Nyhetsanalyse og innholdsintelligens

Dagens tema er utviklingen av nyhetsredaksjonsanalyse. Nå er det ikke slik at noe av det følgende er spesielt komplisert, men siden oppmerksomheten vår i disse dager trekkes i flere retninger, la oss starte med en analogi. Tenk på bilen din. Sannsynligvis kjøpte du den, og at du ikke bygde den (men hvis du gjorde det, kudos). Saken er den: det at du ikke kan se forskjell på en kamaksel og en forgasser utelukker deg ikke fra å kunne kjøre den. Når vi snakker om kjøring og kjøreopplevelsen, er språket som brukes helt annerledes enn de som diskuterer de finere detaljene innen bilteknikk. Svært få av oss fokuserer på mye utover brukeropplevelsen. Den bransjen forsto for lenge siden at produktene til syvende og sist må tjene brukeren, ikke utviklerne. Hva har dette med nyhetsredaksjoner å gjøre? Vel, alt, faktisk.

Omdreiningspunktet for brukeropplevelsen

«Det kommer en bølge av data fra kunder og sosiale medier. Og etter hvert som tingenes internett rulles ut, vil det bli enda mer informasjon om kunder. Bedrifter kjemper for å finne ut hvordan de kan utvinne verdi fra den informasjonen.» Det er Richard Gordon, en analytiker fra Gartner, som snakker. Det han beskriver er skiftet til noe forretningslivet liker å kalle «forretningsintelligens». Enkelt sagt, mens analyser er en teknologiassistert prosess der programvare henter data, virksomhet intelligens er en prosess som går et skritt videre ved å tolke og presentere dataene i en fordøyelig form før de når den tiltenkte mottakeren. Grunnen til at dette er verdifullt? Vel, med mindre du har stilt nøyaktig de riktige spørsmålene til dataene, spiller det ingen rolle hvor gode tallene ser ut eller hvor attraktivt grensesnittet er. Uten relevant tolkning vil det fortsatt ikke være til stor nytte for deg og din bedrift, selv om du forstår dataene. Forretningsintelligens er den drivende opplevelsen i næringslivet. Den er utviklet for brukeren og sluttbrukeren. Siden den har blitt omfavnet av næringslivet, har den vært litt av en game changer.

For mye data, ikke nok innsikt

Så, videre til nyhetsredaksjoner, og du vil uten tvil se hvor vi vil med dette. Analyse er selvfølgelig vanlig i nyhetsredaksjoner. Analysepakker florerer. Vi er sannsynligvis alle klar over problemene og begrensningene med enkeltstående målinger i bransjen; og selv om kulten rundt sidevisninger ser ut til å avta litt, er det fortsatt en dominerende kraft fordi det ganske enkelt er et praktisk og tilsynelatende universelt mål på «suksess» – hva enn det betyr. Problemet med universelle, «enkle» løsninger på komplekse problemer er at de sannsynligvis ikke vil være i stand til å håndtere den typen kompleksitet som hvert enkelt scenario krever. Jada, det ville vært deilig å måtte håndtere et binært mål på fiasko eller suksess, men i den virkelige verden er det rett og slett for mange variabler, for mange nyanser til at dette kan være praktisk for noen. Spar folkene som prøver å markedsføre disse «løsningene»! Analyse er utvilsomt bedre nå på UX-fronten enn de har vært, men all skjønningen i verden kan ikke endre det faktum at hvis alt du gjør er å presentere rådata, kommer du ikke nærmere hva det faktisk er betyr uten seriøs bakgrunn i dataanalyse. Og selv om det utvilsomt finnes unntak fra denne regelen, har de fleste redaktører verken denne typen ferdigheter eller denne typen opplæring – og absolutt ikke den tiden som kreves for å gjøre dette ordentlig. Når vi hører om motstanden mot «datakultur» i journalistikken, er det vanskelig å ikke føle empati. Selv om dataene – råmaterialet – selvfølgelig er essensielt, er det konteksten og innsikten som dataene avslører som er helt avgjørende. Verdien kommer fra å samkjøre data og informasjon med en referanseramme og dermed presentere den. Det ber ikke redaktører om å forstå hver eneste detaljnyanse, og det bør de heller ikke. Det er bedre å plassere redaktørers og journalisters ferdigheter der de er mest verdifulle, noe som helt sikkert gir bedre forretningssans.

Den manglende lenken

 Vi har vært vitne til en utvikling innen analyser. Fra å ha nesten ingen informasjon om ekte forbruksmønstre fra leserne våre, har vi nå potensielt mer data enn vi vet hva vi skal gjøre med – og oftest ikke vet hva de skal gjøre med det. Problemet har vært at fordi det historisk sett ikke har vært noen måte å effektivt innlemme og innprente datakultur i nyhetsredaksjonens arbeidsflyt, har det ikke vært noen mulighet for redaktører og journalister til å forme utviklingen av den. Det har blitt overlatt til de utenfor den redaksjonelle verden – nemlig annonsører – å utvikle et analyseverktøy, men fordi verktøyet ble utviklet for å forbedre annonseringseffektiviteten, gjør det ingenting for å hjelpe redaksjonell og journalistisk praksis. Content Insights' visepresident for Latin-Amerika, John Reichertz, har sagt: «Den beste måten å få denne datakulturen til å flyte gjennom redaksjonene våre er å få alle involvert» og han har rett: forbedret tilgang kan og har en transformerende effekt på nyhetsredaksjonen. Hvis journalister forstår effektiviteten av sine egne historier i konteksten av sine egne avdelinger og spesifikke målgrupper, er det mer sannsynlig at de produserer mer effektivt innhold. På samme måte, med tilgang til nyansert informasjon, er redaktører i økende grad i stand til å ta smarte valg om hvor de skal plassere hvilke ressurser. Det er ikke dermed sagt at redaktører kan – eller bør – forventes å bli dataeksperter. På Süddeutsche Zeitung, Publikumsredaktør Christopher Pramstaller kom med denne avklaringen: «Vi ønsker ikke å forårsake dataforurensning: vi mener det er viktigere å få riktig informasjon til de riktige menneskene i riktig øyeblikk.» De har lett etter den rette balansen mellom datainnsikt og den redaksjonelle og journalistiske arbeidsflyten for å finne en balanse som fungerer for deres ansatte, organisasjonen og dens mål. For dem betydde det å kvitte seg med sanntidsanalyse og samarbeide tett med nyhetsteamene for å formidle viktig datainnsikt. Disse rapportene kan hjelpe med artikler som ikke presterer så bra, fremheve suksessformler eller mindre endringer som kan gjøres for å øke artiklenes synlighet.

Redaksjonell intelligens

 Til syvende og sist må vi komme til et punkt der analyser ikke bare er et synonym for data presentert i grafer og diagrammer. De bør gjøre mer enn det, fordi – nå – kan de. De må gi innsikt, kontekst og mening, og gjøre det i tråd med behovene til ikke bare hver nyhetsorganisasjon, men hver journalist i hver avdeling av nyhetsorganisasjonen. En del av dette handler om å finne en løsning som fungerer for deg, men mye av det starter med spørsmål:

• Hva betyr egentlig de imponerende tallene som sirkuleres? Hvordan beregnes dette når en rapport snakker om en million sidevisninger? Hvis du er avhengig av viktige målinger, bør du finne ut hvordan disse beregningene utføres.

Her er hvorfor det er viktig.

Ta sidevisningen . Det er en nettleserhendelse. Dette har ikke mye med shoppingterapi å gjøre – selv om det kan være like flyktig. Sidevisninger skjer hver gang koden på en side lastes inn, så selv om den lastes inn i bakgrunnen, teller den. Ja, selv om den utløses av en bot, teller den. Selv om det bare er i noen få sekunder.

Hos Content Insights har vi for eksempel noe vi kaller en artikkellesning . Det høres likt ut, men det er det ikke. Én artikkellesning = noen åpnet en side, brukte minst 10 sekunder på den, siden var i fokus og det var en faktisk person bak skjermen.

Så den samme artikkelen, sett med disse to målene, vil sannsynligvis gi svært forskjellige indikasjoner på suksess. Den første vil returnere høyere tall, massere egoet fint og se mer imponerende ut. Den andre kan se mye mer beskjeden ut, men er uendelig mye mer nyttig og handlingsrettet. Å vite forskjellen i måten disse tingene beregnes på kan utgjøre en enorm forskjell.

• Tenk i forholdstall, ikke enkelttall – blandede målinger er mest innsiktsfulle, og fordi de har blitt behandlet for deg, gir de et raskt innblikk i hvordan innholdet ditt presterer.

Fremfor alt har analyser nå nådd et punkt der de har evnen til å informere raskt, konsist og relevant. Hvis du vasser gjennom sider med data, må du stoppe. Svar fra data er bare så gode som spørsmålene som stilles, og hvis du ikke vet hva eller hvordan du skal stille dem, vel, da kommer du til å bruke mye ekstra tid på å gå deg vill i et hav av tall.

• Hvordan er bedriften din strukturert, og hvilken informasjon trenger du for å komme videre? Den beste tilnærmingen er en som forbedrer arbeidsflyter, ikke forstyrrer dem.

Hvis du bytter til abonnementer, trenger du sannsynligvis annen innsikt enn publikasjoner med et sterkt annonsegrunnlag. Å bruke de samme suksessmålingene er latterlig og rett og slett unødvendig i dagens marked av nisjeløsninger.

• Bruker du et analyseprogram? Snakk med menneskene bak skjermen.

Teknologiselskaper er iterative. Tilbakemeldinger og forslag bidrar til å forbedre tjenester og omfang, så det er fordelaktig for deg og selskapet å kommunisere. Det er i samarbeid med redaksjoner og byråer at vi har vært i stand til å lansere nye versjoner og verktøy, og vi ville ikke ha vært i stand til å gjøre det uten disse samtalene. Tilbakemeldinger kan inspirere til innovasjon.

Det neste trinnet i utviklingen av redaksjonell analyse

Når du jobber med en analysetilnærming som er utformet med tanke på nyhetsredaksjonens spesifikke behov, evner og krav, kan rapportene du genererer bare skjerpe det redaksjonelle instinktet, de kan ikke undergrave det. Det handler om å integrere nyttig innsikt i nyhetsredaksjonens daglige arbeidsflyter, slik at denne typen analyser er like brukervennlige og vanlige som å åpne en e-post eller laste opp en artikkel. Hvordan dette ser ut i praksis vil variere fra nyhetsredaksjon til nyhetsredaksjon. Du kan fortsatt ha en dedikert analyseavdeling som har ansvaret for å varsle seksjoner om suksess eller problemer med visse artikler. Du kan være et mye mindre team, hvor ansvaret for denne typen overvåking faller på redaktører og seksjoner. Det finnes ingen riktig kombinasjon. Det eneste som er riktig, er å finne en tilnærming som lar deg bevege deg videre mot en datainformert tankegang, hvor beslutninger styres av data, ikke drevet av dem. Vi kaller det innholdsintelligens, og vi tror det er paradigmeskiftet bransjen trenger.