Узлы и связи
Аналитика
Начало применения санкций к операторам связи за непредоставление услуги по смене оператора с сохранением номера было перенесено на апрель 2014 года. Тем не менее угроза оттока абонентов как никогда высока. Один из инструментов борьбы с ним — метод Social Network Analysis.
Первые два слова в названии Social Network Analysis (SNA; "социально-сетевой анализ") могут ввести в заблуждение. Нет, речь не идет о мониторинге социальных сетей вроде Facebook в поисках личных данных и признаков связей между потребителями. SNA — это метод, который используется для построения модели взаимоотношений между клиентами какой-либо компании на основе ее собственных данных.
С математической точки зрения такая модель представляет собой граф, в котором каждая точка (узел или вершина) символизирует человека, а ребро между ними демонстрирует наличие взаимоотношений между людьми. Также могут анализироваться сила отношений, характер, направленность. Такой граф может построить только компания, клиенты которой активно взаимодействуют друг с другом. По словам Стивена Бробста, CTO компании Teradata, эта ситуация наиболее характерна для мобильных операторов, чьи абоненты звонят друг другу и пишут сообщения. Построить граф взаимоотношений может также банк на развитом рынке (например, в Японии), в котором активно используются peer-to-peer платежи между клиентами. Для остальных компаний инструменты SNA неактуальны.
Даже если интернет-магазин построен по принципу закрытого клуба, доступного по приглашениям (инвайтам), как KupiVIP, по словам господина Бробста, этого недостаточно, чтобы построить работающую модель взаимоотношений. В такой системе невозможно выявить лидеров, влияющих на решение о покупке. Ведь именно для этой цели и применяется SNA.
Слухами земля полнится
Писатель и журналист Малколм Гладуэл в своей книге "Переломный момент" утверждает, что маркетинговые отделы компаний могли бы значительно сэкономить, если бы знали точно тех людей (экспертов), к которым другие обращаются за советом о покупке в определенной области. Такие эксперты могут ничего не знать, например, про одежду, но отлично разбираться в телефонах или качестве услуг операторов связи. Также Малколм Гладуэл в отдельную группу выделяет людей (распространители), которые обладают обширными связями и охотно делятся своим опытом использования товара или услуги — как позитивным, так и негативным. С помощью анализа своей абонентской базы по методу SNA оператор может выявить таких людей и наладить с ними взаимодействие. Например, именно экспертам и распространителям имеет смысл первым предлагать новые услуги. Кроме того, рекомендуется срочно принимать меры, если один из них решил отказаться от услуг компании, потому что высока вероятность, что за ним последуют другие.
Стивен Бробст приводит пример того, как один из клиентов Teradata — крупный оператор — использовал SNA для контроля оттока абонентской базы. "В данном случае удалось снизить отток с 25,5% до 23,1%. Казалось бы, небольшая разница. Но компании удалось при этом сохранить прежний уровень выручки, объем которой без применения SNA упал бы на 22,7%. Это получилось за счет того, что абоненты стали общаться больше, так как оператор уменьшил стоимость минуты разговора, чтобы удержать своих клиентов".
То есть, несмотря на снижение стоимости минуты, компания не потеряла в общей выручке. Господин Бробст уточняет, что в каждом конкретном случае результат применения метода может быть разным.
Семь раз отмерь
В России технологии такого рода уже применяются некоторыми игроками. "Мы были первыми на телеком-рынке России, кто решил попробовать эту технологию,— рассказывает исполнительный вице-президент по развитию массового рынка ОАО "Вымпелком" Александр Поповский.— В 2009 году компания провела бесплатные пилотные проекты с четырьмя достаточно крупными вендорами. На примере одного региона в один и тот же период "Вымпелком" проанализировал три направления — сохранение клиента, привлечение и вирусный маркетинг. Опыт 2009 года показал, что предлагаемый продукт вне зависимости от производителя далек от совершенства: пересечение результатов по выявлению лидеров мнений — ядра любой социальной сети — по результатам трех тестовых исследований составило всего 4%".
По словам господина Поповского, выбор альфа-лидера под конкретную задачу должен был быть максимально идентичным вне зависимости от системы его выявления. Но результаты не совпадали и не выявляли уровня влияния определенных ими лидеров на других участников сети. Например, эксперты "Вымпелкома" увидели, что по направлению "сохранение клиента" предлагаемые на тот момент решения работают даже несколько хуже, чем собственные кампании по прогнозированию склонности к оттоку на основе предиктивной модели.
Так что после провальных результатов "пилотов" было принято решение в эту технологию не идти до тех пор, пока решения не будут доработаны. Кроме того, на тот момент неочевидными были способы монетизации полученных данных. От попыток использовать SNA не отказались. Но "Вымпелком" решил сделать ставку на улучшение точности предсказательной модели оттока за счет добавления информации о социальных связях. Было принято решение развить начатое направление и протестировать аналитическое решение с новыми гипотезами в 2013 году. Для построения моделей Data Mining "Вымпелком" использует софт SPSS Modeler от IBM. В новой продвинутой версии этого ПО SPSS Modeler Premium есть узел Group Analysis, позволяющий строить сообщества, и Diffusion Analysis, позволяющий вычислять степень влияния абонентов друг на друга. "Данные инструменты дадут нам возможность выстраивать свои гипотезы по актуальным для компании направлениям. Мы также имеем в своем распоряжении необходимые ресурсы и готовы применить приобретенные за этот период знания с максимальной пользой для клиента и компании,— говорит Александр Поповский.— Основное отличие новой попытки — решение конкретных задач компании без привлечения посредников".
Графство маркетинга
Область применения SNA в телекоммуникационных компаниях не ограничивается управлением оттоком. "У анализа социальных сетей огромный потенциал,— считает эксперт компании Teradata Наталья Муравьева.— Данный метод может быть использован для выявления альфа-лидеров, склонных к распространению продуктов телеком-оператора своему окружению, для борьбы с мошенничеством абонентов, для выявления подозрительных номеров, незаконно обзванивающих или рассылающих SMS по базе оператора". При этом анализ социальных сетей — это не специфика телекоммуникационной отрасли. "По сути, данный метод может применяться в любой сфере — от банков и ритейла до социологии, фармацевтики и медицины, то есть в той области, в которой стоит задача поиска вирусности того или иного явления.
По словам руководителя направления по взаимодействию со СМИ ОАО "Мобильные телесистемы" (МТС) Дмитрия Солодовникова, в МТС работает система SNA, которая более чем за два года использования доказала свою эффективность. Система может собирать данные о контактах абонентов всей России и анализировать сложившиеся между ними "социальные сети", что необходимо для повышения лояльности клиентов и продвижения дополнительных услуг. "SNA применяется компанией в том числе для борьбы с оттоком. Система использует данные о звонках, не затрагивая персональных данных абонента. При этом анализ позволяет понять картину потребления абонентами различных сервисов и предложить наиболее выгодные условия. По итогам первой половины 2012 года МТС продемонстрировали рекордно низкий на рынке показатель оттока — 9,4%. Это подтверждает, что комплекс мер по удержанию абонентов, в том числе и аналитика системы SNA, работает эффективно",— говорит Дмитрий Солодовников. Еще один важный момент: в телекоме на базе графа можно выявить источники спам-рассылок и подозрительно активных распространителей информации, чтобы их заблокировать. Для того чтобы построить граф по модели SNA, достаточно сохранять информацию о поведении и взаимоотношениях абонентов хотя бы в течение трех месяцев.
Анализ по методу SNA, конечно же, могут производить и компании, владеющими социальными сетями: Facebook. LinkedIn, Twitter и т. д. Некоторые данные из них могут почерпнуть и внешние компании, хотя этот процесс затруднен из-за политики безопасности и конфиденциальности: соцсети отдают информацию, только если пользователь на это согласился.
Например, с помощью графа, построенного на базе информации из Twitter, можно по ключевым словам выявлять скопления аккаунтов и причину данных скоплений, находить центры влияния — лидеров мнений с большим количеством последователей, которым свойственно копировать модель поведения лидеров и т. д., что, безусловно, является ценнейшей информацией при работе с мнениями и другими PR-активностями.
Кроме того, SNA может применяться в области управления человеческими ресурсами. "Многие компании сегодня утверждают, что люди — это их самый ценный актив. Так почему бы им не инвестировать в инструменты, которые помогают им лучше управлять?" — задается вопросом Стивен Бробст.
Компания, в которой работает большое количество сотрудников, может выявлять неформальных лидеров, анализируя присутствие людей на переговорах, конференциях, участие в проектах, факт переписки друг с другом (без доступа к контенту), общение в корпоративной соцсети и т. д. Например, так поступает компания Google. Такой анализ позволяет построить граф взаимоотношений в коллективе и предотвратить массовый уход сотрудников из компании, что часто случается, если работодателя покидает неформальный лидер. HR-менеджер в этом случае может обсудить новые условия с теми сотрудниками, которые были подвержены его влиянию.