Недавно мы запустили набор новых ИИ-инструментов — Смарт Буст. Благодаря ему вы можете обрабатывать большие массивы данных за считанные минуты. Смарт Буст берёт на себя самые ресурсоёмкие процессы: тегирование и анализ комментариев — и освобождает вам время для глубокой аналитики. На конкретных примерах показываем, как решать исследовательские задачи с помощью Смарт Буста.
Что входит в Смарт Буст
Смарт Буст объединяет набор инструментов для ускорения аналитики данных:
- ИИ-тегирование — автоматически размечает собранный в тему массив сообщений по вашим критериям;
В отличие от функционала автотегирования — разметки сообщений на основе алгоритмического поискового запроса — при ИИ-тегировании важно описать смысл сообщений, а не конкретные словоформы и возможные названия понятий.
- ИИ-анализ комментариев — мгновенно «читает» за вас тысячи комментариев ко всем постам сюжета или отдельному посту и выдаёт отчёт о позитивных, негативных и других мнениях в сюжетах и дискуссиях.
Предлагаем перейти от теории — к практике. И на конкретных примерах разобрать, как ИИ-автоматизация рутины усиливает аналитику.
Давайте проведём день с соцмедиа-аналитиком и узнаем, как проводить продуктовые исследования, оценивать восприятие ключевого сообщения и эффективность интеграции у блогера, а также решать другие регулярные задачи.
Наш аналитик работает в агентстве, поэтому клиенты и задачи у него — очень разные.
Понять, как люди оценивают качество
Качество обслуживания — важный критерий выбора того или иного заведения, магазина, отеля и так далее.
Заказчику в агентстве нужно узнать, как пользователи видят сервис в сети ресторанов быстрого питания, какие отмечают достоинства, а какие — точки роста.
О популярной сети ресторанов быстрого питания с широкой представленностью в разных городах России пользователи каждый день пишут сотни сообщений. Найти среди них подходящие по теме обслуживания может быть очень трудозатратно.
Аналитик не знал, на что именно и какими словами жалуются пользователи, поэтому не мог составить поисковый тег для последующего ограничения выборки. Кроме того, в контексте качества учесть все слова и словоформы — действительно сложно.
Зато можно сформулировать промпт, в котором будет описано содержание сообщений о проблемах с обслуживанием, привязать его к тегу и запустить ИИ-тегирование.
С помощью ИИ-тегирования аналитик обработал 1000 сообщений за 5 минут и получил 200 релевантных своему запросу публикаций.
Оказалось, пользователи жалуются на хамство, грязь, подачу остывшей еды и долгое ожидание. Далее эту информацию можно передать руководству точек для совершенствования сервиса. Проработка недостатков может вернуть клиентов, которых разочаровало обслуживание, и удержать новых клиентов.
Оценить, как донесли ключевое сообщение по новому меню
Сеть ресторанов быстрого питания решила анонсировать зимнее сезонное обновление меню — настолько кардинальное, что всего одно блюдо изменило концепцию заведений. В рамках промоанонса провели дегустацию для блогеров. Блогерам дали попробовать блюда из нового меню — с мясом, хотя изначально заведение специализируется на приготовлении курицы.
После выхода блогерских репортажей с мероприятия было важно понять, как их аудитория отнеслась к столь революционному обновлению. Для этого аналитик воспользовался ИИ-анализом комментариев в Brand Analytics.
Оказалось, в основном новую продукцию встретили негативно либо со скепсисом. В том числе люди оказались не готовы к таким изменениям и сомневались насчёт качественного выбора мясных ингредиентов компанией, которая специализируется на курице.
Эта информация важна не только командам маркетинга и PR, которые, благодаря исследованию, могут скорректировать позиционирование и добавить новые ключевые сообщения о качестве ингредиентов, но и продуктовой команде — чтобы в будущем составлять меню, соответствующее ожиданиям аудитории и сохраняет их лояльность.
Чтобы верифицировать обратную связь, аналитик провёл ИИ-анализ не только отдельного сообщения, но и целого сюжета.
Выбранный сюжет объединяет 29 сообщений про новогоднее меню. Чтобы проанализировать обратную связь по ним, требовалось бы перейти в каждую публикацию, прочитать и сегментировать комментарии под ней. На это могло бы уйти полчаса. Благодаря ИИ-анализу провести такое исследование можно за пару минут.
Анализ сюжета показал, что аудитория действительно негативно восприняла новогоднее мясное меню и активно жалуется на качество продукции (например, хрящи в котлетах). Эта обратная связь необходима для совершенствования рецепта и проработки репутации.
При этом статистика по каждому тезису доказывает, что ключевое сообщение дошло до аудитории, ведь обсуждения пользователей напрямую связаны с интеграциями — как о новом меню, так и о соответствии выбранных блогеров и бренда.
Провести продуктовый анализ на иностранном языке
Один из клиентов агентства изучает рынки Центральной Азии и хочет выйти с товаром на крупнейшие местные маркетплейсы. И для этого сначала нужно понять, что пользователи говорят о самих сервисах. Но есть проблема — наш аналитик совсем не понимает узбекский и казахский язык.
Он уже был готов выгружать все сообщения, переводить их, соединять статистические данные экспортов и переводы в одной табличке, изучать тексты и контексты, потратив на это несколько рабочих дней, когда вспомнил, что Смарт Бусту неважно на каком языке сообщение.
Смарт Буст одинаково хорошо работает со всеми языками.
Поэтому аналитик решил выделить из общего массива сообщений подходящие по смыслу с помощью ИИ-тегирования.
Он зашёл в раздел Промпты в отчёте Теги и описал на русском языке сообщения, которые были ему нужны — про ассортимент и товары на маркетплейсе. Аналитику было интересно узнать, как люди обычно обсуждают качество. Чтобы собрать подходящий для тестирования промпта массив, он отфильтровал сообщения по WOM и исключил категорию источников «Отзывы», так как площадки с отзывами — это специализированная среда, которая изменяет поведение пользователей.
Во время тестирования аналитик увидел, какие сообщения нейросеть определяет соответствующими промпту, а какие — нет и причину такого статуса. Благодаря этому он смог скорректировать промпт и запустить наиболее эффективное ИИ-тегирование.
Тестирование промпта — важный этап ИИ-тегирования. Причина соответствия — это не только подсказка, как скорректировать промпт, но и информация о содержании сообщения, что особенно полезно при работе с иностранными языками. Использованные для тестирования кредиты сохранят ваши время и усилия при дальнейшей работе.
После создания промпта аналитик запустил ИИ-тегирование, которое обработало более 1000 сообщений меньше, чем за несколько минут.
В итоге по теме ассортимента и товаров для последующего контент-анализа было выделено 24 WOM-сообщения в соцмедиа за исключением отзовиков. С таким объёмом сообщений работать намного проще, к тому же — сразу понятно, что в этих публикациях будут значимые для исследования инсайты.
При этом для поиска этих сообщений не пришлось подбирать нужные ключевые слова и словоформы на узбекском языке — было достаточно описать смысл публикаций.
Оценить эффективность размещения у блогера
В декабре в ресторанах стала доступна эксклюзивная коллаборация: игрушки Смешариков со сменными блоками.
Запуск сопровождался шумной рекламной кампанией. И под некоторыми постами аудитория блогеров оставляла сотни комментариев. Чтобы понять, как пользователи восприняли новость о коллаборации и насколько заинтересованы в ней — нужно прочитать и проанализировать содержание каждого пользовательского сообщения. Даже при работе с одним постом это может занять часы работы.
Но аналитик решает сократить время работы и узнать при этом максимум об обратной связи пользователей. Он запускает ИИ-анализ комментариев к постам.
Например, в крупном Московском телеграм-канале новость о коллаборации с использованием персонажей мультфильма вызывает неоднозначную реакцию.
И хотя позитивная реакция на игрушки со Смешариками есть, ведь люди любят коллекционирование, ностальгические истории и персонажей в целом, часть обсуждения перешла на негатив по поводу качества блюд в заведении.
Аналитик открыл подтверждающие комментарии и увидел, что именно не нравится аудитории в ресторанах.
Оперативное исследование показало, что восприятие позитивного и яркого инфоповода могут исказить сопутствующие аспекты, в данном случае — субъективное мнение о качестве основной продукции.
При этом само размещение можно назвать эффективным, так как в центре обсуждения — бренд, а не отвлечённые темы.
Понять, о чём говорят в контексте публикации в СМИ
В связи с запусками новых направлений бизнеса и стартом нового меню, в СМИ вышло много публикаций о ресторанах быстрого питания. Компании было важно понять, в каких материалах отмечают их инноваторские настроения и позиционируют их как лидера рынка, который чётко следит за трендами и запускает собственные.
Было важно, чтобы материалы содержали идею инновационности, а не конкретные ключевые слова — оценочные суждения можно сформулировать очень по-разному. Поэтому с помощью автоматического тегирования на основе алгоритмического поискового запроса решить задачу было бы почти невозможно.
Чтобы найти нужные сообщения, аналитик составил соответствующий промпт с фокусом на трендах и лидерстве компании.
На этапе проверки промпта, например, Смарт Буст отметил не соответствующими новости об открытии новых заведений, которые не отражают лидерский подход компании, или о запуске собственного проекта бывшей сотрудницей сети ресторанов быстрого питания.
Так как для анализа интересовали только статьи и новости — выборку сообщений ограничили фильтром Типы источников — онлайн-СМИ.
За 2 недели было собрано 172 публикаций в онлайн-СМИ по теме Ростикса. Чтобы выделить нужные для анализа — пришлось бы ознакомиться со всеми сообщениями разного объёма. Однако благодаря ИИ-тегированию, сегмент для анализа удалось уменьшить более, чем в 3 раза — до 48 тематических публикаций.
Благодаря отчёту Источники с учётом фильтрации по тегу стало видно, в каких СМИ чаще всего отмечают лидерский характер сети ресторанов быстрого питания, а Сюжеты показали основные тематические инфоповоды.
Лайфхаки промптинга
Промпт для Смарт Буста отличается от промптов для других нейросетей.
Структура промпта: Объект / Тема + Уточнение и контекст
- Объект — бренд, продукт или персона, о которой говорится в сообщении (если есть несколько вариантов наименования, то лучше указать каждый);
- Тема — о чём конкретно сообщение. Например, если это термин, то его лучше подробно расписать;
- Уточнение — сообщения с каким содержанием относятся к релевантным, а какие — нет;
- Контекст — что нужно ещё знать для определения релевантности.
Здесь помогает представить, что вы вводите в курс работы нового сотрудника. Сотрудника, которому достаточно один раз объяснить — и он будет выполнять задачи в соответствии с инструкцией.
Но даже у опытного пользователя, который регулярно использует Смарт Буст, может получиться не с первого раза составить подходящий промпт.
Важно не бояться тестировать формулировки, чтобы найти наиболее точную. И этому помогает причина соответствия или несоответствия сообщения промпту.
