Recenzovaný vědecký časopis / Peer

Transkript

Recenzovaný vědecký časopis / Peer-reviewed scientific journal
Ročník / Year: 2014
Číslo / Number: 2 (Speciální číslo / Special issue)
ISSN: 1805-4951
Vydává / Publisher:
Vysoká škola ekonomická v Praze / University of Economics Prague
Ročník / Year: 2014
Číslo / Number: 2 (Speciální číslo / Special issue)
Místo vydání / Place of edition: Praha (Prague)
ISSN 1805-4951
Vydává / Publisher:
Vysoká škola ekonomická v Praze / University of Economics Prague
nám. W. Churchilla 4
130 67 Praha 3
Czech Republic (The European Union)
IČ / ID: 61384399
Web: http://aip.vse.cz
Kontakt a informace / Contact and information:
Václav Řezníček – [email protected]
Zdeněk Smutný – [email protected]
Speciální číslo na téma Online marketing bylo podpořeno grantem – F4/18/2014, Vysoké
školy ekonomické v Praze / This special issue on Online marketing was prepared with the
support of grant – F4/18/2014, University of Economics in Prague.
Redakční rada / Board of editors:
Stanislava Mildeová1 | University of Economics Prague, Czech Republic
Klára Antlová | Technical University of Liberec, Czech Republic
Martin Boháček | University of Economics Prague, Czech Republic
Tomáš Bruckner | University of Economics Prague, Czech Republic
Vesna Čančer | University of Maribor, Slovenia
Rasa Daugėlienė | Kaunas University of Technology, Lithuania
Jiří Fišer | Jan Evangelista Purkyne University in Ústí nad Labem, Czech Republic
Milan Houška | Czech University of Life Sciences Prague, Czech Republic
Miloslav Hub | University of Pardubice, Czech Republic
Petr Kučera | Independent consultant, Prague, Czech Republic
Petr Máša | Partners Financial Services, Prague, Czech Republic
Jan Ministr | VSB-Technical University of Ostrava, Czech Republic
Eve Mitleton-Kelly | London School of Economics, United Kingdom
Ingeborg Němcová | University of Economics Prague, Czech Republic
Jan Rauch | University of Economics Prague, Czech Republic
Václav Řezníček | University of Economics Prague, Czech Republic
Markus Schwaninger | University of St. Gallen, Switzerland
Antonín Slabý | University of Hradec Králové, Czech Republic
Zdeněk Smutný | University of Economics Prague, Czech Republic
Olga Štěpánková | Czech Technical University in Prague, Czech Republic
Prokop Toman | Czech University of Life Sciences Prague, Czech Republic
Milan Turčáni | Constantine the Philosopher University in Nitra, Slovakia
Viktor Vojtko | University of South Bohemia in České Budějovice, Czech Republic
Jan Voráček | College of Polytechnics Jihlava, Czech Republic
1
Šéfredaktorka / Editor in Chief
OBSAH / CONTENT:
Recenzované stati / Peer-reviewed papers
Demografické cílení internetové reklamy ............................................................................ 137
/ Demographic Targeting of Internet Advertising
Václav Stříteský, Marek Stříteský
Analýza nestrukturovaných dat z bankovních stránek na sociální síti Facebook ................. 154
/ Unstructured Data Analysis from Facebook Banking Sites
Lucie Šperková
Prezentace bankovního a telekomunikačního sektoru na Google+ ...................................... 168
/ Presentation of the banking and telecommunications sector on Google+
Libor Měsíček
Kreovanie, šírenie a recepcia komunikačných stereotypov v on-line médiách .................... 181
/ Creation, Dissemination and Reception of Communication
Stereotypes in On-line Media
Juraj Rusnák
Postinternet Marketing: For a Philosophy and Art of Online Marketing ............................. 192
Václav Janoščík
Rethinking the Concept of Just Noticeable Difference in Online Marketing....................... 204
Viktor Vojtko
Miscelanea – Rozhovor / Interview
Jan Egem: Znalost zákaznických dat a jejich propojování v marketingu............................. 219
/ Jan Egem: Knowledge of Customer Data and Their Integration in Marketing
Stanislav Mildeová, Zdeněk Smutný
Acta Informatica Pragensia
3(2), 2014, 137–153, DOI: 10.18267/j.aip.42
Online: aip.vse.cz
Sekce / Section:
Demografické cílení internetové reklamy
Demographic Targeting of Internet Advertising
Václav Stříteský1, Marek Stříteský2
1
2
Katedra marketingu, Fakulta podnikohospodářská,
Katedra personalistiky, Fakulta podnikohospodářská,
Vysoká škola ekonomická v Praze
nám. W. Churchilla 4, 130 67 Praha 3
{vaclav.stritesky, marek.stritesky}@vse.cz
Abstrakt: Významnou roli v oblibě internetu jako reklamního média hrají široké
možnosti cílení. Ačkoli současné technologie umožňují využívat data získaná
sledováním uživatelského chování, tradiční způsob cílení reklamy pomocí afinity je
stále široce používaný. Cílem článku je prostřednictvím analýz dat projektu
NetMonitor zhodnotit možnosti tradičního způsobu demografického cílení dle
pohlaví a věku na českém internetu. Výsledky ukazují, že v určitých případech může
být tradiční metoda cílení s využitím afinity efektivní. Jedná se zejména o cílení na
muže a mladší uživatele. Na druhé straně tato metoda generuje určitou část
zbytečných zobrazení reklamy mimo cílovou skupinu. To je problematické zejména
při cílení na starší věkovou skupinu uživatelů. Lze tak očekávat postupné rozšiřování
modernějších technik cílení internetové reklamy, které jsou založeny na sledování
uživatelských dat.
Klíčová slova: Internetová reklama, cílení reklamy, demografické cílení, uživatelé
internetu, pohlaví a věk.
Abstract: Thanks to its wide range of targeting, Internet has become a very attractive
medium for advertisers. Although the current technologies can collect data about an
individual's online activities and utilize it for a precise targeting, the traditional way
of targeting based on affinity is still widely used. The goal of this paper is to evaluate
the possibility of the traditional way of demographic targeting by gender and age on
the Czech Internet thorough data mining of NetMonitor database. Research findings
show that, in certain cases, traditional affinity-based ad targeting can be effective.
This is especially true when targeting men and younger users. On the other hand,
this method also generates wasted ad impressions outside the target group. This is
particularly problematic when targeting elderly users. Modern techniques of ad
targeting which are based on tracking users’ activities are likely to further expand.
Keywords: Internet Advertising, Ad Targeting, Demographic Targeting, Internet
Users, Gender and Age.
138 V. Stříteský, M. Stříteský
1 Úvod
S rostoucí penetrací se stal internet důležitým marketingovým kanálem, který dnes prakticky
žádná společnost nemůže přehlížet ve svých úvahách o efektivním způsobu oslovení cílové
skupiny zákazníků. Česká republika se řadí mezi evropský průměr, pokud jde o míru rozšíření
internetu v domácnostech. Internetovým připojením disponovalo v roce 2013 67 % domácností
(Český statistický úřad, 2014a). Stěžejní význam má internet zejména při oslovení mladší
populace, kde penetrace dosahuje mnohem vyšších hodnot. Např. jednotlivců ve věku 16 – 24
let je možné přes internet oslovit 96,5 %, starších lidí ve věku 65 a více let pouze 18,9 % (Český
statistický úřad, 2014b). Z dat Českého statistického úřadu je dále patrné, že v internetové
populaci jsou nadprůměrně zastoupeni mladí lidé s vysokoškolským vzděláním, spíše muži,
dále také studenti ve věku 16 a více let.
Internet je jako jeden z mediatypů stále oblíbenější mezi zadavateli reklamy (Chitu, 2009).
Dlouhodobě jeho podíl na výdajích do reklamy roste. V roce 2013 tvořily výdaje do internetové
reklamy 19,4 % z celkových inzertních výkonů na českém trhu (viz Tab. 1, inzertní výkony
jsou v ceníkových cenách).
MEDIA
TYP
2011
PODÍL
2012
PODÍL
2013
PODÍL
V TIS. KČ
%
V TIS. KČ
%
V TIS. KČ
%
TV
29 162 723
46,8
30 118 949
47,1
27 804 864
40,5
Tisk
19 500 741
31,3
17 654 511
27,6
17 455 451
25,4
Internet*
8 900 469
14,3
11 151 399
17,4
13 344 832
19,4
OOH
3 676 360
5,9
4 001 669
6,3
4 274 895
6,2
Rozhlas**
1 122 994
1,8
1 068 142
1,7
5 845 992
8,5
CELKEM
62 363 287
100,0
63 994 670
100,0
68 726 034
100,0
*Výkony za internet jsou částečně v reálných, nikoli ceníkových cenách (vyhledávání, RTB, obsahové sítě)
**V roce 2013 započítány ve výkonech rozhlasu i regionální prodeje reklamy
Tab. 1. Vývoj podílu inzertních výkonů dle jednotlivých typů médií. Zdroj (Sdružení pro internetovou reklamu,
2014).
Obliba internetu jako inzertního média však není podmíněna pouze jeho přijatelnou penetrací
na trhu. To je sice nezbytná, avšak nikoli postačující podmínka. Vedle tradičních výhod
internetu, mezi které řadí Sedláček (2006, s. 25) např. nadregionální a nadnárodní rysy,
konstantní náklady této globálnosti, obousměrnost a interakci, možnosti personalizace a
přizpůsobení, multimediálnost, okamžitost, jsou z hlediska internetové reklamy stěžejní
zejména schopnost velmi přesného cílení reklamních kampaní, dobrá interakce se
spotřebitelem, možnost využití celé řady nástrojů, strategií a taktik. Zcela zásadní je pak
relativně snadná měřitelnost výsledků a přesné zhodnocení efektivity reklamních kampaní.
Globální dosah jako stěžejní odlišnost internetu od dalších typů médií zdůrazňují Boudreau a
Watson (2006). Z tohoto důvodu přikládají zároveň strategický význam vazby internetové
reklamy na celopodnikovou strategii v případě mezinárodních firem. Jelikož internet umožňuje
účinně oslovovat více potenciálních zákazníků při nižších nákladech, otvírá nové možnosti také
Acta Informatica Pragensia 139
inzerentům ze zemí jako je Indie (Khare, 2009), kde nyní online inzertní trh dynamicky roste
(Ziaul, 2014).
Možnost velmi přesně měřit a vyhodnocovat výsledky internetové reklamy může na druhé
straně směřovat ke spoléhání pouze na viditelné obchodní indikátory výkonnostní reklamy,
zejména generovaný obrat a zisk. To však může vést k podceňování účinku reklamy
v dlouhodobějším horizontu. Bok (2014) proto doporučuje zapojit do hodnocení i méně
viditelné indikátory účinnosti internetové reklamy, jako je povědomí a rozpoznání značky,
kupní záměr a další komunikační efekty.
Účinnost internetové reklamy, stejně jako reklamy v tradičních médiích, je do značné míry
determinována správným zacílením. Internet na jedné straně nabízí řadu inovativních možností
cílení reklamy. Na druhé straně je pro mnohé inzerenty důležité, např. při plánování tzv. crossmediálních kampaní, cílit na tradičně vymezené skupiny zákazníků dle demografických
proměnných, jako je tomu u dalších typů médií. Přestože internet poskytuje řadu pokročilých
způsobů cílení reklamy, nabízí se otázka, nakolik lze efektivně zacílit uživatele na největších
reklamních serverech v ČR dle základních demografických charakteristik. Cílem tohoto článku
je zhodnotit možnosti demografického cílení internetové reklamy dle pohlaví a věku na českém
internetu na základě analýzy chování takto vymezených cílových skupin uživatelů. Pozornost
je věnována možnostem tradičního způsobu cílení pomocí afinity při cílení dle typu
(tematického zaměření) serveru.
2 Cílení internetové reklamy
Vhodné zacílení reklamy je jedním ze základních předpokladů její účinnosti. To platí rovněž
pro internet, kde cílená reklama vykazuje mnohem vyšší odezvu příjemců. Některé způsoby
oslovení uživatelů internetu jsou velmi málo nákladné. To může inzerenty odrazovat od
vynakládání jakéhokoli úsilí reklamní aktivity na internetu lépe cílit. Inzerenti by však v těchto
případech měli v potaz rovněž otázku etického chování (Cheyne & Ritter 2001). Tradičně bylo
smyslem cílení reklamy snižovat ztráty ze zbytečné reklamy minimalizováním její distribuce
skupinám příjemců, kteří nepatří do aktivních uživatelů kategorie (Iyer, Soberman & VillasBoas, 2005). Současné možnosti cílení reklamy však umožňují mnohem více, než nezobrazovat
reklamu neuživatelům. Lze skutečně cílit reklamu dle definovaných tržních segmentů,
respektujících mj. jejich preference, kupní a mediální zvyky. K tomu dnes mají inzerenti jednak
informace a dále vhodné prostředky, jako jsou nová média a nové technologie. K přesnějšímu
zacílení reklamy přispěly i současné změny směrem k fragmentaci médií (Nelson-Field &
Riebe, 2011). Bergemann a Bonatti (2011) navíc prokázali, že rozvoj v cílení reklamy má dopad
na nižší cenu pro inzerenty.
Zjednodušeně lze základní charakteristiky cílové skupiny rozdělit na geografické,
demografické a psychografické (Vysekalová, Mikeš, 2007, s. 42). Důležité jsou rovněž
behaviorální charakteristiky, které jsou pro segmentaci trhu ústřední a pro současnou
internetovou reklamu velmi aktuální. Současné technologie totiž umožňují sledovat chování
uživatelů a na základě jejich identifikovaného profilu zobrazovat relevantní reklamní sdělení.
Demografické charakteristiky však stále tvoří základ pro vymezení cílových skupin. Obliba
demografických kritérií při definici cílových skupin v marketingové komunikaci vychází
z několika skutečností (Koudelka, 2005, s. 60). Tradiční kritéria segmentace jsou často logicky
spojena s odlišným chováním spotřebitelů. Výhodou je však také jejich snadná měřitelnost a
tím snadná vyjádřitelnost míry odlišnosti. Podstatným argumentem je dostupnost informací ze
sekundárních zdrojů dat, neboť tradiční demografické znaky jsou běžně sledovanými údaji ve
většině spotřebitelských výzkumů.
V kontextu výše uvedených hlavních skupin segmentačních kritérií lze internet označit za typ
média s univerzálními možnostmi cílení. Navíc v mnoha případech umožňuje využívat
kombinací jednotlivých metod.
Geografická kritéria spolu s jazykem uživatele patří mezi výchozí způsoby cílení u reklamních
kampaní s mezinárodním dosahem. Geografické cílení se typicky realizuje na základě
identifikace IP adresy uživatele. Moderní reklamní systémy uvažují i další indicie k přesnější
lokalizaci příjemce sdělení. Cílení tak lze upřesnit nikoli pouze na vybranou zemi, ale často i
na region či dokonce na úžeji vymezenou oblast. Jazyk uživatele je standardní součástí cílení
mezinárodních kampaní, identifikuje se nejčastěji podle jazykového nastavení prohlížeče.
Mezi tradiční způsoby lze bezesporu zařadit cílení dle témat či typu serveru. Internet nabízí
k umístění reklamy bohatý výběr oborově specializovaných serverů. V případě českého trhu je
v rámci oficiálního měření internetu definováno 21 oborových kategorií serverů. Z obsahového
zaměření serverů lze nepřímo usuzovat na zájmy i demografické charakteristiky návštěvníků,
avšak technicky se jedná o cílení na typ serveru, nikoli typ uživatele. S cílením dle obsahu
pracuje i tzv. kontextová reklama. V tomto případě se jedná o automatizované umístění reklamy
na webové stránky dle jejich obsahu, který odpovídá zadaným klíčovým slovům inzerenta. Opět
se reklama v podstatě zobrazuje podle tématu stránek, cílení bere v potaz typ serveru a jeho
zaměření, nikoli uživatele. V některých reklamních systémech mají zadavatelé možnost vybrat
celou tematickou kategorii serverů. Jedná se tak o alternativní způsob mezi cílením podle
umístění na konkrétní server a kontextové cílení podle klíčových slov v obsahu stránky.
V širším pojetí lze pod kontextové cílení reklamy řadit reklamu ve vyhledávání, která se
zobrazuje v kontextu dotazu uživatele. Toto cílení přináší nesporné výhody v možnosti
reagovat na aktivní poptávku uživatelů, oslovovat potenciální zákazníky v pokročilých fázích
nákupního cyklu. Tato forma cílení je v podstatě obdobou zájmově orientované reklamy, kdy
zájem uživatelů je deklarován v podobě zadaného dotazu ve vyhledávání.
Zde již cílení reklamy pozvolna přechází z tradičního cílení podle serveru na cílení podle
uživatele. Patří sem cílení podle zájmu uživatelů. V dřívějších dobách tato možnost existovala
pouze v platformách, kde uživatel při registraci své zájmy deklaroval. To mělo zásadní
nevýhodou ve skutečnosti, že s rostoucím věkem uživatelů se jejich zájmy mohly dramaticky
měnit, ale profil uživatele zůstával platný z doby registrace. Tuto nevýhodou změnil přelomový
způsob v cílení internetové reklamy – tzv. behaviorální cílení. Obecně se jedná o cílení podle
minulého chování uživatelů. Předpokladem je tedy sledování chování uživatelů, na základě
něhož jsou uživatelé s podobným profilem řazeni do zájmových kategorií, na něž je umožněno
zadavatelům reklamy cílit. Reklama se tak může zobrazovat na tematicky nesouvisejících
webových stránkách, avšak s relevancí k aktuálnímu zájmu uživatele. Sběr údajů o chování
uživatelů na internetu však vyvolává v lidech obavy a ústí ve snahy o přísnou regulaci zákonem
(Goldfarb & Tucker, 2011; Berger, 2011). To je jistě pro marketéry nepříjemná skutečnost,
neboť dle provedených studií se jedná o velmi efektivní způsob cílení. Goldfarb & Tucker
(2011) zjistili, že v případech, kde byla regulací omezena behaviorální reklama, se snížil dopad
reklamy na záměr koupit inzerovaný produkt přibližně o 65 %. Behaviorální cílení může navíc
přinášet vyšší zisky i samotným poskytovatelům obsahu (reklamním serverům), a to až
dvojnásobné (Jianqing & Stallaert, 2014). Do behaviorálního cílení lze také řadit specifickou
formu, která se nazývá „retargeting“. Jedná se o oslovení uživatelů na základě předchozí
interakce s webovými stránkami inzerenta. V širším pojetí však retargeting zahrnuje využití
širších zdrojů dat, než je samotný pohyb po firemních webových stránkách, např. údaje ze
CRM. Technologie dnes již v podstatě umožňují cílit diferencovaně dle uskutečněného nebo
dokonce zamýšleného nákupu zákazníka. Cenu lze navíc určovat dynamicky dle jeho
očekávané hodnoty. V úvahu by se však neměla brát pouze současná hodnota, ale spíše budoucí
hodnota zákazníka (Tahal, 2014). To je v oblasti internetové reklamy výzva pro další vývoj.
Přestože se objevuje názor, že cílení podle zájmu uživatelů snižuje význam tradičního
demografického cílení (např. Bailey et al., 2012), jsou zřetelné snahy nabídnout možnost
demografického cílení i v pokročilých reklamních systémech, které musely prvně objevit
technologické možnosti identifikace demografických znaků návštěvníků. Řada studií navíc
potvrzuje význam demografického cílení a jeho pozitivní vliv na účinnost internetové reklamy
(např. Banerjee & Dholakia, 2012; Jansen & Solomon, 2010). Demografické cílení na internetu
využívá tři základní přístupy. Pokročilé technologie umožňují identifikovat demografický
profil uživatele podle jeho chování, tedy podle navštívených serverů nebo vyhledávání určitých
témat. Jedná se tedy o data, která využívá behaviorální cílení. Je třeba počítat s určitou
chybovostí, např. pohlaví uživatele může být teoreticky identifikováno jiné na osobním a jiné
na pracovním počítači. To se např. stává u žen pracujících v oborech afinitních spíše k mužům,
jako je IT. Mnohem spolehlivější metodou je cílení podle demografie u platforem, kde se
uživatelé registrují a demografické charakteristiky deklarují. To je typické pro reklamy na
sociálních sítích, ale podobně využívají data z registrací i jiné platformy (částečně např. i
Google díky své síti Google Plus). Předpokladem je zde přirozeně dostatečná míra pravdivosti
uváděných údajů. Třetím přístupem je odhad demografie dle typu serveru. Bez potřebných dat
lze s jistou spolehlivostí odhadovat profil návštěvníků dle zaměření serveru. Dnes však
zadavatelé reklamy nemusí demografický profil návštěvníků odhadovat. Stejně jako u ostatních
typů médií existují výzkumné projekty poskytující data nejen o sledovanosti, ale rovněž o
sociodemografickém profilu konzumentů obsahu (např. peoplemetrové šetření u TV), také pro
internet mají inzerenti k dispozici data z oficiálního měření tohoto média. V České republice se
jedná o rozsáhlý výzkumný projekt NetMonitor. Na základě zakoupených dat z tohoto projektu
lze získat velmi přesné informace o návštěvnosti a profilu návštěvníků pro zapojené reklamní
servery. Cílit pak lze na servery s nadprůměrným výskytem dané cílové skupiny. Tento tradiční
způsob demografického cílení je určitým kompromisem, neboť neumožňuje čistý zásah
definované cílové skupiny, lze se mu pouze přiblížit správnou volbou serverů pro umístění
reklamy (podle tzv. afinity). Nakolik lze s dostatečnou kvalitou tímto tradičním způsobem
zasáhnout demograficky vymezené skupiny dle pohlaví a věku na českém internetu, pomohou
odpovědět následující analýzy.
3 Metody a zdrojová data
Výzkum pro účely tohoto článku je založen na analýzách dat projektu NetMonitor. Jedná se o
rozsáhlý výzkumný projekt, který je oficiálním zdrojem dat o velikosti a sociodemografickém
profilu české internetové populace. Zadavatelem projektu je Sdružení pro internetový rozvoj
(SPIR), realizátorem je společnost Gemius, S.A. ve spolupráci se společností Mediaresearch,
a.s. Výzkum profilu internetové populace je realizován na tzv. joint panelu o velikosti přibližně
30 000 respondentů. Data za návštěvnost měřených serverů jsou sbírána pomocí
javascriptových kódů. Analyzována jsou data za červen 2014. Zapojených serverů do projektu
bylo 457. Celkový dosah NetMonitoru činil v červnu 2014 97,7 % a naměřeno bylo 6 350 643
reálných uživatelů (RU). Velikost české internetové populace tak byla dle výsledků měření
v daném měsíci 6 500 147. V rámci analýz je pozornost zaměřena na stěžejní demografická
kritéria – pohlaví a věk.
Netmonitor měří internetovou populaci ve věku 10 a více let. Věkové intervaly pro analýzu
byly stanoveny následovně:

junioři – 10 - 29 let,

střední věk – 30 – 49 let,

senioři – 50 a více let.
V analýzách je pracováno s tematickými kategoriemi serverů, kterých NetMonitor definoval
21. Výstupy analýz ukazují na diference v chování uživatelů podle pohlaví a věku. Za tímto
účelem jsou využity následující ukazatele:

Počet reálných uživatelů (RU) - počet uživatelů internetu v příslušné cílové skupině,
kteří vygenerovali alespoň jedno zobrazení na vybraném webovém serveru během
daného měsíce (týdne, dne).

Průměrný strávený čas na návštěvníka (ATS) - celkový strávený čas průměrným
návštěvníkem (reálným uživatelem) z příslušné cílové skupiny na vybraném webovém
serveru během daného měsíce

Profil reache - poměr počtu návštěvníků (reálných uživatelů) z příslušné cílové skupiny,
kteří navštívili vybraný webový server, k celkovému počtu návštěvníků, kteří navštívili
vybraný webový server během daného měsíce (týdne, dne).

Index afinity - poměr složení návštěvníků příslušné cílové skupiny pro vybraný webový
server ke složení návštěvníků příslušné cílové skupiny pro skupinu všech měřených
serverů.
Afinita vyšší než 100 ukazuje na vhodnost dané kategorie serverů či přímo konkrétního serveru
pro oslovení definované cílové skupiny (znamená nadprůměrné zastoupení cílové skupiny na
tomto serveru, kategorii).
K analýze dat byl využit analytický software Gemius Explorer ver. 5.6.40.0.
4 Tradiční demografické cílení na českém internetu
Na základě analýzy dat výzkumného projektu NetMonitor je možné zhodnotit diference
v chování uživatelů internetu a posoudit tak vhodnost tradičního demografického cílení
internetové reklamy. To je realizováno na základě umístění reklamního formátu na internetové
servery s co nejvyšší afinitou a zároveň dosahem vymezené cílové skupiny. Analýza je
provedena za hlavní demografické proměnné pohlaví a věk, včetně jejich překřížení.
KATEGORIE
POČET RU
TOP SERVER
POČET RU
HP rozcestníků
5 728 186
Seznam.cz - Homepage
5 317 113
Databáze a katalogy
4 700 222
Mapy.cz
2 808 534
Zpravodajství
4 470 459
Novinky.cz - Zpravodajství 3 517 353
Komunikační služby 4 351 230
Seznam.cz - Email
3 881 881
E-commerce
Heureka.cz
2 235 915
4 038 878
Tab. 2. TOP 5 kategorií podle počtu návštěvníků (RU). Zdroj autoři, vytěženo z dat Netmonitor - SPIR Mediaresearch & Gemius, červen 2014.
Pro následující analýzy je užitečné získat představu o návštěvnosti kategorií internetových
serverů za celou internetovou populaci. To umožní snazší zhodnocení specifik chování
jednotlivých demografických skupin. Jak bylo uvedeno v metodické části, v červnu 2014 bylo
naměřeno v České republice 6 351 tis. reálných uživatelů ve věku 10 a více let. Jelikož
výzkumný projekt NetMonitor má dosah 97,7 %, velikost celé internetové populace (ve věku
10+) je 6 500 tis. Nejvíce navštěvované kategorie měřených serverů zobrazuje Tab. 2.
4.1
Kritérium pohlaví
Složení uživatelů internetu v České republice je z hlediska pohlaví poměrně vyrovnané, mírně
převažují muži. To je jeden z rozdílů v profilu běžné a internetové populace. Z analýzy vyplývá,
že v červnu 2014 navštívilo český internet 3 239 tis. mužů ve věku 10 a více let. Ve stejném
období to bylo 3 094 tis. žen. Jak bylo uvedeno výše, uživatelé internetu navštěvují nejčastěji
poměrně tradiční kategorie internetových serverů, jako je např. zpravodajství nebo
komunikační služby (e-mail). Z hlediska dosahu cílových skupin podle pohlaví lze tak očekávat
podobné složení kategorií serverů jako v případě celkové populace. Pokud by však zadavatel
reklamy cílil reklamní sdělení pouze dle dosahu internetového serveru, v mnoha případech by
značná část placených zobrazení reklamy míjela cílovou skupinu.
Z analýzy dat je zřejmé, že muži navštěvují nejčastěji kategorie serverů v podobném pořadí, v
jakém je navštěvuje celá internetová populace. Oproti pořadí za celou internetovou populaci
(viz Tab. 2.) dávají muži přednost kategorii Tv, rádia (2 022 tis. RU) před kategorií Ecommerce, která je u mužů až šestým nejnavštěvovanějším tématem na internetu (2 020 RU).
Muži se dále zajímají o bulvární magazíny (1 945 tis. RU) a servery zaměřené na IT a mobilní
a digitální technologie (1 701 tis. RU).
Ženy navštěvují nejčastěji stejné kategorie serverů jako průměrná internetová populace, avšak
pořadí v návštěvnosti se mění již se třetí nejnavštěvovanější kategorií. Více žen na internetu
využívá komunikačních služeb, které upřednostňují před konzumací obsahu zpravodajských
serverů (2 206 tis. RU oproti 2 122 tis. RU). Další kategorie již sledují pořadí za populaci.
Následují tak kategorie E-commerce (2 019 tis. RU), Bulvární magazíny (1 927 tis. RU), Tv a
rádia (1 826 tis. RU) a Magazíny zaměřené na ženy a módu (1 784 tis. RU).
Z uvedených výsledků nevyplývají mezi muži a ženami větší rozdíly v návštěvnosti
nejvýznamnějších kategorií internetových serverů. Při srovnání skutečných hodnot
návštěvnosti (ukazatel RU) a dosahu (ukazatel reach) je patrné, že relativně více mužů dává
přednost zpravodajství (70,5 % mužů oproti 67,0 % žen) a sledování či poslechu internetových
televizních a rozhlasových stanic (61 % mužů oproti 58 % žen). Naopak ženy relativně více
navštěvují komunikační služby (70,0 % žen oproti 64,4 % mužů). Zbylé nejnavštěvovanější
kategorie se v dosahu u žen a mužů příliš neliší, naopak velmi přesná shoda v počtu reálných
uživatelů se ukazuje u kategorie E-commerce (2 020 tis. RU – mužů a 2 019 RU – žen).
Rozdíly v preferencích mužů a žen lépe postihnou vypočtené indexy afinity a profil reache
(složení návštěvníků), které ukazují na vhodnost dané kategorie serverů k oslovení definované
cílové skupiny. Tato analýza odpovídá na otázku, zda lze nalézt na českém internetu servery
s homogenní návštěvností z hlediska pohlaví.
Tab. 3. zobrazuje oblíbené kategorie serverů mezi muži, které jsou naopak nejméně oblíbené
mezi ženami. Významnost diference je parná z hlediska hodnoty analyzovaných ukazatelů.
Výsledky analýzy ukazují, jaké internetové servery jsou nadprůměrně zajímavé pro mužské
uživatele. Kategorie serverů nejsou z hlediska pohlaví příliš homogenní. Muže lze zasáhnout
relativně efektivně na serverech obsahově zaměřených přímo na tuto cílovou skupinu, tedy
Mužské magazíny o životním stylu (výsledné statistiky viz Tab. 3.). Ukazatel složení
návštěvníků je však i zde překvapivě necelých 64 %. To znamená, že reklamní sdělení cílené
na celou kategorii zasáhne téměř z 36 % ženy, které tvoří rovněž nemalou část návštěvnosti
dané kategorie. Podobné výsledky pro ukazatel indexu afinity a profilu reache vykazuje
předvídatelná kategorie Auto-moto, která je tak rovněž typicky mužskou kategorií. Přestože
v pěti nejvíce přitažlivých kategoriích serverů najdeme i nemalou část ženské návštěvnosti, je
z výsledků analýzy čitelné, jakým směrem se ubírá hlavní zájem mužů na českém internetu,
která témata jsou pro tuto cílovou skupinu zajímavá. Vedle uvedených mužských lifestylových
magazínů a auto-moto se tak jedná rovněž o sportovní a IT servery.
POŘADÍ KATEGORIE SERVERŮ
INDEX
PROFIL
AFINITY REACHE
1.
Mužské magazíny o životním stylu
123,99
63,57%
2.
Auto-moto
123,57
63,36%
3.
Sport
116,45
59,71%
4.
IT servery, mobilní a digitální technologie 110,85
56,84%
5.
Ekonomika, finance, právo
53,50%
104,35
Tab. 3. Preference mužů na internetu. Zdroj autoři, vytěženo z dat Netmonitor - SPIR - Mediaresearch &
Gemius, červen 2014.
Přesnější zacílení na mužské uživatele vyžaduje pečlivější výběr konkrétních serverů s vyššími
hodnotami indexu afinity, popř. profilu reache. Je však nutné počítat s mnohem nižším dosahem
uživatelů. Provedená analýza potvrzuje, že lze nalézt takovéto servery s relativně vysokou
homogenitou návštěvníků. Tyto servery vykazují návštěvnost v desítkách tisíc RU. Příkladem
jsou Eurogamer.cz (index afinity 171,09, profil reache 87,72 %), Tryhard.cz (index afinity
168,15, profil reache 86,22 %), Jiskreni.cz (index afinity 166,05, profil reache 85,14 %),
Sportrevue.cz (index afinity 161,28, profil reache 82,69 %). Najdou se však také servery
s návštěvností ve stovkách tisíc RU, jako např. Autorevue.cz se zajímavými hodnotami indexu
afinity a složení návštěvníků (152,59, 78,24 %).
Pokud jde o ženy, zde analýza ukazuje na relativně nižší možnosti efektivního zásahu reklamní
kampaní při cílení na tematickou kategorii. Preference žen na českém internetu ukazuje Tab. 4.
INDEX
PROFIL
AFINITY REACHE
1.
Těhotenství a rodičovství
132,35
64,49%
2.
Zdraví
121,99
59,44%
3.
Zájmové servery, hobby
112,21
54,68%
4.
Komunitní a teens servery, fotogalerie 108,51
52,87%
5.
Zábava a hry
52,22%
107,16
Tab. 4. Preference žen na internetu. Zdroj autoři, vytěženo z dat Netmonitor - SPIR - Mediaresearch & Gemius,
červen 2014.
Ve srovnání s mužskými kategoriemi dosahují pro ženy typické kategorie nižších hodnot
indexů afinity, jsou tedy méně homogenní z hlediska pohlaví. Výjimkou je pouze první
tematická skupina serverů zaměřených na těhotenství a rodičovství s indexem 132,35. Na
návštěvnosti těchto serverů se ženy podílejí z 64,5 %. První dvě kategorie s nejvyšší hodnotou
profilu reache však mají relativně nižší dosah, každá necelých 600 tis. RU. Ve srovnání
s mužskými kategoriemi serverů je tak cílení na ženy v tomto ohledu náročnější. U mužů hned
druhá nejvhodnější kategorie Auto-moto nabízí zároveň velmi zajímavý dosah této cílové
skupiny, a to 1 126 tis. RU. Další tři kategorie ženských serverů již naopak vykazují poměrně
nízkou homogenitu. V těchto skupinách se již vyskytuje významný počet mužské návštěvnosti.
Z analýzy vychází také překvapující výsledek, že kategorie zaměřená na ženy a módu je sice
z pohledu indexu afinity přitažlivější pro ženy (index afinity 106,4), avšak z důvodu menšího
zastoupení žen v české internetové populaci je návštěvnost v absolutním vyjádření v podstatě
shodná s mužskou internetovou populací (ženy tvoří v této kategorii pouze 51,82 %
návštěvnosti).
Stejně jako v případě mužů lze také u žen zefektivnit cílení reklamy pečlivým výběrem vysoce
afinitních individuálních serverů. Je však třeba přirozeně počítat s jejich nižším dosahem.
Nejvyšších hodnot indexu afinit dosahují servery s nižšími desítkami tisíc návštěvníků.
Příkladem jsou Stastnezeny.cz (index afinity 173,87, profil reache 84,72 %), Porodnice.cz
(index afinity 173,39, profil reache 84,49 %), Elle.cz (index afinity 167,71, profil reache
81,72 %), Abecedazdravi.cz (index afinity 166,84, profil reache 81,29 %). Servery s řádově
vyšší návštěvností ve stovkách tisíc RU lze nalézt také, jedná se např. o server Votocvohoz.cz
(index afinity 157,19, profil reache 76,59 %) nebo Modrykonik.cz (index afinity 154,7, profil
reache 75,38 %).
Rozdíly v chování mužů a žen lze pozorovat i na základě průměrného stráveného času za měsíc
na návštěvníka. Tento ukazatel tedy vyjadřuje, u kterých témat na internetu muži a ženy tráví
nejvíce času. První dvě kategorie serverů jsou shodné u mužů i žen a jedná se o tyto:
1. HP rozcestníků (8 h 16 min u mužů, 7 h 39 min u žen),
2. Komunikační služby (4 h 47 min u mužů, 6 h 07 min u žen),
Třetí kategorií s nejvyšším stráveným časem na návštěvníka je u mužů Zpravodajství (2 h 11
min), které u žen z hlediska stráveného času zaujímá až desátou příčku (pouze 1 h 09 min).
Muži dále tráví nejvíce času u serverů zaměřených na e-commerce (2 h 08 min) a sport (2 h 03
min).
Ženy věnují e-commerce podobný čas, avšak je to zde hned třetí kategorie s nejvyšším
stráveným časem (2 h 02 min). Dále je to kategorie Zábava a hry (1 h 37 min) a Bulvární
magazíny (1 h 31 min), kterým muži věnují pozornost menší (56 min) s dvanáctým pořadím
dle stráveného času.
4.2
Kritérium věk
Jak bylo uvedeno v metodické části, pro analýzu cílových skupin podle věku byly zvoleny tři
základní věkové kategorie. Nejmladší uživatelé ve věku 10 – 29 let, střední věková kategorie
ve věku 30 – 49 let a nejstarší věková kategorie ve věku 50 a více let. Tyto kategorie mají na
internetu různé zastoupení. Na internetové populaci se podílí nejmladší uživatelé z 30,72 %,
střední věková kategorie je zastoupena nejvíce, tvoří 41,65 % internetové populace, nejmenší
podíl má pak nejstarší věková skupina, ale rozdíl k nejmladší generaci již není tak znatelný
(27,63 %). Věková struktura je jednou z hlavních odlišností mezi internetovou a běžnou
populací, kdy roli hraje právě zastoupení seniorské generace.
Pro posouzení diferencí v chování jednotlivých věkových skupin uživatelů internetu je vhodné
analyzovat nejnavštěvovanější kategorie serverů (podle ukazatele RU a dosahu). Lze očekávat,
že i v případě věku bude zastoupení nejnavštěvovanějších kategorií serverů podobné
preferencím celé internetové populace (viz Tab. 2.).
Z výsledků provedené analýzy vyplývají určitá specifika v chování vymezených věkových
skupin uživatelů. Není překvapením, že nejnavštěvovanější kategorie serverů je společná napříč
věkovými skupinami, jedná se o hlavní strany tzv. rozcestníků, jako je Seznam.cz nebo
Centrum.cz. V případě nejmladší a střední věkové skupiny je rovněž druhá nejnavštěvovanější
kategorie – Databáze a katalogy - shodná s celou internetovou populací, dokonce s velmi
podobným dosahem (u populace je dosah v této kategorii 72,31 %, u juniorské generace
72,46 %). Nejmladší věková skupina uživatelů má sice podobné složení pěti
nejnavštěvovanějších kategorií jako celá internetová populace, odlišnost je ale hned na 3. příčce
nejnavštěvovanějších serverů. V populaci se jedná o Zpravodajství, které však mladou generaci
tolik neoslovuje, neboť z pohledu návštěvnosti zde zaujímá až 6. místo s dosahem 60,71 %
(oproti 68,77 % internetové populace). Mladí lidé upřednostňují více kategorii Komunikační
služby, dále E-commerce a Tv a rádia. Střední věková skupina, která má v internetové populaci
největší zastoupení, zcela kopíruje pořadí nejnavštěvovanějších kategorií celé populace. Určité
rozdíly lze nalézt pouze v dosahu, kdy např. střední věkovou skupinu relativně více přitahují
zpravodajské servery a komunikační služby. V nejstarší věkové skupině lze jednak
identifikovat odlišné pořadí nejnavštěvovanějších kategorií, v prvních pěti nejsou zastoupeny
servery z kategorie E-commerce, ale Bulvární magazíny. Ty mají u nejstarší populace
nadprůměrný dosah (64,03 % oproti 59,56 % v celé populaci). Velmi oblíbené jsou u nejstarší
věkové skupiny uživatelů zpravodajské servery, ty zaujímají hned druhou příčku v návštěvnosti
s dosahem 77,94 % (oproti 68,77 % celé populace). Pak následují kategorie Databáze a
katalogy a Komunikační služby, obě kategorie mají u této věkové skupiny zhruba o 2 procentní
body vyšší dosah než je v internetové populaci.
V další části analýzy jsou již vyhodnoceny diference v chování jednotlivých věkových skupin
podle indexu afinity a složení návštěvníků (profilu reache). Výsledky ukazují na tematické
kategorie internetových serverů s největší homogenitou návštěvnosti podle věku. Jelikož do
analýzy vstupují tři cílové skupiny, je očekávatelné, že homogenita za širší tematické kategorie
bude spíše nižší. Profil reache v žádné z kategorií jistě nepřesáhne hodnotu 50 %.
INDEX
PROFIL
AFINITY REACHE
1.
Mužské magazíny o životním stylu
144,74
45,60%
2.
Zábava a hry
132,15
41,63%
3.
Komunitní a teens servery, fotogalerie 117,50
37,02%
4.
116,57
36,72%
5.
Zdraví
115,14
36,27%
Tab. 5. Preference uživatelů do 29 let. Zdroj autoři, vytěženo z dat Netmonitor - SPIR - Mediaresearch &
Gemius, červen 2014.
Tab. 5. ukazuje kategorie serverů nadprůměrně zajímavých pro nejmladší věkovou skupinu od
10 do 29 let. Nejmladší věková skupina se vyznačuje relativně nejvyššími hodnotami indexu
afinity u preferovaných kategorií serverů. Hned první kategorie – Mužské magazíny o životním
stylu – je v podstatě ryze juniorská. Necelou polovinu návštěvnosti tvoří právě tato věková
skupina. Další témata nejsou nijak překvapující, kategorie Zábava a hry se rovněž vyznačuje
významnou dominancí mladých návštěvníků do 29 let. Jedná se zároveň o kategorii s velkým
dosahem (49,94 %). V porovnání s nejhomogennější kategorií mužských magazínů o životním
stylu je to znatelný rozdíl, tam je dosah této věkové skupiny pouze 14,77 %. Z dalších kategorií
jsou pro mladou internetovou populaci nadprůměrně zajímavé Komunitní a teens servery,
fotogalerie, spolu s kategorií Zdraví jde stále o servery, kde pouze uživatelé ve věku 10 – 29 let
dosahují hodnoty indexu afinity vyšší než 100. Nadprůměrně navštěvovaná kategorie
Těhotenství a rodičovství je velmi oblíbenou zároveň u střední věkové kategorie (viz dále),
naopak se jeví nezajímavou pro nejstarší věkovou skupinu.
V analýze kritéria věku byly rovněž prověřeny odlišnosti v chování podle pohlaví každé věkové
skupiny. Je přirozené, že pro muže i ženy budou v dané věkové skupině vycházet odlišná témata
dle nadprůměrné návštěvnosti příslušné kategorie serverů. Zároveň zřejmě vyjdou mnohem
vyšší hodnoty indexů afinity.
V případě nejmladších mužů se jedná o tyto kategorie serverů:
1. Mužské magazíny o životním stylu (index afinity 201,26),
2. Zábava a hry (index afinity 138,12),
3. IT servery, mobilní a digitální technologie (index afinity 125,08),
4. Auto-moto (index afinity 118,19),
5. Komunitní a teens servery, fotogalerie (index afinity 107,43).
Pokud jde o nejmladší ženy, největší homogenitu návštěvnosti s významným podílem této
cílové skupiny lze nalézt v následujících kategoriích serverů:
1. Těhotenství a rodičovství (index afinity 140,09),
2. Zdraví (index afinity 136,24),
3. Zábava a hry (index afinity 127,61),
4. Komunitní a teens servery, fotogalerie (index afinity 125,18),
5. Zájmové servery, hobby (index afinity 117,94).
Z provedené analýzy vyplývá, že u nejmladší věkové skupiny lze nalézt tematické kategorie
serverů s relativně homogennější návštěvností spíše u mužů než u žen. Nejvhodnější ženská
kategorie „Těhotenství a rodičovství“ dosahuje očekávatelně ještě vyšších hodnot při zúžení
cílení na věkový interval 20 - 29 let (index afinity 158,61, pro dívky 10 – 19 let je také tato
kategorie zajímavá, hodnota indexu je 104,13). I v tomto případě ale nedosahuje takové
homogenity jako první uvedená kategorie u mužů.
Pro ucelený pohled na preference témat nejmladší věkové skupiny a možnost jejich efektivního
zásahu byl vyhodnoceny i konkrétní servery v jednotlivých kategoriích. Při pečlivém výběru
lze pro nejmladší cílovou skupinu nalézt řadu serverů se zajímavými hodnotami indexu afinity
a profilu reache. Jedná se o servery s měsíční návštěvností v desítkách tisíc RU, popř. i stovkách
tisíc RU. Příkladem jsou servery Tryhard.cz (index afinity 293,55, profil reache 92,48 %),
Eurogamer.cz (index afinity 278,31, profil reache 87,68 %), Lamer.cz (index afinity 269,30,
profil reache 84,84 %), Jenproholky.cz (index afinity 263,52, profil reache 83,02 %).
Návštěvnost v nižších stovkách tisíc mají např. Titulky.com (index afinity 261,41, profil reache
82,35 %) nebo Loupak.cz (index afinity 252,91, profil reache 79,68 %).
Střední věková skupina uživatelů od 30 do 49 let je dominantní věkovou skupinou v české
internetové populaci. Tato skutečnost se odráží v relativně vysokých hodnotách složení
návštěvníků na serverech v typických kategoriích témat pro uživatele středního věku. Na druhé
straně je logické, že indexy afinity za tematické kategorie budou spíše nižších hodnot. Výsledky
analýzy zobrazuje Tab. 6.
POŘADÍ KATEGORIE SERVERŮ INDEX
PROFIL
AFINITY REACHE
1.
Auto-moto
111,73
46,95%
2.
108,24
45,49%
3.
Bydlení a reality
104,17
43,78%
4.
Sport
101,40
42,61%
5.
Komunikační služby
101,31
42,57%
Tab. 6. Preference uživatelů ve věku 30 - 49 let. Zdroj autoři, vytěženo z dat Netmonitor - SPIR - Mediaresearch
& Gemius, červen 2014.
U střední věkové skupiny uživatelů je pozorovatelný nadprůměrný zájem o servery kategorie
Auto-moto a Těhotenství a rodičovství. Jedná se o kategorie s nejvyšším indexem afinity a
zastoupení dané cílové skupiny v jejich návštěvnosti. Problematickým se však ukazuje dosah,
jelikož nabývá spíše nižších hodnot. Kategorie Auto-moto má ještě dosah zajímavý, dokáže
zasáhnout zhruba třetinu této věkové skupiny (30,64 %). Oproti tomu kategorie Těhotenství a
rodičovství zasáhne pouze 14,72 % těchto uživatelů. Relativně zajímavá se pak jeví kategorie
Bydlení a reality s nižším indexem afinity, avšak dosahem 32,84 %. Kategorie s vyšším
dosahem již trpí nízkou homogenitou návštěvníků z hlediska věku.
Při zohlednění pohlaví u této věkové skupiny uživatelů vycházejí rozdílné preference
tematických kategorií s vyššími hodnotami indexu afinity. Muži ve věku 30 – 49 let navštěvují
nadprůměrně tyto kategorie serverů:
1. Auto-moto (index afinity 137,62),
2. Mužské magazíny o životním stylu (index afinity 116,28),
3. Sport (index afinity 115,64),
4. IT servery, mobilní a digitální technologie (index afinity 106,28),
5. Ekonomika, finance, právo (index afinity 100,47).
Ženy v této věkové skupině vykazují nadprůměrný zájem o tyto kategorie serverů:
1. Těhotenství a rodičovství (index afinity 139,55),
2. Zdraví (index afinity 115,46),
3. Zájmové servery, hobby (index afinity 110,39),
4. Komunikační služby (index afinity 108,50),
5. Bydlení a reality (index afinity 108,23).
Ve střední věkové kategorii lze nalézt spíše méně homogenní kategorie jak u mužů, tak u žen.
Typicky ženských kategorií je zde více, což je rozdíl oproti nejmladší věkové skupině.
Pro střední věkovou kategorii existují rovněž internetové servery s relativně vysokými
hodnotami indexu afinity a profilu reache, spíše ale s nižším dosahem. Vzhledem k velkému
zastoupení této věkové skupiny zde nejsou vůbec zastoupeny servery s indexem afinity vyšším
než 200, jako tomu bylo u nejmladších uživatelů. Příkladem mohou být servery
Powerplaymanager.com (index afinity 163,11, profil reache 68,55 %), I-creative.cz (index
afinity 146,42, profil reache 61,53 %), Mtbs.cz (index afinity 146,36, profil reache 61,51 %),
Mojebetynka.cz (index afinity 144,27, profil reache 60,63 %) nebo Mojetehotenstvi.cz (index
afinity 143,73, profil reache 60,40 %). Vyšší návštěvnosti dosahuje např. server Tipcars.com
(index afinity 128,93, profil reache 54,18 %). Větší servery s homogenní návštěvností ryze pro
věkovou kategorii 30 – 49 let nejsou v podstatě k dispozici. Cílení podle afinity se zde ukazuje
jako relativně problematické.
Nejstarší věková skupina uživatelů tvoří menší část internetové populace. Tato skutečnost se
odráží v relativně nižších hodnotách ukazatele složení návštěvníků (profilu reache). Při cílení
na starší internetovou populaci prostřednictvím afinitních kategorií serverů bude efektivita
zásahu nižší, jelikož větší část impresí reklamy i na těchto serverech zasáhne spíše mladší
věkové skupiny. Z hlediska hodnot indexu afinity patří mezi nadprůměrně navštěvované
kategorie serverů Sport a Ekonomika a právo. Primárně se jedná o informační servery, což je
v souladu s předpokladem, že na internetu se pohybují ve srovnání s běžnou populací spíše
vzdělanější lidé. Výsledky analýzy za věkovou skupinu 50 a více let zobrazuje Tab. 7.
Jednotlivé kategorie se přirozeně liší také dosahem. Zatímco profil reache je pro nejstarší
věkovou skupinu v uvedených pěti kategoriích velmi podobný, největší dosah nabízí kategorie
Zpravodajství, a to 77,94 %. Naopak servery zaměřené na bydlení a reality nabízejí dosah pouze
35,81 %.
INDEX
PROFIL
AFINITY REACHE
1.
Sport
119,10
31,53%
2.
Ekonomika, finance, právo
118,04
31,25%
3.
Bydlení a reality
113,62
30,08%
4.
Zpravodajství
113,32
30,00%
5.
Magazíny zaměřené na ženy a módu 112,01
29,65%
Tab. 7. Preference uživatelů ve věku 50 a více let. Zdroj autoři, vytěženo z dat Netmonitor - SPIR Mediaresearch & Gemius, červen 2014.
Pokud jde o rozdíly preferencí mezi nejstaršími muži a ženami, výsledky analýzy ukazují na
poměrně odlišné preference. Nadprůměrný zájem mužů ve věku 50 a více let lze pozorovat u
těchto kategorií:
1. Sport (index afinity 132,53),
2. Ekonomika, finance, právo (index afinity 122,63),
3. Zpravodajství (index afinity 115,82),
4. Společenské magazíny (index afinity 110,94),
5. Auto-moto (index afinity 110,36).
Ještě výrazněji se tedy projevuje zájem o informační obsah zpravodajských serverů, včetně
témat sportu, ekonomiky, financí a práva. Ženy ve věkové skupině 50 a více let projevují
nadprůměrný zájem o následující kategorie:
1. Bydlení a reality (index afinity 124,82),
2. Magazíny zaměřené na ženy a módu (index afinity 118,39),
3. Společenské magazíny (index afinity 112,83),
4. Ekonomika, finance, právo (index afinity 110,19),
5. Zdraví (index afinity 109,99).
Ženy v nejstarší věkové kategorii relativně nejvíce upřednostňují zájmově a společensky
orientované servery. Stejně jako u nejmladší věkové skupiny lze nalézt návštěvností
homogennější kategorie serverů spíše u mužů než u žen.
Pokud jde o konkrétní servery, kde je možné mnohem efektivněji zacílit nejstarší věkovou
skupinu, nabízí se z hlediska indexu afinity poměrně zajímavý výběr. Slabší jsou pak bohužel
hodnoty profilu reache, které – jak bylo uvedeno výše – jsou způsobeny nižším zastoupením
této věkové kategorie v internetové populaci. Příkladem vhodných serverů jsou Moneymag.cz
(index afinity 283,78, profil reache 75,12 %), Spa.cz (index afinity 232,34, profil reache
61,50 %), Prazskypatriot.cz (index afinity 219,75, profil reache 58,17 %), Ecards.cz (index
afinity 214,01, profil reache 56,65 %). Tyto servery dosahují měsíční návštěvnosti v desítkách
tisíc. Řádově vyšší návštěvnost nabízí server Eurozpravy.cz se stále zajímavou afinitou 211,51
(profil reache 55,99 %).
I v případě věkových skupin byla věnována pozornost analýze průměrného stráveného času na
uživatele za měsíc. Tento ukazatel doplňuje pohled na atraktivitu jednotlivých tematických
kategorií serverů intenzitou konzumace jejich obsahu.
První dvě kategorie serverů se neliší napříč věkovými skupinami, neboť je pro ně delší strávený
čas typický v celé internetové populaci. Jedná se o již uvedené kategorie HP rozcestníků (7 h
20 min u nejmladší, 8h 44 min střední a 7 h 27 min nejstarší věkové skupiny uživatelů) a
Komunikační služby (3 h 35 min u nejmladší, 6 h 0 min u střední a 6 h 40 min u nejstarší věkové
skupiny).
Nejmladší uživatelé ve věku 10 – 29 let dále tráví nejvíce času v kategoriích Komunitní a teens
servery, fotogalerie (2 h 09 min), E-commerce (2 h 06 min) a Sport (1 h 58 min). Střední věková
kategorie tráví nejvíce času dále v kategoriích E-commerce (2 h 08 min), Komunitní a teens
servery, fotogalerie (1h 38 min) a Těhotenství a rodičovství (1 h 32 min). Nejstarší skupina
uživatelů ve věku 50 a více let se kromě uvedených dvou kategorií vyskytuje nejčastěji
v kategorii Zpravodajství (2 h 47 min), E-commerce (1 h 59 min) a rovněž tráví relativně hodně
času při hraní her (1 h 57 min). U kategorie Zábava a hry je typická tím, že průměrný strávený
čas zde roste s věkem. Mladí lidé zde tráví v průměru pouze 1 h 19 min, střední věková skupina
pak 1 h 25 min.
5
Závěr
Internet jako jeden z typů marketingových médií je pro zadavatele reklamy velmi přitažlivý
z mnoha důvodů, mj. však pro pestré možnosti přesného cílení reklamních sdělení. Jedním z
mnoha způsobů cílení, který se snaží reklamní systémy inzerentům nabídnout, je cílení podle
demografických znaků uživatelů. U řady reklamních systémů byla tato metoda cílení náročnou
výzvou pro sběr údajů o návštěvnících internetu a z těchto důvodů byla zpřístupněna se
značným zpožděním. Zřetelnou konkurenční výhodou tak bylo demografické cílení u
platforem, kde mohla být data získávána registrací uživatelů. Typicky se jedná např. o sociální
sítě, jako je Facebook nebo Google Plus, který je dalším zdrojem demografických údajů pro
obsahovou síť reklamního systému Google AdWords. Nevýhodou bývá relativně omezený
dosah těchto systémů, zejména pak pro vybrané cílové skupiny, který je dán počtem a profilem
registrovaných uživatelů dané služby. Google proto musí pro neregistrované uživatele
odhadovat demografický profil z jejich chování (navštívených webových stránek a
vyhledávání). Limitem bývá rovněž možnost oslovit uživatele pouze v rámci návštěvy dané
sociální sítě (viz Facebook), kde připravenost k nákupu bývá velmi omezená. Alternativou je
tak tradiční způsob cílení umístěním reklamy na obsahové servery, u kterých je znám
demografický profil návštěvníků. Umístění reklamy na internetové servery s vysokou
návštěvností a zároveň afinitou k vymezené cílové skupině může představovat velmi účinný
způsob cílení.
Z výsledků analýzy vyplývá, že tento tradiční způsob demografického cílení klade i v prostředí
internetu s velkým množstvím tematicky zaměřených serverů poměrně vysoké nároky na
plánování reklamních kampaní. Pro široce definované cílové skupiny podle pohlaví a věku lze
v některých případech nalézt tematické kategorie s vysokou hodnotou indexu afinity,
uspokojivějších výsledků je však dosaženo až při pečlivém výběru konkrétních internetových
serverů. Homogenita návštěvnosti je napříč tematicky vymezenými kategoriemi internetových
serverů spíše nižší. Uspokojivé výsledky prokázala analýza při cílení na muže, kdy hned dvě
široké kategorie serverů mají zastoupení mužů více než 60 %. Jedná se o kategorie Mužské
magazíny o životním stylu a Auto-moto. Pro ženy je takto příznačná pouze jedna kategorie
internetových serverů, a to Těhotenství a rodičovství. Velmi překvapujícím zjištěním je téměř
poloviční zastoupení mužů mezi návštěvníky magazínů zaměřených na ženy a módu. Obecně
z analýzy vycházejí vyšší nároky plánovaní reklamy při cílení na ženy. Pečlivým výběrem
konkrétních serverů lze však na obě pohlaví cílit při oslovení dané supiny s přesností mezi 80
– 90 %, avšak s přihlédnutím k nižším hodnotám dosahu reklamní kampaně.
V případě věkových skupin ukazují výsledky analýzy na homogennější návštěvnost u
nejmladších uživatelů. Byly zde identifikovány široké kategorie internetových serverů
s relativně vysokým podílem na jejich návštěvnosti (mezi 40 a 50 %) a zároveň uspokojivým
dosahem. Vysoké hodnoty indexu afinity vychází zejména pro mladé muže, které lze efektivně
zasáhnout reklamou na mužských magazínech o životním stylu. Výběrem konkrétních
internetových serverů lze dosáhnout i na podíl mladých návštěvníků s hodnotou přes 90 %. U
střední věkové kategorie, která mezi návštěvníky českého internetu převažuje, je obtížné nalézt
témata s vyšší hodnotou indexu afinity. Největší podíl na návštěvnosti tvoří zejména v kategorii
Auto-moto (týká se především mužů středního věku) a Rodičovství a těhotenství (týká se
zejména žen středního věku). V této věkové skupině bylo identifikováno více ženských než
mužských kategorií internetových serverů. Cílení lze opět zpřesnit výběrem konkrétních
internetových serverů, podíl na návštěvnosti je zde i přesto relativně nižší, mezi 60 a 70 %. U
starší věkové skupiny (50+) se stále ukazuje využití internetu pro efektivní oslovení jako
problematické. Některé kategorie jsou pro starší věkovou skupinu charakteristické, jedná se
zejména o informační servery. Homogennější preference v této věkové skupině se prokázaly
spíše u mužů, kdy bylo identifikováno několik širokých kategorií internetových serverů
s relativně vysokými hodnotami indexu afinity. Problematickým je však ukazatel složení
návštěvníků, kdy starší populace tvoří maximálně třetinu návštěvnosti a reklamní sdělení tak
z větší části mine cílovou skupinu. Umístění reklamy na vybrané internetové servery řeší tento
problém pouze částečně, lze sice vybrat servery s vysokými hodnotami indexu afinity, avšak
opět spíše s nižší hodnotou složení návštěvníků, která se pohybuje maximálně mezi 50 a 60 %.
S rostoucí penetrací internetu u této věkové skupiny lze však očekávat postupné zvyšování
efektivity takto cílené reklamy.
Výsledky analýzy tedy ukázaly, že zejména při cílení podle pohlaví, zvláště pak na muže, a při
cílení na mladší věkové kategorie lze poměrně účinně využívat tradičního způsobu plánování
reklamních kampaní dle afinit. Na druhé straně nelze opomíjet současný rozmach cílení
internetové reklamy na základě uživatelských dat, které řeší problém neefektivních zobrazení
reklamy mimo cílovou skupinu, kterému se při tradičním způsobu demografického cílení nelze
nikdy zcela vyhnout.
Poděkování:
Článek vznikl za pomoci prostředků institucionální podpory na dlouhodobý koncepční rozvoj
výzkumné organizace VŠE (IP306012).
Data pro výzkumné účely laskavě poskytlo Sdružení pro internetový rozvoj (SPIR).
Seznam použitých zdrojů
Bailey, A., Benedek, M., Reisman, G., & Deutch, L. (2012). Is interest-based targeting replacing demographic
targeting as the new model? DM News, 16.
Banerjee, S. & Dholakia, R. R.. (2012). Location-based mobile advertisements and gender targeting. Journal of
Research in Interactive Marketing, 6(3), 198-214. doi: 10.1108/17505931211274679.
Bergemann, D., & Bonatti, A. (2011). Targeting in advertising markets: Implications for offline versus online
media. The Rand Journal of Economics, 42(3), 417-443.
Berger, D. D. (2011). Balancing consumer privacy with behavioral targeting. Santa Clara Computer and High Technology Law Journal, 27(1), 3-61.
Bok, H. J. (2014). An empirical study on factors influencing internet advertising effects. Advances in Management,
7(9), 6-11.
Boudreau, M., & Watson, R. T. (2006). Internet advertising strategy alignment. Internet Research, 16(1), 23-37.
Český statistický úřad. (2014a). Informační společnost v číslech: Domácnosti.
http://notes.czso.cz/csu/2014edicniplan.nsf/t/AD0026B98C/$File/061004-14_B.pdf .
Retrieved
from
Český statistický úřad. (2014b). Informační společnost v číslech: Jednotlivci.
http://notes.czso.cz/csu/2014edicniplan.nsf/t/AD0026B98D/$File/061004-14_C.pdf.
Retrieved
from
Cheyne, T., & Ritter, F. (2001). Targeting audiences on the internet. Communications of the ACM, 44(4), 94-98.
Chitu, I. (2009). SOME ASPECTS REGARDING INTERNET ADVERTISING. Bulletin of the Transilvania
University of Brasov. Economic Sciences Series, 2(51), 27-30.
Goldfarb, A., & Tucker, C. (2011). Online advertising, behavioral targeting, and privacy. Communications of the
ACM, 54(5), 25-27. doi:10.1145/1941487.1941498
Iyer, G., Soberman, D., & Villas-Boas, J. M. (2005). The targeting of advertising. Marketing Science, 24(3), 461476. doi:10.1287/mksc.1050.0117.
Jansen, B., & Solomon, L. (2010). Gender demographic targeting in sponsored search. In Conference on Computer
Human Interaction – CHI, (pp. 831-840). doi:10.1145/1753326.1753448.
Jianqing, C., & Stallaert, J. (2014). An economic analysis of online advertising using behavioral targeting. MIS
Quarterly, 38(2), 429.
Khare, N. (2009). Cross-Culture Internet Advertising. Indian Journal of Economics and Business, 8(1), 167-177.
Nelson-Field, K., & Riebe, E. (2011). The impact of media fragmentation on audience targeting: An empirical
generalisation
approach.
Journal
of
Marketing
Communications,
17(1),
51-67.
doi:10.1080/13527266.2010.484573.
NetMonitor.
(2012).
NetMonitor
má
nové
obsahové
http://www.netmonitor.cz/netmonitor-ma-nove-obsahove-kategorie.
kategorie.
Retrieved
from
Sdružení pro internetovou reklamu. (2014). TZ Internetová inzerce loni přesáhla 13 miliard, za posledních pět let
vzrostla dvojnásobně. Retrieved from http://www.spir.cz/tz-internetova-inzerce-loni-presahla-13-miliardza-poslednich-pet-let-vzrostla-dvojnasobne.
Sedláček, J. (2006). E-komerce: internetový a mobil marketing od A do Z. Praha: Ben.
Tahal, R. (2014). Loyalty Programs in E-commerce and their Perception by the Young Adult Internet Population.
Central European Business Review, 2(3), 7-13.
Vysekalová, J. a Mikeš, J. (2007) Reklama: Jak dělat reklamu. Vyd. 2. Praha: Grada Publishing.
Ziaul, H. (2014). Perception towards internet advertising: A study with reference to delhi, mumbai and kolkata.
Advances in Management, 7(9), 27-32.
3(2), 2014, 154–167, DOI: 10.18267/j.aip.44
Online: aip.vse.cz
Sekce / Section:
Analýza nestrukturovaných dat z bankovních
stránek na sociální síti Facebook
Unstructured Data Analysis from Facebook Banking Sites
Lucie Šperková1
1
Katedra informačních technologií, Fakulta informatiky a statistiky
[email protected]
Abstrakt: Sociální sítě jako novodobý kanál pro sdílení online Word of Mouth
představuje pro bankovní společnosti příležitost, jak analyzovat komunikaci a
názory svých zákazníků, které zde veřejně sdílejí. Článek ukazuje proces a
výsledky pokročilé kontextové analýzy těchto nestrukturovaných dat vybraných
veřejných bankovních stránek na sociální síti Facebook. Analýza zákaznických
názorů, problémů a přání může hrát významnou roli pro pozici těchto společností
na trhu a jejich orientaci na zákazníky. Využity byly metody shlukování a
sentiment analýz, výsledky odrážejí stav chování zákazníků a bank na této síti.
Článek zdůrazňuje důležitost problematiky Word of Mouth a jeho analýz
informačními technologiemi. Zároveň diskutuje, jak analýza kontextu může přenést
marketing na další úroveň identifikace zákazníkova chování a jeho vztahu ke
společnosti.
Klíčová slova: Nestrukturovaná data, Facebook, shlukování, sentiment analýza,
Voice of Customer, Word of Mouth, banka.
Abstract: Social networks as a modern channel for sharing online Word of Mouth
is an opportunity for banking companies to analyse the communications and
opinions of their customers, which they are sharing publicly. The article shows the
process and results of these advanced contextual analyses of unstructured data of
selected public banking pages on social networking site Facebook. The analysis of
customer opinions, problems and desires may play an important role for the
position of these companies in the market and their orientation to customers.
Clustering methods and sentiment analysis were used, results reflect the state of the
behaviour of customers and banks in this network. Paper highlights the importance
of the issue of Word of Mouth and its analyses by information technology. At the
same time discusses how context analysis can migrate marketing to the next level
of identification of customer behaviour and his relationship to the company.
Keywords: Unstructured data, Facebook, Clustering, Sentiment analysis, Voice of
Customer, Word of Mouth, bank.
1
Úvod
S neustále vyšším používáním sociálních sítí mezi populací je generováno také čím dál větší
množství nestrukturovaných dat. Ta mohou obsahovat vysoký potenciál pro získávání
informací a marketingový výzkum. Zůstat konkurenceschopný v těchto podmínkách trhu
znamená být více orientovaný na zákazníky a vést efektivní sociální marketingové kampaně.
Kritickým faktorem tohoto úsilí je primárně analýza Voice of Customer (zkratka VoC),
takzvaného hlasu zákazníka, jindy nazývaného jako Word of Mouth (zkratka WoM),
v překladu slovo z úst. Přestože se tyto pojmy v literatuře zaměňují a je jimi chápáno to samé,
lze v jejich definicích nalézt určité rozdíly.
Hu et al., (2006) chápou WoM je veškerou neformální komunikaci směrovanou dalším
konzumentům o vlastnictví, používání nebo charakteristikách daného produktu či služby nebo
jejich prodejců, tedy společnosti a značky. Helm a Schlei (1998) definovali WoM marketing
jako monitorování ústní komunikace, pozitivní i negativní, mezi zákazníky, dodavateli,
nezávislými experty o značce, produktech, službách a dalších věcech týkajících se vybrané
firmy. Tato druhá definice se ovšem více blíží definici Voice of Customer, kterému se věnují
(Griffin a Hauser, 1993). Ti tvrdí, že cílem miningu VoC (dnes bychom řekli opinion
miningu) je pochopení zákazníkových potřeb a jejich transformace do klíčových funkčních
požadavků. Neříkají tedy nic o doporučování, hlavním záměrem většiny výzkumů WoM na
internetu. Helm a Schlei (1998) rozdělují WoM na spontánní, které odpovídá definici VoC,
organické, jímž je míněno ono doporučování a dále WoM amplifikované, jež je výsledkem
marketingových aktivit cíleně podporujících šeptandu mezi lidmi. Zjednodušeně tedy lze říci,
že pokud analyzujeme veškerý obsah, který uživatel napsal či řekl, analyzujeme tak jeho
„hlas“, tedy VoC. Jeho vliv na další účastníky tohoto „hovoru“ lze pak řadit mezi WoM.
Internetová verze WoM, v literatuře nazývaná také jako digitální (Hu et al., 2006),
elektronické WoM (Choi a Scott, 2012) nebo online, se tak stává majoritním informačním
zdrojem pro zákazníky. Jakýkoliv konzument na světě se může připojit na internet a přečíst si
názory jiných. Tato komunikace má velmi významné důsledky pro širokou škálu
manažerských činností, jako je například
‐ budování značky,
‐ získávání a udržení zákazníků,
‐ vývoj produktu,
‐ zajištění kvality.
WoM doporučení skrz internet a sítě jsou jednoduchá, zdarma, volně dostupná a relativně
efektivní data v šumu informací, jež nás obklopují. Lidé mají tendence věřit názorům
ostatních více než letákům ve schránce, což má také důležitý dopad na jejich rozhodovací
procesy. Ty jsou WoM ovlivňovány nejvíce, když zákazníci chtějí koupit produkt poprvé, je
relativně drahý, nebo když zcela ne úplně rozumí produktu nebo službě, kterou aktuálně
spotřebovávají (Bughin et al., 2010). Poslední případ je vidět zejména v oblasti bankovnictví.
V takovém případě mají tendence hledat si více informací a srovnávat mezi několika
službami, protože podmínky nákupu v tomto případě nejsou pro spotřebitele jasné a
pochopitelné. Sociální síť, poskytující spotřebitelům vhodnou platformu pro sdílení jejich
názorů, tak představuje posun v komunikaci tzv. „jeden na jednoho“ na šíření informace
z jednoho uzlu na několik, viz výzkum Han a Niu (2012). Stejně tak umožňuje organizacím
kromě propagace také naslouchat požadavkům a přáním svých uživatelů a tak zlepšovat své
služby a produkty.
156 Šperková
Obecně využívanou praktikou marketérů je manuální identifikace klíčových zákaznických
potřeb z masových dotazníků, výzkumů a rozhovorů. Tyto nahodilé, těžko škálovatelné a
k chybám náchylné procesy jsou časově a zdrojově velice náročné. Celkově společnosti utrácí
za marketing značné části svých rozpočtů, v posledních letech většinou na komplikovaně
koncipované kampaně, které potom manuálně vyhodnocují. (Bughin et al., 2010) Na
zákaznická data se také soustředí datově řízené analytické moduly CRM napojené na frontend aplikace. Většina těchto metod je založena na standardizovaných strukturovaných datech
a relačních schématech, kdy datová pozice determinuje chování algoritmu, především na
základě klasifikací nebo asociačních pravidel typu if-then. I tyto procesy vyžadují velké úsilí
a stojí za nimi aktivity třídění, čištění a transformace nestrukturovaných dat do matic, proto
nejsou pro kontinuální exponenciální růst nestrukturovaných dat vhodné. Relační modely
nejsou schopny odpovídat na otázky vyžadující nestrukturovaná data, tedy dodávat indiskrétní
odpovědi na otázky obsahu a sentimentu daného textu. Data na webu jsou dynamická již ze
své podstaty, jak se mění díky neustálé aktualizaci a doplňování nových informací ze strany
uživatelů. Neschopnost tato data analyzovat uživatelsky přívětivou cestou představuje nejen
technologickou výzvu, ale i změnu myšlení pro marketéry, kteří si význam těchto analýz musí
uvědomit a především porozumět, jak generovat koordinované, konzistentní, relevantní
odpovědi ve správný čas těm správným lidem. Jedině tak lze ovlivnit zákazníkovo
rozhodování, doporučení, spokojenost a loajalitu.
1.1
Sociální marketing
Pravděpodobně nejpoužívanější metodou v digitálním sociálním marketingu je monitoring
sociálních sítí. Obecně však výpočty návratnosti investic nelze uspokojit jen měřením počtu
typu imprese či počtu fanoušků na síti. Pro hlubší zkoumání zákazníkovy loajality, chování a
spokojenosti by data měla být čtena v širším kontextu, analyzován jejich obsah, sentiment a
vztahy mezi daty a jejich kontextem. Dle Heudeckera (2013) nejsou sociální analýzy vyspělou
technologií, přesto mají dobře identifikovány případy užití, které vysvětlují jejich hodnotu pro
marketingový výzkum. Han a Niu (2012) provedli výzkum propagace WoM na sociálních
sítích, ale cíl byl ukázat vliv různých uzlů v síti, nikoliv dolování kontextu. Navzdory
popularitě sociální sítě Facebook, neexistuje moc prací řešící sentiment v této síti, např.
(Bermingham et al., 2009). Více analyzovanými sítěmi jsou sítě mikroblogovací (Go et al.,
2009; Pak a Paroubek, 2010; Barbosa a Feng, 2010). Veeck a Hoger (2014) provedli studii s
určením kroků pro projekt marketingového výzkumu pro bakalářské stadium analyzující
sociální média.
Někteří dodavatelé analytiky již přidali do svých řešení nástroje pro sociální analýzy jako text
miningové nástroje. Také open source komunity hledají jak využít analýzy obsahu pro lepší
porozumění veřejného mínění a jeho sentimentu. Existují dodavatelé nabízející SaaS API pro
analýzy extraktů nestrukturovaných dat v cloudu, které dohromady s velkým objemem
informací dostupných na internet akcelerují vývoj a adopci na tomto poli. Pro
konkurenceschopnost dodavatelů jednoduchého monitoringu je nutné se posunout k hlubším
analýzám a speciálním aplikacím. (Heudecker, 2013)
1.2
Stav bankovnictví v ČR
Bankovnictví v České republice zažilo v letech 2007-2011 růst, co se týče nově příchozích
hráčů na trh (ČNB, 2014) a reorganizaci trhu, kdy tyto nové nízkonákladové instituce
(konkrétně mBank S. A., organizační složka, Fio banka a.s., Air Bank a.s., ZUNO BANK
AG, organizační složka a Equa bank a.s) přebírají klienty již zavedených bank, především
velké čtyřky ČSOB, Komerční banky, České spořitelny a UniCredit Bank. Nedisponují sice
hustou pobočkovou sítí, jsou považovány spíše za banky internetové, ale jako vůbec první na
českém trhu lákají prospekty na nízké či nulové poplatky, úrokové sazby a rychlé jednoduché
transparentnější služby ve formě internetových aplikací. Za několik let existence se jim
podařilo převést více než více než 1,4 milionů klientů (Nacher, 2014) a velké bankovní domy
na to musí reagovat, pokud nechtějí nadále ztrácet své klienty.
Nové technologie přinesly do bankovního sektoru v posledních letech mnoho inovací. Klesá
tak konkurenční výhoda velkých bank s hustou pobočkovou sítí, jejichž význam již není tak
vysoký. Vícekanálová distribuce, digitalizace (Půlpánová, 2007), cloud banking, big data,
komoditizace a sociální sítě jsou trendy udávající směr, kterým by se banky měly co nejdříve
vydat. Právě sociální sítě mohou dle Morrisey (2012) bankám výrazně pomoci v posilování
důvěryhodnosti a transparentnosti. Jejich prostřednictvím lze snadno šířit reklamu v podobě
zákaznických doporučení.
Budování klientské loajality je v současných podmínkách, kdy je možno snadno a často měnit
banku, pro tyto instituce ještě důležitější než dříve. Analýza Voice of Customer může být
proto kritická pro udržení konkurenceschopnosti na finančním trhu. Potenciál skrývá
identifikace klientských potřeb a zájmů, trendů v bankovnictví, oblastí, kde je nutné
zlepšování služeb, kde a jakým zákazníkům pomáhat s jejich problémy a zejména jak s nimi
komunikovat v oblasti sociálních sítí.
2
Analytické metody využité při analýze WoM
Analýza byla provedena pomocí technologie Autonomy IDOL1 poskytující infrastrukturu pro
řízení a procesování větších objemů nestrukturovaných dat. Data nejsou uložena relačně, ale
v proprietární dokumentové struktuře a optimalizována pro rychlé zpracování. IDOL dokáže
kontextuálně rozumět obsahu dat nezávisle na formátu. Pomocí statistických metod,
dominujících nezávisle nad metodami přirozeného zpracovávání jazyka, provádí s daty
analytické operace. Jádrem je identifikace vzorů, které se přirozeně vyskytují v textu na
základě jejich užití a výskytu, které za určitých podmínek korespondují s daným kontextem.
Technologie si buduje svou vlastní pravděpodobnostní mapu různých termínů, dle níž poté
vrací relevantní výsledky na uživatelovy spuštěné operace, funkce a dotazy.
Datový vzorek byl získán ze sociální sítě Facebook přes Autonomy konektory pro sociální
média. Obsahuje veškeré veřejně dostupné příspěvky z veřejných stránek českých bankovních
institucí za dobu jednoho roku od dubna 2013 do března 2014. Celkově 28 289 dokumentů od
průměrně 200 uživatelů měsíčně se skládá v názvosloví Facebooku z 22 629 komentářů,
4 542 feedů, 1 061 fotografií a 746 postů.
Najít užitečné informace v takových datech není triviální problém, musí se postupovat
kaskádově po kouscích informací vydolovaných z textu. V takových situacích vyvstávají
otázky, jako zda bude informace užitečná, či jak by měla vypadat, aby užitečná byla. Cílem
bylo vyhnout se vymýšlení případů, které by mohly, ale také nemusely nastat. Je třeba také
zmínit, že analýza nebere v potaz cenzury textů (mazání nevhodných příspěvků) ze strany
administrátorů dané stránky, což je z hlediska vyhodnocování třetí stranou nereálné. Pokud by
tímto vyhodnocovatelem byla sama banka, je možné zohlednit její vlastní cenzuru ovšem
nikoliv konkurence.
Analýza vycházela z výzkumu provedeným Harvard Business Review v roce 2010 (H.b.,
2010) zkoumající různé aspekty a problematiku vztahů firmy a sociálních sítí. Část výzkumu
je zaměřena na tématiku primárních benefitů společností využívajících sociální sítě a jejich
1
Technologie zakoupená společností HP. IDOL = Intelligent Data Operating Layer.
158 Šperková
práce s nimi. Ukazuje, které primární důvody pro využívání sítí převládají v efektivních
společnostech:
‐ Zvyšování povědomí o organizaci, značce, jejích produktech a službách mezi cílovými
zákazníky.
‐ Zvyšování pozitivnějšího vnímání organizace a jejích produktů.
‐ Schopnost monitorovat, co bylo o organizaci řečeno. (H.b., 2010)
Pokud budeme uvažovat bankovní instituce jako efektivní byznys uživatele sociálních sítí,
závěry analýzy musí zodpovědět přinejmenším otázku, jak si organizace vede ve třech
oblastech zmíněných výše. Na základě analytických výsledků by potom měly být spuštěny
procesy vedoucí ke spokojenějším a loajálním zákazníkům.
Povědomí bylo analyzováno srovnáním vývoje počtu příspěvků na sociálních stránkách
jednotlivých institucí a identifikací počtu unikátních přispěvatelů v jednotlivých měsících.
Jelikož datový vzorek obsahoval velké množství příspěvků, jejichž obsah nebyl znám, bylo
využito shlukování jako nesupervizované techniky Machine Learningu. Ta se používá za
podmínek, kdy není určena třída, se kterou by byl výstup asociován, ale vstupní instance
mohou být rozděleny do přirozených skupin – shluků, které jsou navzájem homogenní ale
mezi sebou heterogenní. Literatura popisuje mnoho algoritmů shlukování, např. (Feldman a
Sanger, 2007; Berka, 2003; Witten at al., 2011; Tsiptsis a Chorianopoulos, 2009; Kruengkrai
a Jaruskulchai, 2002). Nestrukturovaná data vstupují do shlukování jako celé dokumenty, kde
jsou data pro lepší přístup uložena v předdefinované struktuře, v tomto případě v XML a
IDX 2 formátu. Dokumenty jsou rozděleny do individuálních shluků reprezentujících
konceptuální prostor se znalostní bází obsahující sadu položek se společnými
charakteristikami. Základním předpokladem je hypotéza, že relevantní dokumenty mají
tendenci si být navzájem více podobné než ty irelevantní, a tak pomáhají zlepšovat efektivitu
vyhledávání, pokud je omezeno pouze na relevantní dokumenty. Postup analýzy byl proveden
shora-dolů, z velkých jednotek shluků jsme tvořili pod-shluky, které zúžily data na jednotlivá
témata. Nad těmito shluky jsme pak tvořili statistiky, dle kterých byl dodatečně dohledáván
kontext, který objasňuje, co bylo o dané bance řečeno.
K objasnění významu jednotlivých shluků byly příspěvky rozděleny do tří skupin dle
sentimentu, jenž byl předem napočítán:
‐ Příspěvky spjaté s negativním sentimentem,
‐ příspěvky spjaté s pozitivním sentimentem,
‐ všechny příspěvky nehledě na sentiment.
Analýza sentimentu pak dává také odpověď na otázku, jak je banka vnímána jejími zákazníky
či prospekty. Kromě evaluace sentimentu je možné v datech číst také počty „líbí se mi“ pod
každým příspěvkem a jejich součty za dané banky porovnávat v čase.
Sentiment analýza využívá množství algoritmů, některé popisuje (Liu, 2008). V tomto
výzkumu bylo využito klasifikační metody, tzv. opinion classification, jež využívá polarity
sentimentu klasifikující, zda daný dokument vyjadřuje pozitivní nebo negativní o určitém
objektu. (Kaur et al., 2013) V této analýze byl započítáván také neutrální sentiment, jehož
váha je rovna nule a bipolární sentiment nesoucí negativní a pozitivní sentiment zároveň.
Bipolární klasifikace se ale těžko určuje na jakémkoliv měřítku. V našem případě má daný
termín skóre v negativním (záporná váha) i pozitivním případě (kladná váha), ale výsledek a
přesnost musí být odvozena z datového vzorku. Váhy sentimentu jednotlivých slov jsou již
přednastaveny v knihovně IDOL ve slovnících pro jednotlivé jazyky, sentiment chybějících
2
XML = Extensible Markup Language a IDX (proprietární Autonomy formát) jsou typy značkovacího jazyka,
které strukturují daný soubor.
slov lze ručně nadefinovat. Váha sentimentu je počítána jako souhrnné (absolutní) skóre
sentimentu vyděleného součtem (rozdílem pro absolutní skóre) počtu negativního a
pozitivního výskytu sentimentu. Výsledkem algoritmu je pak příznak s typem sentimentu a
jeho hodnotou. Poté, co je spočítán sentiment nad příspěvkem, slovník vypíše polaritu a váhu
sentimentu každého ze slov v příspěvku, vyhodnotí sentiment celého řetězce jako celku a určí
téma (předmět), které tuto polaritu determinuje.
function handler(document)
positive = 0
negative = 0
score = 0
type = 0
for ii,field in ipairs { document:findField("*") } do
local fieldname = document:fieldGetName(field)
--print(fieldname)
if fieldname == "SENTIMENT_POSITIVE" then
positive = positive + 1
type = 1
elseif fieldname == "SENTIMENT_NEGATIVE" then
negative = negative + 1
type = -1
elseif fieldname == "SCORE" then
if type == 1 then
score = score + document:fieldGetValue(field)
elseif type == -1 then
score = score - document:fieldGetValue(field)
end
end
end
document:addField("SENTIMENT_POSITIVE_COUNT", positive)
document:addField("SENTIMENT_NEGATIVE_COUNT", negative)
document:addField("SENTIMENT_COUNT", positive - negative)
document:addField("SENTIMENT_SCORE", score)
document:addField("SENTIMENT_WEIGHT", score / (positive + negative))
document:addField("SENTIMENT_WEIGHT2", math.abs (score) / (positive - negative))
end
Tabulka 1: Kód edukčního modulu pro počítání sentimentu. Zdroj (Autonomy, 2013).
3
Průběh a výsledky analýzy dat z Facebooku
Z identifikace společných vrcholů počtu příspěvků jednotlivých bank (Graf 2) lze pozorovat,
kdy všechny banky vložily více příspěvků než předtím a kdy lze pozorovat významný pokles,
který v tomto případě následuje vždy po vysokém růstu. Interpretovat to lze skutečností, že
v určitý čas začnou banky promovat určitý produkt, nějakou událost nebo řešit nějaký
problém aktivně s uživateli. Pokud je problém vyřešen, událost se již konala nebo nemá smysl
dále promovat, počet příspěvků začne silně klesat. Z celkového počtu příspěvků měsíčně
(Graf 1) byl vypozorován největší nárůst v říjnu 2013 (následovaný opětovným poklesem).
Z analýzy kontextu a sentimentu (Graf 4, 5 a Tabulka 2) bylo vyvozeno, že tento nárůst byl
způsoben vyřešením některých problémů spojených s internetovým bankovnictvím u
Komerční banky. Na začátku října Komerční banka upravila svou aplikaci pro internetové
160 Šperková
bankovnictví MojeBanka bez nutnosti běhu uživateli neoblíbené Javy. Pozornosti se také
dočkalo otevření nové pobočky na Smíchově. Na konci října se také výrazně zvýšil počet
příspěvků České spořitelny. Kontextová analýza ukázala, že nárůst způsobilo uvedení
kampaně, kdy Česká spořitelna ke každému novému účtu dávala kávovar jako dárek, což
způsobilo mnoho jak pozitivních, tak negativních uživatelských ohlasů. Česká spořitelna byla
aktivní také v uvedení dalších programů jako zvyšování finanční gramotnosti mezi dětmi
nebo navrácení uměleckých exhibic do galerie České spořitelny.
Graf 3 srovnává počty příspěvků obsahujících název banky v součtech po týdnech. Zajímavé
je odmlčení na konci roku, kdy si pravděpodobně uživatelé nechtěli kazit vánoční svátky
psaním příspěvků o bankách. Oproti tomu lze sledovat vysoké nárůsty v příspěvcích
zmiňujících Fio banku na konci září. Na základě shluku provedeným nad tímto obdobím bylo
zjištěno, že banka spustila akci „karta Fio banky s Jawou kolem světa“. Ve 40. týdnu lze
z množství příspěvků České spořitelny vyčíst uvedení a silné propagování loajálního
programu IBod, odstartovaného 5. října. V prvních šesti týdnech se objevil IBod v příspěvcích
průměrně osmkrát. Program byl vnímán velmi pozitivně. Nárůst příspěvků mBank na začátku
roku 2014 způsobil vznik a prezentace nového internetového bankovnictví. Zajímavé jsou
nízké hodnoty ČSOB. Tato banka není mezi autory vlastních příspěvků, proto také není mezi
monitorovanými bankami. Naměřené hodnoty byly získány skrz zmínky na stránkách jiných
bank. Naopak Unicredit banka sama vytvořila 587 postů jako sedmá nejvíc aktivní banka, ale
její křivka je pouze o něco výše než ČSOB, protože není často zmiňována v obsahu příspěvků
a lidé o ní tolik nemluví.
Graf 1: Celkový počet příspěvků měsíčně. Zdroj: Autorka.
Graf 2: Počet příspěvků bank měsíčně. Zdroj: (Sperkova, 2014).
120
100
80
60
40
0
2013/07
2013/09
2013/11
2013/13
2013/15
2013/17
2013/19
2013/21
2013/23
2013/25
2013/27
2013/29
2013/31
2013/33
2013/35
2013/37
2013/39
2013/41
2013/43
2013/45
2013/47
2013/49
2013/51
2013/53
2014/02
2014/04
2014/06
2014/08
2014/10
20
Air bank
Fio banka
Česká spořitelna
GE Money
ČSOB
Komerční banka
Equa bank
mBank
Graf 3: Počet uživatelských příspěvků nesoucí název banky týdně. Zdroj: (Sperkova, 2014).
Dle výpočtu sentimentu popisovaným Tabulkou 1 vznikl Graf 4. Pokud je vyznění příspěvků
spíše pozitivní, jsou bubliny více vlevo nahoře, naopak negativní jsou vpravo dole. Velikost
bubliny ukazuje, kolik příspěvků daný název banky obsahoval. Sentiment analýza ukázala, že
nejpozitivněji uživatelé mluví o Fio Bance, kdežto nejzápornější hodnocení má Zuno. Obě
banky jsou zmiňovány ve stejném množství příspěvků. Nejméně příspěvků obsahuje název
Raiffeisenbank, důvodem může být její malá aktivita na síti, je autorem pouze patnácti postů.
Jiný důvod může být, že v analýze jsou brány v potaz pouze oficiální názvy bank, nikoliv
mutace vytvořené uživateli, jako např. „Raiffka“. Nejvíce záznamů obsahuje Komerční banka
s relativně pozitivním výsledkem.
Kladné hodnocení
162 Šperková
6
5
4
3
2
1
0
‐2
0
2
4
6
8
‐1
10
Záporné hodnocení
KB
ČS
GE
RB
ČSOB
EQUA
FIO
AIR
ZUNO
Graf 3: Sentiment analýza příspěvků obsahujících název banky. Zdroj: (Sperkova, 2014)
Přes celou finanční oblast vzniklo 6 shluků, z nichž těmi největšími byly: Online
bankovnictví/internet banking, Platební karty a Genius gratis. Přes klíčová slova v těchto
shlucích byly vytvořeny pod-shluky (Tabulka 2), jejichž počet je udán v závorce za výrazem a
ty největší jsou uvedeny pod výrazy.
•
•
•
•
•
•
•
•
•
•
•
„úrok“ (12)
• spořící účet
„kreditní“ (1)
• Kreditní karta / debetní karta
„poplatky“ (1)
• Studentský účet
„úvěr“ (1)
• Anuitní, hypoteční, splacené
„Air“ (9)
• srovnání s dalšími bankami
• úrokové sazby na vkladových účtech
• dostupnost online služeb
„Zuno“ (1)
• srovnání s dalšími „novými“ bankami
„Equa“ (2)
• srovnání s dalšími „novými“ bankami
• spořící účet
„GE Money“ (2)
• Genius Gratis
• před-nabité bezkontaktní nálepky
„Komerční banka“ (3)
• internetové bankovnictví
• mobilní banka
• refinancování
„ČSOB“ (4)
• srovnání s dalšími bankami
• bankomat ČSOB
„Česká spořitelna“ (1)
• klientské centrum, péče o klienty
Tabulka 2: Seznam pod-shluků vytvořených nad klíčovými slovy. Zdroj: Autorka
S využitím JavaScript knihovny, vyhledávacích slov a výsledků ze shlukování byla vytvořena
bundling mapa (Graf 5) obsahující vztahy mezi tématy, které se často spolu vyskytují. Nutné
bylo data pročistit, aby v mapě zůstaly jen silné pojmy, tedy ty, které se vyskytovaly
nejčastěji a zároveň měly silné vazby na pojmy další. Například pojem „re-půjčka“ se sice
vyskytuje ve 104 příspěvcích, ale jeho další vazby nejsou nejspíše natolik silné, aby dávalo
smysl je zobrazovat, proto mu zůstala vazba pouze na pojem „úvěrový účet“. Lze vidět, že
názvy bank se často vyskytují spolu, jak lidé mají tendence služby bank porovnávat. Která
banka si v povědomí lidí vede lépe je vidět v bublinovém Grafu 4.
164 Šperková
Graf 4: Mapa vazeb mezi tématy. Zdroj: (Sperkova, 2014)
Jelikož na Facebooku nelze přispívat anonymně, jsou tak známy autoři všech příspěvků. Graf
6 ukazuje nejoblíbenější stránky (líbí se mi) uživatelů, kteří na stránkách bank nechali 50 a
více příspěvků a zároveň přispívali v říjnu 2013, který byl vyhodnocen jako nejaktivnější
měsíc. Zajímavostí je, že z těchto asi 300 uživatelů byla jen zhruba třetina žen. Z těchto
vysledků lze odvodit, že se nejvíce lidí zajímá kromě bank také o telekomunikace, seriály či
řetězec Lidl. Velikost obdélníku znamená vyšší počet lidí. Z výsledku této analýzy vyplývá
doporučení spolupráce s jinými firmami, o které se zákazníci zajímají nejvíce, např.
vytvořením společného produktu, darování poukázek na produkty druhé firmy, vytvořením
společných akcí apod. Příkladem je akce České spořitelny, která ke každému novému účtu
darovala kávovar firmy, se kterou kooperuje.
Z analýzy bylo dále identifikováno pět nejaktivnějších autorů a jejich aktivita v čase (Graf 7).
Analýzou uživatelských „líbí se mi“ jsme zjistili, že tito uživatelé jsou aktivní také v jiných
oblastech než finance, jako telekomunikace, politika nebo IT. Vzhledem k jejich aktivitě na
síti tak mohou mít vysokou autoritu mezi dalšími uživateli jako tzv. opinion makers. Druhou
možností je, že jsou to bankami najatí uživatelé, jejichž prací je právě přispívat na jejich
stránkách a ovlivňovat tak zákazníky.
Graf 5: Počty "líbí se mi" nejaktivnějších uživatelů za říjen 2013. Zdroj: Autorka
Graf 6: Identifikace nejaktivnějších uživatelů dle součtu jejich příspěvků. Zdroj: (Sperkova, 2014)
4
Diskuze a závěr
Ačkoliv výzkum provedený Harvard Business Review (2010) dospěl k názorům, že
společnosti pracující efektivně se sociálními sítěmi jsou mimo jiné také více zaměřeny na
zlepšování vnímání firmy zákazníkem, musí být poznamenáno, že jakékoliv úsilí v tomto
166 Šperková
smyslu má svá omezení, která nemohou být ignorována. Je třeba si uvědomit, že
v bankovnictví se jedná pouze o jeden z kanálů, se kterými zákazník přichází do styku
s bankou. Jenom existence samotných sociálních sítí neznamená konec tradičních kanálů jako
bankovních přepážek či call center nebo omezení jejich významu a vhodnosti. Lze ale tvrdit,
že na rozdíl od těchto kanálů je Facebook veřejný, jedinečný obousměrný komunikační kanál,
revoluční ve své bezprostřednosti a blízkosti bank svým zákazníkům. Obsah vidí daleko více
zákazníků či prospektů, tedy tak může regulovat jejich názor na danou banku více než jiné
kanály. Facebook tak má významný vliv na vytváření všeobecného vnímání zákazníky. Banka
se může buď veřejně ztrapňovat, nebo ukázat, že je svým zákazníkům nápomocná. Přesto je
těžké určit, do jaké míry je reputace banky je měněna skrz její aktivity na síti a jak vysoký
podíl na tom má reálná hodnota jejích produktů a služeb. Nicméně data na Facebooku mohou
reflektovat vliv banky na své zákazníky jak skrz sítě, tak skrz jiné kanály. Tento vztah mezi
kanály a reputací banky je M:1.
Bankovní sektor je na rozdíl od retailového sektoru nabízejícího spotřební zboží specifický i
lehce rozdílným chováním svých uživatelů na sociálních sítích. Lze vyvodit, že lidé využívají
sítě bankovních institucí relativně aktivně, pokud jde o nějaký problém, např. s internetovým
bankovnictvím, výši poplatků za vedení účtů, dále diskutují názory na kampaně vedené
bankou a srovnávají banky mezi sebou. V datech také bylo často zaznamenáno, že dle názorů
uživatelů, banky nejsou schopny řešit problémy svých zákazníků skrz návštěvu na pobočce
nebo volání na call-centrum. Využívají tak Facebook jako technickou podporu. Ostatní lidé
reagují na problémy druhých celkem aktivně a bezprostředně, proto je nutné soustředit
pozornost na vhodné metody, jak reagovat na tyto stížnosti. To je nutné uvážit i při definici
profilu zaměstnanců, kteří řídí bankovní sociální sítě, jejich přípravě a školení.
Doporučení pro banky je přispívat, chovat se aktivně a proaktivně tak, aby měl koncový
zákazník dojem, že i přestože má banka problém, je schopna ho řešit, což se nyní v mnoha
případech neděje. Produkty by měly být promovány kontinuálně, nikoliv nárazově, a zároveň
interaktivní cestou. I když na druhou stranu je nutné říct, že kontinuálnost je v současné době
v praxi nereálné zejména z finančních a procesních důvodů. Musel by se tedy klást také důraz
na změnu v těchto procesech. V dnešní spotřebitelské době nemají lidé problém se nahlas
ozvat, když se jim něco nelíbí a je nutné, aby na tato volání byli poskytovatelé schopni
flexibilně reagovat.
Poděkování:
Tento příspěvek byl vytvořen díky podpoře z grantu IGA F4/18/2014 řešeném na Fakultě
informatiky a statistiky, VŠE v Praze.
Seznam použitých zdrojů
Barbosa, L., & Feng, J. (2010, August). Robust sentiment detection on twitter from biased and noisy data.
In Proceedings of the 23rd International Conference on Computational Linguistics: Posters (pp. 36-44).
Association for Computational Linguistics.
Berka, P. (2003). Dobývání znalostí z databází. 1. vydání. Praha: Academia, 366 s. ISBN 80-200-1062-9.
Bermingham, A., Conway, M., McInerney, L., O'Hare, N., & Smeaton, A. F. (2009, July). Combining social
network analysis and sentiment analysis to explore the potential for online radicalisation. In Social
Network Analysis and Mining, 2009. ASONAM'09. International Conference on Advances in (pp. 231236). IEEE.
Bughin, J., Doogan, J., & Vetvik, O. J. (2010). A new way to measure word-of-mouth marketing. McKinsey
Quarterly, 2, 113-116.
ČNB. (online 11. 6. 2014) Seznam měnových finančních institucí v České republice. [cit: 2014-11-06]
Retrieved from ČNB:
http://www.cnb.cz/miranda2/export/sites/www.cnb.cz/cs/statistika/menova_bankovni_stat/seznamy_mbs/s
eznam_mfi/CZ_MFI_CZ_verze.xls
Feldman, R., & Sanger, J. (Eds.). (2007). The text mining handbook: advanced approaches in analyzing
unstructured data. Cambridge University Press.
Go, A., Bhayani, R., & Huang, L. (2009). Twitter sentiment classification using distant supervision. CS224N
Project Report, Stanford, 1-12.
Griffin, A., & Hauser, J. R. (1993). The voice of the customer. Marketing science, 12(1), 1-27.
H.b. (01. 08. 2010). The New Conversation: Taking Social Media from Talk to Action. [online] 24 pages.
Harvard
Business
Review,
10815-PDF-ENG.
Retrieved
from
http://www.sas.com/resources/whitepaper/wp_23348.pdf
Han, X., & Niu, L. (2012). Word of mouth propagation in online social networks. Journal of Networks, 7(10),
1670-1676.
Helm, S., & Schlei, J. (1998). Referral potential–potential referrals. An investigation into customers'
communication in service markets. In Track 1 Market Relationships, Proceedings 27th EMAC Conference,
Marketing Research and Practice (pp. 41-56). ISQA.
Hu, N., Pavlou, P. A., & Zhang, J. (2006, April). Can online word-of-mouth communication reveal true product
quality? Experimental insights, econometric results, and analytical modeling. In Proceedings of the 7th
ACM Conference on Electronic Commerce, Ann Arbor, Michigan, USA, June.
Choi, J. H., & Scott, J. E. (2013). Electronic word of mouth and knowledge sharing on social network sites: a
social capital perspective. Journal of theoretical and applied electronic commerce research 8(1), 69-82.
Kaur, H. (2013). Opinion Mining Task and Techniques: A Survey. International Journal of Advanced Research
in Computer Science, 4(3).
Kruengkrai, C., & Jaruskulchai, C. (2002, July). A parallel learning algorithm for text classification.
In Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data
mining (pp. 201-206).
Liu, Bing. (2008) Web data mining. Exploring hyperlinks, contents, and usage data, Corr. 2. print. Data-centric
systems and applications. Springer, Berlin.
Morrissey, S. (2012). Digitální svět nové generace mění bankovnictví. In Bankovnictví v proměnách času:
Sborník textů k 20 letům České bankovní asociace. Praha: ČBA, s. 72-75. ISBN 978-80-260-3016-4.
Nacher, P. (online 30.9.2014) Druhá fáze přechodu bankovních klientů se blíží. Bankovní poplatky. Retrieved
from http://www.bankovnipoplatky.com/druha-faze-prechodu-bankovnich-klientu-se-blizi-25121
Pak, A., & Paroubek, P. (2010, May). Twitter as a Corpus for Sentiment Analysis and Opinion Mining. In 7th
International Conference on Language Resources and Evaluation, (pp. 1320-1326).
Půlpánová S. (2007). Komerční bankovnictví v České republice. 1. vyd. Praha: Oeconomica, 338 s. ISBN 97880-245-1180-1.
Sperkova, L. (2014) Word of Mouth Analysis on Facebook in Banking. In Marketing Identity: Explózia inovácií.
Trnava.
Tsiptsis, K., & Chorianopoulos, A. (2011). Data mining techniques in CRM: inside customer segmentation. John
Wiley & Sons.
Veeck, A., & Hoger, B. (2014). Tools for Monitoring Social Media: A Marketing Research Project. Marketing
Education Review, 24(1), 37-72.
Witten, I. H., Frank, E., & Mark, A. Hall (2011). Data Mining: Practical machine learning tools and techniques.
Morgan Kaufmann.
3(2), 2014, 168–180, DOI: 10.18267/j.aip.45
Online: aip.vse.cz
Sekce / Section:
Prezentace bankovního a telekomunikačního
sektoru na Google+
Presentation of the banking and telecommunications sector on Google+
Libor Měsíček1
1
Katedra informatiky, Přírodovědecká fakulta,
Univerzita Jana Evangelisty Purkyně v Ústí nad Labem
České mládeže 8, 400 96 Ústí nad Labem
[email protected]
Abstrakt: Příspěvek se zaměřuje na charakteristiku přítomnosti vybraných zástupců
bankovního a telekomunikačního sektoru na sociální síti Google+. V první části je
charakterizován zkoumaný soubor, následně jsou jednotlivé profily popsány
z pohledu míry, způsobu jejich využití a také vystupování zástupců společnosti.
V druhé části článku jsou diskutovány vybrané příspěvky významných osob na
Google+ vztahující se ke zkoumaným sektorům. Byl zjištěn rozdíl ve způsobu
používání profilů společnostmi a to jak ve frekvenci tvorby příspěvků, způsobu
vystupování, tak i ve formě reakce na kritické příspěvky a komentáře. Zároveň byl
na příkladech příspěvků významných osob popsán stav, kdy reakce zástupce
společnosti přispěla k další eskalaci konfliktu a jeho šíření sociální sítí.
Klíčová slova: Google+, bankovní sektor, telekomunikace, příspěvek, sociální síť.
Abstract: The article focuses on examples of the presence of the banking and
telecommunications sector on Google+. In the first part investigated set is described,
and then the individual profiles are discussed from the perspective of the ways
of their use and also behaving of company representatives is mentioned. In the
second part of the article chosen posts of important individuals on Google+ related
to the investigated sectors are discussed. The difference was found in the ways how
companies use their profiles, in the posting frequency, communication styles and
goals, as well as in the form of responses to critical posts and comments. Also, the
examples of the contributions of significant individuals were described where the
response of the representative contributed to the further conflict escalation and
spread through social network.
Keywords: Google +, Banking sector, Telecommunications, Post, Social network.
1
Úvod
Sociální sítě jako je Facebook nebo Google+ jsou již každodenní součástí životů velkého
procenta spotřebitelů. Proto se na ně společnosti musí dívat jako na informační zdroj
současného i potenciálního zákazníka, kanál rychlé zákaznické podpory i komunitní nástroj.
Uživatelé sociální sítě Google+ mohou jednotlivým příspěvkům a komentářům přidělovat tzv.
+1, což je obdoba Like na Facebooku. U příspěvku s vysokým počtem +1 a komentářů roste
pravděpodobnost, že bude zařazen do kanálu „O čem se mluví“ a tím osloví další potenciální
zákazníky. V článku (Paniagua & Sapena, 2014) je prokázána pozitivní korelace mezi počtem
sdílení příspěvků, kladného hodnocení na sociální síti a tržní hodnotou společnosti.
Sektory bankovnictví a mobilních operátorů byly zvoleny především proto, že jde o oblast
podnikání s nízkou bariérou přechodu ke konkurenčnímu dodavateli služeb mj. díky
přenositelnosti mobilních čísel, kodexu mobility klientů bank a zároveň vysoce homogenním
produktem. Dalším významným faktorem při volbě těchto sektorů byla nasycenost trhu a tím i
vysoký důraz na udržení stávajících zákazníků na rozdíl od situace v devadesátých letech
minulého století.
2
Rešerše a výzkumné metody
Sociální sítě slouží mj. k rychlému sdílení aktuálních informací o událostech, na které klasická
média nejsou schopna dostatečně pružně reagovat a v některých případech slouží pro
zpravodajské stanice a média jako pohotový zdroj informací s diskutovatelnou spolehlivostí a
v závislosti na použité platformě i odlišné formě šíření informace (Scifleet, Henninger &
Albright, 2013). Zároveň je možné identifikovat korelaci mezi určitou událostí a špičkou
v zájmu o určité slovo, téma nebo hashtag (Zhao et al., 2012). Míra virálnosti šíření
jednotlivých příspěvků se může lišit mj. podle použitých forem vyjádření sdělení (Guerini,
Staiano & Albanese, 2013).
Problematika řízení vztahu se zákazníkem, propagace i přítomnosti na sociálních sítích je
diskutována v řadě publikací. V případě nespokojenosti s úrovní poskytovaných služeb
společnosti může u zákazníků vnikat pocit nespokojenosti, frustrace, hněvu až ukřivdění.
Takový zákazník se pak může snažit šířit na různých webových portálech, fórech a sociálních
sítích o společnosti negativní informace. Dalším důsledkem je klesající loajalita ze strany onoho
zákazníka a ochota nadále používat produkty dané firmy. S rostoucí mírou nespokojenosti pak
roste i pravděpodobnost, že svoji nespokojenost vyjádří nejen ve virtuálním prostředí, ale
rozhodne se opustit danou společnost (Kalamas; Laroche & Makdessiann, 2008). Počet osob,
které může osoba nespokojená s kvalitou služeb s minimálními náklady na šíření informace
ovlivnit, roste s jejím významem a pozicí v sociální síti. Jak popisuje (Huffaker, 2010)
z pohledu sítě významné osoby mohou jednoduše ovlivňovat ostatní vyjadřováním k určitému
tématu především díky schopnosti jasně formulovat myšlenku, asertivitou a vysokou aktivitou
v síti. Jedním ze stále relevantních nástrojů pro určitý segment populace (Generace Y) přesto
zůstává e-mailová kampaň zaměřená na konkrétní zákazníky či další tradiční marketingové
nástroje pro propagaci bankovních služeb (Kabirou & Gao, 2013).
170 Měsíček
2.1
Metodologie
Prvním cílem článku je popsání přítomnosti vybraných významných společností působících v
České republice a zároveň na sociální síti Google+ z pohledu využití tohoto nástroje k propagaci
svých produktů a služeb, budování pozitivního obrazu společnosti a řešení potenciálně
konfliktních reakcí na příspěvky.
Druhým cílem je zjištění míry vlivu a vyjadřování se ke kvalitě služeb nejvýznamnějšími
osobami na sociální síti Google+ z pohledu počtu sdílení jejich příspěvků, diskuze získaných
dat a vyvození závěrů o daném vzorku. K získání informací o situaci na sociální síti Google+
byl použit nástroj CircleCount (www.circlecount.com).
Na základě informací o subjektech působících ve vybraných sektorech byl proveden předvýběr
vhodných profilů společností k diskuzi a hodnocení. U každého sledovaného profilu byly
zkoumány veřejné příspěvky a komentáře z období 2012 až 2014 s důrazem na rok 2014.
Nástroj CircleCount se pak omezuje na období posledních 4 týdnů.
Průměrný počet +1 na příspěvek
K charakteristice příspěvků na Google+: Obrázek 1 popisuje průměrný počet udělených +1 u
příspěvků za poslední 4 týdny a zároveň u maximálně posledních 50 příspěvků na jednotlivých
profilech z ČR s více než 10 000 sledujícími. Z grafu na Obrázku 1 je patrné, že jen 8 profilů
evidovaných pod Českou republikou má podle CircleCount průměrný počet udělených +1 u
svých příspěvků vyšší než 10 za poslední 4 týdny a u maximálně posledních 50 příspěvků.
Obr. 1. Průměrný počet udělených +1 u příspěvků na profilech z ČR s více než 10 000 sledujícími za poslední 4
týdny a u maximálně posledních 50 příspěvků. Zdroj (CircleCount, 2014).
Pokud se zaměříme na nejkomentovanější (průměrný počet komentářů na jeden příspěvek)
profily na Google+ jednoznačně vede T-Mobile CZ díky politice přibližně jednoho příspěvku
za měsíc. Obrázek 2 ilustruje další významné profily z pohledu průměrného počtu komentářů
pod příspěvky za poslední 4 týdny a u maximálně posledních 50 příspěvků.
Průměrný počet komentářů na
příspěvek
Obr. 2. Průměrný počet komentářů u příspěvků z ČR na Google+ pro profily s více než 10 000 sledujícími účty
za poslední 4 týdny a u maximálně posledních 50 příspěvků. Zdroj (CircleCount, 2014).
Pro identifikaci významných osob z pohledu sdílení, počtu sledujících a počtu přidělených +1
byl opět použit CircleCount.
3
Řešení a výsledky
3.1
Segment mobilních operátorů
Do průzkumu chování a přítomnosti na Google+ byli zahrnuti všichni tři hlavní mobilní
operátoři působící na území České republiky a vybraní virtuální operátoři v jejich sítích.
Tabulka 1 shrnuje základní charakteristiky jejich profilů na Google+. Klíčem k volbě
uvedených operátorů z množiny téměř 80 operátorů působících v České republice byl
především jejich tržní podíl a aktivita (počet příspěvků a komentářů vztažených k danému
operátorovi) na Google+.
Operátor
Profil
Počet
fanoušků
Počet
zobrazení
Počet příspěvků
za listopad 2014
CANISTEC s.r.o.
(Voocall)
+VoocallCz
114
21 809
0
MAFRA a.s. (Mobil.cz)
280
97 596
0
MAXPROGRES mobile,
s.r.o. (99mobile)
14
25 904
0
31 157
1 752 351
5
5
19 895
0
O2 Czech Republic a.s.
+O2 CZ
SAZKA a.s. (Sazka
Mobil)
T-Mobile Czech Republic
a.s.
+TMobileCZ
32 790
1 019 035
1
Vodafone Czech Republic
a.s.
+VodafoneCZ
31 700
1 106 455
3
Tab. 1. Přehled vybraných profilů mobilních operátorů na Google+. Zdroj autor.
172 Měsíček
Vzhledem k nízké aktivitě virtuálních operátorů se další analýza zaměří na O2, T-Mobile a
Vodafone. T-Mobile používá příspěvky především k propagaci služeb (např. mobilní televize,
pokroku v pokrytí území), nových zařízení a informací ze zákulisí společnosti. V diskuzích pod
příspěvky reaguje zástupce společnosti zpravidla do druhého dne a dokáže se vyrovnat i
s nespokojenými zákazníky, zároveň poskytne rady spojené s nepříliš komplexními problémy.
Frekvence publikování příspěvků je ovšem nízká.
Vodafone využívá účet na Google+ k propagaci svých produktů a podpoře svých dalších
marketingových kanálů. Příkladem může být aktuální kampaň s Tomášem Vernerem a tvorba
očekávání u sledujících osob před samotným odhalením kampaně. Na profilu jsou zmíněny i
charitativní aktivity a další činnosti.
Struktura odpovědi zástupce operátora je v podstatě vždy strukturována:
+Jméno tazatele, Pozdrav, Křestní jméno tazatele, Odpověď, Křestní jméno odpovídajícího.
Tento standard může přispívat k dalšímu posílení loajality zákazníka. Na komentáře pod
příspěvky stejně jako zástupci ostatních operátorů dokáže zástupce Vodafone reagovat
s krátkou prodlevou a obvykle tak, že nedochází k další eskalaci konfliktu. Příklad zvládnutí
situace je na Obrázku 3.
Obr. 3. Příklad komunikace zástupce společnosti Vodafone na Google+. Zdroj (Google+, 2014a).
O2 zveřejňuje své příspěvky častěji než T-Mobile, díky tomu má možnost udržovat se ve
streamu sledujících osob, obsah příspěvků je obdobný jako u Vodafone. Komentáře zástupce
operátora pak mají podobnou strukturu jako u Vodafone s tím rozdílem, že často používají
zdrobnělinu křestního jména odpovídajícího zástupce O2.
Pokud nereaguje na komentář pod příspěvkem společnosti její zástupce, jeho roli v některých
případech přebírá běžný uživatel, který se snaží objasnit problém a situaci vyřešit. Příkladem je
příspěvek na profilu O2 vztahující se k podvodným e-mailům s žádostí o úhradu vyúčtování.
Přestože na komentář pana Hájka zástupce společnosti O2 nereagoval, problém objasnili další
uživatelé sítě (viz Obrázek 4).
Obr. 4. Příklad vyřešení dotazu dalšími uživateli sítě bez zásahu zástupce společnosti.
Zdroj (Google+, 2014g) upraveno autorem.
3.2
Segment bankovních institucí
V české republice v současnosti podle (ČNB, 2014) působí 45 bank nebo poboček zahraničních
bank, 11 družstevních záložen, 15 zastoupení zahraničních bank a 358 úvěrových společností.
Z této množiny subjektů byla vybrána podmnožina (uvedena v Tabulce 2) opět podle kritéria
podílu na trhu a aktivity na sociální síti.
174 Měsíček
Subjekt
Profil
Počet
fanoušků
Počet
zobrazení
Počet příspěvků za
listopad 2014
Air Bank a.s.
+airbank
1778
663 569
3
255
556 213
2
Česká spořitelna, a.s.
Equa bank a.s.
+equabank
206
147 250
1
Fio banka, a.s.
+fiobanka
372
163 403
7
Komerční banka a.s.
+komercnibanka 54
724 74
25
mBank S.A.,
organizační složka
+mbankcz
576 022
9
1531
Tab. 2. Přehled vybraných profilů bankovních institucí operátorů na Google+. Zdroj autor.
Air Bank využívá příspěvky jako nástroj pro posílení vztahu se zákazníkem, neomezuje se
pouze na propagaci svých produktů a služeb, ale zároveň informuje o dění v bance, jejím
rozvoji, zmínkách o produktech společnosti v televizních pořadech (Applikace) nebo o ocenění
svých produktů v testech. Reakce na komentáře je zpravidla ještě ten samý den, nedrží se ovšem
na rozdíl od Vodafonu pevně daného schématu.
Česká spořitelna svůj profil používá obdobným způsobem jako Air Bank, informuje o
produktech, akcích podporovaných společností nebo se prostřednictvím profilu snaží zvýšit
informovanost klientů v oblasti bezpečnosti. Na druhou stranu zástupce společnosti na
komentáře pod příspěvky v podstatě nereaguje a to ani na ty pochvalné.
Equa bank propaguje na svém profilu produkty (např. pojištění, půjčky atd.) a zároveň
informuje o soutěžích, oceněních společnosti, dosažní důležitých milníků a dění ve společnosti.
Na občasné komentáře klientů ovšem reaguje spíše stroze a zřídka (od srpna do listopadu 2014
pod šesti příspěvky jen 7 komentářů a jeden komentář pod hlavičkou společnosti).
Fio banka při používání profilu sleduje podobný trend jako např. Air bank, s klienty, i těmi
potenciálními, se snaží udržovat kontakt ne jen nabídkou služeb, ale i informacemi o akcích
banky, oceněními. Zároveň zapojuje své klienty do betatestování a designu svých aplikací.
Právě to, že dochází k zapojení budoucích uživatelů komerčního softwaru do vývoje a
reflektování jejich požadavků i velkými společnostmi lze onačit za jeden z trendů roku 2014
při procesu vývoje (viz Microsoft a způsob vývoje Windows 10). Obdobně zapojuje do vývoje
aplikací své klienty např. Air Bank. Zároveň zástupce banky průběžně reaguje na komentáře
pod příspěvky, ovšem v některých případech s prodlevou.
Komerční banka používá profil aktivně (až desítky příspěvků měsíčně) a ke splnění široké
palety cílů. Kromě tradiční propagace produktů a služeb se pokouší o odlehčené informování o
zajímavostech spojených s předmětem podnikání ale i zapojení do různých akcí (např.
Movember). Je třeba konstatovat, že na většinu výzev k diskuzi nad nějakým tématem nikdo
nereagoval. Dochází tak k situacím, kdy snaha o velký počet příspěvků může působit na
návštěvníka negativně. Příkladem neúspěšného příspěvku je Obrázek 5.
Obr. 5. Příklad příspěvku, který po téměř měsíci po uveřejnění může působit na návštěvníka negativně.
Zdroj (Google+, 2014b).
mBank využívá profil především k informování klientů o produktech a službách a jejich
úpravách, bezpečnostních rizicích a udělení cen. Pod příspěvky se ovšem často objevují
negativní reakce, např. na změny v internetovém bankovnictví nebo ocenění děleným prvním
místem ve srovnávacím testu, které bylo bankou prezentováno výrazně pozitivněji, než jaká
byla podle čtenářů realita. Zároveň zástupce banky nedokázal zcela adekvátně reagovat na
kritiku (viz Obrázek 6).
Obr. 6. Příklad reakce mBank na negativní komentář. Zdroj (Google+, 2014c).
3.2.1
Prezentace společnosti významnými uživateli
Předchozí text byl zaměřen především na obraz mobilních operátorů a bank tvořený samotným
subjektem. Zásadním prvkem sociálních sítí a webu obecně je ovšem svoboda tvorby obsahu
samotnými uživateli. Při hledání informací a dat nalezne uživatel celou řadu příspěvků týkající
se těchto subjektů. I tyto příspěvky, především pokud pochází od osoby s velkým počtem
sledujících, mohou přispět k pozitivnímu nebo negativnímu vnímání zmíněné společnosti.
Příkladem je účet Marka Lutonského. Tento účet má 5 858 fanoušků a 3 063 588 zobrazení,
tedy více než čtyřikrát vyšší návštěvnost než nejnavštěvovanější zkoumaný profil bank a
zároveň byl v době přípravy článku na šestém místě v rámci České republiky v průměrném
176 Měsíček
počtu komentářů pod jeho příspěvky, sedmý v České republice v průměrném počtu sdílení jeho
příspěvků a 25. v průměrném počtu udělených +1.
Dalším účtem, který se vyjadřuje k bankám a zároveň disponuje vysokým počtem sledujících
(9 228) a především s více než 87 miliony zobrazení je František Fuka. Pokud uživatel hledá
informace např. o mBank nebo Equa bank mezi prvními výsledky na Google+ se pravidelně
objevují příspěvky právě těchto a jim podobných významných účtů.
Příklad negativního příspěvku analyzujícího změny, který se zobrazí při hledání mBank je na
Obrázku 7. Tento příspěvek během 6 dnů přímo sdílelo 8 dalších účtů, přidáno bylo 34
komentářů a 48 +1.
Obr. 7. Příklad kritického příspěvku o mBank šířícího se sítí. Zdroj (Google+, 2014d) upraveno autorem.
Příklad negativního příspěvku o České spořitelně a zmínka o mBank a Fio bance je na Obrázku
8 společně s mapou dalšího šíření tohoto příspěvku. Tento příspěvek ačkoli je z roku 2012 je
stále mezi prvními při vyhledávání České spořitelny na Google+. Pokud bude potenciální
zákazník hledat podrobnější informace o bance, nalezne tuto zkušenost a informaci o
konkurentech v rámci daného sektoru. Zároveň se pod tímto příspěvkem rozvinula diskuze o
změně banky a jeden z účtů začal mBank kritizovat za nevhodné načasování úpravy sazebníků.
Zástupce společnost se diskuze v komentářích nezúčastnil (nelze vyloučit, že použil některý z
„neověřených“ účtů). Je otázkou, zda by jeho otevřené vyjádření mohlo situaci uklidnit a nebo
by jen přispělo k dalšímu zhoršení situace a rozšířilo řady diskutujících. Možnou strategií by
bylo přiznání problému s „povinným“ vyplněním dotazníku, objasnění motivace a především
omluva.
Obr. 8. Příklad příspěvku kritického příspěvku vůči České spořitelně a doporučení služeb konkurence společně
s mapou sdílení příspěvku. Zdroj (Google+, 2014e).
Dalším příspěvkem a ukázkou nevhodné reakce zástupce společnosti je na Obrázku 9. Situace
s nefungujícím rušením souhlasu s inkasem po přechodu na novou verzi internetového
bankovnictví mBank vyvolala řadu negativních reakcí a způsob, kterým reagoval zástupce
mBank situaci jen dále rozdmýchal. Jeho odpověď zároveň byla do jisté míry anonymní neboť
svou odpověď nijak nepodepsal a tím nezosobnil. Právě zosobnění a lepší promyšlení struktury
odpovědi mohlo situaci do jisté míry uklidnit jako v příkladu na Obrázku 3 popisujícího stížnost
na pokrytí signálem.
178 Měsíček
Obr. 9. Příspěvek k problému nové verze bankovnictví mBank a reakce zástupce společnosti.
Zdroj (Google+, 2014f).
4
Diskuze a závěr
Na uvedených příkladech byl demonstrován rozdíl mezi obrazem, který se o sobě snaží tvořit
vybrané společnosti prostřednictvím sítě Google+ (podle komunikační strategie kterou
společnost zastává je to např. u Air Bank srozumitelnost, otevřenost, vstřícnost v duchu
firemního motta) a obrazem, který vytvářejí významní uživatelé této sítě (např. problémy
s elementárními požadavky, odpor ke změnám). Je patrný rozdíl v počtu, způsobu, struktuře i
dopadu reakcí na příspěvek vložený např. zástupcem banky anebo významnou osobou v rámci
Google+. Především proto že profily významných soukromých osob mají i řádově vyšší
celkový počet návštěv než profily zkoumaných společností.
Na základě zhodnocení jednotlivých profilů a strategií je patrné, že některé banky nebo mobilní
operátoři preferují vysokou frekvenci příspěvků a aktivní přístup ke klientům a jejich
komentářům (např. Vodafone vs. T-Mobile), mají definovanou standardní strukturu odpovědi
a reakční čas (např. Air Bank vs. Česká spořitelna), jiné v podstatě doplňují příspěvky svoji
webovou prezentaci a poslední skupina jen založila profil a aktivně s ním nepracuje (např.
MAFRA – Mobil.cz). Dalším způsobem využití profilu je zapojení budoucích uživatelů do
testování aplikací společnosti (např. Air Bank nebo Fio Banka) a tím možné posílení vztahu
zákazníka se společností.
Zároveň zástupci společností často nereflektují ve svých odpovědích význam osoby tazatele
v rámci sítě. V opačném případě by bylo nepravděpodobné, že by např. zástupce mBank
reagoval na příspěvek Marka Lutonského způsobem popsaným na Obrázku 9.
Právě příspěvky pocházející z okolí banky nebo mobilního operátora jsou často kritické a mají
díky pozici významného autora v síti relativně velký počet zasažených osob. Je na zvážení
zástupců těchto institucí, zda svou komunikační strategii více nepřizpůsobit právě těmto
negativním hlasům. Tedy, při řešení dotazu, stížnosti i zmínky o společnosti by se zástupce
společnosti měl zběžně seznámit s profilem tázajícího, zda již v minulosti s bankou
prostřednictvím sítě komunikoval, jakého výsledku dosáhl, jaký je jeho komunikační styl,
reakce na argumentaci, jaké je jeho postavení v sociální síti a tím i potenciální dopad jeho
spokojenosti či nespokojenosti na společnost a těmto parametrům přizpůsobit obsah i formu
své odpovědi.
Na závěr lze také doporučit zástupcům společnosti na sociální síti zosobnění odpovědí
podobným způsobem jako toho dosahuje Vodafone nebo O2, stanovení maximální reakční
doby na příspěvek nebo komentář za předpokladu, že je reakce vhodná a nehrozí vysoké riziko
vyvolání negativní odpovědi.
5
Seznam použité literatury
CircleCount. (2014). CircleCount.com ─ Google+ Statistics - Get your CircleRank & see the most popular people
at Google+ (Czech Republic). Retrieved from http://www.circlecount.com/cz/popularpages/
ČNB
(2014)
Celkový
přehled
počtu
subjektů
ke
https://apl.cnb.cz/apljerrsdad/JERRS.WEB24.SUBJECTS_COUNTS_2
dni.
Retrieved
from
Google+ (2014a). Nadace Vodafonu už ve své Laboratoři pomohla rozjet Rekola nebo spustit… Retrieved from
https://plus.google.com/+VodafoneCZ/posts/RYj78RqY1uy
Google+ (2014b). Doplňte větu: „Pojištění mě zachránilo, když: _____________“ Retrieved from
https://plus.google.com/118255011975815152253/posts/8zPH8kytpSH
Google+ (2014c). mBank.cz – Google+ Retrieved from https://plus.google.com/+mbankcz/posts/Xo4eTV28vjW
Google+ (2014d). Krásnou stránku nám +mBank.cz připravila k prezentaci svých změn od 1. března. Retrieved
from https://plus.google.com/113016773678273684999/posts/YKPmawFrQAB
Google+ (2014e). Byl jsem v nejmenované bance (OK, byla to +Česká spořitelna) zrušit všechno…. Retrieved
from https://plus.google.com/106378848135270560799/posts/EpLVTLKBKHg
Google+ (2014f). MBank se přechod na nový systém skutečně
https://plus.google.com/113016773678273684999/posts/YfwH87xeiG8
nepovedl.
Retrieved
from
Google+ (2014g). Upozornění na podvodné e-maily s žádostí o úhradu vyúčtování Někteří naši…. Retrieved from
https://plus.google.com/+O2CZ/posts/Gkeds2Lrkah
Guerini, M., Staiano, J. & Albanese, D., (2013). Exploring Image Virality in Google Plus. In ASE/IEEE
INTERNATIONAL CONFERENCE ON SOCIAL COMPUTING (SOCIALCOM) (pp. 671-678).
Huffaker, D. (2010). Dimensions of Leadership and Social Influence in Online Communities. HUMAN
COMMUNICATION RESEARCH, 36(4), 593-617.
180 Měsíček
Kabirou, A. & Gao, Y. (2013). Marketing Banking: Identifying the Insightful Marketing Mix in Banking. In Hu,
J (Eds.), 3RD INTERNATIONAL CONFERENCE ON APPLIED SOCIAL SCIENCE (ICASS 2013), VOL 1
(pp. 9-15). Kaunas: Walter Verlag.
Kalamas, M.; Laroche, M. & Makdessiann, L. (2008). Reaching the boiling point: Consumers' negative affective
reactions to firm-attributed service failures. JOURNAL OF BUSINESS RESEARCH, 61(8), 813-824.
Paniagua, J. & Sapena, J. (2014). Business performance and social media: Love or hate?. BUSINESS HORIZONS,
57(6), pp. 719-728
Scifleet, P., Henninger, M., & Albright, Kathryn K. H. (2013). When social media are your source.
INFORMATION RESEARCH-AN INTERNATIONAL ELECTRONIC JOURNAL, 18(3).
Zhao, W. X., Shu, B. Jiang, J., Song, Y., Yan, H. & Li, X. (2012). Identifying event-related bursts via social media
activities. In EMNLP-CoNLL '12 Proceedings of the 2012 Joint Conference on Empirical Methods in
Natural Language Processing and Computational Natural Language Learning (pp. 1466-1477).
3(2), 2014, 181–191, DOI: 10.18267/j.aip.46
Online: aip.vse.cz
Sekce / Section:
Kreovanie, šírenie a recepcia komunikačných
stereotypov v on-line médiách
Creation, Dissemination and Reception of Communication
Stereotypes in On-line Media
Juraj Rusnák1
1
Katedra komunikačních a mediálních štúdií,
Filozofická fakulta, Prešovská univerzita v Prešove
17. novembra 1, 080 78 Prešov 1
[email protected]
Abstrakt: V tomto příspěvku jsou analyzovány hlavní trendy ve vytváření
a recepci specifických útvarů komunikační provozu v on-line médiích
- komunikačních stereotypů jako ustálených znakových struktur. Interpretačním
východiskem je teze, že fungování komunikačních stereotypů v on-line médiích je
kulturně, sociálně a mentálně podmíněné a výsledkem tohoto fungování je
konstruování sociokulturních izoglos ve společnosti, tedy rozšíření použití jistých
komunikačních významů, jistého způsobu "čtení textu". Zvláštní pozornost je
v textu věnována fungování mediálních presetů, komplexně zpracovávaných
a šířených šablon a důsledkům, které použití presetů v on-line médiích vyvolává
(i vzhledem k jejich využití v marketingovaej komunikaci): extenzifikaci on-line
provozu a oslabování interpretačního vztahu uživatele k textu.
Klíčová slova: Komunikační stereotyp, on-line média, populární kultura,
sociokulturní izoglosa, preset.
Abstract: In this paper are analyzed the main trends in the creation and reception
of specific communication services operating in on-line media - communication
stereotypes as a steady character structures. Interpretative starting point is the thesis
that the functioning of communication stereotypes in online media is culturally,
socially and mentally conditioned, a result of this function is construct of the sociocultural izoglosis in society, namely the extension of the use of certain
communication of meaning, the same way of "reading the text". Particular attention
is paid to the functioning of the media presets, comprehensively processed and
disseminated templates and effects that use presets in online media raises (also with
regard to their use in marketing communication): extensification on-line operation
and weakening of user interpretative relation to the text.
Keywords: Communication stereotype, On-line media, Popular culture.
182 Rusnák
1
Úvod
Fungovanie efektívnej komunikácie je podmienené viacerými kontextuálnymi okolnosťami
(predovšetkým kultúrnym, resp. sociálnym, ale aj ideologickým pozadím). Cieľom
nasledujúcich úvah je interpretovať povahu súčasných foriem elektronickej mediálnej
produkcie, v ktorej sú, domnievame sa, tieto indície zreteľne manifestované. Metodologické
perspektívy,
ktoré
používame
v nasledujúcich
riadkoch
(exegetickú
zberom
a vyhodnocovaním údajov o texte a ich vzájomným porovnávaním a interpretačnú
vysvetľovaním nejasností, odhaľovaním správneho významu jednotiek textu), nám umožňujú
nielen sledovať inventár možností transformácie propriálneho, jedinečného textu na mediálny
text apelatívny, univerzálny, ale aj prehmatávať možné indicie tohoto vývoja (s prihliadnutím
na ich využitie v marketingovom prostredí).
Začiatkom februára 2013 zverejnila na verejnom internetovom portáli YouTube skupina
austrálskych tínedžerov vystupujúca ako The SunnyCoastSkate krátky hudobno-tanečný skeč
zo študentského internátu pod názvom Harlem Shake1 a iniciovala tak rozsiahlu vlnu rôznych
napodobenín pôvodného videa. Anarchistická radosť z porušovania pravidelnosti,
systémovosti, všednosti života, stelesnená v nekonečne variovaných tridsaťsekundových
napodobeninách videa Harlem Shake sa stala, podobne ako v prípade on-line existencie
podobných videotextov Gangnam Style 2 či Happy 3 dôležitým znakom súčasnej on-line
prevádzky: svojou hravou, až recesistickou formou ovládla začiatkom roka internet, bez
ťažkostí prenikla do vysielania svetových a domácich médií, v extrémne krátkom čase
zasiahla aj iné priestory popkultúry (dokonca aj erotický a pornografický priemysel4) a stala
sa objektom diskusií o fungovaní stereotypných mem5 v súčasnej medziľudskej komunikácii.
2
Koncept mediálneho stereotypu ako predvídateľnej
komunikačnej situácie
Komunikačné stereotypy, príkladom ktorých môžu byť aj masovo šírené hudobné videá na
internete, samozrejme, nie sú objavom on-line médií, vznikali prirodzene v prostredí
medziľudskej komunikácie: tieto znakové sústavy s komplexnou štruktúrou, signifikantné
svojou stabilizovanou formou, zreteľnou nemennosťou, boli vytvárané kvôli uľahčeniu
prenosu šírenej informácie; ich účelom je manifestovať kultúrne, sociálno-ekonomické a
mentálne indikatívy komunikácie. Treba však pripomenúť, že osobitne vhodný je na takýto
typ komunikácie mediálny enviroment, ktorého najdôležitejšie parametre (komplexnosť
1
Viac pozri The Harlem Shake v1.
http://www.youtube.com/watch?v=384IUU43bfQ
2
Hudobný videoklip skladby Gangnam Style ako videoprezentáciu osemnásteho singla kórejského speváka
a tanečníka menom PSY si od júla 2012 na videoportáli YouTube pozrelo viac než dva bilióny divákov, viac
pozri McIntyre, 2014.
3
Pôvodnú verziu videoklipu Happy speváka Pharella Williamsa parafrázovalo množstvo známych osobností
z celého sveta, nápady použité v pôvodnom videoklipe boli využité aj na prezentáciu prešovského primátora,
viac pozri Frank, 2014.
4
Porov. napr. The Harlem Shake: Naked (Porn Edition, SFW version).
http://www.youtube.com/watch?v=XLbN_yCYlrQ&feature=player_embedded
5
Termín mem je používaný v moderných teóriách vytvárania, šírenia a spotreby mediálnej kultúry na označenie
jednotiek kultúrneho významu, ktoré v sebe nesú kultúrne myšlienky a to tak triviálne (populárne piesne, formy
čierneho humoru, módne trendy), ako aj monumentálne (náboženstvá, jazyky, filozofia) a replikujú sa
predovšetkým v mediálnom priestore. Myšlienky filozofie „memetiky“ sa rozšírili medzi teoretikmi
postmodernej kultúry 80. rokov (J. Baudrillard, A. Kroker) najmä vďaka práci Media Virus D. Rushkoffa, ktorý
argumentoval tým, že moderné médiá sú „živými organizmami, hostiteľmi vytvárajúcimi „datasféru“, ktorá je
neustále kompromitovaná zavádzaním nových „memov“ (Rushkoff, 1994, s. 19 – 43).
ponuky, rýchlosť informačného toku a extenzivita prevádzky) umožňujú šíriť aj
komplexnejšie stereotypné produkcie (slávnostné prehliadky, spoločensko-politické eventy
a pod.). Zložitosť znakovej štruktúry komunikačných stereotypov je pritom zreteľná nielen
kvôli spájaniu rôznych typov znakov (teda symbolov, indexov, ale aj ikon vnútri štruktúry
komunikácie), ale aj kvôli tomu, že sa v komunikačných stereotypoch odrážajú nielen
invariantné, gnómické, ale aj aktuálne, variantné znakové „pásma“. Pripomíname ešte, že
invariantné znaky reprezentujú trvalé, stabilizované sociálne, psychologické a kultúrne
aspekty komunikácie (statusy, roly), variantné znaky zvyčajne vyjadrujú okamžité, aktuálne
stavy účastníkov komunikácie a vzťahy medzi nimi (momentálne interaktívne konfigurácie).
Veľmi časté je využívanie komunikačných stereotypov v prostredí on-line šírenej mediálnej
prevádzky, ktorá je svojou povahou na ich manifestáciu mimoriadne vhodná. Variantné znaky
sú v komunikačných stereotypoch predstavené najmä ako ikony (napríklad, dekorácie scény
v internetovej reklame propagujúcej alkoholické nápoje – drahé auto, lukratívny dom, ale aj
vzorne fungujúca rodina – predstavujú stabilný „odtlačok“ prosperity podľa hodnôt modernej
civilizovanej spoločnosti, iné indikácie luxusu však boli do reklamy vložené pred
päťdesiatimi rokmi a iné dnes; bližšie o fungovaní komunikačných stereotypov pozri Rusnák,
2010d, s. 217 – 218).
Postupná stabilizácia, až petrifikácia znakových štruktúr komunikačných stereotypov
v médiách a ich postupná transformácia spoločnosťou do podoby kánonu často vedie k vzniku
špecifických prejavov medziľudskej komunikácie v mediálnom prostredí, tzv.
komunikačných rituálov. Za užitočné považujeme predovšetkým pripomenúť definíciu rituálu
v prostredí teórie komunikácie, podľa ktorej je rituál komunikačnou udalosťou (v
angloamerickej literatúre sa používa najčastejšie termín performance) s viac alebo menej
invariantnými sekvenciami formalizovaných aktov a komunikátov (porov. Rappaport, 1989, s.
467 – 473). Vzájomné prepojenie variantných a invariantných súčastí textu, o ktorých
sa uvažuje v teórii komunikácie, je pri komunikačných rituáloch veľmi frekventovaným
úkazom – príkladom môže byť štruktúra otváracieho ceremoniálu olympijských hier, v ktorej
je možné okrem zreteľne formalizovaných prvkov (povinné formuly prednášané pri
slávnostnom otvorení olympiády, vztyčovanie olympijskej vlajky, zapaľovanie olympijského
ohňa) postrehnúť aj súčasti s voľnejšou dramaturgiou (predstavovanie účastníkov súťaží,
tvarovanie kultúrneho programu, ale aj spôsob transportu a zapaľovania olympijského ohňa
priamo na mieste obradu; podrobnejšie o fungovaní komunikačných rituálov v prostredí
elektronických médií pozri Rusnák, 2010c, s. 191 – 192).
Túto všeobecnokomunikačnú perspektívu vnímania rituálu doplňme ešte perspektívou
psychologickou, ktorá je vhodná najmä pri interpretácii mediálnych foriem štandardných
textov a ich marketingovom využití: komunikačný rituál v tomto zmysle slova predstavuje
formálne (a formalizované) vyjadrenie ritualizovaného správania, pre ktoré je typické vysoký
stupeň stereotypie a výskyt vo významovo podobných kontextoch ako prostriedok uľahčujúci,
resp. odľahčujúci komunikáciu (Hartl, 2000, s. 335). Práve prediktabilita
tkaniva
komunikačných rituálov umožňuje otvoriť nové komunikačné situácie bez vysokého rizika
náhlej komunikačnej zmeny. G. Kaufmann-Huber definuje potom rituál ako špecificky
ľudský spôsob archetypálneho správania, ktorým človek reflektuje zmenu – či už vývojovú,
individuálnu, alebo spoločenskú – a ritualizované správania človeka interpretuje, odvolávajúc
sa na hlbinnú psychológiu C. Junga, ako výraz prapodstaty samotnej ľudskej existencie
(Kaufmann-Huber, 1998, s. 23). Inscenačnú potenciu komunikačných rituálov zdôrazňujú
najmä autori vychádzajúci z prostredia antropológie, keď pripomínajú jej komunikačnoperformatívny charakter. R. Murphy (2001, s. 129) napríklad hovorí o rituáli ako o
inscenovanej udalosti, ktorá sa riadi štandardnými predpismi, V. Turner (1972, s. 1104) ako o
184 Rusnák
súbore stereotypných sekvencií činností zahŕňajúcich gestá, slová a predmety, vykonávaných
v špecificky určenom priestore a v záujme účastníkov komunikácie.
3
Efekty fungovania komunikačních stereotypov v on-line médiách:
gramatika sociokultúrnych izoglos a mediálnych presetov
Fungovanie komunikačných stereotypov v on-line médiách má, ako sme sa usilovali
manifestovať vyššie, kultúrnu, sociálnu a mentálnu dimenziu a výsledkom tohto procesu je
vytváranie sociokultúrnych izoglos v spoločnosti. Termín izoglosa sa štandardne používa
najmä v lingvistickom diskurze – izoglosa v tomto zmysle slova istým špecifickým módom –
najčastejšie teritoriálne – ohraničuje použitie istého komunikačného javu (porov. Mistrík
a kol., 1993, s. 199). V širšom, všeobecnokomunikačnom zmysle pojmom izoglosa
vymedzujeme rozšírenie použitia istých komunikačných významov. Izoglosa v tomto zmysle
slova lokalizuje istý enviroment (teritoriálny, kultúrny, sociálny a pod.) s odporúčaným
„čítaním textu“. Termínom sociokultúrna izoglosa ako „izosémy“ možno potom
identifikovať priestor (pochopiteľne, aj v on-line komunikácii), v ktorom sa znaky kultúry
tvoria, šíria, ale aj prijímajú istým, vopred predpísaným spôsobom (napr. manuály vytvárania
zdvorilostných vzorcov pri on-line komunikácii – tzv. netiketa, zaznamenávanie citových
stavov v četoch prostredníctvom tzv. emotikonov, ale aj spôsoby emitovania špecifických
typov mytologických reťazcov v internetovom mediálnom prostredí, vyústením ktorých sú
v úvode príspevku spomínané virálne videá; bližšie o termíne sociokultúrna izoglosa pozri
Rusnák, 2010a, s. 104 – 105).
Operovanie kultúrnym manuálom (presnejšie, viacerými manuálmi súčasne) v prostredí online komunikácie súčasne znamená, že sociokultúrne izoglosy vymedzujú priestor, v ktorom
je potrebná istá „kultúrna akreditácia“ – v prostredí on-line médií tak vznikajú pestré
mediálne komunity – športové a hudobné fankluby, účastníci internetových elektronických
konferencií, združenia hráčov počítačových hier, ale aj čitateľov fantasy serálov či divákov
telenoviel.
Formálne prostriedky, ktoré v komunikačných obradoch pripravujú priestor pre takéto
„identifikačné protokoly“ (nazvime ich gramatikou predvídateľnosti), je možné rozdeliť do
viacerých skupín – dekorácií, rekvizít a insígnií. Dekorácie predstavujú hlavné súčasti
časovej a priestorovej dramatizácie komunikačných stereotypov. Tvorba a šírenie dekorácií
ako časopriestorových indikatívov stereotypného komunikačného aktu môžu byť vynútené
kultúrnymi, resp. sociálno-psychologickými okolnosťami: ticho ako príznakový prvok
komunikácie býva nahradzované v elektronických médiách prediktabilnejšími kulisami,
v rozhlasovom a televíznom vysielaní je pri rozhovoroch zaraďovaný zvukový podklad
navodzujúci zodpovedajúcu atmosféru, v reklame sprevádza uvedenie novej služby hudobná
podhrávka, ktorá spresňuje rekonštrukciu emitovaného posolstva, internetové mediálne
prostredie navyše ponúka predvídateľné dekoratívne prvky využiť pri konštruovaní vzhľadu
stránky, práci s animovanou grafikou či pri prezentácii loga. Rekvizity predstavujú „funkčné
súčasti scénického vybavenia, fungujúce pri komunikačnej performancii, prvky scénického
inventára, ktoré slúžia predovšetkým na zefektívnenie pôsobenia na cielené publikum“, porov.
Rusnák, 2002a, s. 36 – 37): medzi rekvizity komunikačných stereotypov v elektronickej
mediálnej prevádzke patrí najmä extrémna žoviálnosť, preexponovaná emocionalita;
identifikujúca moderátora rozhlasovej či televíznej relácie s najvernejšou skupinou
poslucháčov, v prostredí on-line médií okrem toho pribúda aj ustálené narábanie s tvarom
titulku a jeho syntaxou, ale aj využívanie už spomínaných emotikonov a akronymov
simulujúcich emotívne a sociálne väzby v komunikácii. Osobitne možno identifikovať
insígnie komunikačných stereotypov, „formálne vyjadrenia pozície, statusu v komunikačnej
performancii, „znaky hodnosti“, ktoré ako súčasť ritualizovaného správania precizujú
kultúrne a sociálne pozadie komunikačnej udalosti“ (Rusnák, 2002a, s. 37), re/prezentujú
príslušnosť k sociálne a kultúrne špecifikovanému prostrediu ako vyjadrenia pozície moci.
Insígnie posilňujú účinok komunikačných stereotypov napr. v on-line šírenom spravodajstve a
reklame (výberom a formálnou gramatikou účinkujúcich podľa osvedčených šablón) alebo
v telenovelách či sitkomoch (prediktabilným správaním hlavných hrdinov, protikladne
konštruovanými obrazmi luxusu a biedy, striedaním komických a tragických tonalít a pod.).
Práve zmeny v konfigurácii zmien komunikačných insígnií najcitlivejšie odkazujú na možné
transformácie v hodnotovej orientácii mediálneho publika a často predznamenávajú zmeny
v spoločnosti, prípadne ich ustaľujú a potvrdzujú. Treba pritom pripomenúť, že zmena
spoločenských hodnôt, reflektovaná (aj) v prostredí masovej komunikácie, sa v oblasti
vytvárania, ustaľovania a použitia sociokultúrnych izoglos odohráva len veľmi pomaly.
V živote spoločnosti sa istý spôsob vyššie spomínaného „čítania textov“, navigátormi ktorého
sú sociokultúrne izoglosy, ustaľuje pomerne dlho – je preto pochopiteľné, že zmena v tejto
oblasti je rovnako zdĺhavá, často sprevádzaná reziduálnymi reakciami „čitateľov“ (príkladom
môžu byť resentimentálne nálady mediálneho publika pri hodnotení zmien po Novembri
1989). Teoretik médií tak môže skúmaním úsilia zachovať/meniť kontinuitu fungovania
sociokultúrnych izoglos vnútri mediálnej komunikácie odhaľovať vývojové tendencie
v správaní mediálneho publika.
Symptómy situácie, v ktorej je skutočnosť v prostredí masových médií stereotypizovaná
v záujme efektívnej tvorby, šírenia a spotreby, sa objavovali už od samotného začiatku dejín
zaznamenávania skutočnosti masovými médiami – prostý záznam skutočnosti sa realizoval
optikou cinema direct, resp. cinema verité. 6 Vytváranie manuálov, ktoré potom tento
štandardizovaný, stereotypizovaný obraz produkovali, možno súhrnne pomenovať
presetizáciou – procesom, pri ktorom dochádza k „prednastavovaniu skutočnosti“,
akceptovateľnému tvorcami svojou efektivitou a publikom svojou prístupnosťou.
Označenie preset ako „upravovanie hodnôt systému pred jeho vlastným použitím“ (Oxford
Dictionaries, 2013) sa pôvodne začalo používať najmä v prostredí digitálnej audiovizuálnej
a grafickej tvorby na označenie matrice prednastavených parametrov, ktoré „ošetria“
transformáciu skutočného sveta na svet (multi)mediálny – osvetlením, strihom záberov,
použitím svetelných efektov, filtrov a pod. Všeobecne sa týmto pomenovaním dá označiť
proces (šírený aj/najmä v on-line médiách), pri ktorom sa jedinečná skutočnosť transformuje
podľa sociokultúrnych, ekonomických či ideologických manuálov na jej štandardizovaný
obraz: pripomíname, že tak boli kedysi naformátované správy z prvomájových sprievodov či
spravodajské šoty zo slávnostného prestrihnutia pásky odovzdávania diaľnice, ktoré ako
preset pripútali pozornosť publika efektívnejšie, než reportáže o dôvodoch nacvičovania
„spontánneho“ sprievodu či informácie o dôvodoch prekročenia finančného rozpočtu stavby
(ktoré by však pre investigatívnu žurnalistiku mohli byť nielen zaujímavejšie, ale aj
objektívnejšie).
6
Cinema direct a cinema verité – filmové prúdy v dokumentárnom filme odmietajúce akúkoľvek rekonštrukciu;
film je založený na autenticite obrazu a zvuku, jeho snahou je čo najobjektívnejšie zachytiť vonkajšiu
skutočnosť, nezasahovať do nakrúcanej reality. Autori väčšinou predkladajú film bez záverov a hodnotení,
hodnotiace stanovisko a analýza ostáva na diváka. Autori dokumentárnych filmov v štýle cinema direct často
inklinujú aj k využívaniu skrytej kamery. Prvky dokumentárnych žánrov cinema direct a cinéma vérité využívala
aj hraná tvorba, tzv. čistý film vo francúzskej kinematografii (francúzska nová vlna) – filmová produkcia mimo
veľkých produkčných spoločností, nízkorozpočtové filmy s využívaním nehercov, snaha byť čo najbližšie
autenticite, reálnemu prostrediu, skutočnosti. Podobne ako cinema direct majú autori žánru cinéma vérité snahu
o čo najväčšiu autenticitu, no na rozdiel od cinema direct prezentované osoby si uvedomujú prítomnosť kamier
(televízne okrúhle stoly, diskusie a pod.), porov. Sabol, 2010, s. 22.
186 Rusnák
Prezentácia udalostí v prostredí on-line mediálnej prevádzky, pri ktorej je hlavnou ambíciou
akceptácia zo strany čo najširšieho publika, takúto presetizáciu priamo predpokladajú: ako
hovoríme v úvodnej kapitole príspevku, predvídateľný svet je na vnímanie menej náročný než
jedinečná skutočnosť, opakované prvky v komunikačnom tkanive (už spomínané dekorácie,
rekvizity a insígnie) uisťujú účastníkov o správnosti ich recepčnej voľby a pomáhajú chaos
jedinečných informácií meniť na systém pravidelného životného obradu. Ide, pravdaže, o
prednastavenie zjednodušené a výrazne štandardizované – prvomájová apoteóza totalitného
režimu nepotvrdzovala, že sa v tomto systéme spravovania vecí verejných dalo slobodne žiť,
položenie základného kameňa ešte neznamená, že sa budova dokončí, po prestrihnutí pásky
nemusí platiť, že sa diaľnica bude naozaj dať trvalo používať a zapálenie olympijského ohňa
ešte nezaručí, že sa na olympiáde nebude strieľať.7 Masovým médiám ako priestoru, v ktorom
dominuje extenzívna prevádzka, však takéto zjednodušovanie skutočnosti, takáto presetizácia
neprekáža, skôr naopak: pôvodné ambície nových šíriteľov informácií a aj vzdelávania
publika sú dnes čoraz častejšie nahradzované prioritnou ambíciou produkovať zisk, čo,
pravdaže, vyvoláva záujem majiteľov mediálnych korporácií o čo najefektívnejšie
zhodnotenie ich investície (teda stále rastúce ukazovatele sledovanosti).
4
Konzekvencie fungovania mediálnych stereotypov
v on-line prevádzke
Domnievame sa, že práve presety používané v mediálnom prostredí tvoria z tohto druhu
medziľudskej komunikácie silnú a účinnú zbraň pri zmocňovaní sa skutočnosti aj v iných než
v totalitných systémoch riadenia moci: intenzívne sa o ne už dávnejšie zaujímala nielen
inštitucionalizovaná propaganda (svet nadšene zdieľaných ideí, predstavený v nacistickom
filmovom týždenníku Die Deutche Wochenschau 8 nie je preto až tak vzdialený od sveta
Týždňa vo filme, ktorý v päťdesiatych rokoch mediálne habilitoval totalitnú moc u nás, ale aj
programové oddelenia komerčných médií, ktoré rýchlo postrehli účinnosť používania
mediálnych presetov pri zvyšovaní sledovanosti, resp. počúvateľnosti vlastných relácií
a reagovali na to tzv. playlistami9 či už spomínanými mediálnymi eventami.
Presetizácia, proces prednastavovania parametrov zobrazovania skutočnosti, sa rozširuje na
celú oblasť mediálnej produkcie. Po prvých symptómoch tejto tendencie (formátovanie
rozhlasových a neskôr televíznych spravodajských relácií; ich akceptácia bola odskúšaná už
7
Pripomíname tu tragické udalosti počas priebehu olympijských hier v Mníchove 1972, keď v olympijskej
dedine zastrelili arabskí teroristi športovcov z izraelskej výpravy – viac napr. Macák, 2013.
8
Die Deutsche Wochenschau, nemecký filmový týždenník, bol uvádzaný v kinách v Nemecku a na
okupovaných územiach v Európe od júna 1940 do marca 1945, bližšie informácie pozri Deutsche Wochenschau,
2013
9
playlist (z angl. play – hrať, list – zoznam) – súpis skladieb určených na odohranie; termín používaný najmä
v rozhlasovej praxi komerčných médií; zvyčajne sa ním označuje zoznam hudobných nahrávok, ktoré sú
v programovom bloku príslušného rozhlasového (niekedy aj televízneho) média pripravené vopred (najčastejšie
hudobným dramaturgom). Vytváranie playlistov úzko súvisí predovšetkým s dlhodobým úsilím o vytváranie tzv.
hudobného formátu média, teda so snahou zachovať istú “hudobnú tvár” (smerom k vybraným hudobným
štýlom, niekedy aj interpretom či hudobným rodom), často aj s reklamnou a marketingovou praxou jednotlivých
médií (hudobné vydavateľstvá pri podpore nových nahrávok komunikujú s rozhlasovými stanicami práve pri
vytváraní playlistov s cieľom dosiahnuť dohodu o istej miere opakovania nimi vydávaných titulov v hudobnej
ponuke média (tzv. rotácie v playliste). Vytváranie playlistov – osobitne v časoch tzv. prime timu – môže
priniesť na relatívne malom mediálnom trhu aj isté nivelizovanie hudobnej ponuky komerčných rozhlasových
staníc, viac pozri Rusnák, 2010b, s. 150.
na úsvite dejín elektronických médií pri uvedení Vojny svetov10) a postupnom rozširovaní do
tvarov rozhlasovej a televíznej zábavy (popkultúrny preset televíznej zábavy zvaný Ed
Sullivan Show11 vydržal v americkom televíznom éteri viac než dvadsať rokov; podobne boli
úspešné paralelné presety humoru v slovenskom rozhlase – Maratón – a v slovenskej televízii
– Vtipnejší vyhráva) je dnes presetizácia mimoriadne aktívna, ako sme už viackrát naznačili,
najmä v prostredí multimédií: poslednými príkladmi môžu byť pestré ponuky vytvárania
virtuálnych druhých, „paralelných životov“ na internete12 (na sociálnych sieťach sa vytvárajú
nekonečné variácie konštruktov vlastných existencií bez rizika ich verifikácie) či v
počítačových hrách (v ktorých je možné súťažiť v simulovanej populárnej speváckej súťaži
spoločne s inými speváckymi telebritami). Prežiť mediálnu existenciu podľa presetu je možné
aj prostredníctvom virálnych videí (porov. Rusnák, 2013a)13 – všade vo vyššie spomínaných
príkladoch dominuje úsilie zaznamenať množstvo, extenzitu.
Inak povedané, najdôležitejšou vlastnosťou mediálneho presetu je jeho schopnosť neustálej
replikácie: prvomájové oslavy či slávnosť odovzdávania nového úseku diaľnice sú tak
mediálne „naformátované“ podobne ako priebeh stužkovej slávnosti alebo eufória zo zisku
titulu futbalového či hokejového šampióna 14 a fotoreportáž z dovolenky na sociálnej sieti
môže navodiť ilúziu, že všetky dovolenky pri mori sú vlastne rovnaké (čo, pravda, obratne
využívajú aj cestovné kancelárie pri grafických návrhoch svojich firemných katalógov...).
Extenzivita ako koncept mediálneho presetu sa presadzuje nielen ako zásadný dramaturgický
prvok súčasného mediálneho textu, ale ovplyvňuje aj jeho vizuálnu a auditívnu gramatiku:
podľa šablón sa stále intenzívnejšie tvoria a recipujú nielen zábavné programy, ale aj športové
reportáže, hudobné hitparády i spravodajské texty, v ktorých úsilie formálne „pokryť“
skutočnosť môže prekryť jej obsahovú potenciu. Príkladom takého presadzovania presetov
môže byť mediálne spracovanie reportáže z priebehu a výsledku voľby Svätého Otca, ktoré sa
(nielen v slovenskom on-line prostredí) sústredilo na extenzívne (a teda „presetovateľné“)
parametre, najmä na zobrazovanie emócií prítomných veriacich po oznámení výsledku voľby.
Pripomíname tu nielen zábery na tešiace sa davy na vatikánskom námestí po vyhlásení voľby
Svätého Otca, ale aj „klonované“ reportáže o „nefalšovaných emóciách“ na iných miestach
10
War of the Worlds (Vojna svetov), rozhlasová dramatizácia sci-fi novely H. G. Wellsa, bola 30. októbra 1938
vysielaná v rozhlasovej sieti americkej stanice CBS formou rozhlasovej reportáže zachytávajúcej reálne
udalosti, čo vyvolalo rozsiahle panické reakcie obyvateľstva, porov. napr. Rosenberg, 2013.
11
Ed Sullivan, pôvodne rozhlasový moderátor, dokázal v priebehu viac než dvoch desaťročí formovať
popkultúrny vkus amerického televízneho diváka zreteľným spájaním elitnej a masovej kultúry – vo
svojich televíznych estrádach uvádzal ukážky operných árií, baletných výstupov, prednesov poézie, ale aj
speváckych čísel hviezd populárnej hudby či komikov a kúzelníkov, bližšie o relácii pozri Toast of the Town,
2013.
12
Upozorniť možno najmä na projekt Second Life, multimediálny 3D svet, v ktorom funguje nielen transfer
zábavných a oddychových informácií, ale aj virtuálne knižnice, univerzity a nákupné centrá, viac pozri Second
Life, 2013.
13
O memetickej povahe virálnych videí a ich väzbách na fungovanie tzv. sociokultúrnych izoglos a symptómoch
zbližovania masovej a populárnej kultúry sme uvažovali už dávnejšie, kde konštatujeme, že pribúda stále viac
takých úkazov, ktoré v sebe obsahujú pôvodne málo kompatibilné prvky oboch útvarov – na jednej strane sú
inštitucionalizované a štandardizované, na strane druhej aktivizujú užívateľov k prejavom vlastnej kreativity a
tvoria komunikačný reťazec, ktorý svojím charakterom opúšťa pôvodne pevne stanovený priestor pôsobenia,
žijú, takpovediac, vlastným životom. Viac pozri Rusnák, 2013.
14
Televízne reportáže zaznamenávajúce oslavovanie futbalových či hokejových fanúšikov sa stále viac
stereotypizujú, o spektakulárnych formách oslavovania zisku titulu majstrov sveta v ľadovom hokeji na
Slovensku v roku 2002 a ich reflexii v mediálnom prostredí (aj s indikáciou zreteľnej expresivity na úkor
fakticity textu) som písal už pred viac než desiatimi rokmi – bližšie pozri Rusnák, 2002b.
188 Rusnák
sveta. 15 Skutočný, hĺbkový rozmer začiatku misie nového pápeža, ktorý v priamom
televíznom prenose pred prvým požehnaním svetu poprosil prítomných o modlitbu pre svoju
misiu, však médiá nechali takmer nepovšimnutý.16
Na príklade o mediálnej projekcii voľby nového pápeža ako jednej z najvýznamnejších
verejných udalostí roka 2013 sa usilujeme naznačiť, že mediálny preset môže nielen
skutočnosť korigovať, či dokonca „vylepšiť“, ale umožňuje aj jeho používateľovi rezignovať
na interpretačný vzťah k zobrazovanej realite – voľba Svätého Otca sa pre on-line médiá stáva
skôr mediálnou atrakciou než spirituálne prežívanou radosťou, skôr eufóriou okamihu než
radosťou z príchodu nových časov.
Extenzivitu, takú príznačnú pre tvorbu a spotrebu súčasných mediálnych presetov, tak
sprevádza ďalší dôležitý znak – dnešná mediálna produkcia je silne aktualizovaná, je
sústredená na to, čo práve beží, čo nedokáže odolávať tlaku času. Mediálne šablóny síce
reflexiu reality výrazne uľahčujú, ale na druhej strane rezignujú na ontologickú kvalitu
a v zmenenom čase a priestore strácajú svoje opodstatnenie: príkladom môžu byť televízne
reportáže zo spartakiádnych apoteóz bývalého politického režimu, ktoré boli vytvárané
a šírené s nevšednou starostlivosťou a dôslednosťou, s veľkým nasadením ľudských
a technologických prostriedkov a v čase ich emitácie bola pravidelne menená štandardná
programová syntax elektronických médií. Krajné póly aktualizácie mediálnych presetov môžu
v československej televíznej a rozhlasovej praxi predstavovať priame prenosy zo zjazdov
Komunistickej strany Československa, s extrémne ritualizovanou dramaturgiou – grafikou
prenosu, monotónne predčítavanými textami, zdravicami pionierov či skandovaním
predpísaných hesiel a rytmizovaným potleskom prítomného publika. Dnes sú však podľa tejto
logiky krátkeho života mediálnych presetov rovnako nepoužiteľné aj nákladné zábavnosúťažné projekty komerčných i verejnoprávnych televízií, ktoré stratili akreditačnú silu
vzápätí po ich odvysielaní (súťažná relácia Správny kľúč17, reality game show Big Brother a
pod.).
Súčasná mediálna kultúra, v ktorej je inkorporované silné tkanivo karnevalizácie a
spektakulárnosti (porov. Rusnák, 2013), vnáša do zobrazovania verejných udalostí ešte jeden
dôležitý prvok – nesúlad, disproporčnosť jednotlivých jeho prvkov. Súčasťou procesu
vytvárania (pred)rekonštruovanej skutočnosti je preto aj úsilie predstaviť svet mediálnej
reality ako svet dôslednej kontradikcie medzi vysokým a nízkym, medzi krásnym a škaredým,
medzi vznešeným a všedným. Svet permanentného mediálneho výkyvu potom produkuje aj
nových hrdinov mediálnych presetov, samozrejme, nielen z prostredia mediálnej zábavy, ale
aj z prostredia verejného života – a tak okrem nových Máriov Toráčov18, Lacov Meliškov19 či
nových Martiniek z Turca20 prichádzajú na mediálne javisko aj tragikomické etudy v podaní
15
V slovenskom mediálnom prostredí rezonovala najmä reportáž redaktora J. Tribulu pod názvom Slováci sa
tešia z pápeža, bližšie o presetovateľných emóciách v tomto príspevku píše napr. M. Kernová, porov. Falšuje
Markíza nefalšované emócie?, 2013.
16
V tomto duchu o voľbe Svätého Otca informovala väčšina slovenských on-line médií, porov. napr.
aktuality.sk: Rozhodnuté! Máme nového pápeža Františka !, 2013
17
Viac pozri sme.sk: STV nemá podľa našich informácií záujem ani o ďalšiu zábavnú reláciu - Správny kľúč,
2013.
18
Mário Toráč uvádzal televízne telefonické súťaže, tzv. participation programs na televíznych staniciach Nautik
TV a neskôr Ring TV, svoje moderovanie často obohacoval o prvky insitného humoru, porov. Nautik Kvíz,
2012.
19
Nahrávky Prievidžana Laca Meliška, v ktorých vulgárne reaguje na problémy vo svojej domácnosti, sa stali
populárnymi na sociálnych sieťach a prenikli aj do spravodajských šotov o pirátskom prieniku do vysielania
mestského rozhlasu v Liptovskom Mikuláši, porov. Ladislav Meliško, 2010.
20
Martinka z Turca, niekedy označovaná aj ako Kleopatra z Turca, resp. Popoluška z Turca, účinkovala vo
viacerých reality TV programoch televízie JOJ (napr. Farmár hľadá ženu) a vďaka svojim kontroverzným
politikov, ktorí už nielen spievajú na rozlúčku svojej politickej kariéry, ale aj fyzicky
napádajú novinárov či svojich parlamentných kolegov 21 ... Karnevalový potenciál takýchto
verejných udalostí dokážu rekonštruovať elektronické médiá asi najefektívnejšie a genéza
tohto úkazu v slovenskom mediálnom prostredí by si zaslúžila aj podobnejšiu analýzu,
pripomínam v tejto súvislosti zrejme jednu z prvých disproporčne ladených televíznych
textúr po novembri 1989, v ktorej sa v priamom televíznom prenose podarilo takýmto
spôsobom konštruovať rozhovor s Vladimírom Mináčom.22
5
Záver
Aktualizačné, extenzívne a disproporčné parametre súčasnej produkcie mediálnych presetov
plne vyhovujú stále silnejšej požiadavke väčšej interaktivity v mediálnej prevádzke, ktorá
mení štandardný produkčno-recepčný model masovej komunikácie s vysielateľom, kanálom
a prijímateľom na priestor, v ktorom dominuje „po/užívateľ“ (user). Pravda, okrem
užitočných konzekvencií tohto vývoja (po/užívateľ v tomto prípade spolupracuje pri
konštrukcii mediálnej reality, je takpovediac zaangažovaný do procesu tvorby mediálneho
presetu – signifikantné sú nielen iniciatívy spoluvytvárať virtuálne sociálne siete, ale aj
rozhlasové call-in relácie23 či záujmy televíznych spravodajských štábov o príspevky divákov
na internetových serveroch televíznych staníc) možno postrehnúť aj neželané efekty –
v hyperprodukcii presetov sa postupne stráca exkluzivita textu, autorstvo: čoraz častejšie
možno identifikovať komunikačnú situáciu, pri ktorej je dôležitejší nie okamih tvorby obrazu
skutočnosti a jeho verifikácia, ale schopnosť jeho okamžitej participácie inými, teda čas
„zdieľania“: podľa tejto receptúry, pri ktorej sa mechanicky zratúva počet zhliadnutí, „lajkov“
sa čoraz častejšie zabúda na to, že pozerať neznamená vždy aj vidieť a rozprávať sa
neznamená vždy aj rozumieť si...
Tvary mediálneho presetu, o ktorých sme uvažovali v predchádzajúcich riadkoch sa teda
ustaľujú – svojou expresivitou, spoločne prežitým zážitkom, zábavou a mixážou vášne a
pitoresknosti nadobúdajú v súčasnom popkultúrnom komunikovaní parametre veľkého, ako
keby nekonečne trvajúceho karnevalu. Svet médií, ako sme sa usilovali priblížiť na vyššie
uvedených príkladoch, dokumentuje, aké parametre začínajú dominovať pri medziľudskej
komunikácii na začiatku 21. storočia. Dnešný používateľ médií, pre ktorého sú masové médiá
prirodzeným enviromentom (nazvime ho homo medialis) nie je preto až tak vzdialený svojim
predkom, je pravdepodobne len technologicky obratnejší.
Zoznam použitých zdrojov
Aktuality.sk (2013, November 17). Rozhodnuté! Máme nového pápeža Františka! Retrieved from
http://www.aktuality.sk/clanok/224827/online-konklave-volba-papez-13-marec-2013-2/
Frank, M. (2014, May 14). Hagyari tancuje v klipe Happy, vznikla už aj paródia. Prešovský korzár.
vystúpeniam sa stala súčasťou spin-off programov tejto televízie, aj v hlavných vysielacích časoch počas
vianočných sviatkov v roku 2010., pozri viac Martinka – Popoluška z Turca, 2013
21
Známym šarvátkam zo slovenského parlamentu v septembri 2013 sa venovali nielen bulvárne, ale aj
mienkotvorné médiá, porov. napr. TA3: V parlamente sa v noci strhla bitka o papierovú maketu premiéra Fica,
2013.
22
V televíznej moderovanej besede s V. Mináčom, ktorú uviedla Slovenská televízia koncom decembra 1989,
pripomínali študenti jeho politickú minulosť, viac pozri napríklad Závodský, 2013.
23
call-in (angl. call-in – zavolať) – označenie pre typ diskusnej relácie najmä v rozhlasovom prostredí, v obsahu
ktorej účinkujú aj samotní poslucháči (najčastejšie zavolaním prostredníctvom telefónnej linky priamo do
štúdia).
190 Rusnák
Deutsche
Wochenschau
Nr.
681/40/1943
http://www.imdb.com/title/tt0035803
(2013,
November
17).
Retrieved
from
Hartl, P. (2000). Psychologický slovník. Praha: Portál.
Kaufmann-Huber, G. (1998). Děti potřebují rituály. Praha: Portál.
Kernová, M. (2013, November 17). Falšuje Markíza nefalšované emócie?
http://omediach.blog.sme.sk/c/323364/Falsuje-Markiza-nefalsovane-emocie.html
Retrieved
from
Ladislav Meliško (2010, October 14). Retrieved from http://www.facebook.com/melisko.html
Macák,
T.
(2013,
November
17).
Spomienka
na
Mníchov
1972.
http://www.rozhlas.sk/Spomienka-na-Mnichov-1972?l=1&c=0&i=45527&p=1
Martinka
–
Popoluška
z Turca
(2012,
http://www.youtube.com/watch?v=6yxPIRGo0j0
September
14).
Retrieved
Retrieved
from
from
McIntyre, H. (2014, June 16). At 2 Billion Views, 'Gangnam Style' Has Made Psy A Very Rich Man. Forbes.
Retrieved from http://www.forbes.com/sites/hughmcintyre/2014/06/16/at-2-billion-views-gangnam-stylehas-made-psy-a-very-rich-man/
Mistrík, J. et all. (1993). Encyklopédia jazykovedy. Bratislava: Obzor
Murphy, R. F. (2006). Úvod do kulturní a sociální psychologie. Praha: Slon – Sociologické nakladatelství.
Nautik Kvíz (2012, September 14). TV Nautik 14. júna 2001 o 23.15 hod. Retrieved from
http://www.youtube.com/watch?v=oUNu-0P8m7Y
Oxford
Dictionaries
(2013,
November
17).
Preset.
http://www.oxforddictionaries.com/definition/english/preset?q=preset
Retrieved
from
Rappaport, R. A. (1989). Ritual. In: Barnouw, E. (ed.), International Encyclopedia of Communications Vol. III.
(pp. 467 – 473). New York – Oxford: Oxford University Press.
Rosenberg,
J.
(2013,
November
17).
War
of
http://history1900s.about.com/od/1930s/a/warofworlds.htm
the
Worlds.
Retrieved
from
Rushkoff, D. (1994). Media Virus. New York: Ballantine Books.
Rusnák, J. (2002a). „Správy z druhej ruky“. In Komunikačné stereotypy a ich fungovanie v médiách. Prešov:
Filozofická fakulta Prešovskej univerzity v Prešove.
Rusnák, J. (2002b). „Ciky caky ciky cak!“: O podobách štandardizovanej emocionality v štruktúre
masmediálneho textu. In Rusnák, J. (ed.), O interpretácii masmediálneho textu (pp. 93 – 125). Prešov:
Filozofická fakulta Prešovskej univerzity v Prešove.
Rusnák, J. (2010a). Izoglosa, sociokultúrna. In: Rusnák, J. a kol., Texty elektronických médií. Stručný výkladový
slovník (s. 104 – 105). Prešov: Vydavateľstvo Prešovskej univerzity v Prešove.
Rusnák, J. (2010b). Playlist. In: Rusnák, J. a kol., Texty elektronických médií. Stručný výkladový slovník (s. 150).
Prešov: Vydavateľstvo Prešovskej univerzity v Prešove.
Rusnák, J. (2010c). Rituál v mediálnom texte, komunikačný. In: Rusnák, J. a kol., Texty elektronických médií.
Stručný výkladový slovník (s. 191 – 192). Prešov: Vydavateľstvo Prešovskej univerzity v Prešove.
Rusnák, J. (2010d). Stereotypy v médiách, komunikačné. In: Rusnák, J. a kol., Texty elektronických médií.
Stručný výkladový slovník (s. 217 – 218). Prešov: Vydavateľstvo Prešovskej univerzity v Prešove.
Rusnák, J. (2013). Elektronické médiá ako manuál: sociokultúrne konzekvencie. In Dobiaš, D. – Eštok, G. –
BZDILLOVÁ, D. (eds.), Voľby 2012 – Kam kráčaš demokracia (pp. 407 – 415). Košice: Filozofická
fakulta Univerzity Pavla Jozefa Šafárika v Košiciach.
Sabol, J. (2010). Cinema verité. In: Rusnák, J. a kol., Texty elektronických médií. Stručný výkladový slovník (s.
22). Prešov: Vydavateľstvo Prešovskej univerzity v Prešove.
TA3: V parlamente sa v noci strhla bitka o papierovú maketu premiéra Fica. (2013, November 17). Retrieved
from
http://www.ta3.com/clanok/1026964/v-parlamente-sa-v-noci-strhla-bitka-o-papierovu-maketupremiera-fica.html
The Harlem Shake v1. (2013, November 17). Retrieved from http://www.youtube.com/watch?v=384IUU43bfQ
The Harlem Shake: Naked (Porn Edition, SFW version). (2013, November 17). Retrieved from
http://www.youtube.com/watch?v=XLbN_yCYlrQ&feature=player_embedded
Sabol, J. S. (2010): Cinema direct. In: RUSNÁK, J. (ed.), Texty elektronických médií. Stručný výkladový slovník
(p. 21). Prešov: Vydavateľstvo Prešovskej univerzity.
Second Life. (2013, November 17). Retrieved from http://secondlife.com/whatis/?lang=en-US
Sme.sk STV nemá podľa našich informácií záujem ani o ďalšiu zábavnú reláciu - Správny kľúč. (2013,
November 17). Retrieved from http://www.sme.sk/c/2114454/stv-nema-podla-nasich-informacii-zaujemani-o-dalsiu-zabavnu-relaciu-spravny-kluc.html
Toast of the Town. (2013, November 17). Retrieved from http://www.imdb.com/title/tt0040053/
Turner, V. (1972). Symbols in African Ritual. Science, 179, 1100 – 1105.
Závodský, B. (2013. November 17). Kauza Mináč v TKM
http://video.tyzden.sk/branislav-zavodsky/2009/12/20/kauza-1/
po
20.
rokoch.
Retrieved
from
3(2), 2014, 192–203, DOI: 10.18267/j.aip.47
Online: aip.vse.cz
Sekce / Section:
Postinternet Marketing:
For a Philosophy and Art of Online Marketing
Václav Janoščík1
1
Academy of Arts, Architecture and Design in Prague
Náměstí Jana Palacha 80, 116 93 Prague 1
Czech Republic
[email protected]
Abstract: While we are living in rapidly changing environment driven by the
online services, marketing has been rather reluctant in serious apprehending of
these consequences. We do not aim to analyse this complex delay that we call
conceptual jetlag here. (Conceptual consciousness of marketing is far behind the
velocity of the plane online services.) Rather we try to establish certain switchback
that is driven by concept of philosophy by Gilles Deleuze and Félix Guattari and
the artistic notion of postinternet. By these means we aim at unveiling the general
drive of marketing: The product (take Photoshop as an instance) is meant not only
to satisfy our needs and desires. It is creates them. This basic assumption of
marketing and the dominance of online environment can elucidate each other since
the "fluid ontology" of virtual environment consists precisely in the possibility of
being formed by the will of its users.
Keywords: Marketing, Philosophy, Art, Postinternet, Deleuze, Jobs.
1
Introduction
This article tends to refresh overall discussion about marketing by connecting it to the
philosophical and postinternet discourse. By such train of thought I mean to explore possible
interdisciplinary and new interpretive ground for theoretical background of marketing. Thus it
forms rather newly defined field for further research and considerations. I aim at nothing more
than a meeting that proceeds through three moments (postinternet, philosophy, marketing) and
at articulating prospectives of their mutual dialog.
2
First moment: the Postinternet
"What is even more interesting is the way in which people are starting to make
what I've called "Post-Internet" (...) I think it's important to address the
impacts of the internet on culture at large, and this can be done well on
networks but can and should also exist offline."
This is citation from interview (Debatty, 2008) with Marisa Olson.
Fig. 1. Artie Vierkant, Image objects, 2011 ongoing. Source (Vierkant, 2011).
Today’s online environment so as marketing floods us with plethora of instantaneous images
and events which will in an instant lapse into web oblivion. The notion of postinternet can
help us to conceptualize this dynamic and provide us with brief moment of philosophical
reflection. It was introduced in 2008 in an interview with Marisa Olson on we-make-moneynot-art.com. It divides the net-based experience from its influence on general culture. "Less a
novelty and more a banality." (McHugh, 2011) Of course it grasps primarily the practice of
art but it assumes rather general stance towards the culture at large. Artist so as other users
shifted from first excitement about the possibilities of net based and presumably non-
194 Janoščík
hierarchical environment to more cynical reflection of resulting dominant forms of
interaction.
Marketing then is one of these modes ruling contemporary web environment. As such it also
cannot just exploit the web environment and apply its former strategies to this new field. It
must reflect the overall impact the Internet has on culture at large and accommodate its
assumptions according to this "postinternet" condition. In other words, the term "postinternet"
suggests that the focus of a good deal of artistic and critical discourse has shifted from
"internet culture" as a discrete entity to the reconfiguration of all culture by the internet, or by
internet-enabled neoliberal capitalism. (Connor, 2013)
Thus though art and marketing are intuitively conceived of as mutually exclusive fields we
are less assured of their contrast precisely because of their online presence. We can take
elusive yet brutally actual Dismagazine 1 and their stock image database disimages as
penultimate example of such trend. Although the encounter of those two spheres within
postinternet is somehow self-evident, their subsequent theories are not and perhaps cannot
catch the train of their rapid development. From the art related side we are flooded by
intentionally fragmentarized views while marketing is satisfied with methodological selfaffirmation. Here possible philosophical perspective comes in question.
Fig. 2. DISimages may be used for art, exhibition, editorial, personal, or commercial use. Source
(http://disimages.com).
3
Second moment: the Philosophy
"In successive challenges, philosophy confronted increasingly insolent and
calamitous rivals that Plato himself would never have imagined in his most
comic moments. Finally, the most shameful moment came when computer
1
See http://www.dismagazine.com Acta Informatica Pragensia 195
science, marketing, design, and advertising, all the disciplines of
communication, seized hold of the word concept itself and said: "This is our
concern, we are the creative ones, we are the ideas men! We are the friends of
it in our computers."
Gilles Deleuze and Félix Guattari (Deleuze, Guattari, 1994, p. 10)
Fig. 3. Illustration to the notion of concept and level of immanence from Deleuze, Guattari: What is Philosophy?
Source (Deleuze, Guattari 1994).
Philosophy and marketing along similar lines as art and marketing do have rather difficult
relation. Nonetheless it is precisely this tension and even rivalry that can be considered as
their common ground. We just opened seminal work by Gilles Deleuze and Félix Guattari
What is philosophy? in which they propose to delimit this tension:
"Simply, the time has come for us to ask what philosophy is. We had never stopped asking
this question previously, and we already had the answer, which has not changed: philosophy
is the art of forming, inventing, and fabricating concepts. But the answer not only had to take
note of the question, it had to determine its moment, its occasion and circumstances, its
landscapes and personae, its conditions and unknowns." (Deleuze, Guattari, 1994, p. 2)
Let me underlie the two points made here in respect to marketing. Philosophy is defined as the
art of forming concepts and it is precisely this perspective that connects it with marketing,
196 Janoščík
which claims this role in today’s world. Secondly philosophy as seen here by Deleuze and
Guattari strives to reflect its present condition. More precisely it derives its practice from
taking the present moment into the question. Then it seems to be one of its eminent tasks to
respond to its actual relation or contrast with marketing as a competing sphere of concept
fabrication.
Deleuze and Guattari, before they immerse themselves into nuanced structure of philosophical
production, can set our path a bit further. Because among other fields claiming the role of
creating concepts (computer science, marketing, design, and advertising) they highlight the
marketing as at least maintaining the crucial connection of concept and events
"Marketing has preserved the idea of a certain relationship between the concept and the event.
But here the concept has become the set of product displays (historical, scientific, artistic,
sexual, pragmatic), and the event has become the exhibition that sets up various displays and
the "exchange of ideas" it is supposed to promote. The only events are exhibitions, and the
only concepts are products that can be sold." (Deleuze, Guattari, 1994, p. 10)
Within their theory concepts do not represent anyhow transcendental or permanent truths.
They exist thanks to diverse conditions that elucidate the event of its appearance. In this
respect marketing again plays a considerable role. It presents us with emblematic event and
decisive concept. The former can be named as presentation, exposition, denoting the very act
of unveiling the concept. The latter generally represents the product. As if marketing is certain
theoretically quite limited system of thought that actually betray our idea of thinking by
reducing concepts to products.
Philosophy then is framed by nonphilosophy. This edge, or more precisely parergon,
nonetheless does not mean any rival sphere of concept fabrication. It represents the chaos
from which philosophy so as marketing pull the concepts according to Deleuze and Guattari.
In this process they need the nonphilsoophical sphere. This dynamic then is more visible and
symptomatic in the field of marketing. It draws all its drive from our imagination. Marketing
pulls concepts out of the chaos of potential desire, no matter if our longing was actually real
(preexisting) or fabricated.
From this point it seems obvious that our imagination and longing stimulated by marketing
concerns not only the objects themselves but also the context of values they stand for: "What
is recognized is not only an object but also the values attached to the object (values play a
crucial role in the distribution undertaken to make good sense)." (Deleuze, 1994, p. 135)
In a nutshell Deleuze and Guattari provide us with ground on which philosophical information of marketing can be realized. In their view marketing creates concept in form of
products.
4
Third moment: the Marketing
"Stay hungry! Stay Foolish!"
Steve Jobs2
Contrary to general opinion about decisive role of Steve Jobs as marketer there is little if no
theoretical interest at all in his marketing. For his person might be considered as the model of
such concept fabrication through marketing. His approach was based in assumption that
customers do not know what they want. Then that is the role of marketing to create new
concepts structuring our desires along with their commercial exploitation.
Such an approach, no matter how cynical, actually fits the process of concept fabrication
fairly well. It is rooted in the idea of newness of the product. It brings us ahead of time both in
2
Steve Jobs giving his famous speech at Stanford. See: https://www.youtube.com/watch?v=gO6cFMRqXqU Acta Informatica Pragensia 197
relation to our competing marketers and general costumer imagination. Steve Jobs referred to
such untimeliness by a joke from legendary hockey player Wayne Gretzky: "I skate to where
the puck is going to be, not where it has been." (Block, 2007)
Moreover so called "reality-distortion field" is ascribed to his practice. That means he aimed
at restructuring our comprehension of reality by conceptual and even charismatic means
compelling us to believe in new possibilities3. This brings us really close to the sketched
phenomenon of postinternet. In its sphere we are no longer fascinated only by the possibility
of creating or manipulating concepts online – for example consumer can be also in position of
brand manager, because consumers are able to create their own content related to particular
brand (Christodoulides, 2009; Simmons, 2008). We are shifting our user experience from
online environment back into new material reality. 3D printers can be considered an emblem
of such a reverse postinternet dynamic. What represented specifically online modes of
interaction - sharing, individualization of interface and services, networking - is now being
realized in our physicall reality and on general cultural level.
Lev Manovich characterized virtual environment by their "fluid ontology". (Manovich, 2001,
206) That means that individual users form its very space. This cultural logic is now being
transposed to our so-called physical reality and 3D printing can be considered its herald.
3
See for instance: http://www.folklore.org/StoryView.py?project=Macintosh&story=Reality_Distortion_Field.txt 198 Janoščík
Fig. 4. Prospectives of 3D printer technology can be illustrated by its use in prosthetics, here on cover of October
12, 2014 issue of Parade.
4.1
"Yes we can": Imagination between philosophy and marketing
Let us brought one last instance of this marketing moment considering Jobs`s own view on
marketing. When he reflected on the development of big companies like IBM, Pepsi or Xerox
in particular he had seen great difference and struggle indeed between the marketers and
designers.4 He tells us quite simply that for instance in certain segments you have very limited
possibilities of coming up with new product (Pepsi Co.) and thus the marketers are the
important people for success of the company a subsequently they are being promoted and run
the company at the expense of the designers. But his happened even for the technology
4
For Steve Jobs giving an interview about Xerox failure: https://www.youtube.com/watch?v=_1rXqD6M614 Acta Informatica Pragensia 199
corporation, mainly because of their monopoly market share. That means if we rule certain
segment of the market we are not motivated to innovate our products, but we can rise
revenues by marketing means. This can go fairly well for some companies like Pepsi, but it
turned out to be disastrous for technology companies for which the product innovation is
essential. Thus when Xerox became to be run by marketers it gradually lost its drive.
What is Jobs saying is basically that we need to broaden our horizon of prospective products
in order to stay on top. We need to create not follow the needs of our (future) customers. Of
course this particular attitude applies mainly to the biggest multinational corporations, but let
us consider small businesses whose only chance to enter the contemporary market is to come
up with something completely new within or to promote existing services in new markets.
(Take Chinese company Alibaba as an example of such intersection of an old service with
new market.) Anyway this dynamic opens up the rupture between our present concepts
(products) and desired commercial utopia.
This rupture has a philosophical name - it is imagination. For instance in Kant`s philosophical
system it bears the key role of bridging the "thing-in-itself" (noumenon), which is generally
unknowable, with our images of such things, which we nonetheless somehow have.
(Oizerman, 1981; Rastovic, 2013; Kant, 1998, B103) It seems quite appropriate to interpret
the marketing as spreading itself within this field of this Kantian "imagination". It creates
products or images of our (supposed) desires, longings and even fears. Thus it connects the
primordial chaos of potential aspiration with specific concepts or products. Let us note further
that Žižek famously reactualized the concept of imagination by drawing it into discussion
concerning todays (popular) culture. (Žižek, 1999)
4.2
Conceptual jetlag: challenges of today marketing
Nonetheless this approach is neither shared nor even dominant among other marketers. It took
precisely the visionary individual to shift to new products as can by illustrated on the history
of Apple Corporation and its present threshold. Marketing both in theory and practice suffers
from astonishing conservatism and conceptual reproduction. From the perspective of the
theoretical or methodological side consider the fact that the most know book on marketing,
Kottler`s Marketing Management: Analysis, Planning, and Control generally considered to be
the bible of marketing. It had been originally published in 1967 and it has been used ever
since as main source of conceptual information about marketing, actually in its 14th edition.
The author himself admits that marketing have changed entirely and he even assumes key role
of the Internet in such shift. In 1967 (Kotler, 2002, Preface):
"The Internet did not exist, nor did, for example, debit cards, smart cards, cellular phones,
personal digital assistants, hypercompetition, cyberconsumers, customer equity, customer
value analysis, customer relationship management, price transparency, value networks, hybrid
channels, supply chain management, viral marketing, integrated marketing communication,
and mobile marketing. Even if some people question the existence of a new economy, they
need to acknowledge the new elements in today's marketplace."
Nonetheless Kotler and his contemporary students are still reproducing the old scheme of
supply-demand, product-customer. Of course there is considerable theoretical production in
the field of marketing. From my perspective nonetheless even the progressive production is
not willing to step out of the conceptual framework that was developed in the very beginning
of the field of marketing. Consider for instance the actual special issue of the Marketing
Theory journal dedicated to the problem of service dominant logic. (Brodie, Storbacka, 2014)
It might be considered progressive in terms of opening (re-actualizing) the concept of
200 Janoščík
services. This can be further connected to the problem of online environment with reference
to its recent reconceptualization as the "Internet of services" (Wahlster, 2014).
The concept of guerilla marketing5 or even broader basis of relationship marketing can be
considered as a small exception among the marketing mainstream. Its example is the more
valuable as it exactly evaluates the online environment not only as another channel to which
old conceptual instruments (marketing mix) should be applied, but it actually exploit
specificity of the online condition into new conceptual apparatus, although it originated long
time before the Internet took place. (Egan, 2011)
From pragmatic or practical point of view the best example seems to me the painstaking
transition of music, cinema and other media to digital distribution. Consider for instance that
first mp3 players were made in late nineties (first MP3 Music Player – MPMan is from 1997)
while official and legal distribution channels have been established far later. ITunes
introduced its iTunes store in 2003 and for quite some time became the only unrivalled
platform for purchasing music.
Similar delay took place in cinema and other media. While watching movies on desktops was
possible from early nineties (Apple released its Quick Time in 1991) It took marketers almost
two decades to find appropriate online distribution channel. Consider for instance that the first
show, crucial television genre, made exclusively for web mediated screening is House of
cards produced by Netflix in 2013. (McQuire, 2004)
Of course there were some technological and even legal issues to be solved. Nonetheless the
inability or even unwillingness of marketers to create new distribution channels (new
concepts in Deleuzian sense) was the main obstacle here. This dynamic still forms the
development of new forms of marketing. Moreover these trains of development are still not
fully aware of the change that had not only brought new means of production and distribution,
but also changed the very object. Movies and music is naturally perceived in considerably
new manner when tracks are being downloaded separately or on the other hands whole shows
are being accessed in their entirety to name just two common options newly available.
This conceptual jetlag can be easily grasped when we consider the online environment and its
challenges as a sort of threshold. Taking such an event into account would precisely mean
forming the postinternet marketing. My thesis thus does not claim that there is no innovation
or lack of theory itself in the field of marketing. Rather I would like to capture certain delay in
its ability to reflect the online environment, certain jetlag caused from the velocity of new
development.
5
Conclusion: Trojan horse of philosophy or Jennifer in paradise
Thus the insomnia of everlasting marketing imagination has caused its theoretical
oversleeping the radical change of its very condition. The question is: Does it really need to
realize its situation? Is not marketing fine with continuing the threadbare path? Is postinternet
marketing as delimited above even possible? Or does it represent preferable or more efficient
position? Well leave this perspective on marketers and managers themselves. Anyway our
point of view as its willy-nilly consumers is (not without certain irony) different and our view
of what marketing fails to capture might present a small advantage in ultimately uneven clash
between advertisement industry and our online presence.
5
See http://www.guerrillaonline.com Acta Informatica Pragensia 201
Fig. 5. Jennifer in Paradise.tif – the picture Photoshop co-creator John Knoll took of his future wife Jennifer in
Bora Bora. Source (http://www.slrlounge.com).
Our present seemingly promiscuous position indeed turns out to be situated inside the field of
marketing but it remains a philosophical one. From this point of view we can reflect the
present condition of forming concepts along the lines of Deleuze and Guattari, thus reorient
philosophy towards very unexpected relationship to marketing. It can reclaim its the question
concerning its nature and contemporaneity situated on its very edge.
From the perspective of marketing we have seen considerable challenges presented both by
philosophy and the online environment. It is sound that its methodological reproduction and
conceptually limited reception of Internet possibilities cannot last forever. Alternatives and
new forms of products will eventually emerge. Marketing will shift to its postinternet stage in
order to fill our (post-online) world with brand new products satisfying our prospective
longings we have never even dared to hope for.
We have an emblematic image of this drive towards new product and its promise to be not
merely an artefact but also material for further imagination. This "stuff of dreams" to use
phrase of curator David Elliott (Elliott, 2014) rematerializes itself in the picture of Jennifer in
Paradise. The story quite complex. John Knoll took it on Bora Bora beach with his girlfriend
Jennifer, just before proposing her to become his wife later on. Let me note they earned such
vacation by painstaking work for Industrial Light & Magic, Lucasfilm's special-effects
company. But the real moment of the picture came later when Knoll needed an image to use
as a material for further manipulation. Thus Jennifer in paradise became the first photoshoped
image. Over a decade later it has been forgotten while millions of other picture were easily
manipulated by the software. Since it was not available online in sufficient quality
postinternet artist who calls himself Constant Dullart brought it back as a piece of art
representing the story of digital cultural economies. His reappropriation might be considered
essential to the story nonetheless it continues to re-actualize it in similar manner as we do
here.
As such the picture represents a monument of new media imagination. Under its lascivious
and kitschy exploitation of our imagination (paradise island, naked body) the very drive
behind postinternet marketing unveils. The product (Photoshop) is meant not only to satisfy
our needs and desires. It is creates them.
202 Janoščík
In the online environment marketing enters not only significantly new stage of its practice, it
comes closer to its very nature consisting in forming and creating our desires. Lev Manovich
defines virtual space by its "fluid ontology". (Manovich, 2001, 206) That means it is created
by the very behaviour of its users. In this respect Jennifer in Paradise represents the ideal of
image manipulated by computer users. This logic is actually being transposed to our nondigital world or physical reality if you will.
Marketing may function well without realizing this highly underestimated or original train of
thought (art-philosophy-marketing). But in order to fully expose its meaning (creating
products/concepts/desires) and in order to grasp the real challenge of online environment it
must undertake this conceptual adventure. Long story short, online and virtual environment
pose a model case of what marketing actually is. Thesis of this article further consist in
arguing that this will become visible only in certain venture into art and philosophy that are
for good reason vastly more elaborate and reflective. We have just undergone one possible
route in such vector, which brings us to the postinternet marketing.
References
Block, R. (2007). Live from Macworld
http://www.webcitation.org/68egMPCDQ
2007:
Steve
Jobs
keynote.
Retrieved
from
Brodie, R. J., Storbacka, K. (2014). Collaborative theorising about markets and marketing and service-dominant
logic. Marketing Theory, 14 (3), 231-237. doi: 10.1177/1470593114534338
Christodoulides, G. (2009). Branding in the post-internet era. Marketing Theory, 9 (1), 141-144.
Connor, M. (2013, November). What's Postinternet Got to do with Net Art? Retrieved from
http://rhizome.org/editorial/2013/nov/1/postinternet/
Debatty, R. (2008). Interview with Marisa Olson. Retrieved
art.com/archives/2008/03/how-does-one-become-marisa.php
from
http://we-make-money-not-
Deleuze, G., (1994). Difference and Repetition. Trans. Paul Patton. New York: Columbia University Press.
Deleuze, G., Guattari, F. (2004). Thousand Plateaus. London: A&C Black.
Deleuze, G., Guattari, F. (1994). What is philosophy? New York: Columbia University.
Egan, J. (2011). Relationship Marketing: Exploring Relational Strategies in Marketing. New York: Pearson.
Elliott, D. (2014). Stuff of dreams. In: D. Elliott, T. Manina (Eds.), A Time for a Dream - 4th Moscow
International Biennale for Young Art. Moscow: NCCA, MMOMA.
McHugh, G. (2011). Post Internet. Brescia: Link.
Kant, I., (1998). Critique of Pure Reason. Translated and edited by Paul Gyer, and Allen W. Wood. New York:
Cambridge University Press.
Kotler, P. (2002) Marketing Management. New Jersey: Prentice Hall.
Manovich, L. (2001) Language of New Media. Cambrigde: MIT Press.
McQuire, S. (2004). Slow train coming? The transition to digital distribution and exhibition in cinema. Media
International Australia, (110), 105-119.
Oizerman, T. I. (1981). Kant's Doctrine of the "Things in Themselves" and Noumena. Philosophy and
Phenomenological Research, 41(3), 333–350.
Rastovic, M. (2013). Kant's Understanding of the Imagination in Critique of Pure Reason. E-Logos – Electronic
Journal for Philosophy, 1-13.
Simmons, G. (2008). Marketing to postmodern consumers: Introducing the internet chameleon. European
Journal of Marketing, 42 (3-4), 299-310.
Vierkant, A. (2011). Image Objects. Retrieved from http://artievierkant.com/imageobjects.php
Wahlster, W., Grallert, H.-J., Wess, S., Friedrich, H., Widenka, Th. (Eds.) (2014). Towards the Internet of
Services: The THESEUS Research Program. Heidelberg: Springer.
Žižek, S. (1999). The Ticklish Subject: The Absent Centre of Political Ontology. Lond
3(2), 2014, 204–218, DOI: 10.18267/j.aip.49
Online: aip.vse.cz
Sekce / Section:
Rethinking the Concept of Just Noticeable
Difference in Online Marketing
Viktor Vojtko1
1
Department of Trade and Tourism, Faculty of Economics,
University of South Bohemia in Ceske Budejovice
Studentska 13, 370 05 Ceske Budejovice
[email protected]
Abstract: The main goal of this study is to answer a question whether the just
noticeable difference (JND) related marketing practices could survive in the world
with social media and as a part of online marketing. Although the findings are
limited, they suggest that using of such practices might be much riskier than it used
to be before and marketers should be aware of that and consider their using more
thoroughly. It also shows that usage of the agent based modelling (ABM) can be
helpful in dealing with problems like this one and can provide further insight into
dynamics of processes on consumer markets where the social media play crucial
role in spreading of information.
Keywords: Just Noticeable Difference, Marketing, Simulation, Agent-based
Modelling, Social Media.
1 Introduction
The concept of Just Noticeable Difference (JND) is widely used in the fields of physiology,
psychology of perception, consumer behaviour and marketing practice. JND generally refers
to a relative threshold in perception by humans. When a change in stimulus value (i.e. change
of perceived characteristic) reaches the threshold, the change becomes recognized. When the
stimulus value change is below the threshold, the change is not being recognized.
The problem with the concept of JND tactics use in marketing is that it is historically
grounded in individual psychology and thus it doesn’t respect social relationships and recent
widespread use of social media. It is easily possible to imagine a situation (and it has
happened in reality) when such a small change, although below average JND, would be
recognized by only a few customers who would share their discovery online. If these
customers would be able to start an information avalanche in social media then it could lead
to a huge feeling of deception amongst all the other customers and a loss of trust.
For these reasons it is needed to rethink the concept of JND and validate whether and how
these changed circumstances would influence its’ marketing use in online environments.
Because such experimentation would be very complicated in the real world, it is necessary to
use another approach which would allow to create and explore such an online environment
artificially. Several possibilities exist for that, i.e. system dynamics, mathematical modelling
or agent based modelling. For this study the author has chosen the agent based modelling
(ABM) because this approach is especially suitable for problems where heterogeneous agents
and their local interactions are sources of the overall emerging dynamics and it is possible to
describe behaviour of agents using comprehensible algorithms based on existing knowledge.
For this case, the agents represent consumers and links between them represent social
relationships. Then it’s possible to define rules of behaviour of such agents and simulate and
analyse diffusion processes that take place in such an artificial social network.
2
2.1
Literature Review and Research Methods
The Concept of Just Noticeable Difference in Marketing
The original concept of Just Noticeable Difference was published by Ernst Heinrich Weber in
1834. The Weber’s Law states that the ratio of the increment threshold to the background
intensity is constant (see Equation 1).
∆
(1)
ΔI represents the Just Noticeable Difference threshold, I represents the initial stimulus value
and k is constant.
The first notion of the Just Noticeable Difference concept in marketing has been probably
made by Miller (1962). Since that time, it has become a part of practically all main consumer
behaviour textbooks, e.g. Solomon (2014), Schiffman & Wisenblit (2014) or Evans, Foxall, &
Jamal (2009), and thus also marketing practices.
The abovementioned authors argue, that in the context of marketing, tactics based on changes
below JND are typically recommended for such changes of products that should not be easily
recognized by customers – e.g. product size changes without packaging size changes, changes
in taste, graphical changes in webpages, logotypes or packaging, gradual rebranding, small
price or provided services changes etc. This should allow marketers to make changes that
206 Vojtko
would be otherwise negatively perceived by their customers or gradually change their
customers’ perception standards towards new preferred state.
On the other hand, it might be also necessary to do the opposite and inform customers about
certain changes. Then the change of stimulus value has to be significant enough to exceed the
JND and the main concern of marketers is then to be able to inform their customers as
efficiently as possible about the change.
Although nowadays the concept of JND in its’ narrow interpretation is typically a matter of
research in sensory perception analysis, marketing studies related to JND in broader terms can
also be found – i.e. for package downsizing (Çakır & Balagtas, 2014), word-of-mouth
marketing (King, Racherla, & Bush, 2014), website changes (Ainsworth & Ballantine, 2014)
or price changes (Han, Gupta, & Lehmann, 2001).
2.2
Modelling Diffusion of Information in Online Social Media Using Agent
Based Modelling (ABM)
In general, a diffusion of information through online social networks can be modelled using
formal models similar to those that are used in epidemiology for modelling of spreading of
infection diseases (Anderson & May, 1992). These models can be created either on macro
(equations describing dynamics of whole population – e.g. system dynamics, econometric
models) or on micro level (nodes, agents and their interactions).
The use of ABM in this context has according to Schramm, Trainor, Shanker, & Hu (2010)
and Rand & Rust (2011) several advantages – agent behaviour can be grounded in proper
theories and influenced by other agents as well as by global and local settings (e.g.
demographic attributes). This allows to respect heterogeneity when needed and to see
emergent result on global scale.
The ABM has been extensively used for modelling of diffusion processes in social networks
(Rand & Rust, 2011). For instance, Delre, Jager, & Janssen (2007) and Peres (2014) studied
diffusion dynamics of new products according to different social network topologies. Watts &
Dodds (2007) studied impact of influentials in diffusion. Goldenberg, Han, Lehmann, & Hong
(2009) investigated network hubs influence. Schramm et al. (2010) focused their research on
diffusion respecting brand influence, pricing, individual consumer characteristics and social
influence and Kvasnička (2014) studied viral video diffusion in a fixed network.
To be able to draw meaningful conclusions, agent based models of diffusion process in online
social networks have to be based on network topologies that properly reflect structure of the
real online social networks.
The evolution of approaches to model such a network using computers has gone through
several influential milestones. Watts & Strogatz (1998) have introduced small world effect
emergence which mimics one important feature of social networks – that nodes in such
networks are both well connected and with large clustering coefficients. Barabási & Albert
(1999) proceeded further with a principle of preferential attachment building of social
networks which allows to model scale-free networks. Holme & Kim (2002) proposed a way
how to complement preferential attachment models with triad formation which generates
networks with both scale-free and small world properties. Pasta, Zaidi, & Rozenblat (2014)
added principles how to involve demographic properties to such networks. And Li et al.
(2014) showed how it is possible to artificially build social networks which are sparse/dense
and assortative/dissassortative and where these properties my change over the social network
evolution.
3 Solutions and Results
3.1
Agent Based Model
To validate the marketing tactics based on JND an information diffusion agent based model
has been developed using Netlogo (Wilensky, 1999). Agents in this model represent
consumers which have undirected links to others which shape their social interactions – in this
case information spreading and receiving.
The model is based on network topology building algorithm suggested by Li et al. (2013) and
Li et al. (2014) which allows to generate artificial social networks with realistic properties, a
given average degree (amount of social relationships) and amount of nodes (agents, i.e.
consumers).
The artificial social network of 1500 nodes used in this study was created using the following
algorithm:
1. At the beginning, a network of few nodes is created with random links.
2. At every following step, a new node is created and randomly connected to one of
existing nodes and a certain amount of activated nodes is randomly selected to connect
to one of their unconnected second neighbour nodes. If there are no activated nodes
available, nodes for connection are being chosen fully on random basis.
The nodes in the network are being activated when their state function φ(i,t) exceeds a given
threshold (i denotes the node index, t denotes the time step). The state function is calculated
using the following reaction-diffusion-like equation (Li et al., 2013):
,
1
,
1
(2)
where φ0 and μ are constants and summation represents changes in degrees of all
neighbouring nodes kj (j denotes the neighbour node index). During the time, the state
function value is increasing for each node until it reaches threshold value. Then the node is
available for new connections and the function value is reset to zero in the next time step.
Another situation when the value is being reset to zero is when a new connection with this
node is being made – either randomly or based on actions of the other nodes.
Because the main purpose of this agent based model is to validate JND marketing tactics it
was necessary to incorporate the concept of JND into the model. It has been done by adding
variable of JND-threshold to each agent. The value is randomly generated when agent is
created and in this case follows normal distribution with the mean = 0.5 and standard
deviation = 0.1 (meaning that 96 % of individual JND thresholds will be between 0.3 and
0.7).
It can be assumed that the agents can get information about given change either through their
own experience with the product (when the change is above their individual JND-threshold)
or through social media – in this case the value of their individual JND-threshold is irrelevant.
To reflect different situations that may occur, global variables size-of-change, amount-ofinfluenced-per-tick, probability-of-information-spreading and probability-of-informationreceiving have been added to the model.
The variable size-of-change denotes the relative change that is being done by marketers. It is
quantified on a scale between 0 and 1 and the value can be easily compared to the individual
JND-threshold of each agent. Using this comparison it is possible to investigate effects of
changes below and above the average JND.
208 Vojtko
The variable amount-of-influenced-per-tick represents an amount of randomly selected agents
that are directly influenced by the abovementioned change in each time step. It is possible to
imagine them as customers buying or consuming the products in the given time. The value
has been set up to 20 for all the following scenarios – so we can expect each agent to be
selected on average 4 times during the simulation.
The variables probability-of-information-spreading and probability-of-information-receiving
denote agents’ propensity to spread the information to their peers and probability of receiving
the information through social network.
The algorithm of information spreading is being implemented in the following very simple
sequence for each time step (tick):
1. All the red agents send with the given probability-of-information-spreading a message
to their social neighbours and turn brown.
2. Receiving agents with the given probability-of-information-receiving turn red.
3. Amount-of-influenced-per-tick agents are randomly selected and their individual JNDthreshold is being compared with the induced size-of-change – if the threshold is
below the change size and it is the first time for the agent to get such an information,
agents will change their colour to red.
Fig. 1. User interface of the created agent based model. Source own elaboration.
3.2
Simulated Scenarios
For the validation of JND marketing tactics with the agent based model, 2700 runs have been
simulated using BehaviorSpace function of NetLogo and the process described in Fig. 2.
Network density
Size of change
• Loosely connected
(avg. degree = 3)
• Densely connected
(avg. degree = 15)
• Change below avg.
JND (0.25)
• Change equal to avg.
JND (0.5)
• Change above avg.
JND (0.75)
Probability
of spreading
information
Probability
of receiving
information
• 25%
• 50%
• 75%
• 25%
• 50%
• 75%
Fig. 2. Simulated scenarios. Source own elaboration.
At first, a loosely connected social network with average degree 3 has been generated. This
setup reflects the situation before social media have been introduced. Then each of 27
following combinations (size of change vs. probability of spreading information vs.
probability of receiving information) was simulated 50 times and data about diffusion of
information were analysed as follows in the Section 3.3.
As the next step, a densely connected social network with average degree 15 has been
generated which reflects online social media and easiness of information sharing. Then again
each of 27 combinations was simulated 50 times and data about diffusion of information were
analysed as follows in the Section 3.4.
3.3
Loosely Connected Social Network Simulation Results
It is possible to see the results for simulations in the loosely connected social network in
Figures 3 – 5. Figure 3 shows diffusion of information for changes below the average JND
threshold, Figure 4 shows the same for changes equal to the average JND threshold and
Figure 5 shows results for changes above the average JND threshold.
The results for small changes below the average JND threshold generally show that under
these circumstances there could be a lot of variance in results and when probabilities of
spreading and receiving information are low, it is possible on average to achieve very low and
close to zero coverage of population. It might suggest that practices based on changes below
JND might really work very well and the risk for marketers if the change is not favourable to
customers is very low too. This might explain why JND marketing tactics used to be working
well in practice in the past.
210 Vojtko
0
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
0
0
50 100 150 200 250 300
0
50 100 150 200 250 300
time
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
0
time
100
90
80
70
60
50
40
30
20
10
0
0
50 100 150 200 250 300
time
50 100 150 200 250 300
50 100 150 200 250 300
time
%
%
0
0
time
%
100
90
80
70
60
50
40
30
20
10
0
time
100
90
80
70
60
50
40
30
20
10
0
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
time
%
%
100
90
80
70
60
50
40
30
20
10
0
Probability of information
spreading = 75 %
%
%
%
100
90
80
70
60
50
40
30
20
10
0
spreading = 50 %
time
%
receiving = 75 %
receiving = 50 %
receiving = 25 %
spreading = 25 %
100
90
80
70
60
50
40
30
20
10
0
0
50 100 150 200 250 300
time
Nodes = 1500, average degree in network = 3, average JND treshold = 0.5, average JND standard
deviation = 0.1, size of change = 0.25, amount of consumers influenced per tick = 20
Solid lines are average values, dashed lines are maximum values, dotted lines are minimum values for
50 simulation runs
Fig. 3. Diffusion of information for changes below average JND threshold, loosely connected social network.
Source own elaboration.
When the changes are equal to the average JND threshold, variance in the diffusion becomes
very low and it is possible to see slightly different diffusion patterns according to the different
probabilities of spreading and receiving information. With higher probabilities, the
information diffusion is generally faster and covers higher proportion of population.
0
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
0
0
50 100 150 200 250 300
0
50 100 150 200 250 300
time
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
0
time
100
90
80
70
60
50
40
30
20
10
0
0
50 100 150 200 250 300
time
50 100 150 200 250 300
50 100 150 200 250 300
time
%
%
0
0
time
%
100
90
80
70
60
50
40
30
20
10
0
time
100
90
80
70
60
50
40
30
20
10
0
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
time
%
%
100
90
80
70
60
50
40
30
20
10
0
spreading = 75 %
%
%
%
100
90
80
70
60
50
40
30
20
10
0
spreading = 50 %
time
%
receiving = 75 %
receiving = 50 %
receiving = 25 %
spreading = 25 %
100
90
80
70
60
50
40
30
20
10
0
0
50 100 150 200 250 300
time
50 simulation runs
Fig. 4. Diffusion of information for changes equal to average JND threshold, loosely connected social network.
212 Vojtko
The results for changes above the average JND threshold are very similar as the previous
ones, the only difference is in higher speed and proportion of population being covered by the
information diffusion.
0
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
0
0
50 100 150 200 250 300
0
50 100 150 200 250 300
time
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
0
time
100
90
80
70
60
50
40
30
20
10
0
0
50 100 150 200 250 300
50 100 150 200 250 300
50 100 150 200 250 300
time
%
%
0
0
time
%
100
90
80
70
60
50
40
30
20
10
0
time
100
90
80
70
60
50
40
30
20
10
0
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
time
%
%
100
90
80
70
60
50
40
30
20
10
0
spreading = 75 %
%
%
%
100
90
80
70
60
50
40
30
20
10
0
spreading = 50 %
time
%
receiving = 75 %
receiving = 50 %
receiving = 25 %
spreading = 25 %
100
90
80
70
60
50
40
30
20
10
0
time
0
50 100 150 200 250 300
time
50 simulation runs
Fig. 5. Diffusion of information for changes above average JND threshold, loosely connected social network.
3.4
Densely Connected Social Network Simulation Results
Again, it is possible to see the results for simulations in the densely connected social network
in Figures 6 – 8. Figure 6 shows the diffusion of information for changes below the average
JND threshold, Figure 7 shows the same for changes equal to the average JND threshold and
Figure 8 shows results for changes above the average JND threshold.
In comparison to the results for the loosely connected social network it is possible to see a
dramatic change in the increase of population information coverage even when the
probabilities of spreading and receiving information are low and the change is below the JND
threshold.
The importance of such diffusion pattern change is clearly visible not just on average but also
on minimum values (dotted lines) in Fig. 6.
0
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
0
0
50 100 150 200 250 300
0
50 100 150 200 250 300
time
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
0
time
100
90
80
70
60
50
40
30
20
10
0
0
50 100 150 200 250 300
time
50 100 150 200 250 300
50 100 150 200 250 300
time
%
%
0
0
time
%
100
90
80
70
60
50
40
30
20
10
0
time
100
90
80
70
60
50
40
30
20
10
0
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
time
%
%
100
90
80
70
60
50
40
30
20
10
0
spreading = 75 %
%
%
%
100
90
80
70
60
50
40
30
20
10
0
spreading = 50 %
time
%
receiving = 75 %
receiving = 50 %
receiving = 25 %
spreading = 25 %
100
90
80
70
60
50
40
30
20
10
0
0
50 100 150 200 250 300
time
50 simulation runs
Fig. 6. Diffusion of information for changes below average JND threshold, densely connected social network.
214 Vojtko
When the results for changes equal to the average JND threshold are being compared to the
loosely connected social network, the coverage of population is faster and higher.
0
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
0
0
50 100 150 200 250 300
0
50 100 150 200 250 300
time
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
0
time
100
90
80
70
60
50
40
30
20
10
0
0
50 100 150 200 250 300
time
50 100 150 200 250 300
50 100 150 200 250 300
time
%
%
0
0
time
%
100
90
80
70
60
50
40
30
20
10
0
time
100
90
80
70
60
50
40
30
20
10
0
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
time
%
%
100
90
80
70
60
50
40
30
20
10
0
spreading = 75 %
%
%
%
100
90
80
70
60
50
40
30
20
10
0
spreading = 50 %
time
%
receiving = 75 %
receiving = 50 %
receiving = 25 %
spreading = 25 %
100
90
80
70
60
50
40
30
20
10
0
0
50 100 150 200 250 300
time
50 simulation runs
Fig. 7. Diffusion of information for changes equal to average JND threshold, densely connected social network.
The results for changes above the average JND threshold are very similar as the previous
ones, the only difference is again in higher speed and proportion of population being covered
by the information diffusion.
0
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
0
0
50 100 150 200 250 300
0
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
0
time
50 100 150 200 250 300
time
100
90
80
70
60
50
40
30
20
10
0
0
50 100 150 200 250 300
time
50 100 150 200 250 300
50 100 150 200 250 300
time
%
%
0
0
time
%
100
90
80
70
60
50
40
30
20
10
0
time
100
90
80
70
60
50
40
30
20
10
0
50 100 150 200 250 300
100
90
80
70
60
50
40
30
20
10
0
time
%
%
100
90
80
70
60
50
40
30
20
10
0
spreading = 75 %
%
%
%
100
90
80
70
60
50
40
30
20
10
0
spreading = 50 %
time
%
receiving = 75 %
receiving = 50 %
receiving = 25 %
spreading = 25 %
100
90
80
70
60
50
40
30
20
10
0
0
50 100 150 200 250 300
time
50 simulation runs
Fig. 8. Diffusion of information for changes above average JND threshold, densely connected social network.
4 Discussion and Conclusion
When comparing the overall results, it is clear that higher average degree of the simulated
social network lead to faster diffusions which also covered higher proportions of population.
If the changes below the average JND are being analysed in more detail, the results suggest
that in the world without social media (i.e. with low average degrees in the network of social
relationships) it would be possible to easily “hide” the changes below the average JND
threshold.
216 Vojtko
On the other hand, in the world with social media (i.e. with higher degrees in the network of
social relationships) the results are dramatically different and in all simulations at least 70 %
of population got the information later or sooner. This means that also the level of risk for
marketers using JND tactics should increase significantly in such circumstances and these
practices could be harmful for companies. This is also at least partially in contrary to the older
consumer behaviour and marketing findings and recommendations as mentioned in the
literary review which do not take these influences into consideration.
In all the scenarios of changes below the average JND threshold less than 1 % of consumers
were able to recognize the change, meaning that only their individual JND thresholds were
above the size of change being applied by marketers. Even such a small proportion was able
to start information avalanches through social networks as can be seen on Fig. 6 on maximum
values for the proportion of population being covered by the information diffusion.
For the changes equal to the average JND threshold the information diffusion was only
partially successful for the world without social media where the proportion of population was
less than 60 % after 300 time steps of simulation. On the other hand, in this case it was just a
matter of time to get to higher population proportions. From marketing perspective, it would
be meaningful in such situation to use other than social media to support information
diffusion.
In the world with social media the information spreads much faster and all the simulations got
to 70 % of population in a very short time even though each node sends information just once.
In this situation it would be meaningful for marketers to support not the other media but
diffusion processes between consumers which could be more efficient due to lower costs. The
very similar suggestion applies to changes bigger than the average JND threshold.
The study presented here has of course certain limitations. One of the limitations is that only
two artificially generated social networks were used. On the other hand the algorithm for their
building was properly tested and validated in previous studies (Li et al., 2013) and further
tests with different social networks generated by the same algorithm showed consistent
results. And because the findings are more of qualitative nature this limitation should not
undermine them.
Another limitation could be related to the size of social network being simulated. Because the
building of such a social network is dependent on a computer processing power and time
available, size of 1500 nodes was selected for experiments as a compromise. Bigger networks
(10000 nodes) were tested too to see whether the results are consistent and the behaviour
patterns were fully comparable.
This study had one main goal – to answer the question whether the just noticeable difference
related marketing practices could survive in the world with social media and as a part of
online marketing.
Although the findings are limited, they suggest that using of such practices might be much
riskier than it used to be before and marketers should be aware of that and consider their using
more thoroughly. In this sense, also consumer behaviour and marketing textbooks should be
updated accordingly.
It was also shown that the agent based modelling can be helpful in dealing with problems like
this one and can provide further insight into dynamics of processes on consumer markets
where the social media play crucial role in spreading of information.
Acknowledgement
This paper has been supported from a project GAJU 79/2013/S – Rolínek.
References
Ainsworth, J., & Ballantine, P. W. (2014). That‫׳‬s different! How consumers respond to retail website change.
Journal of Retailing and Consumer Services, 21(5), 764–772. doi:10.1016/j.jretconser.2014.06.003
Anderson, R. M., & May, R. M. (1992). Infectious Diseases of Humans: Dynamics and Control (Reprint
edition.). Oxford University Press.
Barabási, A.-L., & Albert, R. (1999). Emergence of scaling in random networks. Science, 286(5439), 509–512.
doi:10.1126/science.286.5439.509
Çakır, M., & Balagtas, J. V. (2014). Consumer Response to Package Downsizing: Evidence from the Chicago
Ice Cream Market. Journal of Retailing, 90(1), 1–12. doi:10.1016/j.jretai.2013.06.002
Delre, S. A., Jager, W., & Janssen, M. A. (2007). Diffusion dynamics in small-world networks with
heterogeneous consumers. Computational and Mathematical Organization Theory, 13(2), 185–202.
doi:10.1007/s10588-006-9007-2
Evans, M. M., Foxall, G., & Jamal, A. (2009). Consumer Behaviour (2nd edition.). Chichester, England ;
Hoboken, NJ: Wiley.
Goldenberg, J., Han, S., Lehmann, D. R., & Hong, J. W. (2009). The Role of Hubs in the Adoption Process.
Journal of Marketing, 73(2), 1–13. doi:10.1509/jmkg.73.2.1
Han, S., Gupta, S., & Lehmann, D. R. (2001). Consumer price sensitivity and price thresholds. Journal of
Retailing, 77(4), 435–456. doi:10.1016/S0022-4359(01)00057-4
Holme, P., & Kim, B. J. (2002). Growing scale-free networks with tunable clustering. Physical Review E Statistical,
Nonlinear,
and
Soft
Matter
Physics,
65(2),
026107/1–026107/4.
doi:10.1103/PhysRevE.65.026107
King, R. A., Racherla, P., & Bush, V. D. (2014). What We Know and Don’t Know About Online Word-ofMouth: A Review and Synthesis of the Literature. Journal of Interactive Marketing, 28(3), 167–183.
doi:10.1016/j.intmar.2014.02.001
Kvasnička, M. (2014). Viral Video Diffusion in a Fixed Social Network: An Agent-based Model. Procedia
Economics and Finance, 12, 334–342.
Li, M., Guan, S., Wu, C., Gong, X., Li, K., Wu, J., … Lai, C.-H. (2014). From sparse to dense and from
assortative to disassortative in online social networks. Scientific Reports, 4. doi:10.1038/srep04861
Li, M., Zou, H., Guan, S., Gong, X., Li, K., Di, Z., & Lai, C.-H. (2013). A coevolving model based on
preferential triadic closure for social media networks. Scientific Reports, 3. doi:10.1038/srep02512
Miller, R. L. (1962). Dr. Weber and the Consumer. Journal of Marketing, 26(1), 57–61. doi:10.2307/1249633
Pasta, M. Q., Zaidi, F., & Rozenblat, C. (2014). Generating online social networks based on socio-demographic
attributes. Journal of Complex Networks, cnu034. doi:10.1093/comnet/cnu034
Peres, R. (2014). The impact of network characteristics on the diffusion of innovations. Physica A: Statistical
Mechanics and Its Applications, 402, 330–343. doi:10.1016/j.physa.2014.02.003
Rand, W., & Rust, R. T. (2011). Agent-based modeling in marketing: Guidelines for rigor. International Journal
of Research in Marketing, 28(3), 181–193. doi:10.1016/j.ijresmar.2011.04.002
Schiffman, L. G., & Wisenblit, J. (2014). Consumer Behavior (11 edition.). Boston: Prentice Hall.
Schramm, M. E., Trainor, K. J., Shanker, M., & Hu, M. Y. (2010). An agent-based diffusion model with
consumer and brand agents. Decision Support Systems, 50(1), 234–242. doi:10.1016/j.dss.2010.08.004
Solomon, M. R. (2014). Consumer Behavior: Buying, Having, and Being (11 edition.). Boston: Prentice Hall.
Watts, D. J., & Dodds, P. S. (2007). Influentials, Networks, and Public Opinion Formation. Journal of Consumer
Research, 34(4), 441–458. doi:10.1086/518527
Watts, D. J., & Strogatz, S. H. (1998). Collective dynamics of “small-world” networks. Nature, 393(6684), 440–
442. doi:10.1038/30918
218 Vojtko
Wilensky, U. (1999). NetLogo. Evanston, IL: Center for Connected Learning and Computer-Based Modeling,
Northwestern University. Retrieved from http://ccl.northwestern.edu/netlogo/
3(2), 2014, 219–221, DOI: 10.18267/j.aip.50
Online: aip.vse.cz
Sekce / Section:
Miscelanea – Rozhovor / Interview
Jan Egem: Znalost zákaznických dat a jejich
propojování v marketingu
Jan Egem: Knowledge of Customer Data
and Their Integration in Marketing
Stanislava Mildeová1, Zdeněk Smutný1
1
Katedra systémové analýzy, Fakulta informatiky a statistiky,
[email protected]
Abstrakt: Rozhovor s Janem Egem, ředitelem společnosti KBM Group CEE
(součást celosvětové skupiny WPP) zabývající se firemním marketingovým
řešením, které je založeno na znalostech získaných z dat. Do oblasti činnosti této
firmy však patří také webová analytika, optimalizace a monetizace. Jan Egem
vystudoval Vysokou školu ekonomickou v Praze a několik let také pracoval
v obdobně zaměřené společnosti Wunderman.
Klíčová slova: Rozhovor, trendy, Marketing Intelligence.
Abstract: Interview with Jan Egem, director of KBMG CEE (part of a global
group WPP), that deals with corporate marketing solution that is based on the
knowledge gained from the data. Other activities include web analytics,
optimization and monetization. Jan Egem graduated from the University of
Economics in Prague and also worked for several years in a similarly focused
company Wunderman.
Keywords: Interview, Trends, Marketing Intelligence.
220 Mildeová, Smutný
Co si může čtenář představit ve spojení marketing a big data?
Jak velká jsou vlastně big data?
K dispozici je ohromné množství dat. Jen digitálních dat je přibližně 2,7 zetabytů. 90 % z nich
vzniklo za poslední dva roky a odhaduje se, že do roku 2020 jich bude 50 krát víc.
Množství dat není ani pro marketing problém? Kde ten problém tedy vidíte?
Problém není s tím, jestli big data jsou nebo nejsou k dispozici, těch je opravdu hodně. V
současnosti se big data spíše zpracovávají v nekomerční sféře, ať už v rámci výzkumů,
univerzit, atd. Prostor je zcela jistě v komerční sféře. Tam, kde jsou firmy nyní velmi silné, je
schopnost data sledovat a uchovávat. V každé velké firmě je oddělení, které se zabývá
webovou analytikou, e-mailingy, mediálními daty, social media atd. Problém je ale v tom, že
tato data firmy neumí navzájem propojit, a tudíž z nich dostat další přidanou hodnotu.
Znamená to, že nikoli znalost dat, ale jejich propojování
je pro moderní marketing primární?
Podle mého názoru propojování různých zdrojů dat a jejich využívání pro marketingové účely
je největší výzvou dneška. Přitom to není zase žádná věda. Když se například podíváte na
Amazon, tak ten jako základ používá jen několik málo typů dat.
Můžete uvést konkrétní případy takových marketingových kampaní?
Club Matas je největší kosmetický řetězec v Dánsku, který před pár lety založil věrnostní
program. Personalizace přes všechny své kanály byla založena na věrnostní kartě a kromě
standardních touchpointů jako je newsletter, aplikace či Facebook, personalizují např. i
účtenku v obchodě nebo generují osobní webové stránky. Obsah je vytvářen na základě
konkrétního nákupního chování, oblíbenosti komunikačního kanálu a responze na jednotlivé
typy informací. Club Matas je velmi úspěšný, za prvních šest měsíců získali půl milionu
členek, po třech letech fungování je členkou každá druhá žena v Dánsku.
Máte nějaké příklady z vlastních řešení v rámci ČR?
Slevomat je největší slevový portál v České republice s více než milionem zákazníků.
Zpracovali jsme jejich transakční data (kategorie zboží, výše ceny, objem nákupů, co
vyhledávají na webu, způsob platby, adresa atd.) a vytvořili segmentaci zákazníků Slevomatu.
Abychom dokázali obohatit tyto segmenty i měkká data, doplnili jsme je o data z Facebooku,
kde jsme například získali informaci o preferované politické straně, do jaké restaurace chodí,
jestli preferují spíše sport nebo hudbu, jestli chodí do té či oné kavárny atd.
Jako případovou studii číslo dvě bych uvedl tzv. Brand stories – odráží životní styl ve
spotřebovávaných značkách. Základem byly tentokrát reálné transakce na platebních kartách
jedné nejmenované banky v ČR. Výstupem analýzy dat byl řádek, který sdružuje značky
objevující se na platebních kartách. Značky charakterizují určitý vzorec nákupního chování
člověka, což je už samo o sobě zajímavé a my jsme to obohatili o pohled, jak se tito lidé
chovají na Facebooku, jaké jsou jejich zájmy, jaké jsou další preferované značky nebo média,
přes které je můžeme oslovit.
Zkoušeli jste ještě další alternativy?
Ano, testovali jsme trigger based komunikaci založenou na propojování různých zdrojů dat.
Tento nástroj dokáže systémy propojit bez nutnosti jakéhokoliv zásahu do vašeho IT. Přes
JSON nebo jiné brány propojíme tyto zdroje dat. A vy jako marketér si jednoduše nastavíte
automatizované scénáře komunikace. Například pokud někdo napíše na Twitteru nebo
Facebooku cokoliv o mé firmě, pak mohu přednastavit požadované reakce. Podle toho, jaký
mám na něj kontakt nebo podle toho, zda jsem identifikoval pozitivní nebo negativní
sentiment. Bude-li se rozčilovat, napíšu mu něco jiného, než když nás bude chválit. To jsou
velmi jednoduché scénáře. Mohu samozřejmě jít dál a navázat to na kamenné prodejny,
zavolání do call centra, nedokončený nákupní košík v e-shopu, atd.
Můžete závěrem uvést jiné moderní trendy?
Zajímavá byla segmentace restaurací a klubů, kterou jsme dělali pro velký český pivovar.
Využili jsme mimo jiné i data z Foursquare pro analýzu určitých klasických vzorců chování
lidí v pražské klubové scéně. A zjistili jsme, odkud kam se jednotlivé segmenty pohybují, jaké
jsou předchozí kluby a kam pokračují. A to lze samozřejmě využít nejen pro restaurace, ale v
zásadě pro cokoliv dalšího (od poboček bank, letiště, nádraží nebo kina).
Dalším trendem, který jsme zaznamenali, je využívání emocí pro marketing. Například
Facebook dokáže analyzovat, kdy se zamilujete. Nebo Apple analyzuje vaši náladu
monitorováním pulsu v rámci aplikací a zároveň kombinací výrazů obličeje. V obou
případech to firmy využívají k tomu, aby svým inzerentům nabídli reklamu na cílové
zákazníky v tu chvíli, kdy jsou emocionálně připraveni tuto reklamu přijmout.
Co zde vnímáte jako „high-tech”?
I obyčejné kamery nainstalované v obchodních řetězcích či bankách umí identifikovat člověka
i jeho pohyb. Zároveň konkrétního zákazníka můžeme identifikovat přes iBeacon (nebo jiný
systém). A to když navíc propojíme s analýzou reálných transakcí dotyčného zákazníka,
dostáváme tak velmi unikátní informace, jak se zákazník reálně v daném prostoru chová, jak
se v prodejně pohybuje a jaký to má vliv na byznys.
ISSN: 1805-4951
Články v časopise podléhají licenci Creative Commons Uveďte autora 3.0
This work is licensed under a Creative Commons Attribution 3.0 License

Recenzovaný vědecký časopis / Peer

Transkript

Podobné dokumenty

List vlastnictví

YouTube stats – 1-sliders – September 2014

mm net art - Culturenet

Nacionalismus je jiný než dosud probrané ideologie

Sociodemografie - soubor

sbazar.cz

Světové zemědělství

mixer.cz

Sociodemografie - soubor

Kryštof Ambrůz

informace pro uživatele software Esri Digitální mapa veřejné správy

Sociodemografie - soubor

oznámení_Krematorium Hýskov

Okruhy pro bakalářské státní závěrečné zkoušky ak. rok 2015-2016

Sociodemografie - soubor

1 - PragoFFest

Fulltextové vyhledávání v Unicorn ES pomocí Lucene

无中生有巧立名目

Návrat objektu Marisa Olson + Neklid věcí

lokalizace překladu v apelativních textech