Столичный застройщик

О проекте

Бренд — застройщик Москвы и Московской области, специализирующийся на строительстве объектов «комфорт» и «бизнес-класса», портфолио которого также включает проекты в других регионах.

SocMediaMarketing — агентство по управлению репутацией, специализирующееся на SERM и ORM в сфере строительства и недвижимости. Более 10 лет на рынке помогает девелоперам отслеживать, формировать и управлять репутацией в сети.

Задачи

Во время работы с крупным застройщиком SocMediaMarketing выявили необходимость усовершенствовать отработку репутационных рисков компании и модернизировать подход к работе со стороны как агентства, так и заказчика. Для этого решили использовать продуктовый аналитический подход на основе исследования пользовательских обсуждений.

В рамках этого подхода отзывы и обсуждения продукта (в данном случае ЖК) анализируются, а не просто отрабатываются командой ORM, и полученные инсайты передаются клиенту для последующей работы.

Портфолио клиента включает миллионы квадратных метров жилой площади — более 100 жилых комплексов в различных регионах РФ. По каждому из ЖК было необходимо не только мониторить опасные для репутации отзывы и обсуждения, но и глубоко прорабатывать потенциальные риски, чтобы минимизировать их негативное влияние на восприятие бренда и повысить лояльность аудитории.

Поэтому перед командой агентства стоял ряд задач по агрегации и сегментации данных, а также автоматизации этих процессов.

Систематизировать инфополе

В первую очередь, было необходимо собрать максимальное количество упоминаний по всем объектам застройщика, чтобы получить полную картину по восприятию клиентами.

После чего — упорядочить упоминания для последующего продуктового анализа, на основе которого проводить оперативную оценку репутационного фона, а также точечно реагировать на зарождающиеся негативные обсуждения.

Модернизировать работу с отзывами

Чтобы поддерживать уже достигнутые результаты по ключевым площадкам и продолжить регулярно повышать рейтинг, было необходимо ускорить обработку обратной связи. Для этого была нужна автоматизация мониторинга, которая бы позволила более эффективно распределять и планировать ресурсы.

В рамках этой задачи отдельный трек заключался в оперативной отработке негативной обратной связи, чтобы минимизировать её в зоне пользовательской видимости.

Сформировать бенчмарки пользовательских упоминаний

Тональность обратной связи клиентов — важный бизнес-показатель для застройщика, так как непосредственно влияет на выбор целевой аудитории в этой сложной сфере с высоким чеком и долгим циклом принятия решения.

Поэтому было важно определить релевантное соотношение долей позитивных, нейтральный и негативных упоминаний в качестве KPI для работы агентства и ориентиров для корректировки стратегии при изменении рынка.

Решение

Запустили сбор упоминаний

Названия ЖК в России часто связаны с общеупотребимыми словами и, кроме того, могут повторяться в разных регионах у различных застройщиков. Поэтому при настройке тем в Brand Analytics команда агентства сочетала тематические и географические (связанные с регионами присутствия клиента) ключевые слова, чтобы собрать релевантную информацию именно по объектам клиента.

Для этого использовался оператор поиска с расстоянием, который позволяет находить сочетания групп слов. Например, географические привязки и имена собственные.

Кроме того, для отсечения нерелевантных упоминаний использовали фильтры по географии (страна, регион, город) и тщательно подобранные минус-слова. Это позволило сократить информационный шум и при этом собрать более точные сведения о каждом объекте, не смешанными с другими ЖК с аналогичными названиями, что важно для продуктовой аналитики.

Разработали многоуровневую систему тегирования

Обработать отзывы более, чем о 100 проектах вручную — сложно. Для этого требуется регулярно выделять много человеко-часов на сегментацию общего массива информации.

Чтобы ускорить и упростить анализ, использовались теги, в том числе — автоматические.

Структура тегов состояла из 4 больших блоков:

• название ЖК,
• регион,
• тема отзыва,
• тип площадки.

Отдельно выделялся блок тегов «Главное» — ситуативный контент, требующий оперативного реагирования.

Так, к тегам блока «Тема отзыва» относились все этапы и элементы взаимодействия с клиентами, например:

• обслуживание,
• документация,
• сервис,
• сроки сдачи,
• качество строительства.

Автотегирование и тегирование на основе правил позволило значительно ускорить процесс систематизации данных и последующей аналитики.

Например, теги уровня «Название ЖК» присваивались на основе ключевых слов — непосредственных названий комплексов с учётом пользовательских вариантов написания. А «Тип площадки» задавался с помощью правила, которое устанавливалось с помощью фильтрации по автоматически определяемому системой типу источников.

Проанализировали популярные темы обсуждений

Система тегов значительно упростила работу с массивом данных, автоматически классифицируя ключевые упоминания, что позволило и агентству, и клиенту-застройщику видеть распределение тональности упоминаний по регионам и отдельным ЖК.

Для оперативной оценки репутационного фона полезен отчёт «Теги» с автоматической визуализацией распределения сообщений по тегам, их тональности и динамики.

Изменения в сторону негативной тональности по приоритетным тегам (например, «Качество стройки» или «HR») позволяло выявить зарождающиеся неблагоприятные обсуждения и своевременно точечно реагировать на них.

Кроме того, отчёт по тегам показывает, какие темы наиболее важны для покупателей и какие площадки они преимущественно используют для коммуникаций. Так за пару месяцев аналитики обнаружили, что наибольший интерес вызывают категории «сроки сдачи» и «качество материалов», при этом становясь триггерами для сомнений потенциальных клиентов. Эти данные после исследования со стороны агентства были переданы заказчику, в результате чего команда менеджеров офиса продаж усовершенствовала отработку отдельных возражений.

Модернизировали систему обработки отзывов

Чтобы ускорить ответы на отзывы, использовали разные инструменты системы Brand Analytics.

Во-первых, с помощью фильтрации негативных сообщений по тегам, например, «Качество строительства» выделяли продуктовые жалобы клиентов для приоритетной отработки.

Во-вторых, настроили оповещения о значимых изменениях инфополя как на почту вовлечённым сотрудникам, так и в Telegram-чат.

Особенное внимание уделялось упоминаниям на сервисах с высоким трафиком, таких как Яндекс Карты и 2ГИС.

Кроме того, система помогала не только своевременно обнаруживать и обрабатывать отзывы, но и оценивать качество сотрудничества: по динамике изменения тональности пользовательских сообщений (WOM) и индексу Лояльность темы. Это, в свою очередь, позволило эффективнее распределять и планировать ресурсы на репутационный менеджмент.

Один из KPI для работы команды также был установлен на основе данных аналитики — тональность пользовательских сообщений. Релевантное и значимое для бизнеса соотношение % позитивных, нейтральных и негативных упоминаний рассчитывалось из ретроспективных данных и современных тенденций.

Анализировали инфополе

Автоматические отчёты системы Brand Analytics позволяли увидеть комплексную картину восприятия объектов застройщика целевой аудиторией и выявить продуктовые и маркетинговые инсайты.

Кроме отчёта «Теги» и «Тональность», также использовались и другие, например:

С его помощью можно узнать:

• Как пользователи говорят о продукте (полезно для формирования Tone Of Voice коммуникаций);
• Какие темы и аспекты больше всего волнуют клиентов;
• Какие тренды в инфополе — по лидерам роста популярных слов.

Например, команда SocMediaMarketing систематически отслеживает как всплески интереса, так и негативную динамику в восприятии по каждому из объектов застройщика — с помощью фильтрации по тематическим тегам в этом отчёте.

Отчёт помогал планировать стратегию работы по управлению негативом внутри каждого проекта. Также полученные инсайты использовались застройщиком для корректировки контент-стратегии, в рамках которой часть публикаций на официальных страницах в соцсетях посвящалась актуальным для пользователей тематикам.

Отчёты «Авторы» и «Источники» показывают, кто и на каких площадках чаще всего и с какой тональностью упоминает объекты мониторинга. Эти отчёты позволяют выявить лидеров мнений, адвокатов бренда, но также и опасных для репутации авторов.

Отчёты с автоматической визуализацией (гистограммами и другими графиками) в целом помогали рабочей группе видеть текущую картину в инфополе и своевременно доносить её до клиента. Например, застройщику стали передавать информацию не только по частотности и тональности упоминаний, но и по их распределению по регионам, которое можно отслеживать как благодаря соответствующему тегированию, так и с помощью отчёта «География».