大流行时期是许多品牌的转折点。他们中的一些人遭受了真正的围困,但并不是所有人都能应付迅速增长的客户订单,消息和评论,有时甚至是抱怨甚至仇恨。 

作为一个品牌,我们如何应对这种激烈的客户沟通? 在此期间,我们实际上收到了更多的评论和消息吗?他们是正面还是负面?我们可以与他们打交道,并从中学习吗?我们如何逐年与他们打交道? 比赛如何处理他们? 

当然,我们并不总是会对要发表的意见产生影响,但是我们确实会影响与使用我们的服务有关的最终客户体验以及对整个购买过程的满意度。 

今天,以选定的快递公司为例,我们将展示如何: 

  • 社交媒体监控使您可以确定用户活动增加的时期 –您什么时候应该特别关注客户服务和管理,
  • 机器学习模型可让您轻松快速地检测出需要关注的领域或主题,以改善我们公司在互联网上的形象以及所提供服务的质量。

快递公司案例研究 

我们每个人当然都抱怨快递服务的质量–交货时间长,包裹丢失和损坏,尽管在家里,但包装盒中的交货单。我们决定分析 脸书 用户多久撰写一次关于快递公司的内容,用什么语气写。我们专注于行业最热的时期:2019年12月至2020年6月,这既是圣诞节又是大流行时期。 

在此期间,我们选择了3个Facebook页面,这些页面的用户评论和帖子数量异常多– 2家快递公司:  GLS波兰 UPS Polska 和  波兰邮政

这些是我们希望在分析中找到答案的问题:

  • 用户最常在什么时候对快递/邮政公司的个人资料发表评论?可以将他们在假日期间的活动与流行时间进行比较吗? 
  • 在什么时期最负面和正面的评论?
  • 负面评论最常涉及哪些主题?
  • 在发表的评论中是否有仇恨的例子?如果是这样,它们是关于什么的(公司,快递,客户服务)?
  • 锁定与假期前相比如何?

用于分析帖子和评论的情绪 我们使用了专有的机器学习算法,该算法学习检测Internet上发布的文本中的情绪,尤其是在社交媒体中。

GLS波兰品牌分析

在3个被分析的网站中,仅在GLS波兰个人资料上,用户发布了帖子,并且相对较多。在GLS发布的106个帖子中,用户又添加了122个帖子(平均每天大约5个)。 

gls  脸书

每周在GLS波兰网站上发布的帖子数量

  • 用户在圣诞节前的几周内发布了更多帖子,而在1月/ 2月这方面他们更加活跃。
  • 在爆发期间,用户发布的帖子相当定期,尽管不像12月和2月那样频繁(每天少于5个)。

当涉及到用户帖子的情绪时,这是相当消极的(但是,用户很少自己发表积极的帖子,并且评论是不同的)。

情绪

用户在GLS波兰网站上发表的观点

  • 用户的帖子中普遍带有负面情绪,尤其是在圣诞节前夕。
  • 仅在单个帖子中检测到积极情绪。
  • 在分析期间,我们记录了1例仇恨言论 (圣诞节前)。 

关于评论,在12月初和3月中旬(大流行开始时)再次发表了最多的评论。–大约每周100次,以及5月/ 6月(母亲节和父亲节比赛)–甚至一个星期200

gls  脸书 评论

GLS波兰网站上的评论数的每周分布

同期,随着评论数量的增加,负面评论也有所增加。 另一方面,在母亲节和父亲节之际的比赛中,大多数评论是正面的。 

gls  脸书 评论情绪

GLS波兰网站上的用户评论

与UPS Polska和Poczta Polska相比,GLS网站具有更多正面和中立的评论。 5月和6月组织的比赛对此产生了决定性的影响,但在前几个月中,也有很多正面(中立)的评论比对参赛者的评价更高。 

公开发表的评论情绪直接影响品牌如何开始被他人认知,因此值得谨慎对待。为了始终与个人资料上的讨论保持最新,有必要为此目的使用外部工具,例如 在Sotrender中节制.

UPS Polska 品牌分析

UPS Polska 发布的帖子上的用户活动与我们的预期相差无几–在12月上半月,即圣诞节前的高峰期和更频繁订购礼物或装饰品的期间,用户发表了最多的评论。流行病爆发后的三月份,我们在网站上的评论数量又有了显着增加。在接下来的几个月中,用户还在网站上留下了很多评论,直到5月中旬为止,每星期的评论数量都有所增加。

每周在UPS Polska网站上发布评论数量

情绪分析表明,绝大多数评论都是负面的。 在几周内,用户发表的关于负面情绪的评论甚至是中立情绪的2-3倍,而关于正面情绪的评论只有一次。

UPS Polska 网站上的用户评论情绪

Poczta Polska的个人资料分析 

最后,评论最多的页面:波兰邮政。在圣诞节前,互联网用户经常对此网站的内容发表评论(在12月的一个星期内,该网站上发表了1000多个评论)。 但是,在三月份流行病宣布之后,评论员的活动急剧增加,并且他们每周发表的评论数量比圣诞节前的时期高出数倍。 我们还记录了4月中旬的明显增长。

Poczta Polska网站上评论数量的每周分布,数据 Sotrender

在2月和3月,随着评论数量的增加,负面评论和中立评论的百分比显着增加。 

如果 与其他网站一样,Poczta Polska收集的关于积极情绪的评论很少 ,则在此网站上,被归为负面的评论数量与中立评论的数量相似或略小于中立评论的数量。 

Poczta Polska网站上的用户评论

此页面上的负面评论最受关注 延误投递信件,分支机构缺乏适当的消毒剂或手套以及总统选举 (与邮政选举有关)。 

对品牌简介的仇恨言论 

我们还在所有分析过的网站上检测到仇恨言论和网络欺凌事件。通过机器学习模型对以这种方式标记的内容进行定性分析,可以确定这些类型的注释所指的是什么,以及它们何时以及在何种情况下出现。 

了解此类评论的规模和背景,可以更轻松地准备对它们的更好回应并理解其原因。 

当然,在评论很少的情况下,很容易识别出仇恨言论事件,但是当评论数量开始激增时,就会出现问题。 

在我们分析的配置文件中,到目前为止标记为的评论数量最多 仇恨言论网络欺凌 我们注意到了Poczta Polska的个人资料。 

对于快递公司,仇恨言论和网络欺凌最常见于以下三种情况:

  • 用户对包裹运输时间和公司提供的服务质量的评论, 
  • 有关特定快递员和其他雇员的“懒惰”和不可靠的投诉, 
  • 在用户之间的讨论中,其中负面情绪针对其他评论者。

如何提高您在Facebook上的品牌形象?

对一段时间内发布的评论数量的分析提供了许多有关以下方面的有用信息 何时应特别注意用户发布的内容。补充模型提供的信息,以分析情绪并检测仇恨言论和网络欺凌, 更快发现负面讨论 以及用户在社交媒体上报告的问题。多亏了 主持人可以更轻松,更有效地应对可能出现的图像危机以及与所提供服务质量有关的问题所有这些都转化为他人对我们品牌的认知。 

知道个人资料中负面评论的百分比, 可以采取行动来热身并改善品牌形象。 GLS波兰 就是这种情况,在母亲节和父亲节之际,该品牌的形象被组织了一场竞赛,这引起了积极的评论。它也是可用于改善我们提供的产品或服务并优化流程的极好的知识来源。 

尽管在分析快递公司的情况下,我们的预测与分析结果一致–并非总是这样。另外, 这么多评论,很难自行确定问题的严重性例如,用户及其来源的负面评论。因此,人工智能和机器学习领域的解决方案变得非常有用,这使得可以分析大量数据并切实评估例如图像危机。 


如果你感兴趣 在互联网上检测仇恨言论的问题 从技术角度出发,我们建议您听听Sotrender机器学习工程师MikołajMałkiński编写的材料。

关于作者

克劳迪娅(KlaudiaŻyłka)

市场营销专家

Instagram,狗,书籍和美食爱好者。华沙大学和马尔默大学的前学生。每天提高她的营销技巧。自豪地拥有DIMAQ证书