Будущее редакционной аналитики: возможности и вызовы

Классические веб-аналитические инструменты хорошо справляются с решением общемаркетинговых задач: фиксацией конверсий и путей их достижения, рентабельностью отдельных источников трафика, A/B тестированием лендингов и т. д. Но подход к редакционной аналитике должен значительно отличаться, поскольку:

  • соотносится с приоритетами редакции и общими целями организации (они будут отличаться для коммерческих, некоммерческих и публичных изданий);
  • включает в себя сбор информации как для тактических ежедневных решений, так и для долгосрочного стратегического развития;
  • отслеживает постоянно изменяющуюся медиасреду.

Что такое успех статьи?

Одна из базовых сложностей — определить критерии успеха: какой материал или автор считается хорошим, а какой — плохим, и с чем вообще сравнивать? Можно ли сравнивать популярность разных типов контента — лонгрида, видео, аудио, тестов, графики? У этих материалов — разные задачи, а значит, и метрики для них не могут быть одинаковыми.

«Цифрам нужен контекст», — отмечает в интервью Ник Петри (Nick Petrie), руководитель онлайн-изданий The Times of London и Sunday Times. Если оценивать количество читателей конкретного материала безотносительно общего числа посетителей раздела, выводы об успешности публикации будут необоснованными. Например, статью прочли 300 человек — это много или мало? И в сравнении с чем?

Подход к редакционной аналитике должен соответствовать бизнес-модели конкретного новостного ресурса. Бесплатные сайты, живущие за счет рекламы, подписные ресурсы, издания, ориентированные на социальные сети, использующие спонсорский контент, общественные и некоммерческие новостные проекты — для всех них важны разные метрики.

Какие метрики важны для редакции?

Чисто редакционные метрики (например, влияние) очень часто остаются вне зоны внимания — они очень сложны для исследования и не представляют прямой ценности для коммерческого отдела. А вот группы метрик на стыке интересов рекламного отдела и редакции — вовлеченность и лояльность — лучше проработаны.

Среди важных редакционных метрик есть те, которые вполне легко отслеживать, и те, для которых нужно искать более сложные решения. Такие показатели, как число посетителей, время на сайте, просмотры страниц и т.д. являются весьма точными, но показывают реальное положение дел с несколько ограниченной точки зрения

Даже базовые метрики не всегда можно точно посчитать. Простой пример: просмотры одного и того же материала одним и тем же пользователем с разных устройств. Если это — не использование платной подписки, то в остальных случаях реальный охват посчитать практически невозможно. Общий охват в таком случае не равен сумме охватов на разных девайсах — вполне вероятен сценарий, при котором пользователь сперва открыл статью на телефоне, а затем продолжил читать на планшете или ноутбуке, или наоборот.

Себастиан Хорн (Sebastian Horn) из немецкого Ze.tt отмечает: «Одна из сложных задач — измерение охвата и влияния не только на собственном сайте, но и в социальных сетях. Каждая социальная платформа отдает достаточно много информации, но можно ли доверять ей, что она значит для вас и как сравнивать платформы между собой? Можно ли сравнивать показ в Twitter с показом в Facebook? А видео в Snapchat с трехминутным видео на YouTube? И как, наконец, агрегировать и ранжировать эту информацию, и как соотнести все это с монетизацией?»

В масштабном исследовании, подготовленном для Reuters, представлена следующая таблица редакционных метрик, расположенных от более очевидных к комплексным, требующим принципиально нового подхода к исследованиям и анализу:

Прежде чем перейти к сложным вопросам, стоит определиться с базовым набором аналитических метрик, которые затем можно комбинировать и рассматривать в контексте конкретных задач.

Базовые метрики:

  1. Просмотры страницы.
  2. Отношение количества просмотров страницы к среднему числу просмотров аналогичного контента;

3. Число посетителей страницы;

4. Процент или количество пользователей, читающих более X статей за определенный период;

5. Процент или количество пользователей, переходящих с отдельного материала на другие;

6. Общее время на странице;

7. Общее непрерывное время на странице;

8. Общее время на странице за последние X минут;

9. Общий процент просмотренных страниц;

10. У каких авторов, разделов и тематик лучшие показатели;

11. Количество ссылок на конкретную статью;

12. Прослеживается ли общий паттерн поведения среди пользователей, пришедших из одного источника.

Социальные сети и распространение:

1. Общее количество репостов статьи;

2. Количество репостов от пользователей, которые ранее ничего не репостили с вашего ресурса;

3. Число лайков материала;

4. Число лайков от пользователей, не являющихся подписчиками вашей страницы в этой социальной сети;

5. Количество репостов от других страниц/организаций;

6. Рост числа репостов;

7. Репост конкретного материала определенной группой пользователей;

8. Количество цитат вашего материала в других статьях или републикация, если эта опция доступна;

9. Процент пользователей, совершающих полезное действие (подписка, вступление в группу и т.д.) после поста в социальных сетях.

Вовлеченность и полезные действия:

1. Число пользователей, совершивших платеж (например, купивших подписку);

2. Число подписавшихся на рассылку;

3. Число пользователей, открывших письмо из рассылки и/или перешедших по ссылке из письма;

4. Процент пользователей, прочитавших более X рассылок;

5. Число пользователей, зарегистрировавшихся для получения бесплатного доступа к полезным материалам;

6. Количество пользователей, подключивших функцию подключения уведомлений;

7. Общее число комментариев к публикации;

8. Число комментариев на форуме;

9. Соотношение количества комментариев от новых и старых комментаторов;

10. Число пользователей, сохранивших и/или добавивших публикацию в закладки.

Следует помнить, что количественные измерения без привязки к качеству имеют весьма малую ценность. Например, количество сессий само по себе не так важно, но оно может использоваться для оценки отношения охвата к вовлеченности. Некоторые данные обладают высокой точностью, например, взаимодействия с материалом в социальных сетях (лайки и реакции, комментарии, репосты), но их сложно связать с более важными параметрами, как охват, вовлеченность, лояльности и влияние (учитывая, что значительная доля материалов репостится, лайкается и комментируется без прочтения материала). Пути получения этой информации — серьезный вызов для аналитиков в сфере цифровых СМИ.

Поиск решений ведущими издательствами

Редакции сталкиваются с проблемой соотнесения отдельных метрик между собой и ограниченностью количественных данных, когда речь заходит о таких сложных аспектах, как отношение читателей к журналистике, их поведение, причины этого поведения и что все это значит. Даже компании, обладающие огромными массивами данных о собственной аудитории, такие как Google и Facebook, признают, что цифры не дают ответов на все вопросы и требуют качественной оценки и участия специалистов.

Die Welt

Немецкий новостной ресурс Die Welt (издательский дом Springer) разработал собственный инструмент, который подсчитывает «рейтинг статьи» по каждому из опубликованных материалов. Эта система дает возможность журналистам и редакции получить полезную информацию, собранную разными инструментами, в очень простой и наглядной форме. Общая сумма «очков» по статье — от 0 до 30, которые являются суммой баллов по 5 параметрам: число показов, время на странице, просмотры видео, репосты в социальные сети, показатель отказов. Каждый из этих параметров имеет разный вес: трафик может дать максимум 10 очков, остальные — от 0 до 5. 
 Вот так выглядит панель с рейтингом материалов:

Выбор составляющих для оценки отражает общие приоритеты Die Welt: несмотря на то, что объем трафика очень важен, он не обладает уникальной ценностью без социальной вовлеченности. При монетизационной модели metered paywall важна лояльность и заинтересованность читателей.

Раз в день все сотрудники редакции получают рассылку с рейтингом каждой статьи, что помогает журналистам оценивать эффективность собственной работы.

Другие издания дома Springer также используют этот инструмент, но для каждой отдельной площадки он настраивается индивидуально. К примеру, для таблоида Bild, который сочетает рекламную и freemium модели монетизации, важнее будут большие объемы трафика.

The Guardian

В 2012 году издательство The Guardian запустил Ophan — собственный инструмент для внутренней редакционной аналитики. Сервис предоставляет данные по каждому отдельному материалу в режиме реального времени с высоким уровнем точности. Ophan работает в браузере, с ним легко взаимодействовать на мобильных девайсах и в него можно зайти из любой точки мира, используя собственный email сотрудника Guardiаn и пароль. Сервис удобен в использовании, все данные представлены наглядно, и в этом его преимущество, поскольку с Ophan могут работать не только аналитики, но и журналисты. В месяц инструментом пользуется более 1000 сотрудников.

Отслеживание изменений в режиме реального времени важно для редакции. Сотрудник наблюдает, как меняется поведение пользователей, когда он добавляет или убирает картинку, редактирует заголовок или текст подводки, и это всерьез меняет его видение собственной работы, эффективность действий. Меньше догадок — больше уверенности.

Ophan показывает не только традиционные метрики, такие как просмотры страниц, репосты и «время внимания» (attention time) для каждого материала за прошедшие две недели, собранные из разных источников. Также сервис фиксирует, продвигалась ли публикация в социальных сетях The Guardian ( сохраняя конкретный пост или твит, в котором она была размещена); отмечается и то, была ли новость опубликована на главной странице.

Собранную информацию можно сегментировать по отдельным признакам, включая время, раздел, девайс, браузер, страну, лояльность, время внимания, источник. Для залогиненных пользователей фиксируется путь по сайту, точки входа и выхода.

Сводная информация по каждой публикации представлена в следующем виде:

Ophan — это важный инструмент для построения новой аналитической культуры The Guardian, в центре внимания которой находится поведение пользователей. Получаемая информация призвана помогать редакции и отдельным журналистам создавать контент, максимально интересный читателям. При этом данные полезны на совершенно разных уровнях — от написания заголовков и постов в социальных сетях до стратегических редакционных решений.

The Financial Times

The Financial Times (FT) — элитное издание с доступом по подписке. Для этой монетизационной модели привлечение «правильной» аудитории является первоочередной задачей (в отличие от изданий, живущих за счет рекламы — им важен охват максимально широкого круга пользователей).

Критерий успеха для FT — вовлеченность читателей, доверие к журналистам и редакции, лояльность и оказываемое влияние, которые конвертируются в подписки.

Для решения этих задач издательство разработало инструмент Lantern, которое трансформирует совокупность отдельных данных (время, возвратность, количество статей за посещение, число комментариев) в значимые для редакции параметры вовлеченности.

Во внутренней аналитической системе журналисты и редакторы могут увидеть, например, такие сводки:

Рене Каплан (Renée Kaplan), руководитель разработки Lantern, и ее коллеги признают, что все еще остается очень много задач для создания действительно полноценной аналитической системы. Среди сложностей — разработка метрик для отдельных типов контента, измерение более тонких параметров, таких, как оценка качества материала и восприятие бренда, а также анализ поведения читателей на сторонних платформах. Facebook и Twitter требуют разных метрик и подхода к их анализу.

The Huffington Post

В редакции The Huffington Post UK у каждого журналиста есть доступ к персонализированному дэшборду Omniture (Adobe Analytics), в котором собрано множество метрик — от традиционных (просмотры страниц, уникальные пользователи и т.д.) — до более сложных: какие страницы достигают определенных показателей, какие источники переходов дают трафик, метрики видеороликов, популярность авторов и материалов.

Директор по коммерческому развитию и работе с аудиторией Джек Рэйли (Jack Riley) отмечает, что развернутая редакционная аналитика очень полезна для авторов, которые интересуются откликом по темам, на которые они пишут. Он считает, что в идеале аналитическая работа должна сочетать «человеческую» оценку со стороны журналистов и более комплексный подход аналитической команды.

В The Huffington Post используется целый ряд различных инструментов. Помимо кастомизированной версии Chartbeat, подключаются сервисы трекинга кликов, A/B тестирования (тест проходит в режиме реального времени, когда один и тот же материал размещается в двух и более версиях с разными заголовками, изображениями на определенный промежуток времени). Также используется сервис персонализированных рекомендаций Gravity, показывающий интересы и рециркуляцию пользователей. Все эти инструменты помогают The Huffington Post расставлять редакционные приоритеты и принимать организационные решения для привлечения широкого круга читателей (учитывая, что бизнес-модель издания основана на продаже рекламы).

Перед редакцией ставятся ежедневные и ежемесячные цели по определенным показателям. Omniture показывает, насколько эти цели достигаются на отдельных уровнях, в том числе в зависимости от используемого девайса, источников трафика, работы журналистов. Четкие критерии результативности, с одной стороны, делают оценку более объективной, с другой — могут сильно формализовать работу. Джек Рэйли поясняет, что показатели хоть и важны, но не являются принципиальной оценкой работы журналиста: «По моему опыту, лучше иметь какую-то информацию и с умом использовать ее, чем не иметь ничего и строить гипотезы».

Описанные кейсы довольно сильно отличаются друг от друга, поскольку показывают решение задач разных типов редакций с разными монетизационными схемами. Но можно выделить как минимум четыре важные тенденции, которые отражают переход от рудиментарных форм к новой редакционной аналитике:

  • аналитика связана с редакционными приоритетами и общими задачами организации (будь то коммерческие, некоммерческие, общественные или политические СМИ);
  • аналитика используется как для краткосрочных ежедневных решений, так и для долгосрочного стратегического планирования;
  • аналитика постоянно развивается вместе с изменениями медиасреды;
  • доступ к информации имеют все сотрудники редакции, активно развивается аналитическая культура журналистов.

Для большей наглядности основные характеристики кейсов мы собрали в таблице:

Нерешенные вопросы и сложности

Сегодня крайне актуален вопрос выработки метрик вовлеченности, поскольку даже рекламодатели стали больше интересоваться не кликами, просмотрами страниц и уникальными посетителями, а тем, насколько размещение на конкретной площадке решает бизнес-задачи (продвижение продукта, узнаваемость бренда, лояльность). Простые количественные показатели несложно накрутить — посещения, клики и т.д., поэтому они теряют ценность в глазах тех, кто готов платить деньги за публикации. По оценкам, опубликованным в исследовании для Reuters, приблизительный объем трафика, генерируемого ботами, составляет 22 %. При этом поведение этих ботов становится все более приближено к человеческому. В результате рекламодатели стали интересоваться альтернативными поведенческими метриками, такими как внимание, вовлеченность и влияние на читателя. Пока трудно сказать, как именно будет развиваться система оценки по этим метрикам, но, вероятно, в разработку сложных систем будут вкладываться не только редакции, но и сами рекламодатели, что ускорит работу.

Сейчас разработкой эффективных метрик для оценки влияния в США занимаются некоммерческие организации, научные институты, филантропы и общественные СМИ. (Примечательно, что европейские издания пока что практически не работают в этом направлении.) Например, фонд Knight Foundation выделил радио NPR (National Public Radio) 35,000 долларов для создания инструмента Сarebot, который должен оценивать, насколько контент интересен пользователям. Carebot использует как уже известные параметры (такие как глубина прочтения страницы и число репостов), так и собственные экспериментальные метрики, отражающие пользовательскую оценку качества публикации. Руководитель проекта Брайан Бойер (Brian Boyer) отмечает, что Carebot будет уделять особое внимание метрикам социальной вовлеченности (лайки, репосты, комментарии), времени на странице, глубине просмотра, а также агрегировать данные из разных ресурсов, таких как Сhartbeat, Google Analytics, Facebook и Twitter.

Перед редакциями и исследователями стоит еще целый ряд нерешенных задач. Белых пятен и проблемных полей все еще очень много, и мы постарались обозначить самые важные из них:

1. Многие редакции вынуждены использовать аналитические инструменты, созданные для маркетологов, а они не отвечают специфическим задачам онлайн-изданий.

2. В большинстве случаев трудно получить демографическую информацию о читателях (кроме сайтов, где необходима регистрация с указанием достаточного подробного набора данных о пользователе).

3. Очень трудно интегрировать метрики, полученные из разных источников (собственный сайт, приложение, сторонние ресурсы).

4. Издательства обладают определенными знаниями о тех, кто пользуется их сайтом, но практически ничего не знают о тех, кто не посещает ресурс (включая аудиторию конкурентов), и то, как они используют социальные платформы. Эта информация обладает повышенной ценностью, поскольку помогает увеличению охвата и роста числа пользователей.

5. Невозможно оценить реальный охват аудитории, поскольку пользователи могут читать одни и те же публикации с разных устройств. Дополнительную сложность в измерении представляет офлайн-чтение и просмотр контента через сторонние площадки.

6. Количественные показатели трудно связать с информированностью, вовлеченностью и эмоциональной реакцией пользователей.

7. Знания об аудитории сводятся скорее к действиям людей, но мы все еще далеки от оценки реального смысла этих действий. Можно проследить путь по сайту, но невозможно объяснить, как происходит конвертация посетителя в читателя, лояльного читателя и подписчика.

Наш сервис Giraff.io предлагает комплексные аналитические решения для онлайн-редакций. Мы работаем с ключевыми метриками, важными для издательств: число посетителей за определенный промежуток времени, новые пользователи, клики, источники трафика, просмотры, репосты, лайки и шары социальных сетях, процент доскролла и время чтения и другими параметрами.

Мы стараемся представлять все важные данные в наглядном виде. Так, например, сводная информация по каждому материалу для журналистов и редакторов расположена на вкладке Content:

С Giraff.io можно увидеть и проанализировать поведение пользователей на вашем сайте, узнать, что они читают в данный момент, сколько времени длится взаимодействие и какой процент дочитывает материал до конца. Доступ к аналитике в режиме реального времени дает возможность оперативно корректировать публикации, например, изменять заголовок и подводку, и видеть, как эти изменения влияют на поведение читателей.

Среди других преимуществ сервиса — расширение аудитории за счет площадок-партнеров, увеличение вовлеченности благодаря функции персональных рекомендации, а также отличные возможности для монетизации ресурса.

И еще один существенный плюс — пользоваться Жирафом можно бесплатно, а значит, даже мелкие и средние контентные проекты могут обеспечить себе доступ к качественной редакционной аналитике.