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.
