Использование контента соцсетей для анализа Big Data: корейский опыт

Олег Брагинский, основатель «Школы траблшутеров» и директор «Бюро Брагинского»

Каким образом ритейлер может использовать фотографии и комментарии из социальных сетей для увеличения объема продаж, рассказывает наш постоянный автор Олег Брагинский, основатель «Школы траблшутеров» и директор «Бюро Брагинского».

Странная пошла мода, заимствованная у Запада: безапелляционно и не к месту заявлять о первенстве. Куда ни глянь – сплошь лучшие компании, локализующиеся на пятачке суши в поле зрения: так червяк хвалит яблоко, не замечая соседние плодовые, не догадываясь о существовании иных садов.

Прорывные технологии подсматриваем на стороне, копируем стыдливо, внедряем спешно, пишем бравурные пресс-релизы. На наши прилавки азиаты смотрят с ухмылкой превосходства, считая славянскую экономику погрешностью в масштабах своей, а мы уверены, что лидируем на мировой арене ритейла. Банки и телеком привычно используют содержимое профилей в социальных сетях для кредитных скорингов и хитроумных сегментаций вторичных продаж. Но ритейлеры заявляют: «точить инструмент некогда, скорей пилить надо», хвастаясь количеством открытых магазинов и суммарно-котловым оборотом.

Покемоны проникли в общественное сознание феноменом без тени реальности, складских запасов, изощренной логистики, отходов производства. А мне недавно довелось участвовать в проекте обогащения клиентской базы представителя корейской сетевой розницы и ее обработки инструментами анализа Big Data.

Одежный ритейлер провел акцию начисления баллов лояльности, стимулируя потребителей дополнить клиентские анкеты идентификаторами профилей социальных сетей и мессенджеров. 56% участников довнесли данные в мобильное приложение за первую неделю, еще 23% «подтянулись» в течение месяца.

Предлагалось три уровня интеграции:

• сделать приложение «другом», которому доступна расширенная информация профиля, фотографии, геолокационные данные, адресные книги, данные о звонках и тексты сообщений. На это согласились 41% потребителей в обмен на 30%-ные скидки и прочие бонусы;

• предоставить приложению статус «приятеля» с разрешением просмотра базовой информации профиля, частых контактов и посещений. На «приятельство» решились 38% участников за 20%-ную скидку;

• сообщить приложению идентификаторы профиля, триггер онлайн-статуса и меток геопозиций в режиме «знакомого» за 10%-ную скидку соизволили 21% осторожных и нежадных клиентов.

Ритейлер надеялся использовать тренды общения, подсоединения и поддержки в политике, моде, потреблении и развлечениях. Его интересовало поведение в течение суток после покупок: надел ли человек вещь, сделал ли селфи, в каком тоне откомментировал товар, как отреагировали фолловеры, стал ли пост или твит популярным.

Мы мониторили количество друзей, подписчиков, собственных и наведенных кликов, число посещений и проведенное время на пабликах и лентах официальных страниц, ранжирование в поисковых системах комментариев, фотографий и видеофрагментов, активность регистраций и переходов по ссылкам, зависание на рекламе и отказ от просмотра, чекины и геолокационные перемещения.

Публикующие от 5 до 10 постов в день пишут экспрессивные тексты, забирают внимание на себя, легко уходят в дебри общения вне зависимости от точки информационного входа

Множественные эксперименты показали, что вторым крылом «птицы потребления» является общительность и восприимчивость клиента. Обитатели сети, публикующие более 10 недублирующихся постов в день, оказались плохими коммуникаторами – слишком распыляют внимание фолловеров разномастными публикациями.

Публикующие от 5 до 10 постов в день пишут экспрессивные тексты, забирают внимание на себя, легко уходят в дебри общения вне зависимости от точки информационного входа. Наиболее сосредоточенными оказались клиенты, публикующие 15–30 постов в неделю, – держат фокус, общаются предметно.

Корейские потребители постоянно пишут в смартфоны, поэтому последнюю группу без возражений заказчика назвали «Интроверты» и приступили к ее глубокому изучению. Многие гипотезы ожидаемо подтвердились: такие потребители имеют разумно ограниченный круг знакомых, но их посты неизменно находят отклик.

Впрочем, попытки привлечения интровертов на премьерные показы и специальные условия распространения экспериментальной продукции провалились с треском – они не пожелали контактировать, отказались приходить в назначенное время и бойкотировали таргетированные рекламные активности.

Группу средней активности назвали «Амбивертами», предположили серединные показатели активности, восприимчивости… и прогадали: на их посты предметно отзывались 67% экстравертов (первая, наиболее общительная группа), 41% амбивертов и 23% интровертов с распределением фотографически подтвержденных покупок: 18, 7 и 8% при фактическом потреблении: 26, 11 и 6%.

Экстраверты чаще других размещали в начальных постах фотографии себя в одежде бренда, но не проявляли ни малейшей лояльности к старающимся порадовать скидками ритейлерам. Похоже, их поведение не провоцировало цепных реакций, ведущих фолловеров в магазины. Начальные гипотезы не подтвердились и не дали полезных закономерностей.

Кластеризация выделила четыре устойчивые группы жителей сети с предсказуемыми моделями личного потребительского и сетевого поведения («Новички», «Адепты», «Сдержанные», «Восторженные»), но ни один из кластеров не оказывал значимого воздействия постами ни на свою группу, ни на соседние. Проект переставал быть томным.

Многочисленные эксперименты и гипотезы с данными, указанными в профилях, и числовыми параметрами напряженности участия в дискуссиях не давали результатов, поэтому было принято решение отказаться от анализа анкетной информации, перейдя к семантическому анализу текстов и компонентной оценке фотографий.

Фотографии выгружались в поток, нормировались, ротировались, отсеивались засвеченные и затемненные, затем проводилась независимая оценка тремя экспертами последовательных параметров:

1. Художественность вкуса и оригинальность композиции;

2. Общее впечатление задора и счастья на лицах в кадре;

3. Доброжелательность и степень призывности подписи под постом;

4. Наличие на фото элементов магазина, одежды или логотипа бренда;

5. Относительная активность комментаторов и позитивность в ветках общения;

6. Актуальность коллекции и сочетаемость вещей внутри клуба торговых марок ритейлера;

7. Упоминаемость места покупки, объективность отзывов о предмете гардероба, сравнительные степени в тексте.

Множественные экспери­менты показали, что вторым крылом «птицы потребления» является общительность и восприимчивость клиента

Предположение оказалось верным: фотоснимки и комментарии точнее отражают отношение к бренду, чем анкета профиля и транзакционная информация о совершенных покупках.

На втором этапе провели анализ поведения потребителей в точках продаж, сопоставив его с сетевыми данными. Wi-Fi в магазинах, акции на игровые мобильные приложения сторонних производителей (корпоративная скидка за объем скачиваний) и RFID-метки помогли связать заносимые в примерочные, но не купленные вещи с номерами мобильников владельцев.

За каждым артикулом начала накапливаться ранее недоступная информация:

• сколько раз меряли и не купили представители каждого кластера и по каким причинам:

  • не сел по фигуре;

  • не нравится принт;

  • не соответствует размер;

  • плохо сочетается с остальной одеждой;

• сколько похожих вещей заносилось в примерочную:

  • тот же артикул, но другой цвет;

  • тот же артикул, но другой принт;

  • тот же артикул, но другой размер;

• сколько сопутствующих вещей заносилось в примерочную:

  • аксессуары;

  • верх для низа или наоборот;

  • другие коллекции или капсулы. 

Закономерности начали вырисовываться, когда построили цепочки кластеров: «Общительность» (фотографии и посты) – «Профиль» (данные анкеты) – «Примеряемость» (успешность примерок в магазине) – «Удачность» (процент приобретений после примерок) – «Наблюдаемость» (площадь, этаж, тип торговой точки).

Банки и телеком привычно используют содержимое профилей в социальных сетях для кредитных скорингов и хитроумных сегментаций вторичных продаж

Получились две матрицы по 1’200 вероятностей для каждого артикула (3 «Общительности» x 4 «Профиля» x 5 «Примеряемостей» x 5 «Удачностей» x 4 «Наблюдаемости») – вероятность того, что:

1. Именно этот клиент купит определенный товар в конкретном магазине.

2. Покупатель спровоцирует цепную реакцию интереса и покупок среди сетевых друзей.

Учитывая распределение популяции в магазинах и успешность товаров у кластеров покупателей, я планировал изменить ассортиментную матрицу, чтобы входящие покупатели сталкивались с бол́ьшим количеством хитов, но владелец интернациональной сети казуальной одежды упредил мое рвение: «Оставишь только хиты, и часть из них неизбежно превратится в аутсайдеров».

В пилотном режиме использовали завышенное количество ресурсов, невозможное с точки зрения постоянного привлечения, поэтому для выхода из проектного режима разработали критерии автоматической оценки. Например, засвеченные и темные фотографии стали отсекать по размеру графического файла, а большинство частых слов, используемых в комментариях, получили признаки:

1. силы;

2. яркости;

3. красоты;

4. веселья;

5. радости;

6. доброты;

7. легкости;

8. скорости;

9. нежности;

10. активности;

11. вежливости;

12. оценочности;

13. призывности;

14. подвижности;

15. культурности;

16. благожелательности.

Кластеризации подвергли сотрудников магазинов, что позволило выводить на их смартфоны степень сочетаемости по стилю общения с клиентами в зале и зоне примерочных.

Интересно проявились культурологические особенности: пока думали, как научить корейских продавцов пользоваться математическими выкладками и убедить их в пользе и своевременности просчитанного подхода, оказалось, что уже сформировалась группа добровольцев, которые с удовольствием участвовали в экспериментах и содействовали упрощению изложения.

Не могу похвастаться, что проект был удачным по славянским меркам: продажи выросли на 4,5%, заказчик остался доволен: «Вы научили нас применять Big Data, и по факту мне это ничего не стоило – сами оплатили себе работу». Ну что тут скажешь?