Как удалить 139 отзывов за два месяца

Удалили 70% негатива, собрали позитивные отзывы и вывели 2 из 3 площадок на целевой рейтинг 4 балла.

О заказчике

Мы работали с одним из пенсионных фондов России. Фонд управляет средствами накопительной части пенсии и предлагает современные финансовые решения для долгосрочного планирования.

Целевая аудитория — люди старше 40 лет, с доходом до 80 000 рублей в месяц, которые принимают решения открывать 15-летние вклады. Пик решений приходится на сентябрь-декабрь, чтобы обеспечить софинансирование до конца года.

Клиент обратился к нам с четкой задачей — повысить средний рейтинг до “зеленой зоны” на трех ключевых (и самых сложных) площадках за короткий срок.

Ситуация на старте работ:

Главный риск был очевиден: в финансовой сфере решение о переводе пенсионных накоплений принимается на основе доверия. По исследованию Markway и “Анкетолог”, 83% людей просто не обратятся в организацию с рейтингом менее 4 баллов. То есть это потеря потенциальных клиентов на этапе первого контакта.

Для достижения целевого показателя за два месяца мы выбрали комбинированный подход. Мониторинг в тандеме с удалением негатива и приростом позитива должен был быстро восстановить репутацию.

Так, мы составили четкую карту негатива с приоритетами для удаления

Этап 2. Модерация и удаление негатива

Мы планировали максимально снизить долю негативных отзывов через работу с модерацией площадок. Выработали следующую схему работы. Сначала отправляли аргументированные обращения в модерацию отзывов — по каждому отзыву с нарушением правил. Затем отправляли запрос подтверждения клиентского опыта — этот метод подходит для отзывов без подтверждения. 

Важным этапом является работа с авторами отзывов — выход на связь для уточнения ситуации. Если фиксировали прямые нарушения правил площадок, то сразу отправляли модераторам доказательства: снимки экрана, цитаты, ссылки на пункты правил. В результате в первый месяц мы удалили 68% от планируемого объема, во второй месяц — 71%.

Этап 3. Cбор позитивных отзывов

Чтобы усилить эффект от удаления негатива, нужно было перекрыть оставшийся негатив новыми положительными отзывами. Для этого мы напрямую выходили на связь с лояльными клиентами через соцсети, офисы и собирали впечатления об услугах.

Новые отклики быстро собирали активность, как более актуальные рекомендации, и быстрее влияли на средний рейтинг карточек, так как доля негатива уже была снижена.

Пример позитивного отзыва

Особенно ощутимо прибавился рейтинг на “Отзовике”: на площадке он подрос сразу на 1,2 балла, хотя на старте работы не превышал и 3. Оценки на IRecommend и Сравни.ру вышли в “зеленую зону”, установившись выше 4 баллов.

В процессе работы мы также обнаружили, что карточки на этих площадках попадают в нейроответы “Яндекса”. Это значит, что отзывы используются в генеративных ответах “Алисы”, и репутационный фон влияет не только на поисковую выдачу, но и на GEO (оптимизация под генеративные системы).

Что показывал ответ нейросети на старте

Особенно ощутимо прибавился рейтинг на “Отзовике”: на площадке он подрос сразу на 1,2 балла, хотя на старте работы не превышал и 3. Оценки на IRecommend и Сравни.ру вышли в “зеленую зону”, установившись выше 4 баллов.

В процессе работы мы также обнаружили, что карточки на этих площадках попадают в нейроответы “Яндекса”. Это значит, что отзывы используются в генеративных ответах “Алисы”, и репутационный фон влияет не только на поисковую выдачу, но и на GEO (оптимизация под генеративные системы).

Что показывал ответ нейросети в финале

Средний рейтинг

В ходе проекта мы выявили несколько важных закономерностей, которые стоит учитывать при работе с репутацией финансовых организаций.