Текст книги "Маркетинговые исследования в Интернете"

6.2 Оперативное реагирование в конкурентной разведке. Исследование ключевых слов бизнеса как первый шаг реализации конкурентной разведки

Оперативное реагирование в конкурентной разведке

Данные в интернете подвержены перманентным изменениям. Даже если взять просто поиск. Если провести с ним эксперимент, то можно обнаружить его меняющиеся практически ежедневно результаты. Из-за высокой скорости изменений у конкурентной разведки довольно короткая жизнь. К примеру, сегодня имеется информация в отношении ссылок на веб-ресурс компании-конкурента (сайт). Однако уже завтра можно обнаружить, что число этих ссылок существенно понизилось либо повысилось. По этой причине если уж использовать интернет-разведку, то только регулярно.

Недостаточно проводить конкурентную разведку в режиме реального времени, практикуя проведение регулярного мониторинга конкурентной среды. Следует понимать, что только посредством регулярных действий возможно достичь конкурентных преимуществ. Не следует дожидаться, чтобы двери возможностей закрылись.

Многим кампаниям свойственно «подседание» на получение информации благодаря мониторингу окружающей среды. Они увлекаются самим процессом и забывают, что надо сосредоточиваться на принятии соответствующих мер. Нужно не только ориентироваться на получение ценной информации, но и оперативно ее использовать, добиваясь полезных результатов. Если, к примеру, сотрудники компании выявили наличие на первых страницах поисковиков несправедливых данных о ней, порочащих ее, подрывающих репутацию, то нужно оперативно заняться осуществлением поиска информации, чтобы с этими данными в интернете большинство людей не ознакомились.

Изучая распространение слухов о конкурентах компании либо о появлении каких-то маркетинговых тенденций, способных оказать на компанию существенное влияние, нужно вначале озадачиться проверкой слухов. Например, можно поговорить с людьми на форумах. Подтверждение слухов говорит о необходимости немедленного реагирования. Если появились слухи о приобретении конкурентом другой фирмы (это свидетельствует о повышении его мощи), можно прибегнуть к распространению в интернете информации, помогающей оттенить достижения конкурента достижениями компании. Можно, к примеру, распространить сведения о существенном повышении качества сервиса компании. Каждая компания должна понимать важность принятия оперативных мер, только это может дать реальные результаты деятельности в области конкурентной разведки.

Сбор информации посредством конкурентной разведки не означает сосредоточения на деятельности конкурентов. Скорее нужно озадачиться концентрированием внимания на областях, особенно важных для маркетинга самой компании. Это, к примеру, аспекты, касающиеся моделей товаров, репутации, цен, бесплатных приложений или специальных программ. Если получать данные и знания в этих областях, можно принимать такие решения, которые могут помочь опередить конкурентов.

Исследование ключевых слов бизнеса как первый шаг реализации конкурентной разведки

Вначале требуется исследовать ключевые слова для бизнеса, что предусматривает поиск наилучших слов. Нужно анализировать те слова, которые применяются как компанией, так и конкурентами.

Получения перечня ключевых слов недостаточно. Нужно выявлять наиболее подходящие для компании слова (которые чаще всего применяют люди при поиске информации о товарах/услугах). Для этого, к примеру, пользуются сервисом Google AdWords.

Нужно прибегать к анализу:

1. Ссылок.

2. Насыщения текстов ключевыми словами.

3. тИЦ и PageRank.

4. Оптимизации социальных СМИ.

5. Социальных доказательств.

Этот анализ способен дать компании представление, где ее место в конкуренции и что нужно предпринять для улучшения ситуации.

При оптимизации социальных СМИ практикуется введение в сайт компании изменений, облегчающих связывание с ним для повышения значимости его роли в поисковых СМИ (например, в Technorati) и для увеличения частоты включения его постов в блоги, видеологи, подкасты. Если сфера пригодна для построения сообществ, можно говорить о ее пригодности к организации социальных СМИ. В качестве примеров реально приведение виков, подкастов, форумов, блогов. Можно как примеры привести и сайты – Facebook, MySpace, Digg. Это социальные СМИ, располагающие существенными возможностями для привлечения на веб-сайт компании трафик в достаточно большом объеме.

Повышение линкабельности – это повышение указаний ссылок на сайт компании. Условием этого является наличие на сайте достойного внимания контента (чтобы у посетителей возникало желание ссылаться на данный веб-ресурс).

Оптимизация социальных СМИ является недорогим способом получения разнящегося в отношении источников трафика, и избавления в какой-то мере от зависимости от поисковых систем. Если компания усердно поработает над оптимизированием социальных СМИ, она может рассчитывать, что на ее веб-ресурс будет направляться множество ссылок, помогающих обретению новых клиентов и дополнительного трафика на сайт.

В целях оптимизации социальных СМИ компаниям рекомендуется прибегать к:

– Увеличению линкабельности.

– Вознаграждению входящих ссылок. – Обеспечению легкости к исполнению закладок и пометок.

– Правильному распределению на веб-сайте его контента.

– Стремлению сделать сайт компании ресурсом, полезным и интересным для пользователей.

– Поощрению всего нового.

– Активизации участия в интернет-жизни.

– Вознаграждению ценных /полезных пользователей.

– Определению своей целевой аудитории.

– Постановке реальных целей.

– Разработке оптимизационной стратегии социальных СМИ.

– Умному выбору оптимизационной тактики.

– Созданию и соединению качественного контента.

Следует принять во внимание, что рост числа и мощи блогов во многом определяют такие переменные как быстрота распространения информации и возможность соединения контента. Если в интернете в разных местах появляется информация компании, эта информация, скорее всего, привлечет внимание и к самой компании, и к ее веб-ресурсу (сайту). И поэтому важно добавлять кнопки, чтобы соединение происходило беспроблемно.

6.3 Определение эффективности влияния маркетинговых кампаний с помощью конкурентной разведки. Выявление с помощью конкурентной разведки онлайн упущенных преимуществ конкурентов

Определение эффективности влияния маркетинговых кампаний с помощью конкурентной разведки

Предсказание эффективности той или иной маркетинговой компании – занятие достаточно сложное. И если ее даже провели, выявить ее итоги и исчислить эффективность зачастую оказывается весьма проблематично. Причем компании желательно оценивать эффективность не только собственных рекламных кампаний, но и рекламных кампаний конкурентов, а также сравнивать эти кампании, чтобы добиваться обеспечения конкурентных преимуществ.

Для полного понимания воздействия маркетинговых кампаний целесообразно прибегание к конкурентной разведке в интернете. Она способна показать, каково воздействие кампании, организованной с целью повышения продаж и доли рынка изделия (будь оно существующим либо новым). Потому, что конкурентная разведка способствует привлечению бизнес-аналитики. Когда изделие уже существует, определить влияние легче, так как у компании могут иметься прогнозные данные по продажам. Но в случае с запуском нового изделия задача осложняется по причине отсутствия привычной ситуации. Можно конечно прибегнуть к сравнению с подобными запусками, но такой подход, как правило, не отличается высокой надежностью.

Предприятие нуждается в четком представлении о влиянии, оказываемом маркетинговой кампанией на показатели продаж, чтобы можно было дать оценку финансовым последствиям данной кампании, которые проявляются в показателях изменения прибыли, поскольку инвестиции предприятия в маркетинг должны оправдываться. Но сделать это весьма проблематично без понимания влияния кампании на переменную финансовых результатов. Получение такого понимания может облегчить конкурентная разведка.

Эффективность рекламных кампаний зависит от влияния многих внешних по отношению к предприятию факторов. И из-за этого одних только показателей продаж для формирования выводов оказывается недостаточно. Когда речь идет о нерозничных предприятиях, для них важно слежение за продажами на протяжении всего распределительного канала (или каналов). Компания может реализовывать свои изделия посредникам (например, дистрибьюторам), но они могут какое-то время не заниматься их продажей рознице, а накапливать свои запасы. Или посредники (к примеру, ритейлеры) могут приобретать изделия предприятия, но им проблематично их реализовывать потребителям. Дилерами и дистрибьюторами может заказываться продукция предприятия в больших объемах в надежде на увеличение спроса благодаря маркетинговой кампании. Из-за этого формирование вывода в отношении эффективности проведенной кампании бывает достаточно сложным без анализа всей цепочки сбыта.

Можно принять тот факт, что при успешно проведенной рекламной кампании продажи предприятия, в конце концов, увеличатся, и предприятию небезынтересно иметь представление о непосредственном воздействии на конечных клиентов. С помощью конкурентной разведки предприятие может прийти к пониманию ощущений этих клиентов в связи с покупкой его изделия. Это достигается посредством непосредственного наблюдения за общением клиентов в интернете. Анализ их настроений дает шанс увидеть и понять результаты деятельности предприятия в области маркетинга.

Выявление с помощью конкурентной разведки онлайн упущенных преимуществ конкурентов

При проведении конкурентной разведки в интернете можно выявить упущенные конкурентами преимущества, касающиеся, к примеру, ценообразования, ассортимента, сервиса и т. д. Это выявление – путь к получению компанией этих преимуществ и выгодных для нее отличий. Допустим, у компании есть серьезный конкурент, который основательно поработал над тем, чтобы клиенты выпускаемые им изделия воспринимали очень позитивно, в результате чего данный конкурент стал обладателем сильного образ-бренда. Но конкурентная разведка выявила, что у этого конкурента есть слабое место – чрезмерно высокие цены. Компания может этим обстоятельством воспользоваться в своих целях, сосредоточившись на реализации высококачественных товаров по более низким, чем у конкурента ценам.

6.4 Анализ потребительских настроений с помощью конкурентной разведки. Этичность конкурентной разведки

Анализ потребительских настроений с помощью конкурентной разведки

Получение информации о мнении клиентов по поводу запущенного на рынок нового товара возможно с помощью неструктурированных данных. Это данные, которые требуют интерпретирования, так как для них актуален не сам текст как таковой, а контекст и подтекст. В основном эти данные – текстовые, однако они могут присутствовать и в фотоматериалах и в фильмах. Они имеют отношение к анализу настроений, причем непосредственное. При опросах люди могут говорить «нравится – не нравится» или «плохо – хорошо». А в реальной жизни они чаще всего выражают свое отношение иначе. Они могут сказать, например: «Я этим предпочитаю не пользоваться» или «Я этому не доверяю» или даже «Мне по барабану» и т. д. Подобные заключения и являются, по сути, неструктурированными данными.

При анализе настроений практикуется разбивка заключений/предложений на грамматические компоненты в целях выявления структуры заключения. Это содействует пониманию тона отзыва (позитивного либо негативного). Но имеет место существование иронических/саркастических предложений, а также имеющих иносказательное смысловое значение. Эти предложения для анализа довольно сложные. Некоторые полагают, что осуществление подобного анализа в силу чрезмерной сложности разговорной речи никогда не может быть возможным. Однако такой анализ все же проводится и дает результаты.

Анализ неструктурированных данных обладает немалой ценностью. Ведь обзоры товаров, как правило, появляются именно в неструктурированном виде. А многие компании хотели бы знать, что покупатели думают и говорят об их изделиях. Конечно, можно заниматься поиском обзоров на сайтах и проведением их ежедневного мониторинга вручную. Но такая работа может оказаться чрезмерно трудоемкой. Лучше прибегнуть к автоматизированному анализу настроений, хотя пока этим в основном занимаются лишь крупные компании за рубежом. С точки зрения функциональности этот анализ является мощным, хотя безупречным его назвать нельзя. И как любой анализ он предусматривает соответствующие апостериорные действия.

При анализе настроений с использованием неструктурированных данных решаются задачи:

1. Поиска и агрегирования контентов из разных источников.

2. Извлечения данных согласно заданным параметрам.

3. Семантического анализа.

4. Предоставления пользователям итоговых данных в удобном для них графическом виде.

Этичность конкурентной разведки

Собирая информацию о конкурентах в интернете нужно озадачиваться тем, насколько это правомерно и этично. В этой связи уместно вспомнить случай, произошедший с Византийским императором Юстинианом, секретно пославшим монахов украсть у китайцев их секреты по изготовлению натурального шелка. Некоторые сегодняшние компании действуют при осуществлении конкурентной разведки подобно Юстиниану. Однако опыт многих предприятий говорит о том, что не обязательно при конкурентной разведке прибегать к незаконным или неэтичным действиям или выведывать информацию о компаниях-конкурентах в обманной манере, а также намеренно лгать о них (чтобы их репутация и доходы пострадали).

Если речь идет о распространении лживой информации в интернете, то установление распространителей весьма проблематично (или даже невозможно). Человек может представиться в интернете в качестве клиента компании, хотя на самом деле является ее конкурентом. Это по сути можно рассматривать как ложь, которая естественно не считается этичной. Кстати в США (во всех ее штатах) запрещено законом искажать существующие факты, лгать, распространять порочащие не отличающиеся правдивостью факты. Это приравнивается к мошенничеству и запрещается законом.

Лгать можно с помощью представления своей деятельности в приукрашенном виде и распространения искаженных (лживых) данных о противниках. За подобную ложь можно не привлекать к ответственности по закону, но этичной она, скорее всего не является. А когда люди поступают неэтично, им это часто возвращается. Хотя надо признать, что полностью человечество, наверное, от такой лжи не сможет избавиться никогда.

6.5 Необходимость обработки неструктурированных данных. Системы обработки неструктурированных данных

Необходимость обработки неструктурированных данных

В настоящее время наблюдается ситуация, когда широкие круги пользователей принимают активное участие в процессе размещения на различных интернет-ресурсах разных материалов информационного характера. Имеет место увеличение числа порталов (как аналитических, так и новостных). На них посетители (аналитики, журналисты и др.) размещают всевозможные материалы (текстовые документы, аудио– и видеофайлы). Социальные сети, блоги, форумы становятся все более популярными из-за предоставления ими возможности делиться мнениями, оставлять отзывы, к примеру, о деятельности компании. Благодаря этой информации компания может производить различные оценки, к примеру, деятельности конкурентов и собственной. Можно также обеспечить обратную связь с клиентами и проанализировать эмоциональный информационный фон, окружающий как саму компанию, так и ее конкурентов. Это особо важно для компаний, активность которых охватывает высококонкурентные массовые рынки (рынки индустрии отдыха и развлечений, страхования, розничной торговли и др.). При получении качественных и достаточно полных данных компания может рассчитывать на увеличение уровня обслуживания потребителей, ускорение продвижения изделий и услуг, беспромедлительное реагирование на изменения рыночной ситуации. Но нахождение нужных сведений в невероятно большом объеме, различающейся по форматам и структуре информации – чрезмерно трудно. Поэтому компании и нуждаются в специализированных программных приложениях, нацеленных на обработку неструктурированных данных.

Системы обработки неструктурированных данных

Разработками систем обработки неструктурированных данных занимаются зарубежные компании, поскольку на Западе крупные компании пришли к осознанию их необходимости.

Рассмотрим примеры систем обработки неструктурированных данных [51].

First Rain компании. Решение для поиска, сбора и анализа информации. В качестве источников данных здесь выступают только Web-ресурсы – в основном сведения из годовых отчетов компаний и аналитических отраслевых обзоров. Найденная информация сортируется по стандартизированным темам и степени значимости для клиента.

Digimind компании. Решение для поиска структурированных и неструктурированных данных. Основные источники: Web и социальные сети. Решение имеет встроенные инструменты классификации обработанных материалов, однако основной акцент сделан на средствах представления итоговых данных в виде, удобном для пользователя, которому предлагается два возможных варианта внедрения: в качестве отдельного решения или дополнительного компонента, встраиваемого в уже имеющиеся у компании аналитические информационные системы.

InfoNgen компании Instant Information. Спектр решений для поиска, сбора и анализа неструктурированных данных. Информация агрегируется из разных типов источников: порталы, электронная почта, внутренние информационные ресурсы организации-клиента. Полученные документы категоризируются по стандартизированной или специализированной таксономии клиента. Пользователь может получать данные в виде специальной новостной ленты, электронного бюллетеня, RSS, API или через источник («фид») электронного вещания в режиме реального времени. Стандартный пакет включает в себя Web-интерфейс и не требует инсталляции на стороне клиента.

Factiva компании News Corporations. Спектр информационно-аналитических решений, наиболее известным из которых является система Factiva.com, позволяющая собирать мультимедийный контент из десятков тысяч источников новостной информации. Однако в их число входят только средства массовой информации: крупнейшие информационные агентства, новостные интернет-издания, электронные версии печатных СМИ и т. д.

«Медиалогия» компании «Медиалогия». Решение для автоматического мониторинга СМИ в режиме реального времени. Информация по конкретной компании, ее руководству, брендам, конкурентам и т. п. собирается из базы данных СМИ, анализируется по количественным и качественным критериям. Основные источники данных – около 8 тыс. российских и зарубежных печатных и электронных изданий (ТВ, Интернет, радио), а также блоги

«Голос клиента» компании Clarabridge в партнерстве с EPAM Systems. Решение для анализа структурированных и неструктурированных данных. Источники данных: отзывы клиентов в социальных сетях, данные из центров работы с клиентами и CRM, заполненные клиентами на сайте или в отделениях компании анкеты и т. д. В основном акцент делается на обработке информации из форумов и блогов.

RCO Fact Extractor Desktop компании RCO. Решение для поиска и обработки информации. Источником данных может быть Web, внутренние приложения и базы данных компании. Продукт поставляется как персональное приложение для платформы Windows.

Возможности решений для работы с неструктурированными данными

Возможности решений для работы с неструктурированными данными охарактеризованы ниже.

Возможности агрегирования контента. Информация извлекается из СМИ, отраслевых новостных порталов, ассоциаций, сайтов регуляторов, и т. д., отобранных с опорой на запросы и пожелания разных клиентов, а также из электронной почты и внутренних информационных ресурсов самой компании. Обеспечивается учет специфических особенностей каждого из источников. Поскольку одна и та же информация содержится в различных источниках, то схожие данные подвергаются группировке. Поисковые роботы (краулеры) дают возможность подключения к системам обмена сообщениями либо почтой. В итоге оказывается возможным в режиме реального времени производить категоризирование содержание писем и того, что в них вложено. При этом выбираются сообщения, подходящие контекстным фильтрам. Помимо этого внимание уделяется информационным ресурсам компании (в виде локальных и сетевых дисков).

Возможности извлечения и семантического анализа. Когда текстовая информация поступает, ее сканируют с извлечением заголовков, резюме, оглавлений, дат публикаций и требуемого для анализа текста. Во всех обрабатываемых текстах осуществляется определение их семантической структуры. Если в них находятся не имеющие к теме данные, они подвергаются выявлению и удалению. С помощью системы семантического тегирования распознается наличие/отсутствие в текстах заданных компонентов (ими могут быть названия компаний, услуг, изделий и т. д. или какие-то специфические термины). При анализе происходит учет: 1) синонимов; 2) возможных вариантов написания определенных слов (включая те, которые написаны на иных языках); 3) аббревиатуры; 4) семантических зависимостей; 5) релевантности текста к определенному документу и др. Обеспечивается возможность выявлять эмоциональную окраску текста или отношения авторов документов к компании и ее отдельным переменным (убыткам, доходам и др.). Можно проводить морфологический либо лексический анализ каждого из текстов. Благодаря подобному анализу происходит разделение слов, которые между собой не связаны. С опорой на аналитико-лингвистическую логику реально оценивать тональность имеющихся высказываний (позитивная она либо негативная). С помощью особых скоринговых средств возможно задавание ценности каждого из позитивных и негативных высказываний (это бывает необходимо, когда одно и то же высказывание может трактоваться по-разному в зависимости от определенных условий (обстоятельств, целей и т.д.).

Возможности предоставления итоговых данных. Посредством встроенных средств анализа на базе обработки разного контента возможно выявление закономерностей и трендов, которые обусловливаются фактом использования определенных тегов. Это способствует обнаружению неочевидных взаимосвязей (к примеру, между конкретным предприятием и каким-то судебным разбирательством). Предоставляется возможность визуализации. Пользователям предоставляются шансы для кооперирования и комментирования найденных документов, создания совместных рассылок либо обмена итогами поиска. Механизмы «развертки» (drill-down) по конкретной теме способствуют обеспечению возможности просматривания ключевых слов, показывающих, что в рамках данной темы наиболее часто просматривается. Прослеживание связи между такими словами и содержащими их отзывами позволяет делать выводы по поводу причин всплеска имевших место обсуждений.

Возможности выявления особых случаев. Анализ может помочь выявлению случаев, когда намеренно в отзывах упоминаются названия ее компаний-конкурентов либо их услуг. Или выявлению случаев резкого роста числа позитивных либо негативных высказываний в отношении компании.