Антон Гуров

1. Рейтинг московских школ
по отзывам в Веб 2.0

2. Задачи Цели
Создать
инструмент
для контроля
школ
Дать школам
инстру-
мент для
обработки
претензий
и самокон-
троля
Динамически отслеживать
реакцию родительской
общественности
(потребителей услуги)
Много
объектов –
более 800
школ
Очень много
переменных
в отзывах и
жалобах

3. Собираем отзывы о школах
Собираем все отзывы
о школах в Web 2.0
~200 отзывов
в месяц
~800 различных
площадок*
* не считая школьных групп в соцсетях,
личных аккаунтов и блогов и так далее

4. Методика расчета «веса» отзыва
1.
2.
3.
Считаем, сколько
людей увидело
отзыв
РА = ( + ) × РА*= 0,0442
расчетная
аудитория
Считаем, сколько
людей на отзыв
отреагировало
(Engagement Rate)
Вычисляем «вес»
отзыва
ER = × 100% / РА
сумма реакций
пользователей
количество людей,
увидевшийх объявление
= РА × ER coeff

5. Отзывы распределяются по пяти категориям
1 2 3 4 5
Качество
образования
Профессионализм
педагогов
Оценка
управления
Оценка
материально-
технического
обеспечения
Атмосфера

6. Пример
По школе №1 найдено три отзыва. В двух из них хорошо
отзываются о педагогах, но плохо о директоре. А в одном хорошо
отзываются о директоре и об атмосфере, но ругают МТО. Итог:
Категория Учителя Управление МТО Атмосфера Качество
образования
+2 –1 –1 +1 0Школа №1
Здесь и далее «вес» каждого отзыва приравнен к единице.

7. ОК + ОбОш × 0,2> 0
ОК – ОбОш × 0,2< 0
Учитываем общее количество отзывов о школе

8. Пример
По школе №1 найдено три отзыва. В двух из них хорошо
отзываются о педагогах, но плохо о директоре. А в одном хорошо
отзываются о директоре и об атмосфере, но ругают МТО.
По школе №2 найдено пять отзывов. В трех – позитивные оценки
педагогов и негативные директората. В двух – позитив про
директора, но при этом в одном из них – негатив про учителей,
а в другом – положительный отзыв об атмосфере. Итог:
Категория Учителя Управление МТО Атмосфера Качество
образования
+2,6 –1,6 –1,6 +1,6 +0,6Школа №1
+3 –2 –2 +2 +1Школа №2

9. ВК = /
Вычисляем вес категории
количество
отзывов с
упоминанием
категории
общее
количество
отзывов

10. В нашем примере всего восемь отзывов. В них зафиксировано
шесть упоминаний учителей, восемь – директоров, два
упоминания МТО и два – атмосферы
Учителя Управление МТО Атмосфера Качество
образования
0,75 1 0,25 0,25 0Вес
категории
Пример

11. ИБ =
Итоговый балл
где
БК1...n – балл школы по категории 1
ВК1...n – вес категории 1 в рейтинге
БК1 × ВК1 + БК2 × ВК2 + БК3 × ВК3 + БК4 × ВК4 + БК5 × ВК5
количество категорий

12. Пример
Категория Учителя
(с учетом
веса)
Управление
(с учетом
веса)
МТО
(с учетом
веса)
Атмосфера
(с учетом
веса)
Итоговый
балл
+1,95 –1,6 –0,4 +0,4 +0,35Школа №1
+2,25 –2 –0,5 +0,5 +0,25Школа №2

13. Готовый рейтинг

14. Рейтинги просто
визуализируются

15. Подобный подход можно с легкостью адаптировать под любые аналитические мультиобъектные задачи. Подобные
рейтинги будут интересны сетям, распределенным организациям, компаниям на высококонкурентных рынках.
Данная модель масштабируется
Мы уже делаем:
Рейтинг
Управляющих
организаций
Рейтинг
поликлиник
Рейтинг
роддомов
Рейтинг
автошкол
Рейтинг
служб такси
и другие…