5 способов использования ИИ для анализа социальных медиа

Новая функция "Сюжеты ИИ" в системе Медиалогия, использующая нейронные сети, помогает искать схожие сообщения среди огромного объема данных и группировать их. Эта функция выделяет ключевые темы, позволяя анализировать, какие информационные поводы привлекли наибольшее внимание аудитории и какова была реакция на них.

На примере автомобильного бренда Chery мы рассмотрим эффективные способы анализа упоминаний бренда в социальных сетях. Также рассмотрим, как использовать нейронные сети для анализа инфоповодов конкурентов, целой отрасли, определения самых популярных и влиятельных блогеров, пишущих на определенные темы.

Способ 1. Применение искусственного интеллекта для мониторинга бренда

Идея заключается в ускорении анализа структуры сюжетов при мониторинге социальных медиа о бренде. Это особенно важно, если у аналитика нет времени на ручную обработку большого объема текстов. В Медиалогии искусственный интеллект для мониторинга можно использовать следующим образом.

Для начала формируем отчет по интересующему объекту, например, по автомобилю Chery. Система выдает более 80 тысяч упоминаний, которые нам придется проанализировать. Чтобы понять, о чем все эти тексты, нужно перейти в раздел "Сюжеты ИИ" и нажать кнопку "Определить сюжеты". В настройках можно указать режим ИИ, чтобы определить количество сюжетов и точность их анализа.

Используем функцию "Оптимизировать выборку", чтобы исключить автоматически спам, объявления и рекламу. После пары минут ожидания в подготовленном нейросетью отчете мы увидим список сюжетов и их метрики - количество сообщений по каждой теме, индекс качества, аудиторию, вовлеченность, просмотры, количество позитивных и негативных сообщений.

Это позволит структурировать темы от наиболее популярных и вовлекающих к менее значимым. После этого данные можно экспортировать в формат Excel и получить краткий аналитический отчет об основных сюжетах упоминаний.

Способ 2: Использование ИИ для анализа контента площадок

Иногда возникает необходимость изучить структуру информационных сюжетов на определенном канале или в общем списке пабликов. Этот анализ помогает определить наиболее успешные темы для создания привлекательного контента в рамках коммуникационной стратегии. 

Давайте рассмотрим пример с Telegram. Для начала определим, какие темы вызывают больший интерес у аудитории бренда Chery на этой платформе. Добавим фильтр для Telegram в наш отчет, исключив при этом спам и рекламу. Отключим опцию "Оптимизированная выборка" в настройках функции "Сюжеты ИИ", чтобы использовать свои собственные фильтры. Увеличим количество сюжетов, объединяя их по несколько сообщений, чтобы получить более полное представление об аудитории.

После запуска нейросети мы сможем просмотреть набор сюжетов и исключить те, которые не подходят, например, посвященные авариям. Выберем сюжет с наибольшим вовлечением и охватом аудитории. Полученные данные можно экспортировать в Excel и представить коллегам для обсуждения.

Способ 3. ИИ для анализа инфоповодов конкурентов

Довольно часто встречается задача по изучению обсуждений вокруг конкурирующих брендов в соцсетях. Однако мониторинг и разметка всех упоминаний в социальных медиа может быть довольно трудоемким процессом, особенно когда речь идет о крупных брендах, таких как банки, ритейлеры и ИТ-компании с высокой частотой упоминаний. Аналитики также сталкиваются с проблемой разметки больших данных, где много эпизодических и малозначимых упоминаний. Отсеять их разом, опираясь только на главную роль, не всегда является правильным решением, так как в эпизодических упоминаниях могут содержаться важные виральные темы обсуждений.

В таких случаях нейросеть приходит на помощь. С помощью функции "Сюжеты ИИ" можно проанализировать информационные поводы конкурентов всего за 2 клика. Для этого настраиваем объекты для конкурирующих брендов и включаем их в поисковый отчет, применяем фильтр «посты», фокусируемся на важных для нас сообществах или площадках, таких как VK, Telegram, Дзен, YouTube. После исключаем спам и рекламные сообщения фильтрами.

Объем сообщений для конкурентного анализа может достигать нескольких сотен тысяч постов, тогда нейросеть будет обрабатывать данные от 5 до 30 минут. Важно учитывать, что нейросети требуется не менее нескольких десятков сообщений для сравнения текстов по смыслу.

После построения сюжетов мы получаем рейтинг наиболее обсуждаемых тем и другие показатели, которые можно использовать для сортировки и анализа информационных поводов различных брендов.

Способ 4. Анализ отрасли на основе ИИ

Попробуем разобраться, можно ли расширить границы и анализировать не список брендов, а определенную отрасль или тематику. В нашем случае пусть это будут «Электромобили».

В обычном режиме мы должны создать поисковый отчет и разметить тегами темы, которые нам интересны, используя поиск по ключевым словам. Но мы можем упустить из вида, тексты, которые относятся к определенной группе по формальному признаку, допустим, если они содержат слово «продажи», то по указанию аналитика будут размечены тегом «продажи электромобилей». Нейросеть же действует иначе. Определяя смыслы текстов, она может выявить блок упоминаний, где идет речь о росте продаж в России и отдельно – о мировом рынке. Таким образом, результаты будут более объективными и удобными для оценки.

Применяя нейросети в Медиалогии, мы выяснили, что наиболее важной тенденцией июля 2024 является обсуждение проблем с поставками Zeekr в России, также прогнозируется рост цен на авторынке из-за повышения утилизационного сбора и перспективы производства российского электромобиля “Атом”.

Способ 5. Анализ контента инфлюенсеров с помощью нейросетей

ИИ способен проанализировать, каков состав блогеров с наиболее вовлекающим контентом для бренда. В поисковом запросе используем контекст Chery, добавим в пункте «Кто пишет»  ссылки на наиболее популярных автоблогеров. Попробуем построить отчет за полгода.

Результат после построения отчета и использования функции «Сюжеты ИИ»: агрегированный список инфоповодов, которые выстрелили у данных блогеров. Также получаем параметры эффективности – охват и вовлеченность - для каждого инфоповода. Данные можно сохранить в Excel.