Oltre a trovare un modello di business sostenibile, gli editori di oggi che operano nell'arena digitale si trovano ad affrontare un'altra sfida: misurare adeguatamente le prestazioni dei propri contenuti e comprendere veramente il comportamento del proprio pubblico. Questo ĆØ un vero problema per tutti i tipi di pubblicazioni, indipendentemente dal fatto che siano finanziate dalla pubblicitĆ o facciano parte della nuova generazione che opera secondo un modello di entrate dai lettori.
Le cose erano un poā piĆ¹ semplici in passato. Gli editori potrebbero misurare il proprio successo commerciale annotando e confrontando il numero di giornali o riviste venduti nel tempo. Potrebbero quindi stimare la dimensione dei loro lettori moltiplicando il numero di copie vendute per 2 o 2,5, che ĆØ considerato il tasso medio di trasmissione . Le informazioni sul successo della diffusione erano particolarmente importanti per gli inserzionisti che desideravano una prova di valore prima di investire nello spazio pubblicitario.
Gli editori di media tradizionali fanno ancora affidamento su questo tipo di calcoli perchĆ©, diciamocelo, ĆØ quanto di meglio si possa immaginare.
Una volta entrati nell'era digitale, gli editori hanno scoperto nuovi modi per monetizzare i propri contenuti. Tuttavia, si sono anche ritrovati in un territorio sconosciuto. Misurare le prestazioni dei contenuti ora implicava lāutilizzo di strumenti di analisi e lāacquisizione dellāalfabetizzazione dei dati, il che per molti editori si ĆØ rivelato un grosso boccone da digerire. Da qui lāerrore di fidarsi di singoli parametri.
Proviamo a vedere perchƩ singole metriche come
- Visualizzazioni di pagina
- Tempo sulla pagina e
- Visitatori di ritorno
non possono essere parametri affidabili per gli editori che desiderano misurare le prestazioni dei propri contenuti, comprendere il comportamento del proprio pubblico, individuare i lettori fedeli e coltivare una forte relazione con loro.
1. Visualizzazioni di pagina
Le visualizzazioni di pagina sono sempre presenti per misurare le prestazioni degli annunci e la popolaritĆ delle pagine dei prodotti sui siti di e-commerce. Questa metrica ĆØ decollata per la prima volta con Google Analytics , che ĆØ uno degli strumenti di analisi piĆ¹ conosciuti in circolazione, progettato principalmente per le attivitĆ di e-commerce.
Il problema con le visualizzazioni di pagina:
Sfortunatamente, in assenza di qualcosa di meglio, le visualizzazioni di pagina furono presto adottate come parametro legittimo per misurare le prestazioni dei contenuti da molti strumenti di analisi sul mercato.
Ecco come le visualizzazioni di pagina sono state interpretate erroneamente da molti editori: piĆ¹ visualizzazioni di pagina equivalgono a piĆ¹ visitatori e maggiore coinvolgimento. Se alcuni contenuti generano molte visualizzazioni di pagina, in definitiva sono migliori del resto degli articoli, giusto?
Non proprio.
Affrontiamo questo problema in modo sistematico.
Ecco come sono state definite le visualizzazioni di pagina in Google Analytics :
Una visualizzazione di pagina (o hit di visualizzazione di pagina, hit di monitoraggio della pagina) ĆØ un'istanza di una pagina caricata (o ricaricata) in un browser. Le visualizzazioni di pagina sono una metrica definita come il numero totale di pagine visualizzate. [ā¦] Se un utente fa clic su Ricarica dopo aver raggiunto la pagina, questa viene conteggiata come una visualizzazione di pagina aggiuntiva. Se un utente passa a una pagina diversa e poi ritorna alla pagina originale, viene registrata anche una seconda visualizzazione di pagina.
Esiste anche una metrica chiamata Visualizzazioni di pagina uniche che rappresenta un numero di sessioni durante le quali una determinata pagina ĆØ stata visualizzata almeno una volta. Pertanto, se un determinato utente visita la pagina in questione, poi si allontana da essa e vi ritorna nuovamente nella stessa sessione, GA conterĆ 1 visualizzazione di pagina unica.
Tuttavia, le visualizzazioni di pagina sono una metrica del browser e non descrivono la natura della connessione o il livello di coinvolgimento dei visitatori del sito con i tuoi contenuti. Non di gran lunga.
Una persona potrebbe aprire un determinato articolo e poi chiuderlo immediatamente oppure lasciarlo aperto in una scheda del browser mentre fa qualcos'altro. Lo script dello strumento di analisi lo registrerĆ comunque come visualizzazione di pagina.
Potremmo dire che il nome piĆ¹ preciso per Pageviews sarebbe Page-Loads , poichĆ© questa metrica non mostra necessariamente il numero di persone che hanno visualizzato la pagina, ma il numero di volte in cui la pagina ĆØ stata caricata nel browser.
Come gli editori cercano di dare un senso alle visualizzazioni di pagina:
Gli editori e gli operatori di marketing di contenuti potrebbero provare a dare piĆ¹ senso a questa metrica osservando come si correla con altre singole metriche disponibili all'interno di GA e strumenti di analisi simili.
Ad esempio, esamineranno la combinazione delle singole metriche disponibili: visualizzazioni di pagina, tempo medio sulla pagina e frequenza di rimbalzo. Quindi, la āformulaā comune per stimare se un determinato articolo ha funzionato bene o meno ĆØ piĆ¹ o meno questa:
Elevato numero di visualizzazioni di pagina + tempo medio sulla pagina "buono" + frequenza di rimbalzo bassa
Il Tempo āidealeā sulla Pagina sarebbe quello che corrisponde al tempo di lettura necessario per lāarticolo in questione. La velocitĆ media di lettura ĆØ di circa 265 WPM, quindi gli editori si siedono e fanno qualche semplice calcolo: se il loro articolo ha 1500 parole, una persona impiegherebbe circa 5 minuti e mezzo per leggerlo, dall'alto verso il basso. Naturalmente, non tutti i visitatori del sito lo leggeranno, quindi il tempo medio sulla pagina sarĆ inferiore. La parte difficile per gli editori ĆØ decidere quale tempo sarebbe accettabile in questo caso, ovvero quale sia il tempo medio sulla pagina ābuonoā.
Il problema chiave con questo? Bene, il modo in cui il tempo medio sulla pagina viene calcolato all'interno di GA e strumenti simili possono confondere le tue ipotesi (vedi il segmento seguente chiamato Tempo sulla pagina / Tempo medio sulla pagina).
Per definizione, un rimbalzo ĆØ una sessione di una sola pagina sul tuo sito. La frequenza di rimbalzo ĆØ la percentuale di visite a una singola pagina. La frequenza di rimbalzo per una pagina si basa solo sulle sessioni che iniziano con quella pagina.
Quindi, gli editori pensano: minore ĆØ la frequenza di rimbalzo, meglio ĆØ. In teoria hanno ragione perchĆ© ciĆ² indica che le persone erano interessate ad altri contenuti pubblicati sul tuo sito web, ovvero hanno deciso di approfondire la navigazione. Ma le informazioni sul modo in cui hanno effettivamente interagito con i tuoi contenuti non sono disponibili nei rapporti standard di GA. Puoi presumere che alcuni di loro siano rimasti sul tuo sito web, ma questo ĆØ tutto.
Online si possono trovare informazioni riguardo i valori ideali di Bounce Rate : non sono superiori al 40%, mentre i valori medi arrivano fino al 55%. Tuttavia, dovresti impostare una linea di base in base al tuo sito web e non inseguire cifre e norme che funzionano per qualcun altro. Inoltre, i valori della frequenza di rimbalzo possono essere terribilmente fuorvianti se non vengono interpretati correttamente. Anche il contesto ĆØ importante: ad esempio, se una pagina di contatto ha una frequenza di rimbalzo elevata, non ĆØ che non fornisca valore. Risponde semplicemente a una domanda specifica per gli utenti che poi non sentono il bisogno di navigare ulteriormente.
Come abbiamo affrontato questo problema:
A differenza delle visualizzazioni di pagina in GA e strumenti simili, in Content Insights abbiamo sviluppato metriche complesse . La nostra soluzione di analisi dispone di Article Reads , che si concentra sul comportamento umano reale, poichĆ© tiene conto del tempo reale trascorso sulla pagina, ma anche del modo in cui le persone interagiscono con la pagina (ad esempio clic, selezione del testo, scorrimento, ecc.). Oltre alle letture degli articoli, CI ha anche la profonditĆ di lettura come una metrica complessa che rivela quanto profondamente un visitatore ĆØ arrivato nella lettura di un contenuto. Per una maggiore precisione, si basa sulla combinazione di diversi parametri, uno dei quali ĆØ il Tempo di attenzione. Inoltre, abbiamo anche la ProfonditĆ della Pagina che calcola il numero medio di pagine visitate dopo che un lettore ha aperto la pagina iniziale, o articolo.
2. Tempo sulla pagina/Tempo medio sulla pagina
Molti editori prendono in considerazione il tempo sulla pagina e il tempo medio sulla pagina quando cercano di definire quali contenuti potrebbero essere considerati coinvolgenti. Pensano che piĆ¹ a lungo le persone rimangono su una determinata pagina, maggiore ĆØ la probabilitĆ che il contenuto offerto sia coinvolgente.
Tuttavia, dopo aver compreso il modo in cui viene misurata questa metrica, vedrai che non fornisce informazioni affidabili.
Il problema con la misurazione del tempo sulla pagina:
Google Analytics e strumenti di analisi simili misurano queste metriche solo a livello di browser, il che non dice nulla sul modo in cui le persone interagiscono con i contenuti.
Quando una persona si allontana dalla pagina ma lascia la scheda aperta, Google Analytics e strumenti di analisi simili non possono registrarlo. Per quanto riguarda lāanalisi, la persona non ha mai lasciato il sito web. Inoltre, GA non puĆ² misurare il tempo trascorso da un utente sull'ultima pagina della visita al tuo sito. Inoltre, se il visitatore abbandona il sito dopo aver visualizzato solo una pagina (ovvero se la visita ĆØ un rimbalzo), non verrĆ registrato alcun tempo.
Come puoi vedere, questi dati non riflettono correttamente il livello di coinvolgimento del lettore con i tuoi contenuti.
Come gli editori cercano di dare un senso al tempo medio sulla pagina:
Alcuni editori utilizzano rilevatori di eventi, come la profonditĆ di scorrimento, nel tentativo di ottenere report piĆ¹ accurati e garantire che il tempo trascorso sulla pagina venga misurato anche se la pagina rimbalza. Tuttavia, non ĆØ cosƬ semplice.
Quando si tratta di fare affidamento esclusivamente sulla profonditĆ di scorrimento, esiste un problema di fondo riguardante:
- l'attivitĆ reale dell'utente
- la posizione della piega
- la lunghezza dell'articolo
Supponiamo che una persona scorra il 60% dei tuoi contenuti, ma lo fa su uno schermo che non ĆØ ingrandito al 100% ma al 75%. Possono vedere il resto dei tuoi contenuti e non continuare a scorrere verso il basso.
Oppure diciamo che sono al 60% dei tuoi contenuti, ma restano lƬ per mezz'ora (la pagina resta aperta e loro si allontanano dal computer), prima di rimbalzare definitivamente. Inoltre, solo perchĆ© scorrono i tuoi contenuti non significa che li leggano effettivamente. E se lāarticolo non fosse molto lungo? La profonditĆ di scorrimento sarĆ del 100%, ma ciĆ² non significa che questo particolare articolo abbia generato piĆ¹ coinvolgimento o abbia un rendimento migliore rispetto ad altri.
Inutile dire che, anche con il monitoraggio degli eventi, i report potrebbero non essere accurati poichĆ© non forniscono un quadro completo. Le discrepanze nei dati non sono rare, quindi i proprietari degli account potrebbero notare nel loro rapporto che il tempo medio trascorso sulla pagina ĆØ piĆ¹ lungo della durata media della sessione, il che non ha molto senso. In Google Analytics, questo si chiama ātempo persoā.
Come abbiamo affrontato questo problema:
A differenza di GA e strumenti di analisi simili, Content Insights misura il tempo di attenzione , ovvero il tempo effettivo che un utente trascorre sulla pagina consumando contenuti. Non tiene conto del tempo di inattivitĆ , ovvero del tempo in cui una persona non ĆØ attiva sulla pagina o ĆØ lontana dalla pagina. Quindi, ciĆ² che ottieni con questa metrica ĆØ il tempo effettivamente impegnato.
La nostra soluzione di analisi si basa su un algoritmo complesso chiamato Content Performance Indicator (CPI). Il CPI viene sempre presentato sotto forma di numero, da 1 a 1000, dove 500 rappresenta la linea di base (nota anche come "norma") per il sito web, la sezione, l'argomento, l'autore o l'articolo osservato.
CPI prende in considerazione decine di diversi parametri di prestazione dei contenuti ed esamina le loro relazioni. Inoltre li pesa in modo diverso in base a tre modelli comportamentali: esposizione , coinvolgimento e lealtĆ . Pertanto, abbiamo sviluppato tre CPI che misurano questi comportamenti: CPI esposizione , CPI coinvolgimento e CPI fedeltĆ .
Nel contesto del coinvolgimento, abbiamo l'Engagement CPI che viene calcolato misurando la lettura attenta e il percorso del lettore all'interno del sito o del dominio. Offre un modo molto piĆ¹ avanzato e preciso per misurare il coinvolgimento rispetto al semplice esame del Tempo sulla pagina, che ĆØ una singola metrica all'interno di GA e strumenti di analisi simili.
3. Visitatori di ritorno
Per capire cosa sono i visitatori di ritorno, dobbiamo esaminare brevemente il modo in cui Google Analytics e la maggior parte degli strumenti di analisi odierni tracciano gli utenti.
La prima volta che un determinato dispositivo (desktop, tablet, dispositivo mobile) o browser (Chrome, Firefox, Internet Explorer) carica il contenuto del tuo sito web, il codice di monitoraggio di Google Analytics gli assegna un ID casuale e univoco chiamato ID client, quindi lo invia al server GA
L'ID univoco viene conteggiato come un nuovo utente unico in GA. Ogni volta che viene rilevato un nuovo ID, GA conta un nuovo utente. Se l'utente elimina i cookie del browser, l'ID viene eliminato e reimpostato.
Tenendo presente questo, un visitatore di ritorno ĆØ colui che utilizza lo stesso dispositivo o browser di prima per accedere al sito Web e avviare una nuova sessione, senza cancellare i cookie . Pertanto, se Google Analytics rileva l'ID cliente esistente in una nuova sessione, lo vede come un visitatore di ritorno.
Il problema con i visitatori di ritorno:
Il problema con il calcolo dei visitatori di ritorno ĆØ ovvio: gli strumenti di analisi potrebbero conteggiare lo stesso visitatore che ĆØ tornato al sito come nuovo , solo perchĆ© ha cambiato dispositivo o browser o ha cancellato i cookie. Non c'ĆØ molto che nessuno possa fare al riguardo poichĆ© il proprio ID client viene modificato in questo modo. Non ĆØ possibile monitorare gli utenti su diversi browser e dispositivi. Inoltre, Google Analytics potrebbe conteggiare lo stesso visitatore come nuovo e di ritorno, se ritorna entro un determinato periodo di tempo. CiĆ² significa che puĆ² esserci una sovrapposizione tra i visitatori nuovi e quelli di ritorno, che causa discrepanze nei dati. Inoltre, lo stesso utente potrebbe essere conteggiato due volte per la stessa fonte/mezzo.
Tuttavia, qui c'ĆØ un problema molto piĆ¹ grande:
Molti editori hanno accettato i visitatori di ritorno come una metrica che indica il numero di lettori fedeli, il che ĆØ un errore logico.
I visitatori di ritorno indicano il numero di persone che hanno visitato il tuo sito web in passato e poi sono tornate. Tuttavia, questo rapporto non dice nulla su:
- Quanto sono efficaci i tuoi contenuti nel coinvolgere i visitatori
- Il comportamento umano reale (come le persone interagiscono con i tuoi contenuti)
- La frequenza e l'attualitĆ delle loro visite
- Se questi visitatori siano effettivamente fedeli o meno alla tua pubblicazione o solo ficcanaso occasionali che erano sul tuo sito web in precedenza (vale a dire, questi visitatori hanno preso l' abitudine di visitare la tua pubblicazione o semplicemente si sono imbattuti nel tuo sito web piĆ¹ di una volta in un certo periodo di tempo per motivi XY)
Per comprendere meglio questa metrica, possiamo provare a spiegarla con una semplice analogia. Se una persona va in un negozio, esce e torna di nuovo, senza alcuna intenzione specifica o senza effettuare effettivamente un acquisto, questa persona ĆØ un cliente fedele per impostazione predefinita? Non proprio. Potrebbero esserlo, ma non puoi saperlo davvero.
Ancora una volta, dobbiamo sottolinearlo: i visitatori di ritorno misurano l'attivitĆ del browser e non hanno nulla a che fare con la fedeltĆ .
Come gli editori cercano di dare un senso ai visitatori di ritorno:
Molti editori scelgono di ignorare questi errori di calcolo o non sono nemmeno consapevoli di come le cose vengono realmente misurate. Prendono in considerazione il rapporto Visitatori nuovi e di ritorno per ottenere una panoramica generale del tipo di traffico che il loro sito web sta attirando, anche se non ĆØ molto accurata. Quindi confrontano elementi come il numero di sessioni o il tempo medio sulla pagina, nel tentativo di individuare le somiglianze e le differenze tra il modo in cui i visitatori di ritorno e quelli nuovi interagiscono con il loro sito web. Inoltre, potrebbero scegliere di applicare la segmentazione e generare report personalizzati per maggiori dettagli sui propri visitatori.
Tuttavia, questi rapporti si basano su singole metriche che non forniscono informazioni utili quando si tratta di misurare le prestazioni dei contenuti.
Un'altra cosa che gli editori possono utilizzare per ottenere dati piĆ¹ accurati ĆØ il monitoraggio dell'ID utente , ovvero la creazione di un sistema di accesso sulla loro pagina web in cui gli utenti possono accedere. Una volta effettuato l'accesso, gli utenti possono essere facilmente monitorati su tutti i dispositivi. Tuttavia GA non funziona retroattivamente, quindi se scegli di implementare un sistema di accesso, non collegherĆ alcuna sessione precedente. Il problema scottante qui ĆØ che ĆØ improbabile che i tuoi visitatori scelgano di accedere al tuo sito web se il contenuto ĆØ comunque disponibile.
Come abbiamo affrontato questo problema:
Il team di Content Insights Labs ĆØ stato particolarmente interessato a comprendere e definire i lettori fedeli e a trovare un modo per misurare la fedeltĆ .
Infine, abbiamo definito i lettori fedeli come ānormalmente molto coinvoltiā , poichĆ© corrisponde in modo piĆ¹ accurato al loro abituale . Esiste un modo specifico in cui i loro "giorni attivi" vengono conteggiati nelle analisi del CI per garantire che stiano realmente interagendo con il contenuto.
A differenza di altri strumenti di analisi, misuriamo la fedeltĆ a livello di contenuto perchĆ© ĆØ ciĆ² che conta veramente. Gli editori vogliono identificare quei contenuti che incoraggiano un comportamento leale e forse contribuiscono a convertire i lettori fedeli in abbonati.
Con gli ultimi miglioramenti del nostro CPI fedeltĆ , ora ĆØ possibile misurare esattamente questo. Questo modello comportamentale esamina il modo in cui gli articoli contribuiscono alla fedeltĆ complessiva della tua base di lettori sul sito web.
āSe non ĆØ rotto, non aggiustarloā
Abbiamo creato una panoramica delle singole metriche utilizzate piĆ¹ frequentemente e abbiamo mostrato in grande dettaglio perchĆ© basare i report sulle prestazioni dei contenuti su di esse ĆØ sbagliato.
La questione scottante qui ĆØ che molti degli editori di oggi non si preoccupano di capire il modo in cui vengono calcolate le cose.
Ad esempio, gli editori crederanno veramente che quando richiedono il rapporto sul pubblico in GA, otterranno informazioni accurate e affidabili su come il loro pubblico consuma i loro contenuti. Ma ogni rapporto in GA come strumento pronto all'uso si basa su singole metriche che descrivono gli eventi del browser .
Questi rapporti non possono misurare adeguatamente il comportamento umano e la sua complessitĆ , non importa come li chiami. Molti strumenti di analisi sul mercato hanno costruito intere narrazioni che in realtĆ sono false e fuorvianti, poichĆ© non ĆØ possibile misurare realmente ciĆ² che ti viene promesso.
Puoi chiamare tigre un gatto e far finta che vada bene solo perchĆ© appartiene allo stesso albero genealogico dei felini, ma a un certo punto l'errore verrĆ a galla e diventerĆ dolorosamente ovvio per tutte le principali parti interessate. Un miagolio non ĆØ un ruggito.
Alcuni editori stanno iniziando a rendersi conto dellāerrore di credere a singole metriche quando si misura la performance dei contenuti, ma scelgono di chiudere un occhio. Altri non sono ancora consapevoli del fatto che il problema esiste.
Dato che le persone sono per natura molto resistenti al cambiamento, molti editori si attengono al principio āse non ĆØ rotto, non aggiustarloā. La loro logica ĆØ sana: hanno utilizzato parametri unici e sono riusciti a sbarcare il lunario. Il cambiamento significa che c'ĆØ il pericolo di perdere il controllo, porta scritto "incertezza" dappertutto, impone lavoro aggiuntivo ed ĆØ generalmente spaventoso, persino terrificante.
Tuttavia, le cose SONO rotte e hanno bisogno di essere aggiustate.
Proprio come tutti i cambiamenti fondamentali, questo passaggio da metriche singole a metriche complesse segue la cosiddetta Legge del movimento di Hemingway : avviene gradualmente e poi all'improvviso. E proprio come con qualsiasi tipo di tecnologia o metodo dirompente che spinge il mondo in avanti, i primi ad adottarlo ottengono un vantaggio competitivo. L'abbiamo visto accadere. Ć cosƬ che funziona il progresso.
Adesso i riflettori sono puntati su di te. Quali analisi utilizzi? Come si dĆ un senso ai dati? Qual ĆØ il tuo parametro "stella polare" per misurare le prestazioni dei contenuti? Ti invitiamo a partecipare a questa conversazione e a condividere i tuoi pensieri nei commenti qui sotto.