Системы анализа социальных связей позволяют исследовать как формализованные данные, так и неформальный контент. И даже если ограничиться только «жесткой» информацией, можно получить очень весомые результаты.

Работа с «большими данными» требует инструментов, способных справляться не только с базами данных на миллиарды записей, но и с качественно новым объектом анализа — гигантскими объемами неформального контента, который в изобилии поставляют компаниям публичные интернет-ресурсы. Например, у оператора связи с каждым абонентом связаны записи формального характера в нескольких таблицах, а сам абонент при этом, возможно, ведет блог, где описывает, среди прочего, свой опыт пользования операторскими услугами. С дальнейшим проникновением Интернета подобная ситуация становится все более типичной. Оператору, естественно, интересна и формальная, и неформальная информация, поэтому, развертывая у себя систему анализа «больших данных», он должен подумать об использовании обоих типов. Для всех «больших данных» необходима обработка в режиме реального времени — это диктуется темпом появления новых записей и устаревания прежних.

Термин Social Network Analysis (SNA) удобнее переводить на русский как «анализ социальных связей», а не «социальных сетей», поскольку выражение «социальная сеть» ассоциируется в нашем представлении прежде всего с интернет-ресурсами, такими как Facebook или «Одноклассники», а объектом анализа в случае SNA могут быть как «мягкие», так и «жесткие» данные. Более того, поскольку с «жесткими» данными работать проще, именно с них, вероятно, стоит начинать. Об одном проекте, где так и произошло, рассказал в конце прошлого года на форуме компании Teradata Константин Романов, начальник отдела развития CRM компании МТС. На тот момент маркетологи МТС работали с данными детализации звонков (CDR — call detail records). Каждая такая запись невелика, зато количество самих записей огромно — численность абонентов МТС в России и СНГ уже превысила 100 млн.

История проекта началась в 2009 г., когда многие телекоммуникационные компании всерьез заинтересовались возможностями обработки больших данных и анализа социальных связей. Среди этих компаний была и МТС, которая запустила несколько пилотных проектов с целью выяснить, насколько полезным может быть такого рода решение для ее бизнеса. Один из проектов, реализованный на платформе Teradata Active Enterprise Data Warehouse (Teradata Active EDW), стартовал в начале 2011 г. Установленное в МТС CRM-решение SAS Marketing Automation было интегрировано с Teradata Active EDW, и сегодня МТС ежедневно запускает маркетинговые кампании, целевая аудитория которых определяется с применением SNA. Прежде всего это кампании, направленные на удержание и возврат абонентов.

Момент ухода

Отток абонентов на рынке предоплаченных услуг мобильной связи составляет до 50% в год. Конечно, происходит и массовый приток новых потребителей услуг, причем он превышает отток (уровень проникновения мобильной связи неуклонно увеличивается, давно уже перейдя рубеж в 100%), но, как известно, «старый друг лучше новых двух». Эта поговорка вполне применима к взаимоотношениям бизнеса и клиентов: давняя история отношений обладает самостоятельной ценностью, а удержать имеющегося клиента в среднем дешевле, чем привлечь нового. Даже если количество клиентов не убывает, более того, даже если оно увеличивается, отток все равно означает заметные потери и представляет серьезную проблему для коммерческих компаний, особенно для тех из них, которые ориентированы на работу с массовым розничным потребителем, в том числе для операторов сотовой связи.

Удачное маркетинговое предложение часто способно удержать абонента, но нужно знать, кому и в какой момент целесообразно его адресовать. Как это определить? Представим себе, что абонент МТС решил перейти к другому оператору и приобрел его SIM-карту. Скорее всего, он будет некоторое (возможно, очень небольшое) время пользоваться двумя картами — новой и старой, — чтобы не растерять контакты, потратить остаток денег на счете и т. п. В течение этого «переходного периода» многие абоненты еще в состоянии передумать, особенно если узнают о каких-то новых интересных условиях. Поэтому для маркетологов критически важно как можно быстрее определить, что клиент собрался уходить, и успеть донести до него свое предложение, пока SIM-карта еще активна и связь не прервалась. Другая, сходная, хотя и менее острая, ситуация — переход абонента в категорию «Multi-SIM»: на одних направлениях используется SIM-карта МТС, на других — карта одного из конкурентов. В этом случае связь с абонентом сохраняется дольше, но задача вернуть его остается, поскольку оператору выгодно предоставлять клиенту максимально полный набор услуг.

Каким образом анализ социальных связей помогает выявить намерение абонента сменить (полностью или частично) поставщика телекоммуникационных услуг? Ключевое понятие здесь — круг общения, те люди, с которыми абонент сети МТС контактирует посредством мобильной связи. Анализ учитывает три вида контактов: обычные разговоры, сообщения (SMS, MMS) и «прямую передачу» — перевод денег с одного телефонного счета на другой. Естественно, играют роль частота контактов и различные дополнительные параметры, которые также фиксируются в CDR, такие как инициатор общения, продолжительность разговоров и то, происходит ли контакт внутри сети МТС или между разными сетями. Все вместе позволяет получить «отпечаток социальных связей», однозначно идентифицирующий человека: круг общения каждого из нас уникален, точно так же, как наши отпечатки пальцев. Правда, социальные связи, в отличие от рисунка пальцев, со временем меняются — мы знакомимся, ссоримся, миримся, теряем и снова находим друг друга. Но это происходит не мгновенно, и если брать сравнительно небольшие промежутки времени, изменения тоже будут невелики.

Когда абонент переходит от МТС к другому оператору, наблюдается характерная картина: он звонит своим знакомым — абонентам МТС с нового номера, и это внешние вызовы, а те звонят ему на старый номер, и их вызовы — внутренние. Система SNA способна распознать такую ситуацию, соотнести два круга общения и определить, что у двух карт один и тот же владелец. После этого абонент включается в число адресатов кампании по удержанию и возврату клиентов.

Поскольку коммерческое использование SNA в маркетинговых кампаниях по удержанию и возврату абонентов происходит в МТС с начала 2011 г., оператор накопил достаточно статистики, чтобы уверенно сказать: да, эффект есть, и значительный. Отток в целевой аудитории сократился, а показатель ARPU (Average Revenue per User — средний доход на одного абонента) в целевой группе увеличился. Это означает, что абоненты, которых удалось вернуть, не просто остались, а стали более активно пользоваться услугами оператора.

Лидеры и последователи

Интересная информация «заразна» — она передается от человека к человеку подобно инфекции, подчиняясь очень похожим законам. Отсюда термин «вирусный маркетинг», обозначающий методы распространения рекламы, основанные на этом эффекте. Основная схема такова: продукт предлагается «лидерам мнений» (opinion leaders) — потребителям, мнение которых важно для их близкого окружения. Лидеры с некоторой вероятностью решают попробовать продукт и рассказывают о своих впечатлениях знакомым, те, опять-таки с определенной вероятностью, тоже пробуют продукт, получают те или иные впечатления, и так информация распространяется дальше по цепочке. Таким образом, поставщику нет необходимости доводить информацию о своем предложении до каждого потенциального потребителя (неизбежно захватывая тех, кого она никак не касается и только раздражает). Достаточно сообщить ее только ограниченному кругу лидеров, что, конечно, гораздо дешевле. Вопрос лишь в том, как определить этот круг.

«Отпечаток социальных связей» абонента позволяет сделать некоторые выводы о его роли в сети, понять, лидер он или последователь, может ли привлечь в сеть своих друзей (в этом случае он — хорошая кандидатура для участия в акции «Приведи друга»), может ли, наоборот, увести их, если уйдет сам? Необходимо учитывать и более тонкие эффекты. Так, лидер группы — не всегда один и тот же человек, это зависит от продукта. Скажем, пенсионер внимательно изучит новое ценовое предложение, но сотрет, не читая, SMS с сообщением о какой-нибудь технологической новинке, а его внук поступит наоборот, но при этом каждый из них расскажет другому о том, что его заинтересовало, и, возможно, они «заразят» друг друга. Уровень «заразности» продуктов тоже неодинаков: маркетологи давно заметили, что в одних случаях приемы вирусного маркетинга работают лучше, чем в других. «Вирусный эффект» каждого продукта можно оценить статистически как отношение частоты следования (то есть частоты, с которой абоненты приобретают продукт по рекомендации людей из своего круга общения), к случайной частоте непосредственного отклика на рекламу. Для разных предложений МТС этот показатель может варьироваться от 1 (частоты совпадают) до 5 (следование происходит в пять раз чаще, чем непосредственный отклик); при значениях меньше 2 считается, что вирусный эффект отсутствует.

При проведении «вирусных» маркетинговых кампаний учитываются эти и другие подобные факторы. Оценить эффект от применения SNA здесь труднее, чем в случае выявления «уходящих» абонентов, — разнообразие кампаний очень велико, и сложно выработать объективную метрику. Но понятно, что чем больше у маркетологов информации для принятия решений, тем более адресной — и полезной для клиентов — будет их деятельность.