Monitoring von Nutzerreaktionen, -kommentaren und -diskussionen zu und über bestimmte Themen und Marken wird zwar selbstverständlicher für Unternehmen. Ihr Einsatz ist aber längst noch nicht an dem Punkt, an dem man sein müsste, glaubt man den Beteuerungen der Unternehmen, wie wichtig und zentral Kundenmeinungen und -bedürfnisse für ihr Geschäft sind (siehe Kasten unten rechts). Und selbst die, die Monitoring betreiben, stoßen mit herkömmlichen Methoden inzwischen an ihre Grenzen. Denn die von typischer Social Media Software verwendete keyword-, regel- und/oder semantikbasierte Index-Methodik erzielt nicht die gewünschte Vollständigkeit und Genauigkeit und kann wichtige und unwichtige Treffer nicht zuverlässig unterscheiden.

Deep-Learning-Techniken der Künstlichen Intelligenz (Naive Bayes, Support Vector Machine und Stochastic Gradient Descent) ahmen die Fähigkeit des Menschen nach, durch beispielhaftes Lernen immer zuverlässiger Wichtiges von Unwichtigem unterscheiden zu können. Deshalb hat beispielsweise der Münchner Monitoring-Dienstleister Consline   eine KI-unterstützte Methodik entwickelt, die über Keywords, Gewichtung bisheriger Suchanfragen oder Filter hinaus geht. Stattdessen werden die gesamten Beiträge ausgelesen und der komplette Inhalt, die Textstruktur sowie alle Metainformationen (Quelle, Links, Datum/Zeit etc.) ausgewertet. Consline verspricht damit eine 95-prozentige Vollständigke