تحلیل اختلال و هک بانکها در توییتر فارسی
اختلال در خدمات بانکی، تنها یک مسئله فنی نیست. وقتی کاربران امکان انتقال وجه، پرداخت اقساط، استفاده از کارت بانکی یا دسترسی به موجودی حساب خود را از دست میدهند، یک اختلال زیرساختی بهسرعت به بحرانی اجتماعی، رسانهای و حتی سیاسی تبدیل میشود.
گزارش حاضر با استفاده از دادههای سامانه هشتگ و رویکرد سوشال لیسنینگ، محتوای منتشرشده در توییتر فارسی پیرامون اختلال و هک بانکها را در بازه زمانی ۱ فروردین تا ۲۰ تیر ۱۴۰۵ بررسی میکند.
در این مطالعه، ۹٬۸۲۰ توییت با مجموع بیش از ۹ میلیون بازدید تحلیل شده است. هدف اصلی گزارش، شناسایی روند انتشار محتوا، پیکهای زمانی، بانکهای پرتکرار، روایتهای غالب، خوشههای سیاسی و واکنش کاربران به اختلالات بانکی است.
چرا اختلال بانکی به یک بحران رسانهای تبدیل شد؟
در دوره جنگ و پساجنگ، حملات سایبری و اختلال در خدمات تعدادی از بانکهای کشور، نگرانی درباره امنیت زیرساختهای مالی را افزایش داد. تجربه قبلی اختلال در بانک سپه و برخی دیگر از بانکها باعث شد اختلالات جدید، صرفاً بهعنوان یک مشکل فنی موقت تفسیر نشود.
همزمانی اختلال در خدمات بانکهایی مانند بانک ملی، بانک تجارت، بانک صادرات و بانک توسعه صادرات، زمینه شکلگیری گمانهزنیهای مختلف را فراهم کرد. بخشی از کاربران از حمله سایبری صحبت کردند و گروهی دیگر، بحران را به ضعف زیرساخت، کمبود نقدینگی، فساد، کنترل بازار یا پنهانکاری نسبت دادند.
این وضعیت نشان میدهد در نبود اطلاعرسانی سریع و شفاف، فضای خالی اطلاعاتی بهسرعت با تجربههای شخصی، شایعات و روایتهای سیاسی پر میشود.
مهمترین آمار گزارش
در مجموع، ۹٬۸۲۰ توییت پیرامون هک و اختلال بانکی بررسی شد. این مطالب بیش از ۹ میلیون بازدید و حدود ۱۸۴ هزار لایک دریافت کردند.
بررسی احساسات محتوایی نشان داد:
- ۵۹ درصد مطالب دارای سوگیری منفی بودند.
- ۳۹ درصد محتوا خنثی ارزیابی شد.
- سهم محتوای مثبت تنها ۲ درصد بود.
این ترکیب نشان میدهد فضای گفتوگو درباره خدمات بانکی، بهشدت تحت تأثیر نارضایتی، نگرانی و بیاعتمادی قرار داشته است.
کدام بانکها بیشتر در توییتر تکرار شدند؟
بررسی تعداد تکرار نام بانکها در مجموعه نزدیک به ۱۰ هزار توییت نشان داد:
- بانک ملی: ۲٬۴۳۶ بار
- بانک تجارت: ۱٬۲۸۲ بار
- بانک صادرات: ۱٬۱۴۳ بار
- بانک سپه: ۶۸۵ بار
- بانک توسعه صادرات: ۴۹۸ بار
- بانک ملت: ۴۷۶ بار
- بانک پاسارگاد: ۲۶۶ بار
بانک ملی با فاصله قابلتوجهی، پرتکرارترین نام بانکی در این گفتگوها بود. این میزان تکرار الزاماً بهمعنای سهم بیشتر از اختلال فنی نیست، بلکه میتواند تحت تأثیر تعداد مشتریان، جایگاه بانک، میزان پوشش رسانهای و شدت واکنش کاربران باشد.
روند انتشار مطالب و مهمترین پیکها
تا پیش از ۲۳ خرداد، حجم محتوای مرتبط با اختلال و هک بانکها نسبتاً پایین و پراکنده بود. از ۲۳ و ۲۴ خرداد، همزمان با انتشار خبر اختلال چند بانک و طرح احتمال حمله سایبری، حجم محتوا بهطور ناگهانی افزایش یافت.
بزرگترین پیک انتشار در ۲ تیر ثبت شد. در این روز، ۶۱۲ مطلب منتشر شد و مجموع بازدید روزانه به حدود ۲ میلیون رسید.
مهمترین موضوعات این پیک شامل موارد زیر بود:
- اختلال گسترده و همزمان در خدمات چند بانک
- واکنش کاربران به بلوکهشدن پول و دشواری انتقال وجه
- نگرانی درباره تداوم اختلال
- ادعاهای مربوط به حمله سایبری یا خرابکاری
- پیوند بحران بانکی با بازار ارز و طلا
- افزایش روایتهای سیاسی و امنیتی
موج دوم انتشار در فاصله ۶ تا ۸ تیر شکل گرفت. در این دوره، تمرکز محتوا از اختلال عمومی بانکها به ادعاهای مربوط به نفوذ در بانک صادرات، تداوم اختلال و مسئولیت مدیران بانکی تغییر کرد.
روایتهای منفی درباره اختلال و هک بانکها
تحلیل محتوای توییتها نشان داد چند روایت منفی بیش از سایر موضوعات تکرار شدهاند:
هک بهعنوان پوشش ورشکستگی
در این روایت ادعا میشد بانکها هک نشدهاند و عنوان حمله سایبری، برای پنهانکردن ناترازی، کمبود نقدینگی یا ورشکستگی استفاده شده است.
اختلال عمدی برای کنترل بازار
برخی کاربران اختلال بانکی را اقدامی برای محدودکردن برداشت پول و جلوگیری از خرید ارز و طلا میدانستند.
ضعف امنیت سایبری و زیرساخت
این روایت، بحران را به ضعف زیرساختهای بانکی، نبود سامانه جایگزین، انحصار خدمات فنی و کمبود نیروی متخصص مرتبط میکرد.
بلوکهشدن دارایی و اختلال در زندگی روزمره
بخش قابلتوجهی از مطالب به تجربه مستقیم کاربران مربوط بود؛ از اختلال در کارتبهکارت و پرداخت اقساط تا مشکل خرید دارو، پرداخت حقوق و استفاده از کارتخوان.
فساد و حذف سوابق مالی
بخشی از محتوا نیز احتمال حذف اطلاعات، پوشاندن فساد یا دستبرد به دارایی کاربران را مطرح میکرد. این ادعاها عمدتاً بدون شواهد فنی منتشر شده بودند.
بحران بانکی بهعنوان نشانه ضعف حکومت
در محتوای سیاسیتر، اختلال شبکه بانکی از یک رخداد فنی فراتر رفت و به نشانهای از ضعف مدیریتی، بحران ساختاری یا فروپاشی تعبیر شد.
نقش طیفهای سیاسی در انتشار محتوا
از میان نزدیک به ۱۰ هزار توییت بررسیشده، حدود ۳ هزار توییت توسط حسابهایی منتشر شده بود که میتوان آنها را، با پذیرش مقداری خطا، به یکی از طیفهای سیاسی منتسب کرد.
در میان این محتوای سیاسیشده:
- ۵۲٫۶ درصد به حسابهای نزدیک به طیف سلطنتطلب تعلق داشت.
- ۱۸٫۹ درصد مربوط به طیف اصلاحطلب و وفاق بود.
- ۷٫۲ درصد به طیف برانداز اختصاص داشت.
- ۷ درصد مربوط به جریان احمدینژادی بود.
- ۴٫۸ درصد توسط حسابهای نزدیک به مجاهدین خلق منتشر شد.
- ۴ درصد به طیف عدالتخواه تعلق داشت.
- سهم مصاف و پایداری ۱٫۵ درصد و اصولگرا ۱٫۲ درصد بود.
این دستهبندی قطعی نیست و براساس الگوی رفتاری، محتوایی و شبکه تعامل حسابها انجام شده است. بنابراین ممکن است برخی حسابها با گرایش غالب خوشه خود همخوان نباشند.
تمرکز بالای پیامها در محتوای اپوزیسیون
یکی از مهمترین یافتههای گزارش به میزان تکرار محتوا در میان حسابهای اپوزیسیون مربوط است.
در این مجموعه:
- حدود ۶۹ درصد توییتها تکرار یا بازنشر متنهای مشابه بودند.
- تنها ۲۰ متن پرتکرار، نزدیک به ۴۴ درصد کل محتوای اپوزیسیون را تشکیل دادند.
این یافته نشان میدهد بخش مهمی از فضای گفتگو، حاصل تولید صدها روایت مستقل نبوده و تعداد محدودی پیام، بارها توسط حسابهای مختلف تکثیر شدهاند.
بااینحال، تکرار گسترده محتوا بهتنهایی برای اثبات فعالیت هماهنگ یا سازمانیافته کافی نیست. برای چنین نتیجهای باید زمان انتشار، شبکه بازنشر، شباهت حسابها و الگوی تعامل نیز بررسی شود.
ساختار شبکه تعامل کاربران
تحلیل شبکه تعاملات توییتر نشان داد گفتگوها در چند خوشه اصلی شکل گرفتهاند:
- خوشههای قرمز و زرشکی شامل حسابهای اپوزیسیون، عمدتاً سلطنتطلب
- خوشه سرمهای شامل خبرگزاریها و حسابهای نزدیک به مصاف و جبهه پایداری
- خوشه نارنجی شامل روزمرهنویسها و کاربران فاقد گرایش سیاسی مشخص
- خوشه سبز شامل حسابهای نزدیک به جریان اصلاحطلب
خوشه روزمرهنویسها در مرکز شبکه قرار داشت و میان روایتهای مختلف نقش پل ارتباطی ایفا میکرد. این کاربران با بازتاب تجربههای ملموس، مانند عدم دسترسی به حساب یا ناتوانی در انتقال وجه، بحران را از فضای سیاسی به زندگی روزمره منتقل کردند.
اختلال فنی یا بحران اعتماد؟
یکی از مهمترین نتایج این گزارش آن است که بحران بانکی، تنها با بازگشت سامانهها به وضعیت عادی پایان پیدا نمیکند.
هنگامی که کاربران برای چند روز به دارایی خود دسترسی ندارند، اطلاعات متناقض دریافت میکنند یا پاسخ روشنی از شعب و کانالهای رسمی نمیشنوند، مسئله از اختلال فنی به بحران اعتماد تبدیل میشود.
در چنین شرایطی، روابط عمومی بانکها باید همزمان سه مسئله را مدیریت کند:
- رفع مشکل فنی
- پاسخگویی به تجربه واقعی مشتریان
- مقابله با روایتهای نادرست و شایعات
نادیدهگرفتن هرکدام از این سه بخش میتواند باعث تداوم بحران در شبکههای اجتماعی شود؛ حتی پس از برطرفشدن اختلال فنی.
نقش سوشال لیسنینگ در مدیریت بحران بانکی
سوشال لیسنینگ به بانکها و سازمانها کمک میکند فراتر از شمارش نام برند، ساختار واقعی گفتگوها را شناسایی کنند.
با استفاده از سوشال لیسنینگ میتوان فهمید:
- کاربران دقیقاً از چه مشکلاتی شکایت دارند.
- کدام روایتها در حال رشد هستند.
- چه حسابهایی در انتشار یک ادعا نقش محوری دارند.
- کدام شایعه بیشترین بازدید را گرفته است.
- واکنش رسمی سازمان چه اثری بر حجم و احساسات محتوا داشته است.
- چه زمانی یک مشکل فنی به بحران رسانهای تبدیل میشود.
برای بانکها، سوشال لیسنینگ باید بخشی از سیستم مدیریت بحران باشد، نه صرفاً ابزاری برای تهیه گزارش پس از پایان بحران.
سامانه هشتگ چیست؟
سامانه هشتگ یک پلتفرم تخصصی سوشال لیسنینگ و تحلیل دادههای آنلاین است که به برندها و سازمانها کمک میکند بازتاب نام، محصولات، رقبا و موضوعات مرتبط با خود را در شبکههای اجتماعی و رسانههای دیجیتال رصد کنند.
سامانه هشتگ با تحلیل روندهای انتشار، احساسات کاربران، محتواهای اثرگذار، حسابهای محوری و شبکه تعاملات، امکان تصمیمگیری دقیقتر در حوزههای روابط عمومی، مدیریت بحران، تحلیل افکار عمومی و دیجیتال مارکتینگ را فراهم میکند.
جمعبندی
بررسی ۹٬۸۲۰ توییت فارسی نشان داد اختلال و هک بانکها بهسرعت از یک مسئله زیرساختی به موضوعی اجتماعی، اقتصادی و سیاسی تبدیل شد.
نام بانک ملی بیش از سایر بانکها در محتوا تکرار شد، روایتهای منفی بر فضای گفتگو غلبه داشتند و بخش قابلتوجهی از محتوای سیاسی توسط حسابهای نزدیک به طیف سلطنتطلب منتشر شد.
مهمتر از همه، تحلیل دادهها نشان داد چند روایت محدود، با تکرار گسترده توانستند سهم قابلتوجهی از فضای گفتگو را به خود اختصاص دهند. این مسئله اهمیت پایش مستمر شبکههای اجتماعی و واکنش سریع سازمانها را دوچندان میکند.
گزارش کامل با استفاده از دادههای سامانه هشتگ تهیه شده است.
سامانه هشتگ؛ ابزار سوشال لیسنینگ، تحلیل داده و مدیریت هوشمند روایتهای آنلاین