Как убрать 139 негативных отзывов за два месяца

Заказчик — один из крупнейших негосударственных пенсионных фондов России. Организация занимается управлением средствами накопительной части пенсии и предлагает современные финансовые инструменты для долгосрочного планирования будущего.

Целевая группа — люди старше 40 лет с ежемесячным доходом до 80 000 рублей. Они принимают решение об открытии вкладов сроком на 15 лет. Наибольшая активность наблюдается с сентября по декабрь, когда клиенты стремятся получить государственное софинансирование до конца календарного года.

Заказчик поставил конкретную задачу — вывести средний рейтинг в "зеленую зону" на трех наиболее значимых и сложных площадках в сжатые сроки.

Что нужно сделать:

1. Поднять средний рейтинг выше 4 баллов.

2. Удалить некорректный негатив.

3. Улучшить видимость позитивного пользовательского опыта в поисковой выдаче.

4. Подготовить фундамент для работы с нейровыдачей "Яндекса".

Для достижения целевого показателя за два месяца мы выбрали комбинированный подход. Мониторинг в тандеме с удалением негатива и приростом позитива должен был быстро восстановить репутацию.

Ситуация на старте работ была следующей:

Репутационный аудит на старте выявил четыре основные проблемы:

1. Низкие рейтинги на ключевых отзовиках (особенно на профильном Сравни.ру) создавали негативный фон. При поиске информации пользователи видели карточки с критически плохими оценками.

2. Оценки влияли на конверсию и решение о переводе пенсионных накоплений.

3. Значительная часть негатива была устаревшей: отзывы описывали ситуации, которые уже не соответствовали текущей работе фонда.

4. Часть отзывов не содержала подтверждения клиентского опыта или нарушала правила площадок, но продолжала влиять на рейтинг.

Главный риск был очевиден: в финансовой сфере решение о переводе пенсионных накоплений принимается на основе доверия. По исследованию Markway и "Анкетолог", 83% людей просто не обратятся в организацию с рейтингом менее 4 баллов. То есть это потеря потенциальных клиентов на этапе первого контакта.

Нужно было понять природу негатива и выбрать правильный сценарий работы с каждой категорией. Мы провели полный аудит всех отзывов на трех площадках и выявили 200 негативных отзывов за период.

Затем разделили отклики на четыре категории точечной работы:

Так мы составили четкую карту негатива с приоритетами для удаления.

Планировали максимально снизить долю негативных отзывов через работу с модерацией площадок. Выработали следующую схему работы. Сначала отправляли аргументированные обращения в модерацию отзывов — по каждому отзыву с нарушением правил. Затем отправляли запрос подтверждения клиентского опыта — этот метод подходит для отзывов без верификации.

Важным этапом является работа с авторами отзывов — выход на связь для уточнения ситуации. Если фиксировали прямые нарушения правил площадок, то сразу отправляли модераторам доказательства: скриншоты, цитаты, ссылки на пункты правил.

В результате в первый месяц мы удалили 68% от планируемого объема, во второй месяц — 71%. Всего было удалено 139 из 200 негативных отзывов.

Чтобы усилить эффект от удаления негатива, нужно было перекрыть оставшийся негатив новыми откликами. Для этого мы напрямую выходили на связь с лояльными клиентами через соцсети и собирали впечатления об услугах.

В результате удалось собрать 38 позитивных отзывов за 2 месяца.

Новые отклики быстро собирали лайки, как более актуальные рекомендации, и быстрее влияли на средний рейтинг карточек, так как доля негатива уже была снижена.

Пример позитивного отзыва

Особенно ощутимо прибавился рейтинг на "Отзовике": на площадке он подрос сразу на 1,2 балла, хотя на старте работы не превышал и 3. Оценки на IRecommend и Сравни.ру вышли в "зеленую зону", установившись выше 4 баллов.

В процессе работы мы также обнаружили, что карточки на этих площадках попадают в нейроответы "Яндекса". Это значит, что отзывы используются в генеративных ответах "Алисы", и репутационный фон влияет не только на поисковую выдачу, но и на GEO (оптимизация под генеративные системы).

Что показывал ответ нейросети на старте

Что показывал ответ нейросети после работы

После удаления отзывов, соответственно, нейросеть перестала на них ссылаться, благодаря чему общее восприятие клиента стало лучше.

Ключевые достижения проекта:

Динамика рейтинга

В ходе проекта мы выявили несколько важных закономерностей, которые стоит учитывать при работе с репутацией финансовых организаций.