GERM Archives

В этом кейсе нашли истинные страхи клиентов, пересобрали коммуникацию пенсионного фонда и подняли средний рейтинг в “зеленую” зону. СОДЕРЖАНИЕ О клиенте Проблема: “накопленный эффект” негатива Стратегия: два уровня работы с репутацией Этап 1. Аудит реальной и нейрорепутации Этап 2. Модерация: работа с источниками Этап 3. Пересборка ШПК: от шаблонов к эмпатии Этап 4. GERM: управление тональностью в ответах ИИ Проектная команда Алина Агибалова, ведущий проект-менеджер Markway Юлия Полковникова, ведущий специалист по медиамониторингу и аналитике Markway Екатерина Романова, ведущий ORM-специалист Markway Мария Шекеряк, ведущий специалист по отчетам Markway Милена Худякова, заместитель генерального директора по производству Markway Юлия Недугова, руководитель подразделения ORM Markway Александра Малиновская, руководитель группы проект-менеджеров Markway Анна Евдокимова, руководитель группы мониторинга и реагирования Markway Арина Ермакова, ведущий аккаунт-менеджер Markway Жанна Власова, директор по контенту Markway Анастасия Рахматулина, ведущий дизайнер Markway В финансовой сфере доверие — это фундамент. Клиент передает фонду свои накопления на десятилетия. Любое сомнение в надежности и качестве сервиса может стать причиной отказа. Особенно внимательна аудитория 35–50 лет: эти люди планируют будущее, сравнивают предложения и читают отзывы перед решением. По данным исследования Markway и "Анкетолог", 98,9% пользователей изучают отзывы перед тем, как воспользоваться услугами. Больше кейсов в финансовой сфере Кейс “ВТБ Пенсионный фонд” и Markway: продвижение бренда Как решить проблему цифрового “тезки”: кейс по нейросетям О клиенте Негосударственный пенсионный фонд работает в экосистеме крупного российского бренда. Он помогает людям формировать дополнительные пенсионные накопления через программу долгосрочных сбережений (ПДС), корпоративные программы и индивидуальные планы. Проблема: “накопленный эффект” негатива Заказчик стремился наладить коммуникацию с клиентами и улучшить оценки на ключевых отзовиках. На старте работ мы увидели, что причиной низких рейтингов был не поток свежих жалоб, а "накопленный эффект". Старые отзывы, хотя и были неактуальны, продолжали влиять на восприятие. Рейтинги на старте работ При этом доля негатива в Brand Analytics составляла всего 3,1%. Но и позитива было немногим больше — 13%. При этом содержание жалоб крайне острое и болезненное: "Меня ввели в заблуждение". Результаты мониторинга упоминаний на старте работ Проблема не в объеме нового негатива, а в том, что старые отзывы продолжали определять первое впечатление о фонде. Люди предъявляли претензии к человеческому фактору: некорректным консультациям, долгим процедурам. К примеру, клиент написал о сотруднике, который ошибся с пороговой суммой для единоразовой выплаты. Здесь мы сталкиваемся не столько с качеством услуги, сколько с банальными страхами покупателей, что им не все договаривают. Пример субъективного негативного отзыва Пенсия — это не просто финансовый продукт. Это вопрос безопасности, контроля над будущим и доверия к системе. Люди боятся не низкой доходности или сложных условий. Они боятся, что их обманут, что деньги “зависнут”. Формальный ответ на отзыв такую тревогу не снимает — он ее усиливает. Стратегия: два уровня работы с репутацией В финансовой сфере нельзя полагаться только на удаление негатива: новые жалобы будут появляться всегда. Поэтому параллельно с модерацией карточек нужно менять качество коммуникации — чтобы каждый ответ бренда работал на удержание доверия. Мы выбрали подход, который работает одновременно с накопленным негативом и с новыми жалобами. Уровни работы с репутацией финансовой компанией Цели проекта: Провести мониторинг упоминаний для выявления негатива. Выявить источники претензий. Проанализировать аспекты в отзывах и генеративных ответах. Снизить количество негативных публикаций на ключевых площадках. Переработать шаблон политики коммуникаций (ШПК) под актуальные аспекты. Этап 1. Аудит реальной и нейрорепутации Мы стремились не просто вычислить долю негатива, а понять его структуру, причины и влияние на решения клиентов. Для этого мы провели автоматизированный аудит упоминаний и сравнили данные с ответами генеративных систем, в частности “Алисы”. Brand Analytics стал ключевым диагностическим инструментом: он помог определить реальные страхи клиентов, а не просто показать динамику тональности. Распределение негативных аспектов на отзовиках — 08.01.2026 - 18.08.2026 Дополнительно мы проанализировали весь текстовый массив отзывов и кластеризовали страхи клиентов. В итоге выделили три базовых сценария страхов. Кластеризация страхов клиентов Сценарий 1. “Меня загипнотизировали” Один из самых распространенных сценариев: клиент пришел оформлять дебетовую карту, но ему начали рассказывать про ПДС — и вот он уже "подписал документы". При этом человек утверждает, что ему “присели на уши”, “очаровали” или завалили красивыми обещаниями безбедной старости. Пример страха в отзывах Такие описания привлекают к себе внимание, находят сочувствующих. А, главное, несут посыл: связываться небезопасно. А если клиент заинтересуется предложением и согласится оформить продукт, то позже воспринимает это как “я поддался давлению”. Сценарий 2. Финансовая пирамида Сценарий скептически настроенных клиентов: это люди, которые помнят кризис 90-х, финансовые пирамиды МММ и с недоверием относятся к обещаниям софинансирования от государства. Пример страха в отзывах Даже если такой клиент заключит договор с НПФ, память подкинет ему ассоциации с финансовыми пирамидами, а любая задержка при переводе средств будет восприниматься как “присвоили мои деньги”. Отзывы с домыслами о “плохих богатых дядях” подпитывают страх быть обманутыми и формируют недоверие к финансовым инструментам. Сценарий 3. Квест-комната Отзывы от тех, кто столкнулся с беспощадной бюрократической машиной. Здесь прослеживаются жалобы на трудности заключения договора, многократные визиты в офис, невозможность получить информацию. Пример страха в отзывах Здесь же фиксируются жалобы на ошибки (не так написали фамилию, ошиблись в цифрах) или недостаток информации (на сайте ничего не написано, никто не сказал о важном условии). Анализ в ответах нейросетей показал несколько иную картину. На старте проекта ответ “Алисы” по запросу в позитиве выделял надежность, программу долгосрочных сбережений (ПДС), помощь персонала и прозрачность условий. В негативе — бюрократию, некорректные консультации, сложности с документами и проблемы в отделениях. То есть искусственный интеллект видит одни проблемы, реальные люди — совершенно другие. Это расхождение между ИИ-образом и аспектной картой стало отправной точкой для корректировки стратегии. Мы сместили фокус с работы только с рейтингами на управление источниками, которые цитирует генеративный поиск. Что говорят нейросети Что показывает мониторинг Сервис Что говорят нейросети “редкие случаи”, “иногда” Что показывает мониторинг главная системная проблема. Консультации Что говорят нейросети смешанное, но в целом положительное Что показывает мониторинг дают ложную информацию о пороговой сумме, сроках, условиях. Бюрократия Что говорят нейросети “досадные помехи” Что показывает мониторинг следствие непроработанных процессов, что клиенты воспринимают, как мошенничество. Доходность Что говорят нейросети упоминается вскользь Что показывает мониторинг в топ-3 негативных аспектов, клиенты сравнивают с другими НПФ. Наследование Что говорят нейросети узкая проблема Что показывает мониторинг регулярная жалоба на неинформированность. Общий тон Что говорят нейросети В основном положительно Что показывает мониторинг “нас обманули” Сравнение аспектов: Brand Analytics vs ответы нейросетей Главный инсайт: нейросети смягчают негатив, в то время как Brand Analytics показывает системные проблемы. То есть ориентация только на ИИ-ответы искажает картину и создает ложное ощущение благополучия. В то же время автоматизированный мониторинг — более надежный источник данных для принятия решений. Так что перед нами стояла задача синхронизировать три репутационные реальности: клиент → бренд → нейросеть. Этап 2. Модерация: работа с источниками Необходимо снизить давление старого негатива на средний рейтинг. Для этого мы внедрили системный подход к модерации. Инструмент Применение Результат Инструмент Ручной мониторинг карточек Применение Еженедельная проверка Otzovik, IRecommend, Сравни.ру, “Яндекс Карт”, Zoon Результат Выявление устаревшего и нарушающего правила контента Инструмент Подача жалоб на модерацию Применение Аргументированные обращения с ссылками на пункты правил площадок Результат До 100 модераций в месяц Инструмент Отчетность по удалениям Применение Фиксация статуса каждого запроса Результат Прозрачная динамика для клиента Большинство отзывов нарушали правила площадок: были признаки неподтвержденного опыта, нецензурная лексика, устаревшие сведения. Каждый случай направляли в службу поддержки в соответствии с правилами конкретного ресурса. С ноября 2025 по май 2026 года мы удалили 199 откликов, не связанных с качеством услуг. Это 53% всего выявленного негатива в тот период. Результат работы по удалению негативных отзывов Ответ техподдержки одного из отзовиков об удалении Удаление негатива помогло восстановить рейтинг. Через несколько месяцев средняя оценка выросла с 3,3 до 4,3 баллов. Это “зеленая” репутационная зона. Рейтинги на Выберу.ру и Сравни.ру после работы с немотивированным негативом Как изменился средний рейтинг после удаления негатива Этап 3. Пересборка ШПК: от шаблонов к эмпатии Поскольку много жалоб связано с коммуникацией, необходимо превратить ответы компании в инструмент деэскалации. Для этого мы полностью пересмотрели принципы коммуникации. Сначала начали обрабатывать старый негатив на “Отзовике” и IRecommend, затем перешли на работу с профильными Выберу.ру, Сравни.ру, Банки.ру. Главная цель — упростить коммуникацию (и понимание) между заказчиком и клиентами. Принцип Принцип Не спорим с впечатлением Принцип Не признаем без проверки Принцип Показываем следующий шаг Принцип Сначала клиент, потом регламент Принцип Минимум данных публично Как применяем Как применяем Признаем эмоцию Как применяем «Хотим проверить консультацию» Как применяем Запрашиваем данные Как применяем Технические пояснения — после эмпатии Как применяем Только последние 4 цифры договора Пример Пример “Понимаем, почему это вызвало недоверие” Пример Без подтверждения вины до внутренней проверки Пример “Напишите — проверим и вернемся” Пример Не используем регламенты для обесценивания Пример Полные данные — только на защищенной почте Как мы пересобрали ШПК Клиент, оставивший негативный отзыв, часто чувствует себя неуслышанным. Формальный ответ усиливает это ощущение. Заботливая коммуникация, предложенная нами, работает иначе: она сначала признает эмоцию, потом предлагает путь решения. Не “вы неправильно поняли”, а “понимаем, почему это вызвало недоверие”. Не “согласно договору”, а “хотим проверить ваш случай”. В финансовой сфере доверие строится не только на безупречных процессах, но и на ощущении, что тебя слышат. [markway_gallery ids="20910, 20911, 20912, 20913"] Как изменились ответы после адаптации ШПК Пример эмпатичного ответа В результате 102 клиента получили персонализированный ответ. 53% людей вышли на связь после него, доля успешной коммуникации тем самым повысилась на 30%. Этап 4. GERM: управление тональностью в ответах ИИ Чтобы не было рассинхрона между реальными упоминаниями и восприятием нейросети, на основе данных Brand Analytics мы выделили драйверы доверия (первичные аспекты для ИИ). Это означает, что в общении с клиентами важно давать информацию о конкретных характеристиках. Так, в новых отзывах клиентов естественным образом закрепляются реальные преимущества, которые важно донести до аудитории. Надежность – принадлежность к крупной экосистеме дает кредит доверия,перекрывающий сервисные шероховатости. Государственное софинансирование и налоговый вычет – главный фактор выбора, воспринимается как прямая финансовая выгода. Программа долгосрочных сбережений (ПДС) – четко позиционируется как основное предложение, связывающее удобство, господдержку и цель накоплений. Прозрачность условий и доступность данных – снижает страх "непонятных схем" и укрепляет ощущение контроля. Параметр На старте (ноябрь 2025) После работ (август 2026) Параметр Общая тональность На старте (ноябрь 2025) Смешанная После работ (август 2026) Преимущественно положительная Параметр Доля позитивных аспектов На старте (ноябрь 2025) 58% После работ (август 2026) 63% Параметр Доля негативных аспектов На старте (ноябрь 2025) 42% После работ (август 2026) 38% Параметр Ключевые источники На старте (ноябрь 2025) otzovik.com, Yell.ru, iRecommend.ru После работ (август 2026) vbr.ru, zoon.ru, 2gis.ru Как изменилась тональность аспектов после GERM Этим списком репутационный профиль не ограничивается. Нейросети строят образ НПФ через функционально-институциональную призму: безопасность (страховка) и выгода (госденьги) — на первом месте, сервис — на втором. В связи с этим нужно отслеживать и контролировать вторичные аспекты: Ключевые аспекты для репутации пенсионных фондов Отдельно дали рекомендации заказчику по коммуникации сотрудников: Улучшить информированность сотрудников и качество консультаций: внедрить контроль знаний и поощрять положительные отзывы. Сделать прозрачнее процедуры по наследству и переводам, а в коммуникациях давать готовые инструкции, чтобы исключить страх “бюрократического ада”. В результате точечной работы удалось скорректировать ответ нейросетей “Яндекса”. Если раньше репутация была смешанной, сейчас — преимущественно положительная. Новые отзывы стали чаще отражать пять ключевых аспектов, которые мы определили как приоритетные. Сравним вывод нейросетей до и после управления репутацией в генеративных ответах (GERM). Результаты работы Мы синхронизировали три репутационные реальности: что говорит клиент, что отвечает бренд и что рассказывает нейросеть. Кейс показал, что даже при низком проценте негатива его содержание может нести высокие репутационные риски. Субъективные жалобы требуют не формальных ответов, а эмпатичной, выверенной коммуникации. Можно снизить давление негатива на 10%, поднять средний рейтинг почти на 1 балл и перестроить коммуникацию так, чтобы каждый ответ работал на удержание доверия. Список рекомендаций от команды Markway для финансовой сферы: Инсайт Объяснение Как применять в работе Инсайт Субъективный негатив опаснее объективного Объяснение “Меня обманули” подрывает доверие сильнее, чем “долгое ожидание»” Как применять в работе В ШПК делаем акцент на эмпатии, а не на формальных оправданиях Инсайт AI-ответы смягчают реальность Объяснение Нейросети представляют системные проблемы как “редкие случаи” Как применять в работе Использовать мониторинг как основной источник для принятия решений Инсайт Модерация работает,но не заменяет причины Объяснение Удаление снижает давление, но не устраняет корни проблемы Как применять в работе Параллельно передавать инсайты продуктовой команде Инсайт Аспекты меняются Объяснение Топ негатива сместился с сервиса на доходность Как применять в работе Регулярный пересмотр шаблонов под актуальную карту аспектов Команда проекта Алина Агибалова, ведущий проект-менеджер Markway Юлия Полковникова, ведущий специалист по медиамониторингу и аналитике Markway Екатерина Романова, ведущий ORM-специалист Markway Мария Шекеряк, ведущий специалист по отчетам Markway Милена Худякова, заместитель генерального директора по производству Markway Юлия Недугова, руководитель подразделения ORM Markway Александра Малиновская, руководитель группы проект-менеджеров Markway Анна Евдокимова, руководитель группы мониторинга и реагирования Markway Арина Ермакова, ведущий аккаунт-менеджер Markway Жанна Власова, директор по контенту Markway Анастасия Рахматулина, ведущий дизайнер Markway

GERM

Кейс по продвижению медицинского центра за 3 месяца

Как увидеть страхи клиентов с помощью анализа отзывов

Markway и «Ближние Горки»: вовремя распознали кризис  в 3% негатива

Как решить проблему цифрового “тезки”: кейс по нейросетям

Как убрать негатив из нейросетей: кейс онлайн-колледжа

Кейс GERM: как мы научили «Алису» не путать названия

Кейс: как изменить ответ нейросетей о компании