«Технологический подход к решению задачи анализа и управления сообщениями обратной связи потребителей»

Федеральное государственное автономное учреждение

высшего профессионального образования
Национальный исследовательский университет

Высшая Школа Экономики

Факультет бизнес-информатики

1. Вступление

1. Введение

Обратная связь всегда сопутствовала товарно-денежным отношениям, с самого их возникновения. Более того, на ранних этапах этих отношений, мнения покупателей было легко получить, так как цепочка производитель-продавец-потребитель была чрезвычайно короткой. Товары были единичны, и мнение о них можно было просто спросить при продаже. С развитием капиталистического производства и возникновением больших фабрик и заводов, появилась возможность значительно снизить себестоимость товаров потребления. Продукция таких предприятий настолько легко выигрывала в конкурентной борьбе за счет низкой цены, что позволяло на время забыть о мнении покупателя. Но этот этап, когда можно было конкурировать только ценой, ушел в прошлое. В мире, где появилось множество гигантских международных корпораций, конкуренция настолько обострилась, что любой производитель вынужден биться на рынке за своего покупателя, исследуя его запросы и ожидания; конкуренция ценой более не актуальна, так как ведет к краху предприятия.

2. Актуальность темы

Сталкиваясь с различными формами обратной связи в жизни и на работе, я заинтересовался данной темой, убедился в ее важности в современном секторе потребительских услуг и решил исследовать возможные пути развития этого интересного инструмента управления и развития бизнеса. Мои попытки исследования темы столкнулись с большой фрагментированностью информации и недостаточным количеством работ в данной области. У меня возникло ощущение не научности, бессистемности и даже хаотичности усилий многих компаний по осуществлению обратной связи. В этот момент у меня зародилась мысль создания данной работы, в которой я соберу и проанализирую существующие методы, принципы, способы проведения мероприятий сбора информации “из первых рук” и их обработки.

3. Цель и задачи работы
   
   
   

Данная работа ставила перед собой решение следующих задач:

• 
  выявление и классификация существующих технологических подходов к управлению обратной связью организации;
  
• 
  выделение критериев оценки существующих на данный момент различных технологических подходов к управлению обратной связью;
  
• 
  оценка применимости исследуемых технологических подходов к управлению обратной связью;
  
• 
  проверка сделанных выводов в ходе практического применения технологий управления обратной связью.
  

2. Основная часть

1. Теоретическая часть
   
   
   

1. Методы явного сбора данных обратной связи

1. CATI (Computer Assisted Telephone Interview)

Основными достоинствами данного метода являются:

• 
  относительно высокая надежность собранных данных, так как интервьюер общается с респондентом непосредственно
  
• 
  относительно высокая оперативность проведения опроса
  
• 
  возможность демонстрировать респонденту заранее записанные аудио-фрагменты (рекламные ролики, и т.д.)
  
• 
  возможность анализа собираемых данных в режиме реального времени
  

• 
  относительно высокая стоимость проведения интервью, в связи высокой стоимостью организации и обслуживания колл-центра и очень невысоким процентом (до 5%) желающих принять участие в интервью от числа тех, кому удалось дозвониться
  
• 
  сложности при получении ответа по телефону на «чувствительные» для респондента вопросы (например - личные финансы)
  
• 
  невозможность демонстрации респонденту визуальных материалов
  
• 
  для получения статистически значимых результатов необходим высокий уровень телефонизации территории проживания респондентов
  

2. CAPI (Computer Assisted Personal Interview)

Основными достоинствами данного метода являются:

• 
  относительно высокая надежность собранных данных, так как интервьюер общается с респондентом лично
  
• 
  возможность проводить опрос непосредственно «на месте и во время событий» (в торговом зале, в аэропорту, сразу после покупки/получения услуги и т.п.) что позволяет получить свежее впечатление
  
• 
  возможность демонстрировать респонденту мультимедийные презентации
  
• 
  возможность проведения опросов там, где нет сети интернет и мобильной связи
  

• 
  относительно высокая стоимость интервью в связи с участием интервьюеров и необходимостью страхования используемого ими мобильного оборудования
  
• 
  данные опросов попадают в централизованное хранилище с некоторой задержкой и их анализ в реальном времени затруднен
  

3. CAWI (Computer Assisted Web-based Interview)

Преимущества CAWI:

• 
  В большинстве случаев этот метод является наиболее экономичным с точки зрения материальных и временных затрат
  
• 
  Предоставляет широкие возможности для демонстрации видео- и аудиоматериалов, а также изображений
  
• 
  Исследование особенностей поведения интернет-аудитории (предпочтений, мнений этой группы) возможно только этим методом
  
• 
  Основные результаты доступны в режиме реального времени через веб-интерфейс
  
• 
  Возможность опросить аудиторию, труднодостижимую при использовании других методов (например, молодежь, пользователей сложных компьютерных устройств и пр.)
  
• 
  Практически не накладывает ограничений в географии проводимого исследования.
  

• 
  Не для всех рынков может быть гарантирована репрезентативность участников исследования целевой аудитории (например, исследование пожилых людей/ людей с низким материальных положением, жителей районов, недостаточно охваченных Интернетом)
  
• 
  Весьма затруднительно достоверно установить социально-демографический профиль респондента, что снижает достоверность собранных данных
  

2. Методы неявного сбора данных обратной связи

1. Аудит розничной торговли

• 
  определить объем и доли рынка;
  
• 
  провести сравнительный анализ различных товаров и различных участников рынка;
  
• 
  выявить незанятые ниши и разработать новые продукты;
  
• 
  скорректировать позиционирование существующей и разработать основу позиционирования новой продукции.
  

К преимуществам метода Retail Audit можно отнести относительную технологическую простоту получения данных и их высокую точность.

Данные Аудита розничной торговли позволяют постоянно отслеживать рыночную ситуацию и предоставляют уникальный инструмент для продвижения брендов и товарных категорий. Результатом аудита может являться:

• 
  Емкость рынка по конкретному виду товара в денежном и физическом выражении
  
• 
  Распределение показателей продаж по торговым маркам / производителям и ассортименту исследуемых марок / производителей (занимаемые доли на рынке, а также распределение в разрезе ценовых групп)
  
• 
  Распределение показателей продаж по основным характеристикам исследуемого товара (цвет, наличие добавок и т.п.), а также по основным характеристикам упаковки (емкость и тип упаковки)
  
• 
  Рекомендации относительно настоящего положения марки ("стадия жизненного цикла марки") и действий относительно ее дальнейшего продвижения
  
• 
  Рекомендации по планированию ассортиментного ряда (количество ассортиментных позиций (расширение ряда и/или ликвидация позиций), формы и объемы упаковок.
  
• 
  Рекомендации по планированию ценовой политики торговой марки (оценка привлекательности ценовых сегментов в натуральном и денежном выражении)
  

С постоянным усилением конкуренции сокращается время для принятия управленческих решений, и возрастают информационные потребности. Точные и достоверные данные становятся ключевым конкурентным преимуществом. Уже невозможно действовать вслепую на рынке, полагаясь только на собственную интуицию. Что может быть важнее, чем своевременная оценка потребностей клиентов или реакции конкурентов?

Изменение требований к информации меняет и представления о реализации маркетинговых исследований. Retail Audit является оптимальным инструментом решения современных исследовательских задач на рынках FMCG (Fast Moving Consumer Goods – Товаров Повседневного Спроса).

2. Анализ тональности текста

В последние годы происходит бурный рост размеров Интернета. Вместе с увеличением числа пользователей сети Интернет, возрастает и количество генерируемого ими контента. Люди оставляют сообщения на форумах, пишут посты в блогах, комментируют товары на страницах интернет-магазинов, делятся своими впечатлениями о товарах и услугах в социальных сетях. Согласно исследованиям Всероссийского центра изучения общественного мнения, количество россиян, регулярно (не реже раза в месяц) пользующихся интернетом выросло с 38% в 2010 г. до 55% в 2012 г. Число зарегистрированных в социальных сетях россиян за эти 2 года (с 2010 по 2012 гг.) также значительно возросло – с 53% до 82%. [15]

Весь этот контент несет в себе огромное количество информации, которую можно и даже нужно использовать. Существует отдельное направление искусственного интеллекта и математической лингвистики – обработка естественного языка, или компьютерная лингвистика. Оно позволяет извлекать разнообразную информацию, находящуюся в форме текста на естественном языке. Одно из перспективных направлений компьютерной лингвистики – анализ тональности текста.

Анализ тональности текста позволяет извлекать из текста эмоционально окрашенную лексику и эмоциональное отношение авторов по отношению к объектам, о которых идет речь в тексте. Большинство современных систем используют бинарную оценку – «положительный сентимент» или «отрицательный сентимент», однако некоторые системы позволяют выделять силу тональности.

В современном мире на наш выбор в каких-либо ситуациях зачастую влияет мнение других людей – мы читаем отзывы о товаре, прежде чем заказать его в интернет-магазине, узнаем мнение других людей, прежде чем проголосовать на выборах за того или иного кандидата, долго и тщательно выбираем себе ВУЗ, место работы и ресторан, который мы собираемся посетить. Эта информация представляет значительный интерес для маркетологов, социологов и многих других специалистов. Кроме того, для владельцев интернет-ресурсов жизненно важно знать мнение пользователей – будь это мнение относительно сделанного на портале нововведения, свежей новости или оценка пользователями товара в интернет-магазине. Все вышесказанное делает актуальной задачу анализа тональности текста.

Согласно [8], несмотря на перспективность и актуальность этой задачи, существует сравнительно малое число систем, способных эффективно анализировать тональность текста на русском языке.

Кроме того, необходимо заметить, что достаточно сложно связать между собой данные по тональности текста и социально-демографический профиль авторов соответствующих сообщений, что существенно снижает области практического применения данного технологического подхода.

3. Перспективы развития

   1. Большие данные (Big Data)

“Big data” – термин, фигурирующий почти на всех профессиональных конференциях, посвященных анализу данных, прогностической аналитике, интеллектуальному анализу данных (data mining), CRM. Термин используется в сферах, где актуальна работа с качественно большими объемами данных, где постоянно происходит увеличение скорости потока данных в организационный процесс: экономике, банковской деятельности, производстве, маркетинге, телекоммуникациях, веб-аналитике, медицине и др.

Вместе со стремительным накоплением информации быстрыми темпами развиваются и технологии анализа данных. Если еще несколько лет назад было возможно, скажем, лишь сегментировать клиентов на группы со схожими предпочтениями, то теперь возможно строить модели для каждого клиента в режиме реального времени, анализируя, например, его перемещение по сети Интернет для поиска конкретного товара. Интересы потребителя могут быть проанализированы, и в соответствии с построенной моделью выведена подходящая реклама или конкретные предложения. Модель также может настраиваться и перестраиваться в режиме реального времени, что было немыслимо еще несколько лет назад.

В области телекоммуникации, например, развиты технологии для определения физического расположения сотовых телефонов и их владельцев, и, кажется, в скором времени станет реальностью отображение рекламной информации в торговых центрах учитывая интересы конкретных лиц, проходящих мимо.

В современных обсуждениях понятие Big Data описывают как данные объема в порядках терабайт. На практике (если речь идет о гигабайтах или терабайтах), такие данные легко хранить и управлять ими с помощью «традиционных» баз данных и стандартного оборудования (сервера баз данных).

Как правило, обсуждение Big Data сосредоточено вокруг хранилищ данных (и проведении анализа, основанных на таких хранилищах), объемом намного больше, чем просто несколько терабайт. В частности, некоторые хранилища данных могут вырасти до тысячи терабайт, т.е., до петабайт (1000 терабайт = 1 петабайт). За пределами петабайт, накопление данных может быть измерено в эксабайтах, например, в производственном секторе по всему миру в 2010 году, по оценкам, накоплено в общей сложности 2 эксабайта новой информации.[9]

Современные технологии позволяют «отслеживать» людей и их поведение различными способами. Например, когда мы пользуемся интернетом, делаем покупки в Интернет-магазинах или крупных сетях магазинов, таких как Walmart (согласно Википедии, хранилище данных Walmart оценивается более чем в 2 петабайта), или перемещаемся с включенными мобильными телефонами – мы оставляем след наших действий, что приводит к накоплению новой информации.

Различные способы связи, от простых телефонных звонков до загрузки информации через сайты социальных сетей, таких как Facebook (согласно данным Википедии, обмен информацией каждый месяц составляет 30 млрд. единиц), или обмен видео на таких сайтах, как YouTube (YouTube утверждает, что он загружает 24 часа видео каждую минуту; см. Wikipedia), ежедневно генерируют огромное количество новых данных.

Данные, которые порождаются с использованием технологий обратной связи, таких как описанные выше методы явного и неявного сбора данных естественным образом вписываются в концепцию Big Data. В принципе все «электронные следы», которые человек оставляет в Интернет, могут рассматриваться как неявная обратная связь, получаемая от него. К сожалению, на сегодняшний день, не существует отработанных и представляющих практическую ценность методов работы с Большими Данными. Однако, на взгляд автора, они могут появиться в течение ближайших десятилетий, и тогда способы взаимодействия организаций со своими клиентами скорее всего радикально изменятся.

2. Краудсорсинг

Считается, что первым этот термин использовал Джефф Хау, в работе [7]. В ней Хау описал феномен объединения людей для решения какой-либо задачи без вознаграждения или за незначительное вознаграждение и последствия развития таких объединений для компаний, решающих аналогичные задания профессионально. С тех пор термин приобрел популярность и развивается, постоянно получая новые и новые проявления.

Суть метода заключается в том, что задача предлагается неограниченному кругу людей в независимости от их профессиональной, возрастной и статусной принадлежности. Участники краудсорсинг-проектов образуют сообщество, которое путем обсуждения выбирает наиболее удачное решение.

Для них это является прекрасным средством реализовать себя и использовать накопленные знания. Кроме того, наиболее активные участники получают, как правило, определенную награду по завершению проекта. А проекты становятся своеобразным социально-карьерным лифтом, давая возможность талантливым людям проявить себя.

Для компаний этот метод является мощным инструментом, позволяющим с минимальными затратами корректировать развитие бизнеса. В том числе – разрабатывать продукты, максимально ориентированные на клиентов, ведь клиенты, участвуя в краудсорсинговых проектах, сами проектируют продукты для себя.

В последнее время краудсорсинг используют не только в бизнесе: его начинают применять государственные и общественные организации. Интернет сделал этот метод дешевым и общедоступным в десятках областей человеческих знаний. Развитие технологий обеспечило доступ к информации огромному числу пользователей. Последнее обстоятельство, в свою очередь, сократило разрыв между профессионалами и любителями в разнообразных отраслях знаний. В результате организации получили возможность воспользоваться талантами "сетевой толпы", привлекая миллионы людей к работе над разнообразными задачами.

Джефф Хау показывал, что группы энтузиастов, которые работают над какой-то задачей, зачастую могут выдавать лучшие результаты, чем профессионалы. Хау полагал, что для любой работы больше всего подходит тот, кто больше всего хочет её выполнить. Эксперты, даже самые умные, всегда будут более ограничены, чем тысячи энтузиастов. Да и где гарантия, что профессионалы в какой-либо области не обременены теми же предрассудками, что и энтузиасты.

Базисом всех проектов, использующих краудсорсинг, являются талантливые люди, которые готовы жертвовать своим временем. Обычно энтузиасты, которые занимаются такими проектами, стремятся не столько заработать денег, сколько получить моральное удовлетворение от работы. Возможно, именно поэтому самыми масштабными примерами краудсорсинга до сих пор были некоммерческие проекты.

С ростом популярности традиционного вида краудсорсинга стали очевидны и его недостатки – например, бесполезный "шум" идей, генерируемый пользователями, недостаточная мотивированность волонтеров, а также снижение качества конечного продукта. И все же краудсорсинг, несмотря на все ограничения, находит все новые применения в целом ряде индустрий. Да и с "шумом", который производят пользователи, участвующие в проектах по краудсорсингу, можно справиться, правильно структурировав задачу и организовав ее выполнение.

Таким образом, множество людей создают идею. Оценивать её нужность могут не только модераторы, но и участники, потом эта идея дорабатывается и реализуется. Принципиально важно одновременное участие многих энтузиастов, так как это дает эффект синергии и позволяет генерировать наиболее оригинальные и даже гениальные решения.

Краудсорсинг всё более широко и активно используют как бизнес-компании, так и органы государственной власти и некоммерческие организации. Появляется всё больше успешно реализованных проектов с применением метода краудсорсинга от разработки законопроектов (например, конституция Исландии разработана с использованием метода краудсорсинга) до создания программного обеспечения. Самый известный такой проект – это "Википедия".

4. Выводы по данной главе

Для оценки применимости различных технологических подходов к управлению обратной связью предлагается ввести следующий набор критериев:

• 
  Cтоимость реализации
  
• 
  Достоверность получаемых данных
  
• 
  Полнота получаемых данных
  
• 
  Оперативность получения и анализа данных обратной связи
  
• 
  Возможность глобального использования
  

Предлагается ввести следующий набор (относительных) значений каждого из критериев:

• 
  Низкое (Н)
  
• 
  Среднее (С)
  
• 
  Высокое (В)
  

В крупных российских и зарубежных исследовательских организациях для набора и контроля достоверности данных участников интернет-панелей (регулярные CAWI опросы относительно стабильной группы респондентов на разные темы) применяется CATI. И результаты, собранные с применением обоих технологических подходов хранятся и анализируются как единое целое.

В организациях розничной торговли, после интервью в точке продажи (Point-Of-Sale interview), проведенного с применением CAPI, при согласии респондента, с ним продолжают общаться с применением CAWI и CATI - в зависимости от того, как удобнее респонденту, для того, чтобы максимально эффективно использовать полученные данные обратной связи.