Andersen

Индонезийские обезьянки и разбитая Хонда: как можно было избежать потери миллиардов долларов?

Jul 13, 2020
Blog

Очевидно, что отрицательные отзывы, комментарии и в целом негативная активность в соцсетях вредят бренду компании. Однако даже опытные PR-менеджеры порой не могут предсказать, чего будет стоит их бренду одна эмоциональная история недовольного клиента. Вовремя не среагировав и позволив ситуации выйти из-под контроля, компания может потерять миллиарды всего на несколько часов.

17 марта 2010 года Greenpeace нанесла медиаудар по компании Nestlé, а именно по бренду Kit Kat. Организация выяснила, что индонезийский поставщик Nestlé злоупотребляет вырубкой леса для добычи пальмового масла и это наносит комплексный ущерб экосистеме. Greenpeace опубликовала на YouTube видеоролик, который пародирует рекламу “Есть перерыв, есть Kit Kat” и демонстрирует, что такой “перерыв” офисных работников строится на крови индонезийских обезьянок. 

Nestlé отреагировала жестко, потребовав удалить все видео, ссылаясь на нарушение авторских прав. И если на сам ролик реакция коммьюнити была относительно сдержанной, то реакция Nestlé вызвала у пользователей соцсетей настоящий гнев. Посыпались тысячи репостов и гневных комментариев, и на открытии торгов 19 марта цена акций Nestlé рухнула на 1,5%. Компания потеряла примерно $2,5 млрд, с учетом рыночной капитализации.

Еще один пример — в 2004 году владелица магазина одежды из Бангкока Данфин Силакет приобрела автомобиль Honda CR-V. Это была машина ее мечты, она копила на нее несколько лет. Однако практически сразу же после покупки в автомобиле одна за другой начали происходить поломки, Данфин практически ежедневно посещала автосервис. Автомеханик сообщил ей, что из 100 единиц модели CR-V одна обязательно оказывается бракованной, и Данфин просто не повезло.

Разгневанная клиентка обратилась к руководству Honda за извинениями и компенсацией, но те ее проигнорировали. И тогда Данфин взяла кувалду и разбила машину вдребезги прямо в центре Бангкока. При этом девушка не забыла пригласить на мероприятие журналистов. Новость разлетелась по СМИ, инфоповод стал вирусным, а компания Honda потеряла 20% капитализации в течение следующих трех месяцев. А компенсацию клиентке в итоге все равно выплатили, только от убытков и испорченной репутации компанию это уже не спасло.

Эти примеры показывают, что бороться с негативом нужно своевременно, и каждая реакция компании должна быть максимально обдуманной. Всегда есть факторы за и против, в разных ситуациях один и тот же ответ может как погасить негатив, так и спровоцировать его рост в геометрической прогрессии. Провести анализ ситуации и выработать оптимальную стратегию реагирования на негатив компаниям могут помочь инструменты Data Science. 

Уже около десяти лет ученые анализируют негативные комментарии в Facebook, Twitter и других соцсетях и оценивают ущерб, нанесенный ими крупнейшим мировым компаниям. Исследователи также разработали ряд рекомендация по своевременному выявлению таких очагов негатива и ограничению ущерба, который они могут нанести.

Выявление потенциально вирусных постов

Из всех негативных постов в соцсетях вирусными становится порядка 3%. Ученым удалось определить ряд общих характеристик, которыми обладали такие посты:

1. Эмоциональный язык. Пользователи соцсетей охотнее комментируют и репостят те посты, которые транслируют эмоции автора. такие посты вызывают больше сочувствия и желания помочь.

2. Манера общения. Обычно автора постов поддерживает та часть коммьюнити, которая разговаривает с ним на одном языке. 

Недовольный клиент, который пишет эмоциональные комментарии и умеет найти общий язык с коммьюнити, может стать настоящей угрозой для имиджа компании.

Предотвращение распространения негатива

Негатив игнорировать нельзя — такова самая явная закономерность, установленная учеными в процессе исследования. Если компания никак не отвечает на негативный комментарий, который грозит стать вирусным, громкий скандал практически неизбежен (вспомним случай с Honda CR-V и позицией экзекьютивов). 

Можно выделить несколько наиболее распространенных типов реакции на негатив, которые помогали смягчить ситуацию и снизить желание вмешиваться у других пользователей:

1. Предложение обсудить ситуацию в личных сообщениях.

2. Извинение.

3. Объяснение причин возникновения ситуации, которая вызвала негатив.

4. Выражение сочувствия.

5. Предложение компенсации.

Первые два варианта реакции, как правило, вызывают положительный эффект и помогают предотвратить скандал. Однако на попутки оправдаться, выразить сочувствия и предложить компенсацию реакция может быть непредсказуемой. 

Например, по статистике, когда компания начинает ответ с предложения компенсации, это вызывает волну негатива и жалоб со стороны других клиентов, которые тоже захотят получить денег. С другой стороны, если компания вообще не предлагает компенсацию, это также может разозлить недовольного клиента и его сторонников. Поэтому момент предложения денег должен быть выбран грамотно, когда первые эмоции уже утихли, и клиент готов к конструктивным переговорам.

Ограничение ущерба от негатива

Иногда предотвратить распространение негатива о компании не получается, даже предпринимая оптимальные с точки зрения вероятностного анализа шаги. Но даже когда пост с претензией клиента стал вирусным, ущерб можно ограничить, однако действовать нужно с поправкой на ситуацию. 

Пытаться переводить общение с недовольным клиентом в личный диалог уже опасно — ситуация стала публичной и коммьюнити воспримет эту попытку как желание “замять по-тихому”. Также не стоит просто пытаться предложить денежную компенсацию — это может быть воспринято аналогично. Оптимальным вариантом будет предложить разумную компенсацию, при этом выразить готовность открыто обсудить ситуацию и дать подробные объяснения по инциденту, который стал причиной возникновения негатива.

Data Science позволяет предлагать новые, более точечные и дешевые решения традиционных проблем. Мы в Andersen активно развиваем направление Data Science, и регулярно делимся успешными кейсами с решениями для наших клиентов.

Например, выявление негатива в СМИ мы проводили по следующему алгоритму:

1. Составляются списки источников, ключевиков и тэгов.

2. Пишется облачное решение на платформе Google, AWS, Azure или Яндекс, которое, с использованием API, периодически проходит по популярным социальным сетям и целевым форумам и скачивает оттуда контент в Data Lake. 

3. Контент проходит ETL пайплайн, структурируется, чистится и сохраняется в Data Warehouse. 

4. Со структурированными данными делается семантический, лексический анализ и анализ тональности с использованием state of the art моделей обработки естественного языка или предоставленных облачными провайдерами AI-решений. Также проводится математическое моделирование потенциальной вирусности постов и эмоционального отклика аудитории. 

5. Информация предоставляется заказчику в виде дашбордов на базе готовых BI систем (Tableau, Power BI, Data Lens, Data Studio, QuickSight) или на кастомно разработанном сайте.

Python Developer

Join the team of skilled and great specialists! We are always looking for talent, so don't hesitate to contact us.

Wanted
Previous articleNext article