مدیریت بحران در روابط عمومی؛ چالش‌ها، دلایل و ابزارها

 مدیریت بحران در روابط عمومی؛ چالش‌ها، دلایل و ابزارها

آقای نصیرزاده سخنرانی خود را با این عنوان شروع کردند که: موضوع صحبت من امروز مدیریت بحران‌های روابط عمومی است. در این ارائه تلاش می‌کنم ابتدا ریشه‌های این بحران‌ها را توضیح دهم و سپس ابزارهایی را معرفی کنم که به کمک آن‌ها می‌توانیم در لحظات بحرانی، به سرعت واکنش نشان دهیم و فضای پیرامون برند یا سازمان خود را بهتر تحلیل و مدیریت کنیم.

مقدمه: انسان‌ها به انسان رسانه تبدیل شده‌اند

امروزه هر فرد با در دست گرفتن یک دستگاه دیجیتال و عضویت در شبکه‌های اجتماعی، تبدیل به یک انسان رسانه شده است. به این معنی که هر فرد به یک تریبون مستقل دسترسی دارد که می‌تواند محتوا تولید و منتشر کند. این محتواها به صورت افقی و بدون تمرکز خاصی بین کاربران به اشتراک گذاشته می‌شود. دیگر خبری از رسانه‌های متمرکز و مرجع رسمی نیست؛ بلکه مردم خودشان تولید کننده پیام، تحلیل‌گر و حتی شکل‌دهنده روایت‌های اجتماعی هستند.

جامعه پلتفرمی و تمرکززدایی

فعالیت این انسان‌ رسانه‌ها در فضای پلتفرمی شکل می‌گیرد؛ پلتفرم‌هایی که مرکزیت ندارند و همه کاربران به صورت مساوی قادر به تولید و بازنشر محتوا هستند. به همین دلیل، تمرکززدایی یکی از ویژگی‌های مهم فضای امروز است. رسانه‌ها دیگر تنها مرجع فکر و اطلاعات نیستند بلکه کاربران به شکل مستقیم روایت‌ها را می‌سازند و با همدیگر تعامل دارند.

در این شرایط، روابط عمومی‌ها دیگر نمی‌توانند صرفاً پیام‌های یکطرفه منتشر کنند، بلکه باید در میدان این روایت‌ها حضور فعال داشته باشند، با آن‌ها تعامل کنند و سعی کنند جریان روایت را به نفع برند یا سازمان خود تغییر دهند.

شرایط روابط عمومی در فضای تمرکززدایی

  • عدم وجود کنترل متمرکز: پیام‌ها دیگر به صورت آبشاری و از بالا به پایین منتقل نمی‌شوند. مخاطبان و کاربران خودشان پیام تولید و بازنشر می‌کنند.

  • توزیع قدرت تولید محتوا: تفاوت میان متخصص و کاربر عادی کم شده و همه می‌توانند محتوا تولید و تحلیل کنند.

  • قدرت نقد و روایت‌سازی کاربران: کاربران فقط دریافت‌کننده نیستند، بلکه روایت‌گر و منتقد هم هستند. روابط عمومی باید روایت‌های مختلف را رصد و تحلیل کند.

  • اسطوره‌زدایی و از بین رفتن تقدس رسانه‌ها: اعتماد مردم به رسانه‌های رسمی کاهش یافته است. آن‌ها اخبار را با منابع مختلف مقایسه و تحلیل می‌کنند.

  • شکستن روایت‌های سنتی: روایت‌سازی یک‌طرفه دیگر جوابگو نیست. تعامل با مخاطب و مشارکت دادن او در روایت ضروری است.

نتیجه‌گیری موقت: تغییر مدل روابط عمومی به سمت داده‌محوری

جهان روابط عمومی دیگر در اختیار کنترل‌های قدیمی نیست. آشوب اطلاعاتی که در شبکه‌های اجتماعی توسط کاربران ایجاد می‌شود، بسیار پیچیده و غیرقابل پیش‌بینی است. مدل‌های سنتی روابط عمومی مانند انتشار بیانیه یا خبر دیگر کافی نیست. روابط عمومی‌ها باید به سمت مدیریت داده‌محور حرکت کنند، روایت‌های مختلف را پایش و تحلیل کنند و با استفاده از داده‌های تحلیلی تصمیمات سریع و به موقع بگیرند.

ابزارهای کلیدی: سوشال مدیا مانیتورینگ و سوشال مدیا لیسنینگ

برای مدیریت این فضای پیچیده دو مفهوم بسیار مهم وجود دارد که باید آن‌ها را به خوبی درک کنیم:

  1. سوشال مدیا مانیتورینگ (Social Media Monitoring):

    در این مرحله به دنبال ردیابی و نظارت لحظه‌ای محتوا و تعاملات مرتبط با برند یا موضوع خود هستیم. این کار شامل جمع‌آوری داده‌های منتشر شده در شبکه‌های اجتماعی است تا وضعیت فعلی فضا را بسنجیم.

  2. سوشال مدیا لیسنینگ (Social Media Listening):

    این مرحله پیشرفته‌تر است و به تحلیل عمیق‌تر احساسات، دیدگاه‌ها و روندهای بلندمدت در فضای اجتماعی می‌پردازد. هدف، درک بهتر احساسات و رفتار کاربران، شناخت فرصت‌ها و تهدیدهای برند یا صنعت در بلندمدت است.

در واقع، مانیتورینگ یک زیرمجموعه از لیسنینگ است، ولی هدف و دامنه هر کدام متفاوت است.

  • مانیتورینگ برای واکنش سریع به وقایع لحظه‌ای استفاده می‌شود.
  • لیسنینگ برای تحلیل استراتژیک و تصمیم‌گیری بلندمدت کاربرد دارد.

معرفی ابزارهای بین‌المللی و داخلی در حوزه پایش و تحلیل

در بازار بین‌المللی ابزارهای متعددی وجود دارد که به دو دسته مانیتورینگ و لیسنینگ تقسیم می‌شوند:

  • ابزارهای مانیتورینگ: Mention، brand24، Sprout Social
  • ابزارهای لیسنینگ: Talkwalker،brandwatch

در ایران نیز شرکت‌ها و سامانه‌های فعال خوبی داریم که به زبان فارسی و با توجه به شرایط فرهنگی و رفتاری کاربران ایرانی، خدمات ارائه می‌کنند. از جمله:

  • لایف وب
  • زلکا
  • دیتاک
  • هشتگ

این سامانه‌ها در کنار هم، بخشی از بازار رقابتی پایش و تحلیل شبکه‌های اجتماعی ایران را پوشش می‌دهند.

معرفی مجموعه لایف وب و تاریخچه فعالیت‌ها

مجموعه «لایف» از سال ۱۳۸۹ فعالیت خود را آغاز کرده است. در ابتدا، هدف اصلی این مجموعه پایش پایگاه‌های خبری و خبرگزاری‌ها بوده است. با گسترش شبکه‌های اجتماعی و افزایش حضور کاربران ایرانی در این فضاها، «لایف وب» حوزه فعالیت خود را توسعه داده و علاوه بر شبکه‌های اجتماعی، به سایر پلتفرم‌هایی که داده‌های عمومی تولید می‌کنند نیز ورود پیدا کرده است.

توسعه خدمات و تشکیل دپارتمان‌های تخصصی

در سال ۱۳۹۲، «لایف وب» اولین مجموعه پایش خود را تحت عنوان «پایشگر» عرضه کرد و در سال ۱۳۹۴ دپارتمان تحلیل داده را تأسیس نمود. لایف وب به این نتیجه رسید که ارائه صرفاً داشبوردهای آماری و تحلیل‌های کمی، پاسخگوی نیاز مخاطبان نیست و داده‌ها باید در بستری عمیق‌تر و دقیق‌تر مورد تحلیل قرار گیرند.

سال ۱۳۹۷، زمانی بود که هوش مصنوعی هنوز در فضای داخلی کشور به شکل جدی مطرح نشده بود. در همین سال، دپارتمان هوش مصنوعی «لایف وب» تشکیل شد تا رفتار کاربران ایرانی و تولیدات بومی در فضای مجازی را بررسی و سرویس‌های هوشمند متعددی ارائه دهد. در سال ۱۳۹۹، این مجموعه به شرکت دانش‌بنیان تبدیل شد.

در سال ۱۴۰۲، مدل زبانی اختصاصی «تهران و شیراز» توسط «لایف وب» معرفی گردید که یکی از نمونه‌های موفق توسعه فناوری بومی در این حوزه به شمار می‌رود.

فرآیند تحلیل و خدمات هوشمند ارائه شده

وقتی از تحلیل داده‌های شبکه‌های اجتماعی صحبت می‌کنیم، باید بدانیم که منبع اصلی این تحلیل‌ها، داده‌های عمومی بیش از ۳۵ پلتفرم است که کاربران ایرانی در آن‌ها فعالیت دارند. این پلتفرم‌ها شامل توییتر، اینستاگرام، پایگاه‌های خبری، برنامه‌های تلویزیونی، تلگرام، پیام‌رسان‌های بومی مانند بله، روبیکا، آی‌گپ و همچنین سایت‌هایی مثل شیپور و دیوار و آپارات می‌شوند. هم‌اکنون بیش از ۱۸۰ میلیارد رکورد داده از این منابع جمع‌آوری و تحلیل می‌شود و بیش از ۲۶۰ ترابایت فضای ذخیره‌سازی برای میزبانی این داده‌ها اختصاص یافته است.

داده‌های خام این شبکه‌ها به صورت مستقیم در اختیار کاربران قرار نمی‌گیرد، بلکه این داده‌ها با افزودن ارزش افزوده مبتنی بر سرویس‌های هوش مصنوعی، تحلیل و پردازش می‌شوند. به طور مثال، تحلیل لحظه‌ای احساسات و عواطف، طبقه‌بندی موضوعی (سیاسی، اقتصادی، فرهنگی، اجتماعی)، تشخیص قطبیت محتوا نسبت به برندها و سازمان‌ها، شناسایی کاربران فعال در حوزه‌های مختلف، استخراج موجودیت‌های نامدار، سنجش میزان شباهت محتواها و تحلیل روندهای زمانی از جمله این خدمات هستند.

تمامی این خدمات و داده‌ها در قالب محصولی به نام «دیتامی» در اختیار مخاطبان قرار می‌گیرد که امکان جستجو و تحلیل هوشمند کلمات کلیدی در بازه‌های زمانی و پلتفرم‌های مختلف را فراهم می‌کند.

نمونه‌هایی از کاربرد سامانه «دیتامی»

برای مثال، در این سامانه می‌توان روندهای زمانی محتوا، برترین کاربران فعال، هشتگ‌های پرکاربرد و تحلیل‌های متنوع دیگری را مشاهده کرد.

تیم متخصص و اهداف مجموعه لایف وب

همکاران ما در مجموعه «لایف وب» که بیش از ۸۰ نفر از متخصصان متعهد و نوآور هستند، سال‌ها تلاش کرده‌اند تا این ابزارها و داده‌ها را به شکل دقیق و کاربردی به مخاطبان ارائه دهند. تلاش این تیم به شما کمک می‌کند تا صدای مشتریان و مخاطبان خود را بهتر بشنوید و به تقویت برند خود بپردازید.

پژوهش‌ها و دسته‌بندی موضوعات اجتماعی و فرهنگی

در بخش دیگری از فعالیت‌های پژوهشی، بررسی افکار عمومی از سال ۱۳۹۶ تا ۱۴۰۰ انجام شده است که بیش از دو هزار روند (ترند) تولید شده توسط کاربران یا رسانه‌ها را در حوزه‌های مختلف اجتماعی، فرهنگی و اقتصادی دسته‌بندی کرده است.

به عنوان مثال، در حوزه مسائل اجتماعی، موضوعاتی مانند حقوق زنان، آزادی اطلاعات، آسیب‌های اجتماعی، بحران‌های محیط زیستی، همبستگی اجتماعی، مهاجرت و حقوق شهروندی مورد توجه بوده‌اند. هر یک از این موضوعات نیز به زیرمجموعه‌هایی تقسیم شده‌اند؛ مثلاً در موضوع حقوق زنان، مسائلی مثل خشونت علیه زنان، تبعیض جنسیتی و حضور زنان در حوزه‌های مختلف بررسی شده است.

در حوزه بحران‌های محیط زیستی نیز موضوعاتی مانند آلودگی هوا و حقوق حیوانات مطرح بوده‌اند. همچنین، در سال‌های ۱۳۹۶ تا ۱۴۰۰ مسئله فیلترینگ، قطعی اینترنت و اینترنت ملی از دغدغه‌های اصلی کاربران بوده است.

در شهریور ۱۴۰۱، رویدادی در کشور رخ داد که شعار «زن، زندگی، آزادی» به عنوان نماد اعتراضات عمومی مطرح شد. این اتفاق، نمونه‌ای بود از مسائلی که داده‌ها پیش‌تر به صورت غیرمستقیم به آن اشاره کرده بودند و اهمیت توجه به آن را یادآوری می‌کردند.

نمونه‌های تحلیل داده‌های برندها

از نظر تحلیل داده‌های مرتبط با برندها، می‌توان به چند نمونه اشاره کرد:

  1. بانک سپه در ۲۷ خرداد ماه هک شد. حجم محتوای تولید شده درباره این بانک در تلگرام طی یک روز از حدود ۲۰۰۰ به ۱۴۰۰۰ مورد افزایش یافت. پیش از این رخداد، ۲۸ درصد محتوای تولیدی درباره بانک مثبت بود که پس از آن به ۴ درصد کاهش یافت.

  2. در بازه خرداد ۱۳۹۷ تا خرداد ۱۳۹۸، بررسی محتوای تولید شده درباره تاکسی‌های اینترنتی (تپسی، اسنپ، کارپینو و…) نشان داد که ۲۱ درصد محتوا درباره نوع برخورد راننده‌ها بود، ۱۶ درصد تجربیات روزمره و ۹ درصد درباره حریم خصوصی کاربران بود. نادیده گرفتن مسائل حریم خصوصی منجر به تحریم این سرویس‌ها توسط کاربران شد.

  3. بررسی رویدادهای شهریور ۱۴۰۱ نشان داد که علی‌رغم قطعی اینترنت، تولید محتوا درباره برخی برندها تغییر چشمگیری نداشت. پیش از این حوادث، قله‌های محتوایی مربوط به کمپین‌های برندها بود، اما پس از آن بیشتر روایت‌سازی‌های بیرونی و خارج از کنترل برندها نقش داشت.

  4. در مورد هک اطلاعات اسنپ‌فود، واکنش سریع مدیران تپسی در کمتر از دو ساعت به انتشار توییت منجر به کاهش حجم منفی محتوا نسبت به اسنپ شد که پاسخ دهی سریع تأثیر مثبت زیادی در تصویر برند داشت.

جمع‌بندی

آقای نصیرزاده در سخنان خود تأکید می‌کند که در صورت نبود داده‌های شبکه‌های اجتماعی، سازمان‌ها همچون افرادی خواهند بود که در فضایی تاریک قدم برمی‌دارند. در چنین شرایطی، آن‌ها قادر به شناخت اطرافیان خود نخواهند بود، گام‌های بعدی‌شان را نمی‌توانند پیش‌بینی کنند و در مواجهه با رویدادها واکنش درستی نخواهند داشت.

به گفته وی، داده‌های شبکه‌های اجتماعی و هر نوع داده‌ای که از سوی مخاطب تولید می‌شود، به منزله چشم بینای روابط عمومی در جهان امروز است. در دنیایی که مخاطب می‌تواند به‌راحتی سخن بگوید و روایت‌ها را تغییر دهد، نبود ابزار و توانایی تحلیل داده، سازمان را محکوم به شکست می‌کند. تنها داده‌ها هستند که می‌توانند جایگاه واقعی، موقعیت دقیق برند و سازمان و مسیر تصمیم‌گیری‌های بعدی را به‌روشنی مشخص کنند.

آقای نصیرزاده خاطرنشان می‌کند که اتخاذ یک رویکرد داده‌محور در روابط عمومی باعث می‌شود صداهایی شنیده شوند که پیش از این هرگز به گوش نرسیده‌اند. همچنین واقعیت‌هایی آشکار خواهند شد که سازمان تا پیش از این با آن‌ها روبه‌رو نشده بود. وی امیدوار است این رویکرد برای سازمان‌هایی که تصمیمات بزرگ اتخاذ می‌کنند، به یک ضرورت تبدیل شود؛ به‌ویژه آن دسته که تصمیماتشان بر زندگی مخاطبان، مردم و شهروندان تاثیر مستقیم دارد.

او در پایان تأکید می‌کند که مجموعه تحت مدیریت خود و همکارانش این آمادگی را دارد که فضایی ایجاد کند تا داده‌های شبکه‌های اجتماعی به‌درستی تحلیل و به واقعیت‌های قابل اتکا تبدیل شوند. این فرآیند می‌تواند تصمیم‌سازی دقیق‌تر و مؤثرتر را برای سازمان‌ها ممکن سازد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *