Университет в поисках своего абитуриента в социальных сетях: маркетинговые и технологические задачи

The paper presents the analysis of the user data of students in social network "Vkontakte" to predict their direction for the preparation and invitation for admission to

the University. The authors describe the features of the API, "Vkontakte" and modeling the profile of the educational interests of students on the basis of the analysis of the uploaded data from the social network about subscriptions on groups and pages. It is also presented the experience of applying the strategy of content marketing when working with students in social networks on the example of the admission campaign of Tomsk state University in 2017.

Key words: recruiting, social network, entrants, data analysis, marketing

При использовании университетом социальных сетей для рекрутинга возникает две задачи, для которых нет простого и эффективного решения. Первая задача связана с отбором абитуриентов с сильным интересом к определенной предметной области и мотивацией к обучению. Стандартные инструменты социальных сетей по сегментированию целевой аудитории используют в основном социальные, демографические и географические данные. Для выявления потребностей и интересов абитуриентов в сфере образования этих данных недостаточно, но они могут быть дополнены информацией о пользователе, содержащейся в его профиле: подписками к тематическим группам и страницам, публикациями на стене, сетями связей и т.д. Подходы, позволяющие анализировать пользовательские данные и интерпретировать их для организации эффективного информационного воздействия, уже используются в политике и маркетинге. Основу этих подходов составляют методы лингвистического анализа и психодиагностики [1-4]. Но пока найденные решения не применяются университетами для выявления образовательных интересов и рекрутинга абитуриентов. Поэтому одной из задач нашего исследования является поиск технологических приемов определения образовательных интересов школьников по их подпискам в социальной сети «ВКонтакте».

Вторая задача рекрутинговых кампаний университетов связана с необходимостью повлиять на выбор абитуриентами определенного университета и специализации в условиях конкурентной борьбы на внутриуниверситетском, региональном, национальном и глобальном уровнях. Сегодня все университеты организуют коммуникацию с абитуриентами в социальных сетях, но успеха добиваются немногие. Низкая эффективность маркетинговых коммуникаций университетов в социальных сетях вызвана несколькими причинами, такими как применение массовых коммуникаций вместо персонифицированных, публикация рекламного контента без адаптации к молодежной культуре, использование традиционных маркетинговых приемов, не приносящих результатов в сетевых сообществах, ошибочное представление о критериях выбора университета и специализации абитуриентами и, как следствие, неправильное позиционирование. В то же время исследования по теме повышения эффективности рекрутинга абитуриентов показывают прямую зависимость между успешной работой университета в социальных сетях и количеством привлеченных студентов в вуз [5, 6]. Поэтому следующая задача нашего исследования - маркетинговая: выявление факторов, влияющих на выбор вуза абитуриентом при поступлении, и поиск механизмов влияния с их помощью на решение о поступлении.

Использование методов API «ВКонтакте» позволило получить список пользователей, являющихся для Томского государственного университета потенциальными абитуриентами (126 000 человек из Сибирского федерального округа). Анализ 100 000 сообществ-подписок у выбранной аудитории позволил выделить популярные группы, содержательно связанные с той или иной предметной областью [7]. Всего было отобрано 1 416 сообществ, связанных со школьными учебными предметами (рис. 1).

Рис. 1. Классификатор сообществ «ВКонтакте» образовательной тематики

С помощью разработанного классификатора по предметным областям мы попытались моделировать профиль интересов каждого отдельного пользователя. Для решения этой задачи был разработан скрипт, обнаруживающий совпадения id сообщества в профиле пользователя и в классификаторе (рис. 2).

Для этого был сформулирован алгоритм, который впоследствии реализовался на языке программирования php: выбор id пользователя, выгрузка из его профиля id сообществ, сравнение с id в тематическом классификаторе, суммирование совпадений и запись результата в таблицу (рис. 3).

Рис. 2. Алгоритм решения задачи по моделированию образовательного профиля

маркетинг сеть образовательный интерес абитуриент

Для того чтобы решить данную задачу, необходимо было использовать веб-сервер АрасИе, язык программирования PHP, базу данных MYSQL. В связи с тем, что данные необходимо загружать из серверов социальной сети «ВКонтакте», возник ряд технических сложностей и трудностей, связанных с вводом и выводом результатов. Во-первых, проблемы с кодировкой при получении данных, а также при отправке запросом на серверы: «приходят» данные в определенной кодировке, а отображаются в другой, необходимо было производить конвертацию кодировок.

Во-вторых, проблема с самим сервисом получения данных от «ВКонтакте». Есть определенные ограничения на запросы к серверам, например нужно, чтобы количество запросов не превышало трех раз в секунду. Но в действительности такое ограничение не работает, так как после 30-50 запросов возвращается ошибка. Поэтому минимально допустимым интервалом стал 1 запрос в 10 секунд, что сильно затягивало процесс выгрузки. Поэтому мы разделили запросы на блоки по 500 пользователей и обращались к серверам параллельно путем запуска разных сессий в браузерах. После этого результаты объединили.

Моделирование профиля образовательных интересов абитуриента с помощью описанного метода позволило не только прогнозировать склонность к одному из трех научных направлений (гуманитарные, естественные и точные науки), но и сравнить степень выраженности интересов у всех 126 000 пользователей. Это позволило для приемной кампании ТГУ выбрать абитуриентов с наиболее выраженным интересом к предметным областям каждого из трех направлений.

Рис. 3. Результат работы скрипта по подсчету тематических сообществ в профилях абитуриентов

В 2017 г. был проведен эксперимент по выявлению абитуриентов- гуманитариев. 9 000 пользователей «ВКонтакте» с сильно выраженным интересом к гуманитарным предметам, потенциальных абитуриентов, были вовлечены в приемную кампанию университета через социальную сеть. Точность определения склонности к гуманитарным наукам составила 82% [7].

Для организации эффективной коммуникации с найденными абитуриентами было проведено исследование по определению ключевых факторов выбора вуза при поступлении. Эта информация очень важна для формулирования со стороны университета предложения старшеклассникам о поступлении, исходя из потребностей целевой аудитории. Путем случайного выбора были отобраны более тысячи пользователей социальной сети «ВКонтакте», жители городов СФО с населением около или более 100 000 человек, каждому из них мы предложили заполнить анкету. Была сделана рассылка в личные сообщения социальной сети «ВКонтакте» с просьбой ответить на вопросы анкеты. Рассылка проводилась исследователями вручную на основании анализа профиля в социальной сети. Анкетирование должно было помочь выявить актуальные запросы школьников, ответы на которые им было бы важно и полезно получать от вузов. В результате анализа ответов респондентов был составлен список тем, важных и интересных абитуриентам (рис. 4). Темы были ранжированы по степени популярности. Это позволило разработать контент-план для специального сообщества «ВКонтакте», ориентированного на информационные потребности абитуриентов.

Исследование позволило создать такое сообщество в социальной сети, которое бы отвечало запросам абитуриентов относительно поступления в вуз, избегая навязчивой рекламы. Иными словами, мы попробовали для привлечения абитуриентов использовать приемы контент-маркетинга, при котором интерес и лояльность к «продавцу» формируется не за счет навязчивой рекламы «товара», а с помощью полезной информации, представляющей практическую ценность для аудитории без явного убеждения выбирать и поступать в конкретный вуз.

Исходя из стратегии контент-маркетинга, выявленные 9 000 тысяч абитуриентов-гуманитариев были приглашены в специально созданное сообщество «ВКонтакте». Миссия сообщества была сформулирована как помощь абитуриентам-гуманитариям в выборе вуза и подходящей специальности. Предлагая участникам сообщества полезную информацию и советы безотносительно конкретного вуза, в некоторых публикациях в качестве примера приводился Томский университет. Так, рассказывая о разных гуманитарных факультетах, мы представляли перечень интересных исследовательских тем, которыми занимаются студенты, для иллюстрации научной работы в университете. При этом мы приводили примеры названий реальных дипломных работ в ТГУ с обязательным упоминанием источника информации, т.е. факультета Томского университета.

Рис. 4. Информационные запросы абитуриентов при выборе и сравнении вузов

После окончания приемной кампании были проанализированы итоги работы с абитуриентами-гуманитариями в социальной сети «ВКонтакте». Из 126 000 пользователей выявлено и приглашено в Томский государственный университет 9 000 гуманитариев. При этом в исследовании приоритет отдавался не столько точности прогнозирования «гуманитарности», сколько широте охвата потенциальных гуманитариев. Количество 9 000 абитуриентов было определено, исходя из возможностей исследовательской группы по дальнейшей прямой коммуникации в социальных сетях с выбранными абитуриентами и остававшимся временем до завершения приемной кампании. К сожалению, приглашения в специальное сообщество начались поздно относительно начала приемной кампании, только 15 июня. Значительная часть старшеклассников, с которыми мы связывались, уже определилась с выбором вуза. Тем не менее 900 абитуриентов проявили интерес к поступлению в ТГУ, 199 из них подали заявления, 56 поступили (табл. 1).

Таблица 1

Соотношение общего количества абитуриентов и выявленных и приглашенных в процессе исследования

1. Schwartz H.A. et al. Personality, gender, and age in the language of social media: The open-vocabulary approach // PloS one. 2013. Т. 8, №9. e73791.

2. Kosinski M. et al. Manifestations of user personality in website choice and behaviour on online social networks // Machine learning. 2014. Т. 95, №3. С. 357-380.

3. Markovikj D. et al. Mining facebook data for predictive personality modeling // Proceedings of the 7th international AAAI conference on Weblogs and Social Media (ICWSM 2013), Boston, MA, USA. 2013.

4. Mangal N. Niyogi R., Milani A. Analysis of Users' Interest Based on Tweets // Computational Science and Its Applications. 2016. Vol. 9790. P. 12-23.

5. Rutter R., Roper S., Lettice F. Social media interaction, the university brand and recruitment performance // Journal of Business Research. 2016. Т. 69, №8. С. 30963104.

6. Fagerstr0m A., Ghinea G. Co-creation of value in higher education: using social network marketing in the recruitment of students // Journal of Higher Education Policy and Management. 2013. Т. 35, №1. С. 45-53.

7. Можаева Г.В., Слободская А.В., Фещенко А.В. Информационный потенциал социальных сетей для выявления образовательных потребностей школьников // Открытое и дистанционное образование. 2017. №3 (67). C. 25-30.

Размещено на allbest.ru