Энциклопедия маркетинга

Введение

Коллаборативное веб-пространство или, как его часто называют, Web 2.0 позволило компаниям получить дополнительные точки соприкосновения с существующими и потенциальными клиентами и создало платформу для более интенсивного взаимодействия с клиентами в рамках клиентоориентированного подхода. Корпоративные блоги часто используются компаниями для поднятия субъективной оценки потребительской ценности путем демонстрации достижений фирмы, бренда и преимуществ продукта. Это служит укреплению имиджа бренда/организации и помогает потребителю узнать больше о компании. За счет этого связи между брендом и потребителем расширяются и укрепляются. Использование постов в корпоративных блогах с целью информирования потребителей о новых рекламных кампаниях и выпуске новой продукции становится эффективной маркетинговой стратегией и техникой управления взаимоотношениями с клиентами. Потребители могут оставлять фирмам комментарии, выражать свое мнение, публиковать отзывы и претензии по продуктам. Это повышает их вовлеченность в процесс продаж. Иными словами, появляются новые возможности для сбора пользовательских данных, которые будут использоваться для анализа клиентской базы посредством фиксации конкретных аспектов человеческого поведения.

Данная статья-мнение посвящена возможностям подобных исследований и значению сбора потребительской информации для профилирования потребителей на основе комментариев, публикуемых в ответ на посты в корпоративном блоге. Комментарии потребителей можно использовать как средство выявления потребительских настроений с помощью ряда инструментов сбора данных. Их также можно применять в процессе принятия решений с целью усовершенствования сегментации потребителей и управления ответными действиями. Концепции кластерингового сбора данных и методики «ближайшей соседней записи», основанные на техниках сопоставления, помогают распределять потребителей по соответствующим группам и прогнозировать поведение новых потребителей по мере их появления в системе.

Наша главная цель в этой работе заключается в идентификации словесно выраженных потребительских настроений на основе публикуемых клиентами комментариев, а также в доказательстве того, что слова, передающие индивидуальные чувства, могут использоваться для выявления желания клиента купить тот или иной продукт и его общего отношения к компании. Полученные через программу Sentiwordnet баллы, которые, по сути, аналогичны английской системе wordnet на основе бальной системы с полярными сопоставлениями по синонимичным рядам, используются для фиксации значимости той или иной характеристики, то есть словам пользовательских комментариев.

Ведение корпоративных блогов

Web 2.0 — это набор общедоступных интерактивных контролируемых пользователями онлайн-приложений, цель которых — расширить опыт, знания и рыночное влияние пользователей как участников социальных и бизнес-процессов[1]. Инструменты Web 2.0 предоставляют компаниям великолепную возможность создания новой интернет-системы социального взаимодействия и совместной работы с целью повышения эффективности бизнеса, снижения издержек и роста прибыли[2]. Инструменты коллаборативного веб-пространства широко используются промышленными корпорациями в таких областях, как маркетинг, продвижение бренда и взаимодействие с клиентом. Кроме того, Web 2.0 оказывает достаточное влияние на сферу взаимоотношений с клиентами и на ряд новых задач, стоящих перед специалистами по маркетингу[3]. Корпоративные блоги, интернет-сообщества, социальные сети, онлайн-справочники и энциклопедии, микроносители информации и фолксономия — это лишь несколько примеров используемых в бизнесе понятий Web 2.0.

Согласно словарному определению, «блог» — это серия регулярно публикуемых личных размышлений и ссылок, представленных хронологически. Поскольку миллионы людей используют блоги как личные интернет-дневники, они становятся неким коллаборативным пространством, которое обладает огромным потенциалом и может использоваться как новейшая форма взаимодействия на основе компьютерных технологий[4]. Такая форма взаимодействия получила широкое распространение в мире бизнеса с появлением корпоративных или «внутриорганизационных» блогов. Речь идет о блогах, которые ведут официальные или полуофициальные лица компании, причем они настолько тесно связаны с компанией, что даже если они и не являются ее официальными представителями[5], то имеют, явно или косвенно, ряд очевидных полномочий со стороны компании. Подобные блоги также именуются гибридом персональных блогов[6]. Корпоративные блоги привлекают к себе все больше внимания со стороны специалистов по связям с общественностью, поскольку содержат ценные мнения, аналитические данные, комментарии и прочую важную информацию, связанную с той или иной компанией. «Внутриорганизационные» блоги — это нечто среднее между страничкой личных размышлений и профессиональными форумами, предшественниками которых были различные средства онлайнового или автономного взаимодействия. Внутриорганизационные блоги совмещают возможность публикации личных мнений и профессиональных отзывов[7]. Для комментариев и постов в блогах создаются метки, ключевые слова, что позволяет категоризировать контент и быстро отыскивать содержимое, аналогично тематической классификационной системе. Обмен ссылками также является важной частью блогов — ссылки отражают разговорный характер блогосферы и ее спонтанность[8]. Эффективный блог развивает сообщество и углубляет взаимодействие[9], направляет посетительский трафик к рекламным сайтам, служит контекстом для взаимодействия с потребителями и, следовательно, формирует потребительские мнения, управляет реакцией потребителей, а также посредством обмена идеями развивает и укрепляет связи с клиентами. Преимущество блогов — быстрая публикация постов, что, в свою очередь, дает преимущество первого хода в формировании социально значимых мнений по текущим событиям[10]. Блоги уже не являются интернет-субкультурой; они стали основным источником информации. Внешние корпоративные блоги — это, прежде всего, инструменты, используемые компаниями для взаимодействия с потребителями, партнерами, маркетинговыми посредниками, дочерними компаниями и прочими внешними структурами, то есть СМИ, государственными органами и другими организациями. В них представлен наиболее свежий взгляд на компанию по сравнению с другими традиционными информационными каналами. Чтобы пользоваться этим новым каналом и с его помощью взаимодействовать с клиентами, компаниям потребуется ряд инициатив[11]. Дальновидным компаниям и управляющим структурам предоставляется отличная возможность для формирования позитивного потребительского восприятия бренда. Люди, читающие корпоративные блоги, воспринимают стратегии клиентской поддержки гораздо позитивней по причине «ощущения связи с компанией», нежели те, кто читает только традиционный веб-контент. Это превращает блоги в полезный инструмент создания и поддержки отношений с существующими и потенциальными клиентами, в основе которых — реальное ощущение предлагаемой ценности. Когда компания запускает корпоративный брендовый блог, она тем самым заявляет о своем желании делиться информацией и вступать в диалог. Это особенно актуально, когда посетителям блога предоставляется возможность публиковать свои комментарии. Неформальность общения, в свою очередь, помогает компаниям сформировать отношения доверия[12], наладить общение с клиентами и даже управлять общественным восприятием через публикацию ответов на комментарии. Способность блогов стимулировать активность потребителей посредством комментирования постов компании поощряет диалог и помогает компании достичь должного уровня взаимодействия с потребителем. Интернет-взаимодействие способно снизить уровень безразличия к компании и склонить потребителя к покупке, избавив его от препятствующих покупке вопросов[13].

Способность блогов стимулировать высокий уровень потребительского участия, выражаемого в объеме публикуемых комментариев, конечно, имеет большое значение. Однако еще большее значение имеет информационный капитал, накапливаемый в результате взаимодействия с потребителями, который затем можно использовать для извлечения конкретных данных. Эти данные помогают компаниям в принятии решений[14] по сегментации потребителей и при выработке стратегий. Преимущество блогов в том, что посты и комментарии легко ищутся и отслеживаются в рамках централизованного хостинга и структурированных тематических ветвей. На сегодняшний день все основные браузеры поддерживают технологию RSS, благодаря которой читатели могут с легкостью находить посты без посещения блогов. С точки зрения блогов, преимущества для пользователей заключаются как в расширении социальных связей, так и в получении информации. Установление связей — важнейшая ценность, к которой стремятся все типы пользователей системы, причем наиболее лояльные пользователи извлекают из нее наибольшую пользу[15]. Корпоративные блоги имеют три общих атрибута: информацию, систему взаимоотношений и управление знаниями. Несмотря на то, что существует множество различных типов корпоративных блогов, большинство из них подпадают под категорию «внешних» или «внутренних». В данном исследовании мы рассмотрим «внешние» блоги, используемые организациями для установления отношений с потребителями и стимулирования потребительской активности и вовлеченности.

Взаимоотношения с клиентами (CRM)

Управление взаимоотношениями с клиентами (CRM), или, как его еще называют, «маркетинг партнерских взаимоотношений на основе информации»[16] — это общекорпоративная инициатива, в которой задействованы все структуры и подразделения компании[17]. Сюда относятся процессы, которые используются компаниями для управления отношениями с потребителем, включая сбор, хранение и анализ данных. По этой причине данный тип маркетинга нередко называют маркетингом, управляемым потоком данных. Задачей CRM является установка стратегического моста между информационными технологиями и маркетинговыми стратегиями, нацеленными на построение долгосрочных отношений с клиентами и прибыльность бизнеса. Для этого требуются «информационно насыщенные стратегии».[18] Для поддержания наиболее эффективных систем управления информацией о клиентах крайне важно иметь актуальные базы данных клиента и собирать клиентские отзывы и комментарии.

Компании вступают во взаимодействие с клиентами, обращаются с ними как с корпоративными активами, изучают их, и в процессе сбора отзывов и совместной деятельности устанавливают прочные взаимоотношения. Это помогает установить приоритетность маркетинговых инвестиций, поскольку усовершенствование сбора текущей маркетинговой информации определенно стимулирует положительные перемены в контексте продаж. Необходимо изменить организационные процессы таким образом, чтобы компании могли узнавать и видеть каждого отдельного клиента и оперативно получать информацию о том, кто он и чего хочет[19]. В этом контексте можно воспользоваться методами сбора и анализа данных, которые дают возможность черпать информацию о клиентах из комментариев, публикуемых в корпоративном блоге.

Интеллектуальный анализ данных

Интеллектуальный анализ данных — это процесс выявления достоверных новых потенциально полезных и предельно понятных информационных моделей из большого объема информации[20]. Сбор данных предполагает фактическое извлечение полезных знаний из некоторого объема данных[21]. Интернет способен фиксировать сразу несколько аспектов человеческой деятельности и обеспечивает благоприятные условия для сбора данных. Это особенно важно для создания интеллектуальной интернет-среды[22]. Говоря о корпоративном блоге, задачей анализа является проникновение в мыслительные процессы потребителя и, следовательно, получение возможности прогнозирования его поведения путем создания сегментов потребителей[23], путем определения «текучести» потребителей, а также анализа откликов на рекламные кампании и стратегии удержания клиентов. Приложения для сбора и анализа данных осуществляют полный цикл анализа, извлекая из текстов ценную пользовательскую информацию.

Интеллектуальный анализ данных (Knowledge Discovery and Data Mining, или KDD) – это междисциплинарная область, в основе которой лежат методики извлечения полезных знаний из некоторого набора данных, полученных посредством бизнес-аналитики. Острая потребность в развитии методик KDD вызвана продолжительным и быстрым увеличением объема хранящихся в Интернете данных[24] и широкому распространению баз данных. Задача извлечения полезных знаний из некоторого набора данных напрямую зависит от исследований, проводимых в самых разных областях, что, в свою очередь, помогает выявить инструменты и средства для синтезирования и упорядочения знаний практически из любой области на основе набора документов и информационных баз. Все больше людей осознает, что по-настоящему эффективная система CRM[25] целиком и полностью зависит от правильного понимания клиентских потребностей и предпочтений. В этом контексте инструменты анализа данных помогают выявлять скрытую информацию онлайн-контента, а это, в свою очередь, помогает понимать потребности клиента. Системное управление знаниями дает возможность превратить полученные знания в эффективные маркетинговые стратегии.

Профилирование потребителей[26] — это одна из главных прикладных областей интеллектуального анализа маркетинговых данных, в основе которого лежит сбор пользовательской информации. Это весьма актуальная методика, поскольку информация о моделях поведения клиента[27] представляет собой более ценный источник знаний, чем демографические данные о тех же самых потребителях. В настоящем исследовании речь пойдет о следующих методах анализа данных.

Анализ тональности текста

Анализ тональности текста — это метод вычислений, применяемый для выявления высказываний по той или иной теме в рамках некоторого текста[28]. С ростом популярности ресурсов, предлагающих широкое разнообразие отзывов и мнений по самым разным темам, таких как сайты онлайн-обзоров и персональные блоги, в бизнес сфере появляются новые возможности и новые задачи, связанные с тем, что люди могут активно пользоваться информационными технологиями (что они и делают) для поиска и интерпретации мнений. Подобный контент признан источником измеряемых и прогнозируемых знаний, и для его исследования разработаны методы сбора и анализа мнений[29]. Резкий подъем активности в области вычислительного анализа мнений и тональности текста, а также моделей поведения и субъективного подтекста высказываний, стал, по крайней мере отчасти, реакцией на быстро растущий интерес к новым системам обработки мнений, которые признаны объектом первостепенной важности[30]. Представим себе текст, содержащий некоторое мнение. Это общее мнение касается одной единственной темы или проблемы, и тогда его можно классифицировать как подпадающее под один из двух поведенческих полюсов или расположить где-то на континууме между этими полюсами[31]. При анализе документа добавляется еще и семантическая ориентация терминов этого документа, которая отражает некоторую тональность. Если общий балл мнения положительный, то документ классифицируется как документ положительной тональности, а в противном случае — отрицательной[32]. Концепция анализа тональности текста приспособлена к анализу отношения потребителей к той или иной теме. Их отношение выражается в комментариях к постам корпоративных блогов и классифицируется в терминах положительной или отрицательной эмоциональной полярности.

МЕТОДИКА

(i) Средства исследования и метод выборочного контроля

Чтобы потребители могли связать заранее заданный набор эмоционально окрашенных слов с намерением клиента сделать покупку или словами, демонстрирующими его отношения с компанией, была разработана оценочная таблица. Фокус-группе из двадцати потребителей была предложена оценочная таблица и задание «привязать» эмоционально окрашенные слова к соответствующим потребителям.

(ii) Факторный анализ

Факторный анализ применялся для «загрузки» слов с эмоциональной окраской в такие факторы, как одобрение, удовлетворение, вовлеченность I и вовлеченность II.

(iii) Иерархический кластерный анализ

Иерархический кластерный анализ был применен к общему количеству баллов восемнадцати потребителей, которые оставили комментарии к посту в корпоративном блоге авиакомпании Southwest Airlines; потребительские группы (кластеры) были распределены по сегментам.

Оценка эмоционального настроя потребителей в системе Sentiwordnet 1.0

Для оценки эмоционального настроя потребителей мы используем систему Sentiwordnet 1.0[33]. Это лексический ресурс, в котором каждый синонимический ряд WORDNET связан с одним из трех видов оценок в баллах (объективный, положительный или отрицательный). Эти три термина описывают, насколько объективны, положительны или отрицательны по эмоциональному настрою слова, содержащиеся в синонимических рядах (synset). Метод, используемый для развития ресурса SENTIWORDNET, основан на количественном анализе комментариев, ассоциированных с синонимическими группами, или synsets, а также на использовании результирующих терминологических представлений для полуконтролируемой классификации синонимических групп. Три вида оценки производятся путем комбинирования результатов, полученных по группе из восьми троичных классификаторов, имеющих одинаковую точность, но разные типы классифицирующего поведения[34]. Если воспринимать комментарии как набор текстов, содержащих некоторое мнение, и допустить, что текст (набор комментариев к одному посту) относится к одному вопросу или теме, то интересно увидеть, что это мнение будет положительным или отрицательным либо будет находиться где-то на континууме между этими двумя полюсами. Для этого нужно превратить каждый комментарий в вектор признаков, используя средства обработки текста, а затем — идентифицируя признаки эмоционального настроя. При анализе тональности текста, где каждому эмоционально окрашенному слову присваивается количественный признак на основании соответствующего синонимического ряда wordnet, оценочный балл эмоционального настроя может быть вычислен для каждого отдельного комментария. В этом контексте индикатором является само наличие терминов, а не частота их использования, потому что в традиционном анализе тональности текста частота употребления слов не усиливает/не меняет полярности настроений. То есть, считая алгебраическую сумму ориентации употребляемых слов количественным выражением эмоционального настроя, скрытого в комментарии, можно присвоить комментарию соответствующий балл. Здесь очень важно соотнести каждое слово с соответствующим набором синонимов wordnet, поскольку это ключ к верному подсчету баллов. Затем вычисляется количество потребителей, склонившихся к положительному или отрицательному полюсу. Возьмем, к примеру, следующий комментарий:

«Отличная идея. Похоже на толковую, хорошую сделку».

Для оценки общего эмоционального настроя, выраженного в этом комментарии, необходимо извлечь эмоционально окрашенные слова — «отличная», «толковая», «хорошая». В Sentiwordnet 1.0 тональности этих слов присвоены следующие баллы: 0,625, 0,5 и 0,5 соответственно. Суммарный балл эмоциональности для этого потребителя составляет 0,541.

Пригодность метода

Субъективный эксперимент. В целях оценки пригодности метода группу потребителей попросили связать 17 эмоционально окрашенных слов с двумя оценочными категориями — склонностью потребителя к покупке и типом отношения покупателя к компании. Факторный анализ помогает «загрузить» соответствующие эмоционально окрашенные слова в шесть различных факторов — одобрение, удовлетворение, вовлеченность I и вовлеченность II (см. рис. 1). Потребитель проходит через несколько этапов, а именно: одобрение, удовлетворение и вовлеченность во взаимодействие с компанией. Одобрение можно охарактеризовать как положительное отношение, эмоциональную связь или предпочтение по отношению к продукту, бренду или компании. Это первый этап развития потребительского интереса к продукту.

Потребитель переходит с одного этапа на другой, когда начинает ощущать бόльшую ценность в предложении компании. Воспринимаемая ценность приравнивается потребителем к воспринимаемому качеству, в результате чего удовлетворение покупателя растет. Кроме того, в своих отношениях с компанией и брендом потребитель стремится к выражению своей радости и признательности. Это выражение может рассматриваться как показатель потребительской удовлетворенности. Инструменты информационных технологий в этом отношении очень эффективны. Вовлеченность потребителя — это воспринимаемая потребителем личная значимость и/или интерес, связанный с приобретением, потреблением и использованием хорошей услуги или предложения. По мере роста вовлеченности у потребителя усиливается мотивация к пониманию коммерческого предложения и получению дополнительной информации. Потребители, демонстрирующие сомнение или беспокойство по отношению к продукту, бренду, отдельным характеристикам и т. п., находятся в самом низу шкалы вовлеченности. Следующий уровень этой шкалы соответствует потребителям, которые имеют претензии и хотят восстановить справедливость.

Ввиду того что фокус-группы, состоящие из потребителей, могут оценивать эмоционально окрашенные слова и далее распределять людей по группам в соответствии с их предполагаемым отношением к компании, количественное выражение эмоционального настроя и последующее использование полученных данных для кластеринга потребителей оказалось практически возможным и целесообразным. Надежность инструментов тестирования была проверена с помощью метода тестирования устойчивости результатов при повторном тестировании. Процедура была повторно пройдена с участием тех же людей. Коэффициент Спирмена-Брауна составил 0,957, а коэффициент раздельного коррелирования Гутмана — 0,955.

Сегментация потребителей по признаку их эмоционального настроя

Используя корпоративные блоги для сегментации потребителей, руководители отделов маркетинга могут подразделять покупателей (в том числе и потенциальных) на небольшие группы, а затем указывать то взаимодействие, которое необходимо осуществить с этими лицами. Сегментация — это процесс идентификации групп потребителей, вокруг которых можно проводить маркетинговую деятельность путем анализа текущей клиентской базы. Это крайне важный функциональный аспект любого инструмента, поскольку это позволяет специалистам по маркетингу максимально уточнять итоговые данные по той или иной кампании. Сегментация помогает установить цели для конкретных кампаний, поскольку дает понимание типа отношений между потребителем и компанией, и вместе с тем способствует удержанию потребителей, выявляя те группы, которые требуют особого внимания и удовлетворения претензий.

Традиционно выделялось лишь несколько широких сегментов по признаку общей демографической информации. С наступлением перемен и в силу того, что объемы информации, накапливаемой внутренними ресурсами компаний, существенно возросли, стало возможным выявление большего количества сегментов с более тонкой детализацией. Кроме того, стало возможным выявление сегментов по признаку фактического взаимодействия потребителей с компанией (а не общей демографической информации), а также появилась возможность автоматизации ответов для каждого сегмента. Потребительские комментарии к постам корпоративного блога несут в себе огромный информационный потенциал. Если потребители с положительными характеристиками эмоционального настроя готовы к тому, чтобы применить к ним стратегии приобретения потребителей, то клиенты с отрицательными характеристиками требуют стратегий удержания потребителя.

Использование корпоративных блогов для профилирования потребителей

Профилирование потребителей заключается в создании потребительских моделей, на основе которых специалист по маркетингу принимает решения о стратегиях и тактических действиях, направленных на удовлетворение потребностей покупателей. Профилирование — это идеальный инструмент прогнозирования покупательского поведения и предпочтений. Профили потребителей можно создавать на основе данных о совершенных ими покупках или любых других данных о потребительском поведении. В контексте корпоративного блога некоторое количество потребителей под каждым отдельным корпоративным постом можно подвергнуть эмоционально-оценочному анализу, в результате чего подсчитываются индивидуальные баллы, показывающие настрой и эмоции того или иного потребителя. Каждый потребительский комментарий может считаться индикатором настроения каждого отдельно взятого потребителя и может содержать балл его эмоционального настроя. Баллы эмоционального настроя используются для формирования базы профилирования потребителей. Для этого необходимо подвергнуть потребителей одномерному иерархическому кластерному анализу, основанному на «эмоциональных» баллах. Подобный анализ позволит выделить отдельные кластеры потребителей. Кластерный анализ, также называемый сегментацией данных, заключается в группировке, или сегментации, набора объектов (к которым относятся наблюдения, отдельные люди, ситуации или строки данных) в подклассы, или «кластеры», таким образом, чтобы внутри каждого кластера между элементами существовала более тесная связь, чем между объектами, присвоенными разным кластерам. Соответственно, объекты внутри одного кластера схожи друг с другом. Кроме того, они отличаются от объектов, находящихся вне этого кластера, особенно от тех, которые находятся внутри других кластеров. Алгоритмы формирования кластеров таковы, что внутрикластерное сходство максимально, а межкластерное — минимально.

Классификация потребителей по кластерам поможет компаниям вести целевой маркетинг максимально эффективно. К примеру, если члены Кластера 1 являются потребителями с негативным эмоциональным настроем и, следовательно, имеют к компании некоторые претензии, то целевой маркетинг должен отличаться для этой группы от стратегий, используемых в кластере, в котором потребители испытывают положительные эмоции.

сбор данных в рамках одной рекламной кампании и соответствующий кластерный анализ (пример)

К поведению и эмоциональному настрою восемнадцати потребителей, оставивших комментарии к посту в корпоративном блоге авиакомпании Southwest Airlines, был применен иерархический кластерный анализ. Было выделено три кластера (табл. 1). Дендрограмма приведена ниже (рис. 2). Аарон, Билл и Боб входят в кластер 1, а Дрю — в кластер 3. Все остальные участники входят в кластер 2. Матрица близости показывает то же самое. Классификация потребителей по кластерам на основе оценки эмоциональности комментариев помогает компаниям выбирать стратегии соответственно целевой аудитории. Участники кластера 1 являются потребителями с негативным настроем и, следовательно, демонстрируют состояние неудовлетворенности, в то время как участники кластера 3 демонстрируют низкий уровень одобрения компании в тех областях, где компании требуется что-то доработать, чтобы добиться лучшего взаимопонимания и контакта. Члены кластера 3 демонстрируют определенную степень удовлетворенности и могут рассматриваться по отдельности.

Таблица 1. Участие в кластере

Рис. 2. Дендрограмма с использованием ординарной связи

Далее, в момент появления в системе нового потребителя, метод ближайшей соседней записи позволяет отнести его к подходящему кластеру, что гарантирует правильность выбранной для него маркетинговой стратегии. Наша способность делать выводы на основании опыта напрямую зависит от способности анализировать соответствующие примеры из прошлого. Анализ на основе сопоставлений и заключается в выявлении схожих случаев из прошлого и приложении этих знаний к текущей проблеме. Для определения подходящего кластера для каждого «новичка» можно использовать метрическую функцию.

Сбор текущей маркетинговой информации. Преимущества

(i) Если исходить из того, что каждый пост, размещенный на корпоративном блоге, характеризует одну корпоративную кампанию (рекламную или какую-то другую), тогда среднее значение эмоциональности клиента для этого корпоративного поста будет указывать на средний эмоциональный настрой всего населения в рамках данной рекламной кампании.

(ii) Положительное или отрицательное среднее значение, полученное в результате анализа тональности текста, помогает специалистам по маркетингу понять мыслительный процесс потребителя в рамках конкретной рекламной кампании.

(iii) Для охвата рекламой конкретных целевых сегментов можно разрабатывать отдельные маркетинговые стратегии.

(iv) Потребительское поведение — это функция эмоционального состояния потребителя, указывающая на тип его отношений с компанией/брендом или продуктом.

(v) Потребительское поведение каждого нового потребителя, который входит в систему (оставляет комментарии на корпоративном блоге), можно прогнозировать путем определения его эмоционального настроя в баллах с последующим назначением его соответствующему кластеру.

Выводы

Сегментация потребителей — это эффективная исследовательская методика, помогающая компаниям приобретать клиентов. Отток покупателей также является важнейшей областью исследований, интересующей любую компанию, особенно те из них, которые относятся к зрелым отраслям, где первоначальный этап экспоненциального роста уже давно пройден. С одной стороны, компании могут улучшить партнерские отношения с потребителем за счет более качественного управления информационным контентом[35], а с другой — извлечь пользу из информации о своих потенциальных и имеющихся клиентах путем структурирования и сбора больших объемов данных, доступных в сети, и создания маркетинговых стратегий посредством кластеризации потребителей по ряду факторов, таких как, например, оценка эмоционального настроя, о которой говорилось выше. Если потребители, демонстрирующие положительную эмоциональную динамику, могут быть объединены в кластеры и охвачены конкретными целевыми рекламными кампаниями, то потребителей с негативным эмоциональным настроем, которые, скорее всего, будут потеряны компанией, можно вовлечь в качественную кампанию по удержанию клиентов. Благодаря возможностям сортировки потребителей по сегментам, специалисты по маркетингу могут планировать целенаправленные, высокодифференцированные маркетинговые стратегии для повышения рентабельности своих вложений.

Список цитированной литературы

1. Constantinides and Fountain, S. J. (2008) Web 2.0: Conceptual foundations and marketing issues. Journal of Direct, Data and Digital Marketing Practice 9:231 — 244.

2. Michael, P. (2007) Web 2.0 in the Enterprise. The Architecture Journal. Microsoft Developer Network, MSDN Architecture Centre, US: MSDN Library.

3. McKinsey (2007) How businesses are using Web 2.0: A McKinsey global survey. The McKinsey Quarterly.

4. Herring, S. C. (1993) Gender and democracy in computer mediated communication. Electronic Journal of Communication.

5. Sifry, D. (2004) Sifry’s alerts: October 2004 state of the blogosphere.

6. Smudde, P. M. (2005) Blogging, ethics and public relations: A proactive and dialogic approach. Public Relations Quarterly 50 (3): 34–38.

7. Kelleher, T. and Miller, B. M. (2006) Organizational blogs and the human voice: Corporate blog strategies and relational outcomes. Journal of Computer-Mediated Communication 11 (2): Article no. 1.

8. Anderson, P. (2007) What is Web 2.0, Ideas, Technology and Trends for Education. JISC Technology and standards watch, Bristol: JISC.

9. Kathy (2004) How can we measure the influence of the Blogosphere. Department of Communication, University of Washington, 2004.

10. Drezner, D. G. and Henry, F. (2004) The power and politics of blogs. American Political Science Association.

11. Kolari, P. et al (2007) On the Structure, Properties and Utility of Internal Corporate Blogs, Proceedings of the International conference on Weblogs and Social Media; USA.

12. Dwyer, P. (2007) Building trust with corporate blogs. International conference on Weblogs and Social Media.

13. Daniel, M. and Lamb, H. (2006) Customer relationship management. Introduction to Marketing, Eighth Edition, p. 677.

14. Shaw, M. J., Subramaniam, C., Tan, G. W. and Welge, M. E. (2001) Knowledge management and data mining for marketing. Decision Support Systems. Elsevier Science Publishers, pp. 127–113.

15. Jackson, Yates and Olikowski (2007) Why do you blog-a uses and gratification inquiry into blogger’s motivations. Corporate blogging-building community through persistent digital talk, Proceedings of the 40th Hawaii International Conference on Systems Sciences.

16. Ryals, L. and Payne, A. F. T. (2001) Customer Relationship Management in financial services: Towards information-enabled relationship marketing. Journal of Strategic Marketing 9 (March): 1–25.

17. Glazer, R. (2005) Measuring the value of information: The information-intensive organization. IBM Systems Journal 32 (1): 99–110.

18. Singh, D. and Agrawal, D. P. (2003) CRM practices in Indian industries. International Journal of Customer Relationship Management 5 (December — January): 241–257.

19. Jayachandran, S., Sharma, S., Kaufman, P. and Raman, P. (2005) The role of relational information processes and technology use in customer relationship management. Journal of Marketing 69 (October): 177–192.

20. Fayyad, U., Gregory, P. S. and Padhraic, S. (1996) From datamining to knowledge discovery in database. Advances in Knowledge Discovery and Datamining. Portland: AAAI Press, pp. 37–54.

21. Cios, K. J. and Kurgan, L. A. (2002) Trends in datamining and knowledge discovery. In: Pal, N.R. and Jain, L. (eds.) Knowledge Discovery in Advanced Information Systems. London: Springer Verlag, pp. 1–26.

22. Han, J. and Chang, K. C-C.(2002) Datamining for web intelligence. IEEE Computer Society Press 35 (11):54– 60.

23. Dibb, S., Stern, P. and Wensley, R. (2002) Marketing Intelligence & Planning 20 (2): 113–119.

24. Kiani, G. R. (1998) Internet Research: Electronic Marketing Applications and Policy 8 (7): 185–194.

25. Goodhue, D. L. (2002) Realizing business benefits through CRM: Hitting the right target in the right way. MIS Quarterly Executive 1 (2): 79–94.

26. Sproles, K. (2005) Methodology for profiling consumers’ decision-making styles. The Journal of Consumer Affairs 20 (2):267–279.

27. Klaassen, A. (2007) Behavioral targeting: The new killer app for research. Advertising Age 78 (4): 17.

28. Mei, H., Mi, H. and Quiaot, J. (2007) Sentiment Mining and Indexing in Opinmind. Boulder, CO: ICWSM.

29. Lee, D. J., Jeong, O.-R. and Lee, S.-G. (2008) Opinion mining of customer feedback data from the web.

30. Pang, L. (2008) Opinion Mining and sentiment analysis, Now Publishers inc., Foundations and trends in information retrieval.

31. Pang, B. and Lee, L. (2008) Sentiment polarity and degrees of positivity. Opinion Mining and Sentiment Analysis, Foundations and Trends in Information Retrieval 2 (1–2): 25.

32. Gamon, A. (2007) Automatic identification of sentiment vocabulary, exploiting low association with known sentiment terms.

33. Esuli, A. and Sebastiani, F. (2006a) Sentiwordnet: A publically available lexical resource for opinion mining.

34. Esuli, A. and Sebastiani, F. (2006b) SentiWordNet: A publicly available Lexical resource for opinion Mininп. In: Proceedings of LREC-06, 5th Conference on Language Resources and Evaluation. Genova, IT, pp. 417–422.

35. Ahuja, V. and Medury, Y. (2011) Corporate blog as e-CRM tools Building Consumer engagement through content management. Journal of Database Marketing & Customer Strategy Management 17 (2): 91–105.

Версия для печати