Регулярный аналитический отчет по анализу информационного поля бренда — один из самых востребованных продуктов аналитического центра Brand Analytics. В этой статье мы по шагам разберем процесс подготовки такого отчета, все секреты и тонкости его создания.
Начнем с задач, которые решает такой отчет. Регулярный мониторинг социальных медиа необходим компании для понимания потребностей клиентов на каждом этапе потребительского цикла. Эта информация позволяет более точно сформировать новые предложения, инвестировать в улучшения, оптимизировать уже существующие каналы коммуникации с потребителем.
К основным задачам, которые решает отчет, можно отнести:
- выявление репутационных угроз,
- анализ эффективности маркетинговой политики, PR деятельности и оценка другой активности, связанной с компанией.
Отдельно возможно проводить аудит деятельности/активности конкурентов. Пользовательские оценки в контексте сравнения с конкурентами содержат информацию о ценных конкурентных преимуществах, предложениях и продуктах, значимых для потребителей.
Отчет включает оценку восприятия как бренда в целом, так и конкретных продуктов и услуг компании, анализ позитивных и негативных тематик обсуждений, выявление источников концентрации целевой аудитории и лидеров мнений.
Регулярность отчета — еженедельная или ежемесячная, позволяет оценивать эффективность коммуникаций в динамике, выявлять причины изменений информационного поля и вовремя корректировать позиционирование предоставляемого продукта.
Отчет позволяет выявить ключевые изменения в информационном поле:
- Проанализировать динамику лояльности клиентов,
- Обнаружить репутационные угрозы,
- Контролировать проблемные зоны,
- Сравнить обсуждения по бренду и конкурентам.
В данном материале мы расскажем, как создать такой аналитический отчет на примере исследования упоминаний Банка Москвы в социальных медиа.
Первый шаг в подготовке отчета — создание темы мониторинга. Правильная настройка темы при создании — залог качественного результата. Именно от настройки темы — подбора поискового запроса, объектов тональности, оптимального выбора типов источников и т.п. — зависит полнота и качество собираемых и анализируемых системой данных, а значит, и оптимизация трудозатрат на подготовку аналитического отчета. О том, как создать идеальную тему мониторинга, можно
После того, как тема создана и данные собраны, приступаем ко второму шагу — категоризации общего потока сообщений по теме на более узкие подтематики. Категоризация проводится с помощью создания и настройки тегов.
Для создания тега необходимо перейти в раздел теги и создать поисковые запросы, соответствующие той подтематике, которая относится к тегу.
Для Банка Москвы были выбраны различные виды банковских продуктов и услуг, а также качество работы персонала:
Третий шаг — проверка автоматического определения тональности и ручное тегирование тех сообщений, которые по тем или иным причинам не попали в тег по поисковым словам.
Этот этап работы достаточно трудоемкий. Существенно упрощает процесс, как уже говорилось выше, правильное формирование объектов тональности при создании темы и подбор ключевых слов тега. Однако даже в идеально настроенной теме ручной проверки не избежать — например, система не сможет верно определить тональность у саркастических или ироничных сообщений.
Оптимизировать работу можно, используя различные сортировки ленты сообщений — по дублям, репостам и др., а также используя фильтры и полнотекстовый поиск внутри темы.
Кроме того, менять тональность сообщений, присваивать теги или удалять лишнее можно у групп сообщений.
Например, при обнаружении различных ошибок в тональности о сделке по слиянию Банка Москвы и ВТБ, можно использовать поиск в теме по слову ВТБ и изменить тональность на нейтральную сразу у всех сообщений по этой тематике.
Первые три шага — техническая аналитика — завершены. Приступаем к экспертному анализу.
Четвертый шаг — анализ динамики обсуждений: необходимо выявить пики обсуждений и их причины. Обнаружить причину пика достаточно просто — при клике на точку на графике динамики, соответствующую дате пика мы увидим ленту сообщений за выбранную дату. Далее, выделяя различные временные отрезки, можно «провалиться» в динамику вплоть до 5ти минут. И снова используя различные виды сортировок — по дублям и комментариям — найти первопричину повышенного интереса к объекту исследования в тот или иной период времени.
Для подготовки иллюстрирующих отчетов графиков используем экспортируемый из системы Excel-файл, который содержит все необходимые данные, графики и диаграммы.
В результате получаем первый срез данных — по динамике сообщений:
Динамика упоминаемости
Пики упоминаемости:
- 05-07 марта: массовое распространение информации о блокировке активов ряда российских банков со стороны США, в том числе Банка Москвы.
- 15-17 марта: обсуждением информации о продлении срока санации Банка Москвы до 5 лет.
Шаг пятый: анализируем тональность упоминаний
Диаграмму по тональности берем из Excel-отчета и дополняем содержательными комментариями:
Зафиксировано 50% нейтральных упоминаний, негативных упоминаний 30%, позитивных 20%.
Однако статистических данных о количестве сообщений той или иной тональности недостаточно для понимания ситуации.
Шаг шестой: анализируем основные тематики негативных и позитивных обсуждений, выявляем проблемные зоны и слабые стороны бренда. Сделать это можно с помощью изучения содержательных сообщений негативной и позитивной тональности с сортировкой по дублям, репостам и комментариям.
Проблемные зоны
К проблемным зонам относятся сообщения негативной направленности, вызвавшие активные обсуждения в социальных медиа. К проблемным тематикам за отчетный период относятся темы: обсуждение доходов экс-президента Банка Москвы Андрея Бородина, рост жалоб на качество обслуживания, проблемы с оплатой банковскими карточками, сбои в работе интернет-банка.
Количество упоминаний
Каждую из выявленных проблемных зон иллюстрируем примерами сообщений.
Тематика позитивных упоминаний
-
Основное количество позитива связано с обсуждением станций велопроката, спонсором которого является Банк Москвы:
Для таких, как я) У меня-то своего нет:) В мае прошлого года «Банк Москвы» запустил в Петербурге 29 точек велопроката, однако в этом сезоне пунктов может стать в 5 раз больше — около 150 точек в разных районах города.
Источник: | автор: -
Яркий позитивный оттенок имели также сообщения о программах льготного кредитования:
Банк Москвы примет участие в программе льготных ипотечных кредитов.
Источник: | автор:
Шаг седьмой: анализируя тональность по тегам, которые мы завели в самом начале, выявляем отношение клиентов к продуктам и услугам Банка. Получаем гистограмму по восприятию продуктов и услуг. Индекс позволяет моментально выявить продукты, требующие наиболее пристального внимания. Дополняем содержательными комментариями и иллюстрируем примерами сообщений. Для каждого из продуктов рассчитываем «Коэффициент лояльности» — соотношение количества позитивных и негативных сообщений:
Восприятие продуктов и услуг
Высокий уровень лояльности зафиксирован при обсуждении вкладов. Средний уровень лояльности наблюдается при упоминании кредитов, банкоматов и кредитных карт. Низкий уровень лояльности зафиксирован при обсуждении интернет-банка и качества обслуживания.
Шаг восьмой: выявляем площадки концентрации целевой аудитории, с помощью анализа распределения сообщений по источникам их публикации. Диаграмму берем их эксель-отчета и дополняем комментарием:
Распределение по источникам
Наибольшее количество упоминаний приходятся на twitter.com, vk.com и facebook.com, которые представляются наиболее значимыми для выявления трендов на последующие периоды обсуждений.
Шаг девятый: анализируем тональность по источникам, выявляя те источники, где присутствие и реакция бренда необходима в первую очередь. График берем из эксель-отчета, дополняем коэффициентом лояльности источника и комментарием.
Тональность по источникам
Сильный негативный фон зафиксирован в twitter.com, vk.com и facebook.com, на которые стоит обратить внимание в первую очередь для выявления негатива. Потенциальный рост негатива в последующем периоде стоит ожидать в odnoklassniki.ru.
Шаг одиннадцатый: выявляем позитивно и негативно настроенных лидеров мнений — авторов, пишущих о бренде и имеющих большое количество вовлеченных подписчиков. Этим авторам необходимо уделить пристальное внимание — контролировать их публикации о бренде, вступать в прямую коммуникацию — в зависимости от ситуации.
Для выявления лидеров мнений сортируем авторов по размеру аудитории, определяем тональность и количество сообщений, а также анализируем комментарии, лайки и репосты публикаций авторов.
Лидеры мнений
Яркими сторонниками за отчетный период являются авторы Сергей Иванов и Елена Ищеева, опубликовавшие сообщения позитивного характера, связанные с деятельностью банка — рекомендации по использованию интернет-банка и поздравления от банка соответственно. Автор Елена Карлова отметила высокое качество обслуживания через терминал, установленный в МГУ и работающий на солнечных батареях. Юрий Урсу рекомендует вклады банка, как одни из самых выгодных на рынке.
Ярким противником является автор Slava Rabinovich, опубликовавший негативный пост о банке, собравший значительное количество комментариев. Автор Лена Миро продолжает периодически публиковать сообщения, негативно сказывающиеся на имидже банка. Станислав Дрожинский выражает в facebook публичное недовольство качеством обслуживания в отделениях банка.
Дополняем раздел комментариями и примерами сообщений.
Шаг двенадцатый: анализируем упоминания о конкурентах.
Сравниваем количество и тональность публикаций об объекте исследования и его ближайших конкурентах. Дополняем графики коэффициентами лояльности, комментариями и примерами сообщений.
В сравнении с конкурентами Банк Москвы находятся на третьем месте по упоминаемости, на первом месте находится АЛЬФА-БАНК, далее следует Тинькофф, ПРОМСВЯЗЬБАНК находится на четвертом месте. Замыкает рейтинг СВЯЗНОЙ БАНК.
Тональность упоминаний
Лучший коэффициент лояльности зафиксирован при упоминании АЛЬФА-БАНКА. На втором месте находится Тинькофф, третье место занимает ПРОМСВЯЗЬБАНК. Банк Москвы располагается на четвертой позиции. Самый низкий коэффициент лояльности зафиксирован при упоминаемости БАНКА СВЯЗНОЙ.
Шаг тринадцатый: Добавляем в отчет сводные данные: период исследования, количество упоминаний, индексы лояльности и вовлеченности и их изменение по сравнению с предыдущим отчетным периодом. Все эти данные автоматически рассчитываются в эксель-отчете.
Шаг четырнадцатый: На основании проанализированного массива сообщений готовим выводы и рекомендации для клиента на ближайший отчетный период.
Шаг пятнадцатый: проверяем качество отчета на предмет фактических и грамматических ошибок, поправляем оформление и отправляем клиенту!
Познакомиться с примером готового отчета о Банке Москвы можно .
