Magkänslans tid är förbi
Så gör vi datadriven innehållsutveckling
Under vintern 2016 började MittMedia låsa innehåll på samtliga 20 sajter och i alla 24 appar. Det här är berättelsen om hur vi, för tredje gången gillt, fick affärsmodellen att funka. Så här gick det till:
1. 2014 började vi med premiummärkt innehåll med syfte att få befintliga prenumeranter att aktivera sitt digitala konto, målet var att 50 procent av prenumerationsstocken skulle logga in på sajten. Under den här perioden fanns en stor rädsla inom både redaktion och annons att tappa sidvisningar, så de bästa artiklarna förblev ofta “olåsta” samt att social trafik var öppen mot låsta artiklar.
2. När 50 procent av alla prenumeranter aktiverat sitt konto var det dags att justera strategin, den här gången var innehållet i fokus och en gemensam reportergrupp inom MittMedia gjorde “premiuminnehåll”. Det var alltså ett kompletterande innehåll till den lokala journalistiken. Men innehållet blev snarare ett extra lager i produkten än en ny kärna.
3.Under sommaren 2016 var ledningen tydlig: vi måste bevisa den digitala konsumentaffären. Det resulterade i ett stort projekt, som skar rakt genom hela organisationen, och gick under flaggen “Paid content 3.0”. Vi fick i detta skede stor hjälp av våra norska kollegor på mediekoncernen AMedia som frikostigt delade med sig av sina erfarenheter som starten på ett långsiktigt kunskapsutbyte. Internt på MittMedia startade projektet med en grundlig innehållsanalys på utvecklingsavdelning och landade i gemensamma innehållsriktlinjer över hela MittMedia. Istället för att premium är ett kompletterande innehåll är Plus i en del av det dagliga journalistiska arbetet. Och det är berättelsen om den resan som jag vill berätta i det här inlägget.
Arbetet med “Paid content 3.0” startade den 15 augusti, började rullas ut två månader senare och nu — knappt fem månader senare — är det en kärna i MittMedias framtida strategi. På tre månader (26 oktober och 25 januari) har 20 sajter och 24 appar fått låst innehåll.
Från webbanalys till data science
Så hur landade vi vilket innehåll som är Plus?
Hos MittMedia har vi länge jobbat med traditionell webbanalys av redaktionellt innehåll och har ett datadrivet förhållningssätt på våra nyhetsdeskar. Men med projektet “Paid content 3.0” tog vi steget mot mer avancerad analys och gick för första gången från webbanalys till data science. Det här var inte bara ett steg utan ett rejält kliv framåt och nu kunde vi jobba med bättre metoder och skapa värde av all den data vi samlat.
Anledningen till att vi tog steget beror mest på att vi för första gången kunde. Dels har vi under de senaste åren jobbat med en relativt komplex metadatastruktur på artikelnivå. Den ger oss datapunker på kategori, tagg, X-Y position på händelsen, textlängd, embed-typ, nyhetsprio osv.
Utmaningen har varit att kombinera innehållsdata med användardata på ett bra sätt, unik webbläsare är ett alldeles för trubbigt mått. Nu känns det skönt att vi upptäckte dessa utmaningar tidigt och har löst det genom att bygga en egenutvecklad dataplattform som hanterar innehåll, användare, köp och events i en och samma graf-databas. Detta skapar fantastiska möjligheter för analys och tillåter oss kombinera datapunkterna fritt.
Approachen vi valde för att definiera vilket innehåll som är relevant för befintliga och potentiellt nya kunder började med en kvantitativ analys av cirka 80 000 artiklar som lästes under fyra månader. Konsumtionen av artiklarna ställde vi mot tre prioriterade användargrupper; inloggade användare, lojala icke-inloggade (mer än fem besök per vecka) och alla användare.
Hur mäter vi redaktionell kvalitet enligt användaren?
Vi landade i tre metrics för OUTPUT, detta för att mäta hur redaktionell INPUT presterar mot användarnas intressen.
Effektivitet: Antal inloggade läsare per plusartikel inom specifikt ämnesområde.
Popularitet: Antal plusartiklar per inloggade läsare inom specifikt ämnesområde, relativt.
(Total inloggade läsare per ämne, absolut).
Engagemang: Procentuell andel av “fingerprints” som är inloggade inom specifikt ämnesområde, relativt.
(Total antal inloggade användare, absolut).
Mätningar INPUT:
Total antal publicerade artiklar per ämnesområde.
Total antal publicerade plusartiklar.
Andel publicerade plusartiklar per ämnesområde, relativ.
Uppföljning i vardagen
Vi använder Tableau för att visualisera data och såhär kan en dashboard se ut:
Bilden visar antal publicerade plusartiklar per vecka inom näringsliv och nöje på allehanda.se. Här kan nyhetsdesken själv välja sajt och innehållstyp. Vi använder ofta bubble charts för att få in en tredje dimension i graferna där storleken på bubblan visar själva mätvärdet, i just det här exemplet kan man i översta grafen se hur många plusläsare ämnena hade per vecka.
Andra grafen visar effektivitet, hur många pluskunder i snitt per publicerad plusartikel.
Tredje grafen visar popularitet av ämnet, hur många plusartiklar per pluskund.
Hur gick det?
Nya pluskunder är ett prioriterat KPI för MittMedia där plusartiklar är motorn. Hela poängen med innehållsanalysen är att attrahera nya kunder samt att minska churn hos befintliga kunder.
Mätpunkter för nya pluskunder kan vi vrida och vända på många sätt, nedan är ett exempel på hur vi följer nya kunder per dag och hur de fördelar sig över MittMedia olika titlar.
Så gör vi datadriven innehållsutveckling
När vi nu går in i 2017 gör vi det med plusinnehåll som kärnan i MittMedias digitala innehållsprodukter. Plus-lanseringen är egentligen bara ett sätt att införa ett datadriven innehållsutveckling och det påverkar hela vår produktions- och utvecklingsprocess. Vi följer nya pluskunder på daglig basis, dels på MittMedia-nivå men också nedbrutet på lokala varumärken.
Och det som började som ett tredje försök att lyckas med låst material är nu ett framgångskoncept. Inte för att vi internt omorganiserat eller ompaketerat utan för att kunderna visar oss, genom att plocka fram plånboken, att de är redo att betala för det digitala innehåll vi skapar.
