Как «Самокат» услышал тишину и перестал тушить негатив шаблонами

Как «Самокат» услышал тишину и перестал тушить негатив шаблонами

Контекст

В 2024 году бренд «Самокат» прочно ассоциировался у аудитории со скоростью доставки, но мониторинг упоминаний вытаскивал на поверхность другую картину. Около 30% тональных всплесков в соцсетях касались не логистики, а качества продуктов: просрочка, подмена позиций, странные находки в упаковке. При этом команда клиентского сервиса работала в режиме «тушения»: на каждый жалобный пост прилетал типовой ответ с извинениями и промокодом. Вовлечённость под постами падала, NPS (индекс потребительской лояльности) по продуктам был на 12 пунктов ниже, чем по доставке. Тогда в команде маркетинга решили посмотреть на массив жалоб не как на поток инцидентов, а как на исследовательский датасет.

Задача

Превратить мониторинг негатива из реактивного инструмента в источник продуктовых гипотез. Цель — снизить долю жалоб на качество в общем потоке упоминаний бренда на 25% за два квартала и параллельно сократить повторные обращения по тем же SKU (товарным позициям).

Решение

Шаг первый — перешли от ручной выборки к тематическому моделированию. Разметили 8 000 кейсов из соцсетей, чатов поддержки и отзывов на 14 кластеров: «просрочка», «подмена», «упаковка», «температурный режим», «вес» и так далее. В качестве стека использовали связку Brand Analytics для первичного сбора и Python с библиотеками для тематической кластеризации поверх выгрузки. Это позволило отказаться от человеческой интуиции в пользу регулярного обновляемого среза.

Шаг второй — настроили еженедельный отчёт, в котором каждый кластер жалоб сопоставлялся с конкретным поставщиком, складом и временным окном сборки. Выяснилось, что 40% жалоб на «просрочку» генерируют всего 3% ассортимента — длинный хвост скоропортящихся товаров с узким окном годности.

Шаг третий — запустили пилот «тихих замен»: если сборщик видел, что срок годности позиции заканчивается в течение 12 часов, он подбирал аналог и уведомлял клиента в чате до выдачи заказа. Никаких шаблонных извинений — конкретное сообщение с фото замены и кнопкой «оставить как есть».

Результат

За квартал доля жалоб на качество в общем мониторинге упала с 30% до 21% — минус 30% относительно базовой линии, что на 5 п.п. лучше цели. Повторные обращения по тем же SKU снизились на 18%. Сумма промокодов на компенсации упала почти на четверть, хотя выдач стало не меньше — поменялся их характер. Что важнее, средний чек в когорте пользователей, получивших «тихую замену», оказался на 6% выше, чем у контрольной группы, — клиент стал чаще докупать сопутствующие товары в следующих заказах.

Урок

Типовой ответ на жалобу — это симптом сервисной команды, которая измеряет себя скоростью закрытия тикета, а не качеством продукта. Когда бренд начинает читать массив упоминаний как исследовательский датасет, а не как очередь на тушение, рождаются гипотезы, которые невозможно придумать в брейншторме. «Тихая замена» сработала не потому, что она необычная — она сработала, потому что опиралась на конкретный кластер жалоб и устраняла причину, а не смягчала последствие. В эпоху, когда AI-креативы генерируются потоком, именно работа с обратной связью как с первичкой становится конкурентным преимуществом.

— @SocialListeningRuPro