Neben der Suche nach einem nachhaltigen Geschäftsmodell stehen die heutigen Verlage im digitalen Bereich vor einer weiteren Herausforderung: Sie müssen die Leistung ihrer Inhalte richtig messen und das Verhalten ihrer Zielgruppe wirklich verstehen. Dies ist ein echtes Problem für alle Arten von Publikationen, unabhängig davon, ob sie werbefinanziert sind oder zu der neuen Generation gehören, die nach einem Lesereinnahmenmodell operiert.
Früher waren die Dinge etwas einfacher. Verleger könnten ihren Geschäftserfolg messen, indem sie die Anzahl verkaufter Zeitungen oder Zeitschriften im Zeitverlauf notieren und vergleichen. Sie könnten dann die Größe ihrer Leserschaft schätzen, indem sie die Anzahl der verkauften Exemplare mit 2 oder 2,5 multiplizieren, was als durchschnittliche Weitergaberate . Informationen über den Verbreitungserfolg waren besonders wichtig für Werbetreibende, die vor der Investition in Werbeflächen einen Wertnachweis wollten.
Ältere Medienverlage verlassen sich immer noch auf diese Art von Berechnungen, denn seien wir ehrlich: Es ist nichts Besseres.
Mit dem Eintritt in das digitale Zeitalter entdeckten Verlage neue Möglichkeiten, ihre Inhalte zu monetarisieren. Allerdings befanden sie sich auch auf unbekanntem Terrain. Die Messung der Inhaltsleistung erforderte nun den Einsatz von Analysetools und den Erwerb von Datenkenntnissen, was sich für viele Verlage als große Herausforderung erwies. Daher der Trugschluss, einzelnen Metriken zu vertrauen.
Versuchen wir herauszufinden, warum einzelne Metriken wie z
- Seitenaufrufe
- Zeit auf Seite und
- Wiederkehrende Besucher
Für Verlage, die die Leistung ihrer Inhalte messen, das Verhalten ihres Publikums verstehen, ihre treuen Leser identifizieren und eine starke Beziehung zu ihnen pflegen möchten, können sie keine verlässlichen Messgrößen sein.
1. Seitenaufrufe
Seitenaufrufe sind ein allgegenwärtiges Mittel zur Messung der Anzeigenleistung und der Beliebtheit von Produktseiten auf E-Commerce-Websites. Google Analytics eingeführt , einem der bekanntesten Analysetools auf dem Markt, das hauptsächlich für E-Commerce-Unternehmen entwickelt wurde.
Das Problem mit Seitenaufrufen:
Da es leider nichts Besseres gab, wurden Seitenaufrufe bald von vielen Analysetools auf dem Markt als legitime Kennzahl zur Messung der Inhaltsleistung übernommen.
Seitenaufrufe wurden von vielen Verlagen wie folgt falsch interpretiert: Mehr Seitenaufrufe bedeuten mehr Besucher und mehr Engagement. Wenn ein Inhalt 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 Seitenaufruf-Treffer, Seiten-Tracking-Treffer) ist ein Vorgang, bei dem eine Seite in einen Browser geladen (oder neu geladen) wird. Seitenaufrufe sind eine Kennzahl, die als die Gesamtzahl der aufgerufenen Seiten definiert ist. […] Wenn ein Benutzer nach Erreichen der Seite auf „Neu laden“ klickt, 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 die Anzahl der Sitzungen darstellt, in denen eine bestimmte Seite mindestens einmal aufgerufen wurde. Wenn also ein bestimmter Benutzer die betreffende Seite besucht, sie dann verlässt und innerhalb derselben Sitzung wieder zu ihr zurückkehrt, zählt GA einen einzelnen Seitenaufruf.
Seitenaufrufe sind jedoch eine Browser-Metrik und beschreiben nicht die Art der Verbindung oder den Grad der Interaktion, die Website-Besucher mit Ihren Inhalten hatten. Bei weitem nicht.
Eine Person könnte 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 Seitenaufrufe 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.
So versuchen Verlage, Seitenaufrufe zu verstehen:
Verleger und Content-Vermarkter versuchen möglicherweise, diese Metrik besser zu verstehen, indem sie beobachten, wie sie mit anderen einzelnen Metriken korreliert, die im GA und ähnlichen Analysetools verfügbar sind.
Sie betrachten beispielsweise die Kombination einzelner verfügbarer Metriken: Seitenaufrufe, durchschnittliche Verweildauer auf der Seite und Absprungrate. Die übliche „Formel“ zur Einschätzung, ob ein bestimmter Artikel gute Ergebnisse erzielt hat oder nicht, lautet also etwa so:
Hohe Anzahl an Seitenaufrufen + „gute“ durchschnittliche Verweildauer auf der Seite + niedrige Absprungrate
„Die ideale“ Zeit auf der Seite wäre diejenige, die der notwendigen Lesezeit für den betreffenden Artikel entspricht. Die durchschnittliche Lesegeschwindigkeit liegt bei etwa 265 WPM, also setzen sich Verleger hin und rechnen ein wenig: Wenn ihr Artikel 1500 Wörter hat, würde es etwa fünfeinhalb Minuten dauern, bis eine Person ihn von oben bis unten gelesen hat. Natürlich werden es nicht alle Website-Besucher durchlesen, daher ist die durchschnittliche Verweildauer auf der Seite geringer. Der schwierige Teil für Publisher besteht darin, zu entscheiden, welche Zeit hier akzeptabel wäre , dh was eine „gute“ durchschnittliche Verweildauer auf der Seite ist.
Das Hauptproblem dabei? Nun, die Art und Weise, wie die durchschnittliche Zeit auf der Seite in GA und ähnlichen Tools berechnet wird, kann Ihre Annahmen durcheinander bringen (siehe den folgenden Abschnitt mit dem Titel „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 einzelner Seitenbesuche. Die Absprungrate für eine Seite basiert nur auf Sitzungen, die mit dieser Seite beginnen.
Daher denken Publisher: Je niedriger die Absprungrate, desto besser. Theoretisch haben sie recht, denn dies deutet darauf hin, dass die Leute an anderen auf Ihrer Website veröffentlichten Inhalten interessiert waren, sich also entschieden haben, weiter zu stöbern. Aber Informationen darüber, wie sie tatsächlich mit Ihren Inhalten interagiert haben, sind in den Standardberichten von GA nicht verfügbar. Sie können davon ausgehen, dass einige davon auf Ihrer Website hängengeblieben sind, aber das ist alles.
Online finden Sie Informationen zu den idealen Absprungratenwerten : Sie liegen nicht über 40 %, während die Durchschnittswerte bis zu 55 % betragen. Sie sollten sich jedoch an Ihrer eigenen Website orientieren und nicht Zahlen und Normen hinterherlaufen, die für jemand anderen funktionieren. Außerdem können Werte für die Absprungrate schrecklich irreführend sein, wenn sie nicht richtig interpretiert werden. Auch der Kontext ist wichtig: Wenn eine Kontaktseite beispielsweise eine hohe Absprungrate hat, bedeutet das nicht, dass sie keinen Mehrwert bietet. Es beantwortet einfach eine bestimmte Anfrage für Benutzer, die dann nicht das Bedürfnis verspüren, weiter zu stöbern.
Wie wir dieses Problem angegangen sind:
Im Gegensatz zu Seitenaufrufen in GA und ähnlichen Tools haben wir bei Content Insights komplexe Metriken entwickelt . Unsere Analyselösung verfügt über Article Reads , die sich auf echtes menschliches Verhalten konzentriert, da sie die tatsächlich auf der Seite verbrachte Zeit berücksichtigt, aber auch die Art und Weise, wie Menschen mit der Seite interagieren (z. B. Klicks, Textauswahl, Scrollen usw.). Zusätzlich zu den gelesenen Artikeln verfügt CI auch über die Lesetiefe als komplexe Metrik, die zeigt, wie tief ein Besucher in das Lesen eines Inhalts vertieft ist. Für eine höhere Präzision beruht es auf der Kombination mehrerer Metriken, darunter die Aufmerksamkeitszeit. Darüber hinaus verfügen wir auch über die Seitentiefe , die die durchschnittliche Anzahl der besuchten Seiten berechnet, nachdem ein Leser die erste Seite oder den ersten Artikel geöffnet hat.
2. Verweildauer auf der Seite / Durchschnittliche Verweildauer auf der Seite
Viele Verlage berücksichtigen die Zeit auf der Seite und die durchschnittliche Zeit auf der Seite, wenn sie versuchen zu definieren, welche Inhalte als ansprechend angesehen werden könnten. Sie gehen davon aus, dass die Wahrscheinlichkeit, dass die angebotenen Inhalte ansprechend sind, umso höher ist, je länger Menschen auf einer bestimmten Seite bleiben.
Wenn Sie sich jedoch darüber im Klaren sind, wie diese Kennzahl gemessen wird, werden Sie feststellen, dass sie keine verlässlichen Erkenntnisse liefert.
Das Problem bei der Messung der Zeit auf der Seite:
Google Analytics und ähnliche Analysetools messen diese Kennzahlen nur auf Browserebene, was nichts über die Art und Weise aussagt, wie Menschen mit Inhalten interagieren.
Wenn eine Person die Seite verlässt, aber den Tab geöffnet lässt, können Google Analytics und ähnliche Analysetools das nicht registrieren. Was die Analyse betrifft, 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 außerdem die Seite verlässt, nachdem er nur eine Seite angesehen hat (d. h. wenn es sich bei einem Besuch um einen Absprung handelt), wird überhaupt keine Zeit erfasst.
Wie Sie sehen, spiegeln diese Daten nicht richtig den Grad der Leserinteraktion mit Ihren Inhalten wider.
Wie Publisher versuchen, die durchschnittliche Verweildauer auf der Seite zu verstehen:
Einige Herausgeber setzen Ereignis-Tracker wie die Scrolltiefe ein, um genauere Berichte zu erhalten und sicherzustellen, dass die Verweildauer auf der Seite auch dann gemessen wird, 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:
- die tatsächliche Aktivität des Benutzers
- die Position der Falte
- die Länge des Artikels
Nehmen wir an, eine Person scrollt durch 60 % Ihres Inhalts, tut dies jedoch auf einem Bildschirm, der nicht auf 100 %, sondern auf 75 % gezoomt ist. Sie können den Rest Ihres Inhalts sehen und müssen nicht weiter nach unten scrollen.
Oder nehmen wir an, sie sind bei 60 % Ihres Inhalts angelangt, bleiben dort aber eine halbe Stunde lang (die Seite bleibt geöffnet und sie entfernen sich von ihrem Computer), bevor sie schließlich wieder abspringen. Darüber hinaus bedeutet die bloße Tatsache, dass sie durch Ihre Inhalte scrollen, nicht, dass sie diese auch tatsächlich lesen. Und was ist, wenn der Artikel nicht sehr lang ist? Die Scrolltiefe beträgt 100 %. Dies bedeutet jedoch nicht, dass dieser bestimmte Artikel mehr Engagement generiert hat oder eine bessere Leistung als andere aufweist.
Es versteht sich von selbst, dass die Berichte trotz der Ereignisverfolgung möglicherweise nicht korrekt sind, da sie kein vollständiges Bild liefern. Da Datendiskrepanzen keine Seltenheit sind, stellen Kontoinhaber in ihrem Bericht möglicherweise fest, dass die durchschnittliche Verweildauer auf der Seite länger ist als die durchschnittliche Sitzungsdauer, was wenig Sinn ergibt. 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. Die Leerlaufzeit, also die Zeit, in der eine Person nicht auf der Seite aktiv ist oder nicht auf der Seite ist, wird dabei nicht berücksichtigt. Mit dieser Kennzahl erhalten Sie also die tatsächliche Interaktionszeit.
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 Basislinie (auch „Norm“ genannt) für die beobachtete Website, den Abschnitt, das Thema, den Autor oder den Artikel darstellt.
CPI berücksichtigt Dutzende verschiedener Kennzahlen zur Inhaltsleistung und untersucht deren Beziehungen. Außerdem werden sie anhand von drei Verhaltensmodellen unterschiedlich gewichtet: Exposition , Engagement und Loyalität . Deshalb 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 Messung des aufmerksamen Lesens und der Leserreise innerhalb der Website oder Domain berechnet wird. Es bietet eine weitaus fortschrittlichere und präzisere Möglichkeit, das Engagement zu messen, als einfach die Zeit auf der Seite zu untersuchen, bei der es sich um eine einzelne Metrik innerhalb von GA und ähnlichen Analysetools handelt.
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) den Inhalt Ihrer Website zum ersten Mal lädt, weist der Google Analytics-Tracking-Code ihm eine zufällige, eindeutige ID zu, die als Client-ID bezeichnet wird, und sendet sie dann an den GA-Server
Die eindeutige ID wird in GA als neuer eindeutiger Benutzer 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 in einer neuen Sitzung die vorhandene Kunden-ID erkennt, erkennt es diesen als wiederkehrenden Besucher.
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. Da die Client-ID auf diese Weise geändert wird, kann niemand viel dagegen tun. Es ist nicht möglich, Benutzer über verschiedene Browser und Geräte hinweg zu verfolgen. Außerdem zählt Google Analytics möglicherweise denselben Besucher als neu und wiederkehrend, wenn er innerhalb eines bestimmten Zeitraums zurückkehrt. Dies bedeutet, dass es zu Überschneidungen zwischen neuen und wiederkehrenden Besuchern kommen kann, was zu Datendiskrepanzen führen kann. Darüber hinaus kann es sein, dass derselbe Benutzer für dieselbe Quelle/dasselbe Medium zweimal gezählt wird.
Allerdings gibt es hier ein viel größeres Problem:
Viele Verlage haben „Wiederkehrende Besucher“ als Maß für die Anzahl treuer Leser akzeptiert, was ein logischer Trugschluss ist.
Wiederkehrende Besucher geben die Anzahl der Personen an, die Ihre Website in der Vergangenheit besucht und dann wieder zurückgekehrt sind. Dieser Bericht sagt jedoch nichts über:
- Wie gut Ihre Inhalte Besucher ansprechen
- Das tatsächliche menschliche Verhalten (wie Menschen mit Ihren Inhalten interagieren)
- Die Häufigkeit und Aktualität ihrer Besuche
- Ob diese Besucher Ihrer Publikation tatsächlich treu oder nur gelegentliche Schnüffler sind, die schon einmal auf Ihrer Website waren (d. h., ob diese Besucher eine tatsächliche Gewohnheit , Ihre Publikation zu besuchen, oder ob sie einfach nur zufällig über einen bestimmten Zeitraum hinweg mehr als einmal auf Ihre Website gestoßen sind). aus XY-Gründen)
Um diese Metrik besser zu verstehen, können wir versuchen, sie mit einer einfachen Analogie zu erklären. Wenn jemand in ein Geschäft geht, ihn verlässt und wieder zurückkommt, ohne eine bestimmte Absicht zu haben oder tatsächlich einen Kauf zu tätigen – ist diese Person dann automatisch ein treuer Kunde? Nicht wirklich. Sie könnten es sein, aber man kann es nicht wirklich wissen.
Wir müssen noch einmal betonen: Wiederkehrende Besucher messen die Browseraktivität und haben nichts mit Loyalität zu tun.
Wie Verlage versuchen, die wiederkehrenden Besucher zu verstehen:
Viele Verlage ignorieren diese Rechenirrtümer oder sind sich nicht einmal darüber im Klaren, wie die Dinge tatsächlich gemessen werden. Sie berücksichtigen das Verhältnis von neuen zu wiederkehrenden Besuchern, um einen umfassenden Überblick über die Art des Traffics zu erhalten, den ihre Website anzieht, auch wenn es nicht sehr genau ist. Anschließend vergleichen sie Dinge wie die Anzahl der Sitzungen oder die durchschnittliche Verweildauer auf der Seite, um Gemeinsamkeiten und Unterschiede zwischen der Art und Weise herauszufinden, wie wiederkehrende und neue Besucher mit ihrer Website interagieren. Darüber hinaus können sie sich für die Anwendung einer Segmentierung und die Erstellung benutzerdefinierter Berichte entscheiden, um weitere Details zu ihren Besuchern zu erhalten.
Dennoch basieren diese Berichte auf einzelnen Metriken, die keine umsetzbaren Erkenntnisse zur Messung der Inhaltsleistung liefern.
Eine weitere Möglichkeit für Herausgeber, genauere Daten zu erhalten, ist die Verfolgung der Benutzer-ID , d. h. die Einrichtung eines Anmeldesystems auf ihrer Webseite, über das sich Benutzer anmelden können. Wenn Sie angemeldet sind, können Benutzer problemlos geräteübergreifend 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 dabei ist, dass Ihre Besucher sich wahrscheinlich nicht auf Ihrer Website anmelden, 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 eine Möglichkeit zu finden, Loyalität zu messen .
Schließlich haben wir treue Leser als „regelmäßig hochengagiert“ , da dies am genauesten ihrem gewohnheitsmäßigen Verhalten entspricht. Es gibt eine bestimmte Art und Weise, wie ihre „aktiven Tage“ in der CI-Analyse gezählt werden, um sicherzustellen, dass sie tatsächlich mit den Inhalten interagieren.
Im Gegensatz zu anderen Analysetools messen wir die Loyalität auf der Inhaltsebene, denn darauf kommt es wirklich an. Verlage möchten diejenigen Inhalte identifizieren, die loyales Verhalten fördern und möglicherweise dazu beitragen, treue Leser in Abonnenten umzuwandeln.
Mit den neuesten Verbesserungen unseres Loyalty CPI ist es jetzt möglich, genau das zu messen. Dieses Verhaltensmodell untersucht, wie Artikel zur allgemeinen Loyalität Ihrer Leserbasis auf der Website beitragen.
„Wenn es nicht kaputt ist, repariere es nicht“
Wir haben einen Überblick über die am häufigsten verwendeten Einzelmetriken erstellt und ausführlich gezeigt, warum es falsch ist, Content-Performance-Berichte darauf aufzubauen.
Das brennende Problem hierbei ist, dass viele der heutigen Verlage sich nicht die Mühe machen, die Art und Weise Dinge berechnet werden.
Beispielsweise werden Verlage wirklich davon überzeugt sein, 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 sofort einsatzbereitem Tool basiert auf einzelnen Metriken, die Browserereignisse beschreiben .
Diese Berichte können menschliches Verhalten und seine Komplexität nicht richtig messen, egal wie man sie nennt. Viele Analysetools auf dem Markt haben ganze Narrative aufgebaut, die in Wirklichkeit falsch und irreführend sind – da man die 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 gleichen Stammbaum der Katzen gehört, aber irgendwann wird der Fehler an die Oberfläche kommen und für alle wichtigen Beteiligten schmerzlich offensichtlich werden. Ein Miauen ist kein Brüllen.
Einige Verlage beginnen zu erkennen, dass es falsch ist, bei der Messung der Inhaltsleistung auf einzelne Kennzahlen zu vertrauen, aber sie entscheiden sich dafür, die Augen zu verschließen. Andere sind sich noch nicht bewusst, dass das Problem überhaupt besteht.
Angesichts der Tatsache, dass Menschen von Natur aus sehr resistent gegen Veränderungen sind, halten viele Verlage an dem Grundsatz fest: „Wenn es nicht kaputt ist, reparieren Sie es nicht.“ Ihre Logik ist vernünftig: Sie haben einzelne Kennzahlen verwendet und es geschafft, über die Runden zu kommen. Veränderung bedeutet, dass die Gefahr besteht, die Kontrolle zu verlieren, sie ist von Unsicherheit geprägt, erfordert zusätzliche Arbeit und ist im Allgemeinen beängstigend – sogar erschreckend.
Allerdings sind die Dinge kaputt und müssen repariert werden.
Wie alle grundlegenden Veränderungen folgt dieser Übergang von einzelnen Maßzahlen zu komplexen Maßzahlen dem sogenannten Hemingway-Bewegungsgesetz : Er geschieht allmählich und dann plötzlich. Und wie bei jeder Art von disruptiver Technologie oder Methode, die die Welt vorantreibt, verschaffen sich Early Adopters einen Wettbewerbsvorteil. Wir haben es gesehen. So funktioniert Fortschritt.
Jetzt stehen Sie im Rampenlicht. Welche Analysen nutzen Sie? Wie verstehen Sie Daten? Was ist Ihr „Nordstern“-Maß zur Messung der Inhaltsleistung? Wir laden Sie ein, an diesem Gespräch teilzunehmen und Ihre Gedanken in den Kommentaren unten mitzuteilen.
