Jak mohou značky měřit sentiment na sociálních sítích

13. 5. 2019Návody

Schopnost vyhodnocovat sentiment našeho okolí považujeme za klíčovou dovednost pro lidský život. Stejná schopnost může přinést velký užitek také každé marketingově orientované společnosti. Skvělý indikátor sentimentu nabízí Facebook. Pouze musíte zvolit správný pohled a být připraveni zpracovat trochu dat.

Pro mezilidské soužití je hodnota zpětné vazby nevyčíslitelná. Denně přicházíme do kontaktu se svým okolím, se svou rodinou, s kolegy v práci a dalšími lidmi při mnoha dalších příležitostech. Život v kolektivu nás dozajista utváří. Na vyjádřenou nelibost ve tváři protějšku v mezilidském kontaktu do budoucna zareagujeme a své chování upravíme. Leda bychom trpěli poruchou osobnosti či dokonce psychopatií.

Když potká člověk značku

Značky také vstupují do sociálního prostoru. Dělo se tak již před příchodem webu a jeho sociálních sítích. A samozřejmě značky při kontaktu s lidmi nechtějí působit psychopaticky. Takovou uživatelskou zkušenost nechce vzbuzovat nikdo soudný.

Možnosti korekce vystupování a vůbec dynamika sociálních interakcí značek se pochopitelně značně liší od těch individuálních. Reklamních výstupů mohou být desítky a reakcí na ně stovky až tisíce v krátkém časovém rozmezí. Pojmout zpětnou vazbu v takto nastavené struktuře je proto problematické.

To marketingová oddělení velkých značek samozřejmě ví. Pro sledování hnutí nálad svých zákazníků mají vybudovaný aparát testování – tradičně focus groupy či dotazníková šetření a jiné studie. Tento způsob je ale ze své podstaty časové náročný a informace a poučení z něj plynoucí nelze aplikovat tak svižně, jak realita potřebuje. Navíc informace takto získaná ztratí hodně ze své granularity – jen obtížně zjistíte, jaký sentiment zaznamenala konkrétní kreativa v konkrétním čase.

Co je to sentiment a jak jej vyčíst na Facebooku

Pojem sentiment je podle Wikipedie stejně jako podle filozofické tradice 18. století souhrnné pojmenování pro zažívání emocí. Facebook pár let zpátky dal svým uživatelům krystalicky jasně srozumitelnou zkratku, jak své emoce vyjádřit. V možnosti hodnocení příspěvků doplnil prostý “Like” o kompletní paletu lidských emocí – Reactions.

Inzerentům a správcům firemních profilů tak přihrál další vrstvu dat pro vyhodnocování svého působení v onlinu.

Emoce v hledáčku marketingových oddělení

I tak transcendentní skutečnosti jako emoce příznivců značky a konzumentů inzerce si zaslouží být po vzoru Business Intelligence pojmuty pomocí matematicko statistických metod. Návod, jak zachytit sentiment vašeho publika, nabízí následující rutina.

Na místě je ujasnit si, jaké emoce chceme svými příspěvky potažmo reklamami vzbuzovat. Na základě této rozvahy pak můžeme jednotlivé reakce seřadit a „oskórovat“ podle toho, jak souzní s naším záměrem. To by nemělo být těžké. Obecně lze říct, že emoční vyznění vydaného příspěvku a získané odezvy by měly jít stejným směrem. Smutnou zprávou očekáváme, že vyvoláme smutek, pokus o vtip smích a tak dále.

Utřiďte si vaše pocity

Pro většinu marketingových účelů neuděláme chybu, pokud v hodnocení emocí seřadíme reakce způsobem naznačeným na nákresu níže.

Symbol srdce zastupuje Love – Lásku a tu jako nejvyšší dobro uznávají nejen křesťané, ale i další myšlenkové proudy napříč světem. Z hlediska vztahu zákazník/značka si lze také těžko představit příznivější vztah než ten vyjádřený emotikonem srdce. To je nad Slunce jasné.

Obrácená strana spektra je víceméně také bez debat. Naštvaný zákazník je to nejhorší, co může firmu potkat. A smutný zákazník je jen o něco lepší.

Debata se může vést se zařazením zbylých – ambivalentnějších – reakcí. Tohle představuje šedou zónu nejvíce postiženou možností ironie. Zvláště smích – haha – je s tímto jevem spojený, ale pojďme spolu s Aristotelem podle jeho Poetiky smích ospravedlnit. Pojďme jej pro jednoduchost vyvýšit nad prostý Like a dopřát mu větší hodnotu.

Naznačený způsob je jen jednou z možností a neklade si ani za cíl být jedinou správnou interpretací.

Čas pro matematicko-statistické metody

Jakmile máte stupnici sentimentu sestavenou, můžete začít sledovat, kde se na ní se svým obsahem nacházíte. Tuto informaci zjistíte tak, že hodnotu všech získaných reakcí zprůměrujete, přesnější obraz skutečnosti poskytne průměr vážený podle počtu jednotlivých reakcí.

Výpočet Reaction Indexu popisuje vzorec nahoře, kde:

  • w je váha, kterou představuje počet jednotlivých reakcí
  • x je hodnota reakce, kterou jsme reakcím přiřadili na základě úvahy zobrazené na schématu níže

Case study: Česká spořitelna

Techniky vyhodnocování sentimentu jsme v Business Factory zapracovali například pro kampaně České spořitelny. Největší česká banka například sledovala, jak hodnotí široké publikum zapojení svého brandu do iniciativy kolem Neratova během minulých Vánoc, jak si stojí s vnímáním své značky v tolik skloňovaném segmentu mileniálů v rámci projektu Už vím nebo v neposlední řadě, jak se cítí její zákazníci ohledně přechodu do bankovní aplikace nové generace George.

Limity reakcí a další kroky v analýze sentimentu

Co se na první pohled může zdát tak krystalicky jasné, zamlží se už při pohledu druhém. Každá taková rozvaha, jako je ta výše naznačená, je zatížena rizikem chyby. Přiřazuje totiž exaktní numerickou hodnotu určité reakci univerzálně a bez ohledu na okolnosti. Pomíjí tak skutečnost ironie a další úskalí vyplývající z komplexity mezilidských interakcí.

To lze alespoň částečně vyřešit, pokud se algoritmus vyhodnocující sentiment obohatí a proces určující konvergenci publikovaného obsahu a vyvolané reakce.

Typicky, pokud komunikujeme smutné téma, adekvátní reakcí je rovněž smutek, v tomto případě je hodnotnější než smích, byť v původní rozvaze měl ten vyšší hodnotu.

Klasifikace a zapojení strojového učení

Pokud se chceme dostat v měření sentimentu dál než k prostému vyhodnocování reakcí, jsme postaveni před potřebu klasifikace textu potažmo obsahu, ať už v případě popisků promovaného příspěvku (pro potřeby zjištění konvergence viz výše), nebo pro rozbor uživatelských komentářů.

V principu k tomuto cíli vedou dvě cesty. První představuje zapojení lidského moderátora (lépe skupinu moderátorů). Ti jednotlivé příspěvky prochází a na základě svého úsudku označí patřičným sentimentem. Výhodou tohoto přístupu je nízké nebezpečí dezinterpretace, nevýhodou opět nepružnost a vysoké náklady na jednotku.

Druhá cesta znamená strojové clusterování a klasifikace pomocí metod zpracování přirozeného jazyka (NLP). Pokud v této oblasti nechcete začít úplně od nuly, doporučuju podívat se na open source knihovny Facebooku, jako je například fastText, knihovna pro efektivní klasifikaci a poznávání významu textu předtrénovaná pro 157 světových jazyků včetně češtiny.

Ideální řešení, jako většinou, leží nepochybně mezi těmito dvěma cestami. Nastavení sledování a vyhodnocování sentimentu bude fungovat nejlépe, pokud se skloubí oba směry. Využití metod strojového učení poskytne kapacity pro zpracování většího množství požadavků, zatímco dohled lidského moderátora zabezpečí snížení rizika dezinterpretace sdělení.

V Business Factory jsem si na velkých klientech vyzkoušel všechny aspekty facebookové propagace. Zaujaly mě především možnosti dynamické tvorby, automatizace a chytrého vyhodnocování. V oblasti reklamy a onlinu pracuji od roku 2012, předtím jsem dobýval svůj denní chléb v mediální sféře. Zlatá vejce snášená datovou slepicí sklízím s týmem v projektu Arbitreo.com.

Komentáře