Twitter（ツイッター）などSNSを対象に自社や商品、サービスについての評判をチェックする際、キーワードの設定が重要になります。リスクを漏らさず、負担の少ないリスニングに大切な視点を説明していきます。
Twitterを利用した自社名、商品名、サービス名の検索で評判の把握に取り組む企業も増加してきました。知名度の高い企業、商品、サービスであるほど、当然ながら検索結果も膨大なデータとなります。
リスクとして気にしなくても構わない書き込みだけでなく、そもそも同名の別の商品や企業であったり不必要な情報（ノイズ）が混ざってしまいます。
以前、Twitterの検索テクニックとして、除外ワードの設定をご紹介しました。リスニングにおいてはこれらのノイズをどれだけ排除することができるかによって、担当者が割かなくてはならない時間が決まってきます。
効率化のためにツールを導入することも検討されます。ただし、ツールは膨大なデータを収集して傾向を探ることに長けている一方で炎上の火種となるような最初の１件を検知することは困難です。
リスクの有無を判断するために、ある程度は目視による確認が必要となります。もちろんすべての書き込みをチェックしていくことはほぼ不可能と言えます。そこでそれぞれのリスクを漏れなくカバーできるような検索キーワードを最適化していくことが求められます。
商品名で検索した結果、ネガティブな書き込みがなかったと言ってリスク対策は十分だと言えるでしょうか。
商品名は様々な愛称、略称などに置き換えられている可能性があります。自社で把握できていない愛称、略称がインターネット上では一般化しているケースも考えられます。特にTwitterでは140文字という文字数制限により正式名称をきちんと書くことは少ない傾向があります。
当然ながらこれらの表現についてもリスニングを行っていく必要があります。
また、企業にとっての評価は商品やサービスによるものだけではありません。頻繁にメディアに登場するような経営層、スポンサー関連、社会貢献活動などに関係するようなキーワードも場合によってはネガティブな評価を受ける可能性があると判断するべきかもしれません。
さらに、自社に関連する企業の不満が広がる可能性も否定できません。
リスク投稿の検知は検索ワードの設定から始まります。adishのソーシャルリスニングサービスでは、リスクを漏らさずにノイズを除外した検索キーワードをご提案しています。
自社についてのレピュテーションリスク（評判リスク）として、何が想定されるでしょうか？
下記に例示した通り、業界や業種によって懸念するリスクは異なります。
異物混入やアレルギー症状についての書き込み
異物混入、アレルギー症状、従業員に対するクレーム、従業員による不満や不注意投稿
従業員、店舗、商品に関するクレーム、従業員による不満や不注意投稿
商品の欠陥、お客様センターの対応についての不満
上記はあくまでも一例です。
業界・業種によって違うリスクについて、共通の判断基準を用いることはできません。
adishでは企業ごとの「分類基準」を作成し、リスクを定義します。その過程でリスク投稿の洗い出しと、それらを抽出するための検索キーワードを策定します。
ぜひ、一度ご相談ください。