Como a análise de dados com IA pode ajudar editores e profissionais de marketing de conteúdo

As ferramentas de análise da web são quase tão antigas quanto a própria web, sendo que as primeiras operavam no lado do servidor para ajudar a monitorar o uso de recursos, padrões de acesso, etc. Essas ferramentas tornaram-se cada vez mais poderosas na medição e interpretação do comportamento do usuário na web, impulsionando a transformação digital em diversos setores, do varejo à publicação e ao imobiliário. A evolução das ferramentas de análise desde os primórdios da internet ampliou seu escopo em várias direções:

• Escopo dos dados de usuário e comportamento : Perfis de usuário, Rastreamento entre sessões com cookies, Referenciadores, Pulsação da página, Mapas de calor, Rastreamento entre dispositivos, Qualidade do engajamento, etc.
• Escopo dos dados de conteúdo (inteligência de conteúdo): URLs, tipo de página (formulários vs. listas vs. artigos vs. comércio eletrônico), tags, categorias, objetos e tópicos no conteúdo, autores, etc.
• Confiabilidade e qualidade da coleta: Cookies do navegador, SDKs, WebSockets, criação de perfis entre dispositivos, coleta e rastreamento de eventos personalizados, rastreamento de comércio eletrônico e integrações de CRM, relatórios em tempo real, etc.
• Escopo das informações: conversões, metas, interesses do público, filtros de conteúdo perene versus conteúdo de notícias, dicas de otimização com IA, detecção de anomalias com IA, etc.

Destas, várias são função da evolução técnica em linguagens de programação, navegadores web e padrões da internet, mas algumas, como análise de conteúdo, classificação e mineração automatizada de insights, só são possíveis como resultado de aprendizado de máquina e IA.

O papel da análise de dados na publicação digital

A publicidade digital tem conquistado uma parcela cada vez maior dos investimentos em marketing nas últimas duas décadas. De acordo com um estudo da [nome da empresa/instituição], Instituto Lenfest sobre Assinaturas DigitaisA receita internacional do Google com publicidade ultrapassou toda a receita (incluindo a de jornais impressos e online) gerada pelos jornais. Isso levou a fechamentos em larga escala, reduções de pessoal e à ascensão das assinaturas digitais como principal fonte de receita para as organizações de notícias modernas. Com a publicação digital se tornando o novo normal, a análise da web (especificamente a análise de publicações) interpreta o alcance, o engajamento, os perfis dos leitores e praticamente tudo o que um editor ou potencial anunciante deseja saber sobre seus leitores antes de investir recursos em campanhas editoriais ou publicitárias. Até mesmo a decisão de optar ou não por um modelo de assinatura digital paga e os mecanismos de bloqueio de conteúdo exigem dados para otimizar a conversão ao máximo, minimizando a perda de leitores estudo explica.

O papel da IA ​​na análise da Web

A inteligência artificial está (alguns diriam merecidamente) em ascensão, com várias de suas aplicações caminhando a passos largos rumo ao "pico das expectativas infladas" no futuro ciclo de hype. Como se define como uma melhoria ou ampliação da inteligência humana, suas aplicações podem ser tão vastas quanto a própria imaginação humana – da medicina à economia, do entretenimento e muito mais. A análise de dados, ou pelo menos a disponibilidade de grandes volumes de dados coletados sob condições de entrada previsíveis e com resultados e saídas previsíveis, é o combustível sobre o qual os algoritmos de Aprendizado de Máquina e Inteligência Artificial são construídos. Como a análise de dados é essencialmente a coleta, interpretação e descoberta de padrões em dados, ela é um componente crítico da maioria das implementações de IA. Por exemplo, os resultados de busca do Google evoluem em função da precisão e utilidade que seus usuários consideram nos resultados, e os dados para esse feedback são gerados pela análise de dados que verifica se os usuários encontraram o que procuravam em sua consulta de busca.

Aplicações de IA em Análise de Dados para Editoras

Quase todas as editoras com alcance razoável têm presença digital hoje em dia, e as assinaturas digitais estão se consolidando cada vez mais como um importante motor de receita para publicações de médio e grande porte. Nesse contexto, aqui estão 4 dos principais desafios que as editoras digitais enfrentam hoje e que as plataformas de análise com IA podem ajudar a solucionar, agrupados por principais partes interessadas:

1. Segmentação de público por interesses e afinidades temáticas
2. Personalização em escala – em todos os canais
3. Comparação editorial por pares, identificação e priorização de oportunidades
4. Detecção de outliers / Descoberta de insights em alta velocidade de dados

Cada um desses exemplos representa um caso de uso para agir com base em dados, em vez de simplesmente analisá-los como os entendíamos antes. Mas é justamente nessa direção que a IA está conduzindo a evolução da análise de dados: insights acionáveis. Vamos analisar cada um deles em detalhes.

Segmentação de público por interesses e afinidades temáticas

Para as equipes editoriais e de desenvolvimento de público, a capacidade de agrupar e visualizar o público por suas afinidades temáticas pode ser um desafio significativo a ser resolvido – o que atualmente é feito usando uma combinação de indicadores demográficos, como idade, sexo, localização e atributos de sessão, como público do Facebook, usuários recorrentes, categoria de política visitada, etc. Uma ferramenta de análise que marca automaticamente as publicações com tópicos e mede a qualidade do engajamento pode simplificar esse processo e fornecer uma segmentação de público baseada em interesses muito mais confiável.

Mapa de árvore dos interesses do público-alvo no NativeAI Analytics

Essa segmentação pode ser usada das seguintes maneiras:

• As equipes editoriais podem avaliar diferentes grupos para priorizar tópicos relevantes para as notícias
• Compreender as afinidades temáticas em comum para melhorar o envolvimento do leitor
• As equipes de desenvolvimento de público podem identificar públicos semelhantes e as fontes de tráfego mais eficazes para encontrar leitores altamente engajados
• Os profissionais de marketing digital podem comparar os resultados das campanhas com base no engajamento, em vez de apenas no volume de tráfego

Personalização em escala – em todos os canais

A melhor maneira de atrair, engajar e fidelizar usuários é oferecer uma experiência personalizada que aprenda com o perfil do usuário, seus padrões de comportamento e suas escolhas declaradas. Com análises que rastreiam dimensões adicionais, como a qualidade do engajamento, o tipo e o tópico do conteúdo com o qual o usuário interagiu, o canal, a campanha e o dispositivo usados ​​para interação em diferentes momentos do dia, é possível construir um mecanismo de personalização de alto impacto que aprenda as preferências de cada usuário. Uma personalização bem-sucedida requer três fatores:

1. Coleção de atributos do usuário
2. Registro do caminho de conversão
3. Rastreamento de sucesso de conversão

Com esses pontos de dados, é possível treinar um modelo de aprendizado de máquina para reconhecer padrões e oferecer experiências personalizadas que funcionem para cada usuário. De fato, aplicativos de leitura de notícias personalizados, como.. Flipboard A News360 preenche exatamente essa lacuna hoje, oferecendo uma experiência personalizada de notícias sobre tópicos específicos. Para uma publicação digital com milhões de usuários mensais, personalizar experiências pode ser um grande desafio, baseado exclusivamente em escolhas explícitas do usuário e análises com inteligência artificial, e a News360 pode ajudar a superar esse desafio. Um mecanismo de personalização com inteligência artificial pode ser útil para:

• Recomendações de conteúdo para melhorar a recirculação e a retenção de público
• Cultivo de leads para convertê-los em assinantes de newsletter ou assinaturas pagas
• Previsão da probabilidade de conversão para cada usuário e mapeamento de paywalls personalizados com limite de acesso
• Escolher os canais e o momento certos para exibir esses alertas – por meio de e-mail, notificações push, janelas web, banners, etc.

Na NativeAI, atualmente conseguimos quantificar o engajamento e reconhecer os interesses do público, além de estarmos trabalhando em recomendações de conteúdo. Há muitas possibilidades interessantes nesse campo, e estamos ansiosos para ajudar os editores a enriquecer seus próprios mecanismos de personalização com esses dados. (Nota: Trabalho na News360 e...) Análises de editores da NativeAI A plataforma mencionada neste artigo foi desenvolvida pela News360

Comparação editorial por pares, identificação e priorização de oportunidades

Como mencionado anteriormente, as plataformas de análise baseadas em processamento de linguagem natural (PLN) podem classificar o conteúdo por tópicos e construir uma hierarquia de tópicos relacionados na taxonomia. Essas plataformas também podem fornecer insights de conteúdo, pois incluem todos os recursos de uma plataforma de inteligência de conteúdo . Isso permite que os editores comparem seu conteúdo com o da concorrência para identificar lacunas ou oportunidades e reforçar vantagens competitivas. Identificar os tópicos que geram maior engajamento também pode ajudar as equipes editoriais a otimizar a priorização dos recursos de reportagem.

Comparação do mix de conteúdo com editoras concorrentes

Algumas aplicações derivadas que também podem ser importantes para as equipes editoriais são:

• Medir a velocidade de publicação de tópicos de alto valor e compará-la com a concorrência, já que matérias sobre o mesmo tema, em diferentes veículos de comunicação, podem ser etiquetadas e agrupadas automaticamente
• Relatórios de engajamento e tráfego filtrados por autores, tópicos e tags próprias da editora
• Marcação automática de matérias em sistemas de gerenciamento de conteúdo (CMS) de editoras, com tecnologia de processamento de linguagem natural (PLN), antes da publicação
• Otimização de títulos e previsão de CTR
• Avaliação do tipo/formato de conteúdo: conteúdo perene versus notícias, imagens versus infográficos versus vídeos.

Relatórios analíticos filtrados por autores

Detecção de outliers / Descoberta de insights em alta velocidade de dados

Um dos maiores desafios para uma empresa orientada por dados, seja na área de mídia ou marketing de conteúdo, é extrair insights dos grandes volumes de dados disponíveis, em tempo hábil para agir e gerar um impacto claro nas campanhas ou na execução. Em outras palavras, a análise de dados precisa fornecer insights acionáveis ​​em tempo real, e não retrospectivamente, para a próxima campanha. Configurar um pipeline de dados com armazenamento, modelos de coleta, filtragem, armazenamento e processamento exige um esforço considerável, mas o investimento se justifica se o resultado for instantâneo e comprovadamente impactante. A IA pode simplificar essa tarefa, que atualmente requer intervenção manual, identificando anomalias no comportamento do usuário, no tráfego ou até mesmo no conteúdo. Algumas aplicações desse tipo incluem:

• Diagnóstico e otimização de campanhas promocionais – por exemplo, você pode receber alertas quando campanhas pagas no Facebook estiverem gerando alto tráfego com engajamento abaixo do normal

• Promoções sugeridas – Um artigo ou vídeo específico pode estar apresentando bom desempenho junto a um segmento de público considerável. O sistema de recomendação de IA pode orientar a equipe de Desenvolvimento de Público a promovê-lo para esse público-alvo específico, maximizando o alcance. Essa estratégia pode funcionar ainda melhor quando integrada a investimentos programáticos
• Alertas de Quociente de Viralidade – A análise de conteúdo pode avaliar o quociente de viralidade de um artigo ou vídeo e, com base em seu desempenho na primeira hora após a publicação, pode ajudar a fornecer informações sobre como garantir a disseminação viral

O futuro parece promissor, mas o que podemos usar agora?

Embora muitas dessas aplicações sejam potencialmente fantásticas e possam simplificar nossos desafios editoriais e de desenvolvimento de público, obviamente, poderíamos nos beneficiar de alguma gratificação instantânea. Aqui estão algumas aplicações habilitadas por IA que você pode usar agora mesmo:

• Receba alertas sobre peculiaridades no tráfego do seu site com o painel do Google Intelligence que automaticamente analisa e compartilha insights.
• Você pode até fazer perguntas ao Google Intelligence , por exemplo, perguntar "De quais locais são nossos novos leitores?" em linguagem simples para obter relatórios e insights.
• de otimização para suas campanhas no AdWords
• Crie e otimize textos de marketing para e-mail e mídias sociais com o Phrasee.
• Análises de mix de conteúdo e relatórios de oportunidades na NativeAI
• Personalização em escala de e-mails de assinatura com Sailthru, uma solução implementada com grande sucesso pelo Business Insider.

As possibilidades da IA, do aprendizado de máquina em análise de dados e das soluções acionadas por análise são infinitas e, na minha opinião, estamos à beira de um boom. Nós, da NativeAI, estamos considerando todas essas possibilidades e trabalhando para tornar algumas delas realidade para editores digitais. Ficamos entusiasmados em ver muitos outros na área de análise de dados, otimização de assinaturas e personalização resolvendo desafios relacionados e adoramos a velocidade da inovação neste setor.