legerősebb asszociációk
133
A 6. ábra az összes asszociációt tartalmazza, amely Fűzfa Balázs nevére érkezett.
6. ábra. Szófelhő az asszociációkból (WordArt)
Az összegyűjtött asszociációk, mint látjuk, eltérnek a szövegbányá-szati módszerekkel felvett adatoktól – habár a fő tevékenységi területek itt is relevánsan megjelennek, az asszociációk szinte kizárólag egyedi asszociációk.
Az asszociációkat a vizsgált személy tevékenységével összevetve a következő csoportok hozhatók létre:
– irodalomnépszerűsítéssel kapcsolatos tevékenység asszociációi, – oktatói tevékenység asszociációi,
– kutatói tevékenység asszociációi,
– személyes tulajdonságokra utaló asszociációk.
134
Ez utóbbi klaszter teljesen hiányzott a digitális adatokból, ami könnyen magyarázható: ezen asszociációk csak személyes tapasztalatból eredhetnek és nem érhetőek tetten a személy „digitális lábnyomában”.
4. Diszkusszió
A digitális médiában a márka nevének használatával és használati kontex-tusával kapcsolatos felmérések nem igazán vezettek közelebb ahhoz a kér-déshez, hogy a vizsgált személy neve márkanévnek tekinthető-e. Ez termé-szetesen nem meglepő: nincs egyértelmű módszertani útmutatás arra vonat-kozóan, hogy milyen jellemzők alapján mondhatjuk egy személy nevéről, hogy az márkanévként funkcionál. Az ismertség utalhat a márkanévként való funkcionálásra (lásd színészek, írók, sportolók neve), egy lokális márka ese-tében azonban az ismertség relatív jellemző: míg a személy szűk, jelen eset-ben inkább szakmai, illetve helyi köreset-ben ismert, addig globálisan nem te-kinthető ismertnek.
Választ adhat a kérdésre ugyanakkor az asszociációk megoszlása (4.
ábra), amelyhez kapcsolódó hipotézisünk:
H4 A személynév, mint márkanév asszociációinak megoszlása hason-lít termékmárkanevek asszociációinak megoszlásához (KOVÁCS 2017).
Az asszociációk megoszlása nem követi a hagyományos, erős, globá-lis márkák asszociációinak megoszlását. A jellemző megoszlás hatvány-függvény-szerű (egy erős asszociáció, majd azt követi egy lényegesen gyen-gébb asszociáció, míg az asszociációk nagy része gyenge, egyedi asszociáció), mint például az Audi, a Ferrari, a Fütyülős, a Heineken, a Suzuki és a Tokaji márkák esetében (vö. KOVÁCS 2017: 216). A másik tapasztalt megoszlás hatványfüggvény-szerű ugyan, de az első két asszociáció közel azonos erős-ségű. Ez a megoszlás volt jellemző a Ferrero, a Maybelline és az Unicum márkákra (KOVÁCS 2017: 219).
Jelen esetben azonban ezen megoszlások közül egyik sem tapasztal-ható: találunk minimálisan erősebb asszociációkat, a legtöbb asszociáció azonban egyedi, gyenge asszociáció. Ennek a nem várt megoszlásnak az okai a következők lehetnek:
– Az elemzett márka nem globális márka, így az asszociációk meg-oszlása nem szükségszerűen követi globális márkák asszociációinak megosz-lását.
135
– Az elemzett márka nem termék- vagy szolgáltatásmárka, így elkép-zelhető, hogy az asszociációk ezen megoszlása márkanévfajta-specifikus tulajdonságokat mutat.
– A kutatáshoz használt minta nem megfelelő. Az asszociációkat befolyásolhatta, hogy a vizsgált márkanév tulajdonosát a megkérdezettek személyesen is ismerik, így az asszociációk kevésbé általánosak, óhatatlanul személyes tapasztalatokat is tartalmaznak. Ez felveti a lehetőségét, hogy – habár a módszer helyes – az adatfelvételt szélesebb körben is szükséges megismételni ahhoz, hogy releváns eredményeket kapjunk.
– Kevés az adat; nagyobb minta esetén az asszociációk megoszlása hatványfüggvény-szerű lenne.
A 4. hipotézist – H4 Az asszociációk megoszlása azonos márkanevek asszociációinak megoszlásával – elvetjük, az asszociációk megoszlása rele-vánsan eltér termékmárkanevek asszociációinak megoszlásától.
A legerősebb asszociációkkal kapcsolatban fogalmaztuk meg utolsó hipotézisünket:
H5 A legerősebb asszociáció a márkanév kategorizálása (KOVÁCS
2017).
Márkanevek esetében várható, hogy azok legerősebb asszociációja a kategorizálás, azaz a terméktípushoz rendelés (vö. SCHMITT 2012). Kovács (2017) ezt a feltételezést empirikus adatokkal igazolta, rámutatott azonban, hogy egyes erős márkák esetében a legerősebb asszociáció a márka egy disztinktív tulajdonságára is utalhat.
Jelen adatok esetében nem beszélhetünk legerősebb asszociációról, hiszen az asszociációk többsége egyedi, csak öt olyan asszociációt találtunk, amelyeket nem csak egy, hanem két személy nevezett meg. Az öt, minimáli-san erősebb asszociáció sem tekinthető kategorizálás-nak, így a H5 hipotézist – H5 A legerősebb asszociáció a márkanév kategorizálása – elvetjük.
A jelenség magyarázata azonos lehet a H4 hipotézisnél leírtakkal.
Fontos azonban rámutatnunk, hogy 3.1 pontban végzett internetes szövegek elemzése megteszi a kategorizálást és a vizsgált személyt relevánsan az irodalomhoz, a magyar nyelvhez és az egyetemi szférához köti.
Releváns eltéréseket találhatunk a digitális adatok (internetes asszociációk) és a személyesen felvett asszociációk között. Ez az eltérés, mint láttuk,
való-136
színűleg a személyes tapasztalattal magyarázható. A felvett adatok közötti eltérések rámutatnak, hogy miért nem elegendő csupán digitális adatok hasz-nálata egy márka asszociációnak felmérésekor: a személyes tapasztalatokon alapuló kapcsolatot a márkával (illetve jelen esetben a személlyel) és az abból származó asszociációkat jelenleg internetes szövegekben nem, vagy csak nehezen tudjuk elemezni.