100 тысяч сообщений о брендах за пару часов: что можно из них узнать?

Скорость принятия решений всегда была конкурентным преимуществом, а с распространением нейросетей темп работы бизнеса вырос ещё сильнее. Поэтому особенно ценны исследовательские методы, позволяющие быстро получить данные и перейти к решению бизнес-задач. Один из таких методов – анализ социальных медиа (Social Media Listening или SML). Новые отзывы появляются практически в реальном времени, а ретроспективные данные можно собрать и подготовить к первичной диагностике за несколько часов. Чтобы продемонстрировать возможности метода, были собраны упоминания с сайтов-отзовиков о сетях ресторанов «Вкусно - и точка» и «Бургер Кинг». От постановки задачи до получения массива, пригодного для анализа, прошло не больше двух часов.

Что видно сразу? Можно сразу оценить базовую структуру массива – объём сообщений по брендам, количество отзывов и официальных ответов, средние пользовательские оценки, основные источники и соотношение разных типов сообщений. За два месяца на сайтах-отзовиках было написано 101 932 сообщения с упоминанием двух брендов, из которых 63 822 – это пользовательские отзывы и комментарии, а 38 110 – ответы официальных аккаунтов. «Вкусно - и точка» упоминали почти в три раза чаще, чем «Бургер Кинг», а официальные аккаунты «Вкусно - и точка» отвечали пользователям примерно в 2,5 раза чаще, чем аккаунты «Бургер Кинг». При этом средняя оценка у «Бургер Кинг» оказалась немного выше – 3,0 против 2,7 у «Вкусно - и точка». Различается и структура источников. «Бургер Кинг» заметно чаще упоминается в 2ГИС – около 31% пользовательских отзывов против 18%. У «Вкусно - и точка» выше доля Яндекс Карт – 58% против 49%. Источник сообщений имеет большое значение для таких исследований. Отзывы на картах чаще связаны с посещением конкретного ресторана, а сообщения в магазинах приложений – с цифровым опытом.

Один массив для разных исследовательских команд и задач. Анализ самих пользовательских текстов показывает, что собранный массив может быть источником данных для нескольких исследовательских команд. Около 50% сообщений содержат информацию для изучения клиентского опыта (CX): обслуживания, ожидания, доставки, атмосферы и чистоты. В 34% отзывов встречаются данные для продуктового анализа: блюда, напитки, вкус, качество и ассортимент. Ещё 15% сообщений относятся к UX: оценка приложений, сайтов и терминалов. Около 0,4% содержат данные для HR-исследований. Один отзыв может одновременно описывать сбой терминала, ошибку при комплектации заказа и поведение сотрудника. Поэтому одно сообщение может быть полезно для решения разных бизнес-задач. Особенно ценны такие исследования для территориально распределённых компаний: ресторанных и розничных сетей, банков, медицинских центров и операторов связи. Если отзыв можно связать с конкретной точкой, городом, регионом – данные позволяют сравнивать конкретные территории и филиалы, находить локальные и системные проблемы.

Более глубокий качественный анализ позволяет применять различные исследовательские фреймворки. Ситуации потребления становятся основой для JTBD (Jobs To Be Done), этапы взаимодействия с брендом – для построения CJM (Customer Journey Map), также можно выделить устойчивые поведенческие паттерны и использовать метод персон через сценарии потребления, задачи, мотивации, ожидания и основные боли. Кроме того, анализ ответов брендов позволяет оценить, насколько территориальные подразделения соблюдают корпоративные правила общения, отвечают клиентам и представляют бренд.

Что получает бизнес? В результате бизнес получает инструмент оперативного контроля ситуации. Отзывы поступают практически в реальном времени, но сами по себе остаются потоком разрозненных сообщений. Задача квалифицированного исследователя – превратить этот поток в инструмент, позволяющий раньше замечать проблемы, определять их масштаб, выявлять тренды и инсайты, отслеживать действия конкурентов, оценивать территориальные подразделения и принимать основанные на данных решения.

⤵️Подписывайтесь на DataLab, чтобы ничего не пропустить! #исследование