Человек. Образ и сущность 2017. Гуманитарные аспекты. № 3–4 (30–31): Угроза апокалипсиса и идея сверхчеловека - стр. 25

Интересный кейс использования такого инструмента для работы с Big Data как технологией Social Media Listening в компании Nestle был представлен на конференции Натальей Григорян. На основе его использования для мониторинга социальных сетей и автоматического анализа полученных персональных данных специалисты компании создали удачные кейсы, рассчитанные на региональную молодежную целевую аудиторию, и прежде всего студентов. Задача состояла в том, чтобы, основываясь на полученных данных, максимально учесть интересы, ценности, особенности языка общения молодежной аудитории из различных российских регионов и отразить их в данных видео. Нужно было, чтобы контент в этих видео был понятен именно данной аудитории, что прекрасно получилось у их создателей, и ролики вызвали большой эмоциональный отклик. Однако даже представительница компании, показывавшая эти ролики на конференции, никогда не бывавшая в данных регионах, не понимала, о чем, собственно, в них идет речь.

Чрезвычайно востребованы персональные данные и в сфере банковского бизнеса. Особенно интенсивно работают с данными банковские гиганты, например Сбербанк. Имея и собственные огромные IT-возможности, банк тем не менее сотрудничает в области мониторинга клиентского контента и со специализированными компаниями, например с Angry Analytics, которая сканирует социальные сети и другие открытые источники, собирая оттуда любые упоминания и мнения о компаниях и брендах. На конференции был представлен опыт этой компании по использованию нейронных сетей для обработки Big Data, мониторинга клиентского сервиса и информации о работе Сбербанка в социальных медиа. Ведь социальные медиа (сети, блоги, форумы, сервисы геолокации, сайты для подачи петиций и проч.) все больше доминируют в качестве коммуникационных каналов и используются клиентами для оставления своих отзывов о сервисе компании значительно чаще, чем почта или телефон, для подачи жалоб или, наоборот, позитивных отзывов. Сами же компании часто не в состоянии достаточно быстро и профессионально обработать такие объемы информации. Для сканирования сетей в Angry Analytics используются нейронные сети, которые фильтруют контент лингвистически, оценивают его эмоциональную окраску и находят упоминания о конкретных компаниях, брендах и проч. Среди полученных данных для анализа наиболее важен релевантный негативный сегмент, особенно с указанием конкретных данных. Наиболее продвинутые компании работают и с сегментом позитивных отзывов, как это делают в Сбербанке. Так, например, на основе такой информации был сделан представленный на конференции ролик с целью нематериального поощрения сотрудников одного из отделений банка в связи с высказанной им в электронных сетях клиентской благодарностью.