Обработка гигантского числа упоминаний мобильного оператора Т2 и конкурентов с помощью ИИ

T2 — федеральный оператор мобильной связи с абонентской базой 48,9 млн клиентов в 70 регионах России, включая MVNO-проекты группы «Ростелеком». Компания занимает лидирующие позиции в отрасли по показателям NPS, Value for Money и релевантности продуктовых предложений, что делает бренд заметным и активно обсуждаемым в публичном поле.

В 2025 году T2 одновременно решала задачи масштабного технологического развития (импортозамещение, расширение покрытия, VoLTE и VoWiFi), запуска новых бизнес-направлений (AdTech, финтех-сервисы, кибербезопасность) и укрепления лидерства на рынке MVNO. Такая высокая операционная и продуктовая активность усилила информационную нагрузку на бренд и сделала управление репутацией в цифровых каналах одним из ключевых факторов устойчивости бизнеса.

▶ Перед командой агентства Fistashki стояли две стратегические задачи:

1. Системный мониторинг инфополя T2 для выявления трендов и ранних сигналов потенциальных кризисов.

2. Мониторинг инфополя ключевых конкурентов для сравнительного анализа и укрепления позиций бренда T2 на рынке.

▶ Ключевая сложность проекта — масштаб и плотность инфополя.

T2, как один из крупнейших операторов страны, находится в центре общественного внимания. Это формирует:

• тысячи упоминаний ежедневно;

• десятки тем и аспектов — от качества связи и тарифов до региональных сбоев и клиентского сервиса;

• контент в разных форматах: тексты, комментарии, посты, мемы, видео.

Для решения задачи T2 привлекла digital-агентство Fistashki. Уже на старте стало очевидно: классические ORM-подходы не масштабируются под такой объём данных.

Мы понимали, что при таких объёмах данных ручная разметка не масштабируется, а стандартные автотеги и классические классификаторы дают лишь базовый уровень анализа. Эти инструменты хорошо работают для первичной фильтрации, но не позволяют глубоко учитывать контекст, нюансы тональности и смысловые оттенки, критичные для управления репутацией.

Даже сложные ML-модели хорошо работают на больших массивах, но всё ещё ограничены в глубине понимания смыслов. Для управления репутацией этого недостаточно — особенно если нужно ловить сигналы кризисов на ранней стадии.

▶ Наш подход

Мы перешли к использованию больших языковых моделей (LLM), дообученных на собственной выборке и адаптированных под задачи репутационного анализа. Это позволило работать не просто с тональностью, а с качественными смыслами, контекстами и нюансами обсуждений.

▶ Ключевой инструмент — Airis

Главную роль в проекте сыграл Airis — AI-стартап и внутренняя разработка агентства Fistashki.

Airis — это система интеллектуальной обработки упоминаний, работающая на базе пяти Large Language Models и выполняющая качественную разметку сообщений.

Работа проводилась в несколько этапов.

Главный эффект — масштабируемый ORM-процесс, который не ломается при росте упоминаемости и позволяет принимать решения на основе данных, а не выборочных сигналов.

▶ Новаторство:

• использование LLM в ORM не как эксперимента, а как решения;

• отказ от жёсткой привязки к автотегам и классическим классификаторам;

• гибридный подход «AI + аналитик», где человек отходит от рутинных процессов и управляет логикой инструмента.