Neben der Suche nach einem nachhaltigen Geschäftsmodell kämpfen die heutigen Verleger, die im digitalen Bereich tätig sind, mit einer weiteren Herausforderung: der richtigen Messung ihrer Inhaltsleistung und dem wirklichen Verständnis des Verhaltens ihres Publikums. Dies ist ein echtes Problem für alle Arten von Publikationen, unabhängig davon, ob sie werbefinanziert sind oder Teil der neuen Art sind, die unter einem Lesererlösmodell operiert.
Früher war alles etwas einfacher. Verleger könnten ihren Geschäftserfolg messen, indem sie die Anzahl der verkauften Zeitungen oder Zeitschriften im Laufe der Zeit notieren und vergleichen. Sie könnten dann die Größe ihrer Leserschaft schätzen, indem sie die Anzahl der verkauften Exemplare mit 2 oder 2,5 multiplizierten, was als durchschnittliche Weitergaberate . Informationen zum Auflagenerfolg waren besonders wichtig für Werbetreibende, die vor der Investition in Werbeflächen einen Wertnachweis haben wollten.
Herkömmliche Medienverlage verlassen sich immer noch auf diese Art von Berechnungen, denn seien wir ehrlich – es ist so gut wie es nur geht.
Sobald sie in das digitale Zeitalter eingetreten sind, haben Verlage neue Möglichkeiten entdeckt, ihre Inhalte zu monetarisieren. Sie fanden sich jedoch auch auf unbekanntem Terrain wieder. Die Messung der Inhaltsleistung bedeutete jetzt den Einsatz von Analysetools und die Entwicklung von Datenkompetenz, was sich für viele Verlage als eine große Herausforderung herausstellte. Daher der Trugschluss, einzelnen Metriken zu vertrauen.
Versuchen wir herauszufinden, warum einzelne Metriken wie z
- Seitenaufrufe
- Zeit auf Seite und
- Wiederkehrende Besucher
können keine zuverlässigen Metriken für Publisher sein, die ihre Inhaltsleistung messen, ihr Publikumsverhalten verstehen und ihre treuen Leser lokalisieren und eine starke Beziehung zu ihnen pflegen möchten.
1. Seitenaufrufe
Seitenaufrufe waren allgegenwärtig, um die Anzeigenleistung und die Beliebtheit von Produktseiten auf E-Commerce-Websites zu messen. Diese Metrik startete erstmals mit Google Analytics, einem der bekanntesten Analysetools auf dem Markt, das hauptsächlich für E-Commerce-Unternehmen entwickelt wurde.
Das Problem mit Seitenaufrufen:
Leider wurden Seitenaufrufe in Ermangelung von etwas Besserem bald von vielen Analysetools auf dem Markt als legitime Metrik zur Messung der Inhaltsleistung übernommen.
So wurden Seitenaufrufe von vielen Publishern falsch interpretiert: Mehr Seitenaufrufe bedeuten mehr Besucher und mehr Engagement. Wenn ein Teil des Inhalts viele Seitenaufrufe generiert, ist er letztendlich besser als der Rest der Artikel, oder?
Nicht wirklich.
Gehen wir dieses Problem systematisch an.
So wurden Seitenaufrufe in Google Analytics definiert :
Ein Seitenaufruf (oder Seitenaufruftreffer, Seitenverfolgungstreffer) ist eine Instanz, in der eine Seite in einem Browser geladen (oder neu geladen) wird. Seitenaufrufe sind eine Kennzahl, die als Gesamtzahl der aufgerufenen Seiten definiert ist. […] Klickt ein User nach Erreichen der Seite auf Reload, wird dies als zusätzlicher Seitenaufruf gezählt. Wenn ein Benutzer zu einer anderen Seite navigiert und dann zur ursprünglichen Seite zurückkehrt, wird auch ein zweiter Seitenaufruf aufgezeichnet.
Es gibt auch eine Metrik namens Unique Pageviews, die eine Anzahl von Sitzungen darstellt, in denen eine bestimmte Seite mindestens einmal angesehen wurde. Wenn also ein bestimmter Benutzer die betreffende Seite besucht, sich dann von ihr entfernt und innerhalb derselben Sitzung wieder darauf zurückkehrt, zählt GA 1 eindeutigen Seitenaufruf.
Seitenaufrufe sind jedoch eine Browser-Metrik und beschreiben nicht die Art der Verbindung oder das Ausmaß der Interaktion der Website-Besucher mit Ihren Inhalten. Bei weitem nicht.
Eine Person kann einen bestimmten Artikel öffnen und ihn dann sofort schließen oder ihn in einem Browser-Tab geöffnet lassen, während sie etwas anderes tut. Das Skript des Analysetools zeichnet es trotzdem als Seitenaufruf auf.
Wir könnten sagen, dass der genauere Name für Pageviews Page-Loads wäre , da diese Metrik nicht unbedingt die Anzahl der Personen anzeigt, die die Seite angesehen haben, sondern wie oft die Seite im Browser geladen wurde.
Wie Publisher versuchen, Seitenaufrufe zu verstehen:
Publisher und Content-Vermarkter können versuchen, dieser Metrik mehr Sinn zu verleihen, indem sie beobachten, wie sie mit anderen einzelnen Metriken korreliert, die in der GA und ähnlichen Analysetools verfügbar sind.
Beispielsweise werden sie sich die Kombination der verfügbaren Einzelmetriken ansehen: Seitenaufrufe, durchschnittliche Verweildauer auf der Seite und Absprungrate. Die übliche „Formel“ zum Schätzen, ob ein bestimmter Artikel gut abgeschnitten hat oder nicht, lautet also ungefähr so:
Hohe Anzahl an Seitenaufrufen + „gute“ durchschnittliche Verweildauer auf der Seite + niedrige Absprungrate
„Die ideale“ Time on Page wäre diejenige, die der notwendigen Lesezeit für den jeweiligen Artikel entspricht. Die durchschnittliche Lesegeschwindigkeit beträgt ungefähr 265 WPM, also setzen sich die Verleger hin und machen ein paar einfache Berechnungen: Wenn ihr Artikel 1500 Wörter hat, würde es ungefähr 5,5 Minuten dauern, bis eine Person ihn von oben nach unten gelesen hat. Natürlich werden nicht alle Website-Besucher es durchlesen, daher wird die durchschnittliche Zeit auf der Seite niedriger sein. Der knifflige Teil für Publisher besteht darin, zu entscheiden, welche Zeit hier akzeptabel wäre , dh was eine „gute“ durchschnittliche Zeit auf der Seite ist.
Das Hauptproblem dabei? Nun, die Art und Weise, wie die durchschnittliche Zeit auf der Seite innerhalb von GA und ähnlichen Tools berechnet wird, kann Ihre Annahmen durcheinander bringen (siehe das folgende Segment namens Zeit auf der Seite / durchschnittliche Zeit auf der Seite).
Per Definition ist ein Bounce eine einzelne Seitensitzung auf Ihrer Website. Die Absprungrate ist der Prozentsatz der einzelnen Seitenbesuche. Die Absprungrate für eine Seite basiert nur auf Sitzungen, die mit dieser Seite beginnen.
Publisher denken also: Je niedriger die Absprungrate, desto besser. Theoretisch haben sie Recht, da dies darauf hindeutet, dass die Leute an anderen auf Ihrer Website veröffentlichten Inhalten interessiert waren, dh sie entschieden sich, weiter zu stöbern. Aber Informationen darüber, wie sie tatsächlich mit Ihren Inhalten umgegangen sind, sind in den Standardberichten von GA nicht verfügbar. Sie können davon ausgehen, dass einige von ihnen auf Ihrer Website hängen geblieben sind, aber das ist alles.
Online finden Sie Informationen zu den idealen Werten für die Absprungrate : Sie sind nicht höher als 40 %, während die Durchschnittswerte bis zu 55 % betragen. Sie sollten jedoch eine Baseline gemäß Ihrer eigenen Website festlegen und nicht Zahlen und Normen nachjagen, die für jemand anderen funktionieren. Außerdem können die Werte der Absprungrate schrecklich irreführend sein, wenn sie nicht richtig interpretiert werden. Auch der Kontext ist wichtig: Wenn beispielsweise eine Kontaktseite eine hohe Absprungrate aufweist, bedeutet dies nicht, dass sie keinen Mehrwert bietet. Es beantwortet einfach eine bestimmte Anfrage für Benutzer, die dann nicht weiter suchen müssen.
Wie wir dieses Problem angegangen sind:
Im Gegensatz zu Seitenaufrufen in GA und ähnlichen Tools haben wir Content Insights komplexe Metriken . Unsere Analyselösung hat Article Reads , die sich auf echtes menschliches Verhalten konzentriert, da sie die auf der Seite verbrachte Echtzeit berücksichtigt, aber auch die Art und Weise, wie Menschen mit der Seite interagieren (z. B. Klicks, Textauswahl, Scrollen usw.). Zusätzlich zu den Artikellesevorgängen hat CI auch die Lesetiefe als komplexe Metrik, die zeigt, wie tief ein Besucher in das Lesen eines Inhalts eingestiegen ist. Für eine höhere Genauigkeit stützt es sich auf die Kombination mehrerer Metriken, von denen eine die Aufmerksamkeitszeit ist. Darüber hinaus haben wir auch die Seitentiefe , die die durchschnittliche Anzahl der besuchten Seiten berechnet, nachdem ein Leser die erste Seite oder den ersten Artikel geöffnet hat.
2. Zeit auf der Seite / Durchschnittliche Zeit auf der Seite
Viele Publisher schauen sich die Verweildauer auf der Seite und durchschnittliche Verweildauer auf der Seite an , wenn sie versuchen zu definieren, welche Inhalte als ansprechend angesehen werden könnten. Sie denken, je länger die Leute auf einer bestimmten Seite bleiben, desto höher ist die Wahrscheinlichkeit, dass die angebotenen Inhalte ansprechend sind.
Nachdem Sie jedoch erkannt haben, wie diese Metrik gemessen wird, werden Sie feststellen, dass sie keine zuverlässigen Erkenntnisse liefert.
Das Problem beim Messen der Zeit auf der Seite:
Google Analytics und ähnliche Analysetools messen diese Metriken nur auf Browserebene, was nichts darüber aussagt, wie Menschen mit Inhalten umgehen.
Wenn eine Person von der Seite wegnavigiert, aber den Tab geöffnet lässt – das können Google Analytics und ähnliche Analysetools nicht registrieren. In Bezug auf die Analyse hat die Person die Website nie verlassen. Außerdem kann GA nicht die Zeit messen, die ein Benutzer auf der letzten Seite seines Besuchs auf Ihrer Website verbracht hat. Wenn der Besucher die Seite verlässt, nachdem er nur eine Seite angesehen hat (dh wenn ein Besuch ein Absprung ist), wird überhaupt keine Zeit aufgezeichnet.
Wie Sie sehen können, spiegeln diese Daten den Grad der Interaktion der Leser mit Ihren Inhalten nicht richtig wider.
Wie Publisher versuchen, die durchschnittliche Zeit auf der Seite zu verstehen:
Einige Publisher setzen Ereignis-Tracker wie die Scrolltiefe ein, um genauere Berichte zu erhalten und sicherzustellen, dass die Zeit auf der Seite gemessen wird, selbst wenn es sich bei der Seite um einen Absprung handelt. Allerdings ist es nicht so einfach.
Wenn es darum geht, sich ausschließlich auf die Scrolltiefe zu verlassen, gibt es ein grundlegendes Problem in Bezug auf:
- tatsächliche Aktivität des Benutzers
- die Lage der Falte
- die Länge des Artikels
Nehmen wir an, eine Person scrollt durch die 60 % Ihrer Inhalte, aber sie tut dies auf einem Bildschirm, der nicht auf 100 %, sondern auf 75 % gezoomt ist. Sie können den Rest Ihrer Inhalte sehen und scrollen nicht weiter nach unten.
Oder nehmen wir an, sie haben 60 % Ihres Inhalts erreicht, aber sie bleiben dort für eine halbe Stunde (die Seite bleibt geöffnet und sie entfernen sich von ihrem Computer), bevor sie schließlich abprallen. Nur weil sie durch Ihre Inhalte scrollen, heißt das noch lange nicht, dass sie sie auch tatsächlich lesen. Und was ist, wenn der Artikel nicht sehr lang ist? Die Scroll-Tiefe beträgt 100 %, aber das bedeutet nicht, dass dieser bestimmte Artikel mehr Engagement generiert oder eine bessere Leistung als andere erzielt.
Unnötig zu erwähnen, dass die Berichte auch mit Ereignisverfolgung möglicherweise nicht genau sind, da sie kein vollständiges Bild liefern. Datenabweichungen sind nicht selten, daher bemerken Kontoinhaber in ihrem Bericht möglicherweise, dass die durchschnittliche Zeit auf der Seite länger ist als die durchschnittliche Sitzungsdauer, was nicht sehr sinnvoll ist. In Google Analytics wird dies als „verlorene Zeit“ bezeichnet.
Wie wir dieses Problem angegangen sind:
Im Gegensatz zu GA und ähnlichen Analysetools misst Content Insights die Aufmerksamkeitszeit , also die tatsächliche Zeit, die ein Benutzer auf der Seite verbringt, um Inhalte zu konsumieren. Es berücksichtigt nicht die Leerlaufzeit, dh die Zeit, in der eine Person nicht auf der Seite aktiv oder von der Seite abwesend ist. Was Sie also mit dieser Metrik erhalten, ist die tatsächliche Verlobungszeit.
Unsere Analyselösung basiert auf einem komplexen Algorithmus namens Content Performance Indicator (CPI). Der CPI wird immer in Form einer Zahl von 1 bis 1000 dargestellt, wobei 500 die Grundlinie (auch bekannt als „Norm“) für die beobachtete Website, den Abschnitt, das Thema, den Autor oder den Artikel darstellt.
CPI berücksichtigt Dutzende verschiedener Content-Performance-Metriken und untersucht ihre Beziehungen. Es gewichtet sie auch nach drei Verhaltensmodellen unterschiedlich: Exposition , Engagement und Loyalität . Daher haben wir drei CPIs entwickelt, die diese Verhaltensweisen messen: Exposure CPI , Engagement CPI und Loyalty CPI .
Im Kontext des Engagements haben wir den Engagement-CPI , der durch Messen des aufmerksamen Lesens und der Leserreise innerhalb der Website oder Domäne berechnet wird. Es bietet eine weitaus fortschrittlichere und präzisere Methode zur Messung des Engagements im Vergleich zur einfachen Untersuchung der Zeit auf der Seite, die eine einzelne Metrik in GA und ähnlichen Analysetools ist.
3. Wiederkehrende Besucher
Um zu verstehen, was wiederkehrende Besucher sind, müssen wir kurz untersuchen, wie Google Analytics und die meisten heutigen Analysetools Benutzer verfolgen.
Wenn ein bestimmtes Gerät (Desktop, Tablet, Mobilgerät) oder Browser (Chrome, Firefox, Internet Explorer) Ihre Website-Inhalte zum ersten Mal lädt, weist der Tracking-Code von Google Analytics ihm eine zufällige, eindeutige ID, die Client-ID, zu und sendet sie dann zum GA-Server
Die eindeutige ID wird in GA als neuer eindeutiger Nutzer gezählt. Jedes Mal, wenn eine neue ID erkannt wird, zählt GA einen neuen Benutzer. Wenn der Benutzer Browser-Cookies löscht, wird die ID gelöscht und zurückgesetzt.
Vor diesem Hintergrund ist ein wiederkehrender Besucher derjenige , der dasselbe Gerät oder denselben Browser wie zuvor verwendet, um auf die Website zuzugreifen und eine neue Sitzung zu starten, ohne Cookies zu löschen . Wenn Google Analytics also die vorhandene Client-ID in einer neuen Sitzung erkennt, sieht es sie als wiederkehrenden Besucher an.
Das Problem mit wiederkehrenden Besuchern:
Das Problem bei der Berechnung wiederkehrender Besucher liegt auf der Hand: Analysetools zählen möglicherweise denselben Besucher, der auf die Website zurückgekehrt ist, als neu – nur weil er sein Gerät oder seinen Browser geändert oder seine Cookies gelöscht hat. Es gibt nicht viel, was jemand dagegen tun kann, da seine Client-ID auf diese Weise geändert wird. Es ist nicht möglich, Benutzer über verschiedene Browser und Geräte hinweg zu verfolgen. Außerdem kann Google Analytics denselben Besucher als neu und wiederkehrend zählen, wenn er innerhalb eines bestimmten Zeitraums zurückkehrt. Dies bedeutet, dass es zu Überschneidungen zwischen neuen und wiederkehrenden Besuchern kommen kann, was zu Datenabweichungen führt. Außerdem kann es vorkommen, dass derselbe Nutzer für dieselbe Quelle/dieses Medium doppelt gezählt wird.
Allerdings gibt es hier ein viel größeres Problem:
Viele Verlage haben wiederkehrende Besucher als Metrik akzeptiert, die die Anzahl treuer Leser angibt, was ein logischer Irrtum ist.
Wiederkehrende Besucher geben die Anzahl der Personen an, die Ihre Website in der Vergangenheit besucht haben und dann zurückgekommen sind. Dieser Bericht sagt jedoch nichts über:
- Wie gut Ihre Inhalte darin sind, Besucher anzusprechen
- Das tatsächliche menschliche Verhalten (wie Menschen mit Ihren Inhalten interagieren)
- Die Häufigkeit und Neuheit ihrer Besuche
- Ob diese Besucher Ihrer Publikation tatsächlich treu oder nur gelegentliche Schnüffler, die schon einmal auf Ihrer Website waren (d. h. haben diese Besucher eine tatsächliche Gewohnheit entwickelt, Ihre Publikation zu besuchen, oder sind sie in einem bestimmten Zeitraum mehr als einmal auf Ihre Website gestoßen? aus XY Gründen)
Um diese Metrik besser zu verstehen, können wir versuchen, sie mit einer einfachen Analogie zu erklären. Wenn eine Person in ein Geschäft geht, es verlässt und wiederkommt, ohne eine bestimmte Absicht oder einen tatsächlichen Kauf zu tätigen – ist diese Person standardmäßig ein treuer Kunde? Nicht wirklich. Sie könnten es sein, aber man kann es nicht wirklich wissen.
Wir müssen noch einmal betonen, dass wiederkehrende Besucher die Browseraktivität messen und nichts mit Loyalität zu tun haben.
Wie Verlage versuchen, die wiederkehrenden Besucher zu verstehen:
Viele Verlage ignorieren diese Berechnungsfehler oder sind sich nicht einmal bewusst, wie die Dinge wirklich gemessen werden. Sie berücksichtigen das Verhältnis zwischen neuen und wiederkehrenden Besuchern, um sich einen Überblick über die Art des Verkehrs zu verschaffen, den ihre Website anzieht, auch wenn es nicht sehr genau ist. Sie vergleichen dann Dinge wie die Anzahl der Sitzungen oder die durchschnittliche Zeit auf der Seite, um die Ähnlichkeiten und Unterschiede zwischen wiederkehrenden und neuen Besuchern aufzudecken, wie sie mit ihrer Website interagieren. Darüber hinaus können sie sich für eine Segmentierung entscheiden und benutzerdefinierte Berichte für weitere Details zu ihren Besuchern erstellen.
Dennoch basieren diese Berichte auf einzelnen Metriken, die keine umsetzbaren Erkenntnisse liefern, wenn es um die Messung der Inhaltsleistung geht.
Eine andere Sache, die Publisher verwenden können, um genauere Daten zu erhalten, ist die Verfolgung der Benutzer-ID , dh die Einrichtung eines Anmeldesystems auf ihrer Webseite, wo sich Benutzer anmelden können. Im eingeloggten Zustand können Benutzer einfach über Geräte hinweg verfolgt werden. GA funktioniert jedoch nicht rückwirkend. Wenn Sie sich also für die Implementierung eines Anmeldesystems entscheiden, werden keine früheren Sitzungen verbunden. Das brennende Problem hierbei ist, dass Ihre Besucher sich wahrscheinlich nicht auf Ihrer Website anmelden werden, wenn der Inhalt trotzdem verfügbar ist.
Wie wir dieses Problem angegangen sind:
Das Labs-Team von Content Insights war besonders daran interessiert, treue Leser zu verstehen und zu definieren und einen Weg zu finden, Loyalität zu messen .
Abschließend haben wir treue Leser als „regelmäßig hoch engagiert“ , da dies am ehesten ihrem gewohnten Verhalten entspricht. Es gibt eine bestimmte Art und Weise, wie ihre „aktiven Tage“ innerhalb der CI-Analyse gezählt werden, um sicherzustellen, dass sie wirklich mit den Inhalten interagieren.
Im Gegensatz zu anderen Analysetools messen wir die Loyalität auf Inhaltsebene, denn darauf kommt es wirklich an. Verlage möchten jene Inhalte identifizieren, die loyales Verhalten fördern und möglicherweise dazu beitragen, treue Leser in Abonnenten umzuwandeln.
Mit den neuesten Verbesserungen unseres Treue-CPI ist es jetzt möglich, genau das zu messen. Dieses Verhaltensmodell untersucht, wie Artikel zur allgemeinen Loyalität Ihrer Leserbasis auf der Website beitragen.
„Was nicht kaputt ist, repariere es nicht“
Wir haben eine Übersicht über die am häufigsten verwendeten Einzelmetriken erstellt und ausführlich aufgezeigt, warum es falsch ist, Content Performance Reports darauf aufzubauen.
Das brennende Problem hier ist, dass viele der heutigen Verleger sich nicht die Mühe Weise zu verstehen, wie die Dinge berechnet werden.
Zum Beispiel werden Publisher wirklich glauben, dass sie, wenn sie den Zielgruppenbericht im GA anfordern, genaue und zuverlässige Einblicke darüber erhalten, wie ihre Zielgruppe ihre Inhalte konsumiert. Aber jeder Bericht in GA als Out-of-the-Box-Tool basiert auf einzelnen Metriken, die Browserereignisse beschreiben .
Diese Berichte können das menschliche Verhalten und seine Komplexität nicht richtig messen, egal wie Sie sie nennen. Viele Analysetools auf dem Markt haben ganze Narrative aufgebaut, die in Wirklichkeit falsch und irreführend sind – da man Dinge, die einem versprochen werden, nicht wirklich messen kann.
Sie können eine Katze einen Tiger nennen und so tun, als wäre es in Ordnung, nur weil sie zum selben Stammbaum von Katzen gehören, aber irgendwann wird der Fehler an die Oberfläche kommen und für alle wichtigen Beteiligten schmerzlich offensichtlich werden. Ein Miau ist kein Gebrüll.
Einige Verlage erkennen allmählich den Trugschluss, bei der Messung der Leistung von Inhalten einzelnen Metriken zu glauben, aber sie drücken lieber ein Auge zu. Anderen ist noch gar nicht bewusst, dass das Problem überhaupt existiert.
Angesichts der Tatsache, dass Menschen naturgemäß sehr resistent gegen Veränderungen sind, halten viele Verlage an dem „Wenn es nicht kaputt ist, repariere es nicht“-Prinzip fest. Ihre Logik ist vernünftig: Sie haben einzelne Metriken verwendet und es geschafft, über die Runden zu kommen. Veränderung bedeutet, dass die Gefahr besteht, die Kontrolle zu verlieren, sie ist mit „Ungewissheit“ übersät, bringt zusätzliche Arbeit mit sich und ist im Allgemeinen beängstigend – sogar beängstigend.
Allerdings sind die Dinge kaputt und müssen repariert werden.
Wie alle grundlegenden Veränderungen folgt auch diese Verschiebung von einzelnen Metriken zu komplexen Metriken dem sogenannten Hemingway Law of Motion : Sie geschieht allmählich und dann plötzlich. Und wie bei jeder Art von disruptiver Technologie oder Methode, die die Welt vorantreibt, gewinnen Early Adopters einen Wettbewerbsvorteil. Wir haben es gesehen. So geht Fortschritt.
Jetzt stehen Sie im Rampenlicht. Welche Analysen verwenden Sie? Wie interpretieren Sie Daten? Was ist Ihre „Nordstern“-Metrik zur Messung der Inhaltsleistung? Wir laden Sie ein, an diesem Gespräch teilzunehmen und Ihre Gedanken in den Kommentaren unten mitzuteilen.