Для чего конкурентная разведка исследует социальные сети
По большому счету для сбора информации, но у каждого направления свои цели сбора информации. Одни ищут собеседников, другие рынки сбыта, третьи поддержку… Это интересы, что называется частных пользователей. А вот что ищем мы в соцсетях? Безусловно - информацию для решения своих задач или инструмент для решения этих задач. Например:
- конкурентная разведка собирает информацию в социальных сетях в частности для:
- понимания рынка и его составляющих;
- выявления новых источников информации по всему спектру вопросов;
- определения начала изменения и, а лучше выявление предпосылок к изменению ситуации на рынке (как позитивных так и негативных);
- служба безопасности собирает информацию в социальных сетях для:
- выявления каналов и фактов утечек защищаемой информации;
- выявления негативных настроений персонала компании к компании, отдельным сотрудникам, продуктам компании;
- изучения кандидатов на работу в компании;
-PR собирает информацию в социальных сетях для:
- определения мнения потребителей о компании (или о ее продукте);
- выявления тенденций изменения этого мнения мнений;
- понимания почему нравиться/не нравиться продукт конкурентов;
- выявления «слабостей» продуктов конкурентов;
Как происходит сбор такой информации? В основном по отслеживанию новых сообщений, содержащих некие ключевые слова, как вариант название компании или продукта (если они достаточно уникальны), при условии, что эти сообщения размещены в социальных сервисах. Здесь возникает первая проблема - крупные сервисы известны, но когда с глобального уровня спускаемся на региональный, возникает необходимость уделять больше внимание именно региональным (местным) сервисам, а они не так известны. Поэтому первым делом нужно выявить эти самые местные социальные сервисы. Далее собственно мониторинг - осуществлять его можно «в ручную» с помощью поисковиков (тот же Яндекс и его сервис «Блоги»). Но если вы исследуете достаточно обсуждаемый продукт, то будет утомительно периодически отсматривать по нескольку сотен материалов. Вряд ли хватит времени для чтения всего этого потока сознания. Так что процесс нужно автоматизировать. Самый явный вариант это выявление негативных высказываний о продукте и позитивных. Тоже скажу вам задачка - не просто обрисовать формальные правила отделения негатива и позитива, особенно с учетом юмора, намеков, сарказма… Но прогресс не стоит на месте и появляются разнообразные технологии, алгоритмы и т.п. решения этой проблемы.
Но отделение негатива от позитива оказывается не последним шагом к нирване. Допустим удалось отделить плохое от хорошего (с нашей точки зрения) и подсчитать чего больше. Затем на основе данных об изменении этих показателей построили график и увидели ситуацию в развитии, а заодно увидели и всплеск негатива по отношению к нашей компании, который произошел буквально «на пустом месте». Фактически выявили мы начало изменения мнения потребителей о нашем продукте. Даже не так - выявили изменение соотношения позитивных и негативных отзывов о продукте. Что дальше? А дальше нужно понять почему такие изменения начались. Только получив ответ на этот вопрос можно двигаться дальше и изменить ситуацию в свою пользу. Вариантов не много:
- естественные причины (качество нашего продукта, новый продукт у конкурентов и т.п.);
- искусственные причины (манипулирование общественным мнением или корректировка инфополя).
Понять что же мы такое увидели можно несколькими способами:
1 - через определение момента появления негативных высказываний и изучения динамики их дальнейшего появления.
2 - через определение авторов негативных отзывов и дату появления их аккаунтов.
3 - посредством исследования контента негатива.
Через определение момента появления негативных высказываний и изучения динамики их дальнейшего появления. Если с первого момента появилось много негативных высказываний похожей тематики - высока вероятность искусственной коррекции информационного поля.
Через определение авторов негативных отзывов и дату появления их аккаунтов. Если все аккаунты зарегистрировались незадолго перед началом публикации негатива (примерно в один период времени), то высока вероятность искусственной коррекции информационного поля.
Посредством исследования контента негатива. Если контент (текстовка) высказываний разных ников совпадает полностью - явно искусственная коррекция информационного поля. Если же в основном совпадает (присутствуют цитаты из других аналогов) и при этом аккаунты созданы примерно в одно время - присутствует искусственная коррекция инфополя.
Продолжение следует :)
С уважением!
Нежданов Игорь