Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

РИФ 2016, АНАЛИТИКА // Рейтинг государственных учреждений по отзывам в соцмедиа – методология и результаты

Антон Гуров

  • Login to see the comments

  • Be the first to like this

РИФ 2016, АНАЛИТИКА // Рейтинг государственных учреждений по отзывам в соцмедиа – методология и результаты

  1. 1. Рейтинг московских школ по отзывам в Веб 2.0
  2. 2. Задачи Цели Создать инструмент для контроля школ Дать школам инстру- мент для обработки претензий и самокон- троля Динамически отслеживать реакцию родительской общественности (потребителей услуги) Много объектов – более 800 школ Очень много переменных в отзывах и жалобах
  3. 3. Собираем отзывы о школах Собираем все отзывы о школах в Web 2.0 ~200 отзывов в месяц ~800 различных площадок* * не считая школьных групп в соцсетях, личных аккаунтов и блогов и так далее
  4. 4. Методика расчета «веса» отзыва 1. 2. 3. Считаем, сколько людей увидело отзыв РА = ( + ) × РА*= 0,0442 расчетная аудитория Считаем, сколько людей на отзыв отреагировало (Engagement Rate) Вычисляем «вес» отзыва ER = × 100% / РА сумма реакций пользователей количество людей, увидевшийх объявление = РА × ER coeff
  5. 5. Отзывы распределяются по пяти категориям 1 2 3 4 5 Качество образования Профессионализм педагогов Оценка управления Оценка материально- технического обеспечения Атмосфера
  6. 6. Пример По школе №1 найдено три отзыва. В двух из них хорошо отзываются о педагогах, но плохо о директоре. А в одном хорошо отзываются о директоре и об атмосфере, но ругают МТО. Итог: Категория Учителя Управление МТО Атмосфера Качество образования +2 –1 –1 +1 0Школа №1 Здесь и далее «вес» каждого отзыва приравнен к единице.
  7. 7. ОК + ОбОш × 0,2> 0 ОК – ОбОш × 0,2< 0 Учитываем общее количество отзывов о школе
  8. 8. Пример По школе №1 найдено три отзыва. В двух из них хорошо отзываются о педагогах, но плохо о директоре. А в одном хорошо отзываются о директоре и об атмосфере, но ругают МТО. По школе №2 найдено пять отзывов. В трех – позитивные оценки педагогов и негативные директората. В двух – позитив про директора, но при этом в одном из них – негатив про учителей, а в другом – положительный отзыв об атмосфере. Итог: Категория Учителя Управление МТО Атмосфера Качество образования +2,6 –1,6 –1,6 +1,6 +0,6Школа №1 +3 –2 –2 +2 +1Школа №2
  9. 9. ВК = / Вычисляем вес категории количество отзывов с упоминанием категории общее количество отзывов
  10. 10. В нашем примере всего восемь отзывов. В них зафиксировано шесть упоминаний учителей, восемь – директоров, два упоминания МТО и два – атмосферы Учителя Управление МТО Атмосфера Качество образования 0,75 1 0,25 0,25 0Вес категории Пример
  11. 11. ИБ = Итоговый балл где БК1...n – балл школы по категории 1 ВК1...n – вес категории 1 в рейтинге БК1 × ВК1 + БК2 × ВК2 + БК3 × ВК3 + БК4 × ВК4 + БК5 × ВК5 количество категорий
  12. 12. Пример Категория Учителя (с учетом веса) Управление (с учетом веса) МТО (с учетом веса) Атмосфера (с учетом веса) Итоговый балл +1,95 –1,6 –0,4 +0,4 +0,35Школа №1 +2,25 –2 –0,5 +0,5 +0,25Школа №2
  13. 13. Готовый рейтинг
  14. 14. Рейтинги просто визуализируются
  15. 15. Подобный подход можно с легкостью адаптировать под любые аналитические мультиобъектные задачи. Подобные рейтинги будут интересны сетям, распределенным организациям, компаниям на высококонкурентных рынках. Данная модель масштабируется Мы уже делаем: Рейтинг Управляющих организаций Рейтинг поликлиник Рейтинг роддомов Рейтинг автошкол Рейтинг служб такси и другие…

×