Ang mga tool sa Web Analytics ay halos kasing edad ng web mismo, ang mga unang gumagana sa panig ng server, upang tumulong na subaybayan ang paggamit ng mapagkukunan, mga pattern ng pag-access, atbp. Ang mga tool ng Analytics ay naging mas makapangyarihan sa pagsukat at pagbibigay-kahulugan sa gawi ng user sa web upang ma-trigger ang digital pagbabago sa mga industriya mula sa retail hanggang sa pag-publish hanggang sa real estate.
Ang ebolusyon ng mga tool sa analytics mula sa mga unang araw ng internet ay nakakita ng pagpapalawak ng saklaw sa ilang direksyon:
- Saklaw ng data ng user at pag-uugali : Mga profile ng user, Pagsubaybay sa mga session gamit ang cookies, Referrer, On-page heartbeat, Heatmaps, Cross-device na pagsubaybay, Kalidad ng Pakikipag-ugnayan, atbp.
- Saklaw ng data ng content (content intelligence): Mga URL, Uri ng page (forms vs. listings vs. articles vs. e-commerce), Tag, Kategorya, Bagay at paksa sa content, Authors, atbp.
- Pagiging maaasahan at Kalidad ng koleksyon: Browser cookies, SDKs, WebSockets, Cross-device na paggawa ng profile, Custom na koleksyon at pagsubaybay sa kaganapan, E-commerce na pagsubaybay at pagsasama ng CRM, Real-time na pag-uulat, atbp.
- Saklaw ng Mga Insight: Mga Conversion, Layunin, Interes ng Audience, Evergreen vs. mga filter ng content ng balita, mga tip sa pag-optimize na pinapagana ng AI, AI-powered anomaly detection, atbp.
Sa mga ito, ang ilan ay isang function ng teknikal na ebolusyon sa mga wika sa pag-compute, mga web browser, at mga pamantayan sa internet, ngunit ang ilan tulad ng pagsusuri ng nilalaman, pag-uuri, at awtomatikong pagmimina ng insight ay posible lamang bilang resulta ng machine learning at AI.
Tungkulin ng Analytics sa Digital Publishing
Ang digital advertising ay kumukuha ng patuloy na tumataas na bahagi ng mga gastos sa marketing sa nakalipas na dalawang dekada. Ayon sa isang pag-aaral ng Lenfest Institute on Digital Subscriptions , ang internasyonal na kita ng Google mula sa advertising ay lumampas sa lahat ng kita (kabilang ang print at online na kita) na ginawa ng mga pahayagan. Ito ay humantong sa malakihang pagsasara, pagbabawas ng laki, pati na rin ang pagtaas ng Mga Digital na Subscription bilang isang pangunahing kita sa pagmamaneho para sa mga modernong organisasyon ng balita.
Sa Digital Publishing bilang bagong normal, ang Web Analytics (partikular ang pag-publish ng analytics) ay ang interpreter ng abot, pakikipag-ugnayan, mga profile ng mambabasa, at halos lahat ng bagay na gustong malaman ng isang publisher o prospective na advertiser tungkol sa mga mambabasa bago mag-invest ng mga mapagkukunan sa editoryal o mga kampanya sa advertising . Maging ang desisyon kung mag-opt para sa isang digital na subscription paywall o hindi at ang mga mekanika ng pag-lock ng nilalaman ay mangangailangan ng data upang ma-optimize para sa maximum na conversion na may kaunting pagkawala ng mga mambabasa gaya ng ipinapaliwanag ng pag-aaral .
Tungkulin ng AI sa Web Analytics
Ang AI ay (masasabi ng ilan na nararapat) sa pagtaas, kasama ang ilan sa mga application nito na nag-zoom patungo sa 'tugatog ng napalaki na mga inaasahan' sa ikot ng hype .
Dahil tinutukoy nito ang sarili bilang isang pag-upgrade sa o pagpapalaki ng katalinuhan ng tao, ang mga aplikasyon nito ay maaaring maging kasing lawak ng imahinasyon ng tao mismo - mula sa medisina hanggang sa ekonomiya, sa entertainment, at higit pa.
Ang Analytics o hindi bababa sa pagkakaroon ng malalaking volume ng data, na nakolekta sa ilalim ng predictable na mga kondisyon ng pag-input at resulta pati na rin ang mga gustong output, ay ang gasolina kung saan binuo ang mga algorithm ng Machine Learning at AI.
Dahil ang Analytics ay mahalagang pangongolekta, interpretasyon, at pagtuklas ng mga pattern sa data, isa itong kritikal na bahagi ng karamihan sa mga pagpapatupad ng AI. Halimbawa, ang mga resulta ng paghahanap ng Google ay umuunlad bilang isang function kung gaano katumpak at kapaki-pakinabang ang mga user nito na natagpuan ang mga resulta ng paghahanap nito at ang data para sa feedback na ito ay nabuo ng analytics kung nakita ng mga user ang kanilang hinahanap sa kanilang query sa paghahanap.
Mga aplikasyon ng AI sa Analytics para sa Mga Publisher
Halos bawat publisher na may makatwirang pag-abot ay may digital presence ngayon, at ang mga digital na subscription ay lalong umuusbong bilang isang pangunahing kita sa pagmamaneho para sa katamtaman at malalaking publikasyon. Laban sa backdrop na ito, narito ang 4 na nangungunang hamon na kinakaharap ngayon ng mga digital publisher na maaaring makatulong sa pagharap sa mga platform ng analytics na may AI, na pinagsama-sama ng mga pangunahing stakeholder:
- Pag-segment ng madla ayon sa Mga Interes at Mga Kaugnayan sa Paksa
- Pag-personalize nang malawakan – sa mga channel
- Editoryal na paghahambing ng peer, pagkilala sa pagkakataon at pag-prioritize
- Outlier detection / Insight discovery sa mataas na bilis ng data
Ngayon, ang bawat isa sa mga ito ay isang kaso ng paggamit ng pagkilos sa data, sa halip na simpleng analytics gaya ng pagkakaunawa namin noon, ngunit iyon mismo ang direksyon kung saan pinangungunahan ng AI ang ebolusyon ng Analytics – mga naaaksyunan na insight. Tingnan natin ang bawat isa sa mga ito sa ilang detalye.
Pag-segment ng madla ayon sa Mga Interes at Mga Kaugnayan sa Paksa
Para sa mga editorial at audience development team, ang kakayahang i-clusterize at tingnan ang mga audience ayon sa kanilang mga affinity sa paksa ay maaaring maging isang malaking hamon na lutasin - na kasalukuyang ginagawa gamit ang isang halo ng mga demographic indicator tulad ng edad, kasarian, lokasyon at mga katangian ng session gaya ng Facebook audience , umuulit na user, binisita na kategorya ng pulitika, atbp. Ang isang tool sa Analytics na nag-auto-tag ng mga kuwento sa mga paksa at sumusukat sa kalidad ng pakikipag-ugnayan ay maaaring gawing simple ang pagsasanay na ito at makapagbigay ng mas maaasahang segmentasyon na batay sa Interes ng Audience.
Treemap ng Mga Interes ng Audience sa NativeAI Analytics
Maaaring gamitin ang segmentasyon na ito sa mga sumusunod na paraan:
- Maaaring sukatin ng mga pangkat ng editoryal ang iba't ibang cohort para sa pag-prioritize ng mga paksang karapat-dapat sa balita
- Unawain ang magkakapatong na mga affinity ng paksa para mapahusay ang pakikipag-ugnayan ng mambabasa
- Maaaring matukoy ng mga development team ng audience ang mga katulad na audience at ang mga pinagmumulan ng trapiko na pinakamahusay na gumagana upang matukoy ang mga mambabasa na may mataas na pakikipag-ugnayan
- Maaaring ihambing ng mga digital marketer ang mga resulta ng campaign sa pamamagitan ng pakikipag-ugnayan, sa halip na dami lamang ng trapiko
Pag-personalize nang malawakan – sa mga channel
Ang pinakamahusay na paraan upang maakit at makipag-ugnayan at mapanatili ang mga user ay ang maghatid ng personalized na karanasan na natututo mula sa profile ng user, mga pahiwatig ng pag-uugali, at mga nakasaad na pagpipilian ng user. Gamit ang analytics na maaaring sumubaybay ng mga karagdagang dimensyon gaya ng kalidad ng pakikipag-ugnayan, uri at paksa ng content na pinag-uusapan, channel, campaign, at device na ginagamit para sa pakikipag-ugnayan sa iba't ibang oras ng araw, posibleng bumuo ng high-impact na personalization engine na maaaring matuto mga kagustuhan ng bawat gumagamit.
Ang matagumpay na pag-personalize ay nangangailangan ng 3 salik:
- Koleksyon ng katangian ng user
- Pagre-record ng conversion path
- Pagsubaybay sa tagumpay ng conversion
Gamit ang mga data point na ito, posibleng magsanay ng machine learning model para makilala ang mga pattern at maghatid ng mga custom na karanasan na gumagana para sa bawat user. Sa katunayan, ang mga naka-personalize na app ng news reader gaya ng Flipboard o News360 ay tiyak na pinupuno ang puwang na ito ngayon sa pamamagitan ng paghahatid ng personalized na karanasan ng balita sa mga partikular na paksa. Para sa isang digital na publikasyon na may ilang milyon-milyong mga user bawat buwan, ang pag-personalize ng mga karanasan ay maaaring maging isang mahirap na hamon, batay lamang sa tahasang mga pagpipilian ng user at analytics na pinapagana ng AI, at maaaring tulay ang agwat na iyon.
Maaaring maging kapaki-pakinabang ang isang AI-powered personalization engine para sa:
- Mga rekomendasyon sa content para mapahusay ang recirculation at pagpapanatili ng audience
- Pag-aalaga ng mambabasa na mag-convert sa subscription sa newsletter o bayad na mga subscription
- Pagtataya ng posibilidad na mag-convert para sa bawat user at imapa ang mga custom na metered na paywall
- Pagpili ng mga tamang channel at timing para ipakita ang mga alertong ito – sa email, push notification, web-modals, banners, atbp.
Sa NativeAI, kasalukuyan naming nasusukat ang Pakikipag-ugnayan at nakikilala ang Mga Interes ng Audience at gumagawa kami ng mga rekomendasyon sa content. Maraming kapana-panabik na posibilidad sa espasyong ito, at sabik kaming tulungan ang mga publisher na pagyamanin ang sarili nilang mga makina sa pag-personalize gamit ang data na ito. (Pagbubunyag: Nagtatrabaho ako sa News360, at ang ng analytics ng NativeAI publisher na itinampok sa artikulong ito ay binuo ng News360)
Nilalaman mula sa aming mga kasosyo
Editoryal na paghahambing ng peer, pagkilala sa pagkakataon at pag-prioritize
Gaya ng nabanggit kanina, ang mga platform ng analytics na pinapagana ng natural na wika (NLP) ay maaaring mag-uri-uriin ang nilalaman ayon sa mga paksa at bumuo ng hierarchy ng mga nauugnay na paksa sa taxonomy. Ang ganitong mga platform ay maaaring magdoble para sa mga insight sa nilalaman pati na rin ang mga ito ay kasama ang lahat ng mga tampok ng isang platform ng intelligence ng nilalaman . Nagbibigay-daan ito sa mga editor na ihambing ang kanilang paghahalo ng nilalaman sa kumpetisyon upang matukoy ang mga puwang o pagkakataon at mapalakas ang mga kalamangan sa kompetisyon. Ang pagtukoy sa mga paksang nagtutulak ng pinakamaraming pakikipag-ugnayan ay makakatulong din sa mga editorial team na i-streamline ang pag-prioritize ng mga mapagkukunan ng pag-uulat.
Paghahambing ng Content Mix sa mga nakikipagkumpitensyang Publisher
Ang ilang mga spin-off na application na maaari ding maging mahalaga sa mga editorial team ay maaaring:
- Pagsukat ng bilis-to-publish para sa mga paksang may mataas na halaga at paghahambing sa kumpetisyon, dahil ang mga kuwento tungkol sa parehong paksa, sa mga publisher, ay maaaring i-tag at awtomatikong ipangkat
- Mga ulat sa Pakikipag-ugnayan at Trapiko na na-filter ng Mga May-akda, Mga Paksa, sariling tag ng Publisher
- Naka-automate na pag-tag na pinapagana ng NLP ng mga kuwento sa mga CMS ng publisher bago i-publish
- Pag-optimize ng headline at hula ng CTR
- Mga pagsusuri sa uri / format ng nilalaman – evergreen kumpara sa mga balita, mga larawan kumpara sa infographics kumpara sa mga video.
Ang mga ulat sa Analytics ay na-filter ng Mga May-akda
Outlier detection / Insight discovery sa mataas na bilis ng data
Ang isa sa pinakamahirap na hamon para sa isang kumpanyang batay sa data, sa media man o sa marketing ng nilalaman, ay ang pagtuklas ng mga insight mula sa malalaking volume ng data na available, in-time na kumilos dito, at magkaroon ng malinaw na epekto sa mga campaign o pagbitay. Sa madaling salita, kailangang magbigay ang analytics ng mga naaaksyunan na insight sa real-time kaysa sa pagbabalik-tanaw para sa susunod na campaign.
Ang pag-set up ng pipeline ng data na may warehousing, mga modelo ng koleksyon, pag-filter, storage, at pagpoproseso ay nangangailangan ng malaking pagsisikap, ngunit ang gastos ay nabibigyang katwiran kung ang output ay agad at nagpapakitang may epekto. Maaaring pasimplehin ng AI ang gawaing ito na kasalukuyang nangangailangan ng manu-manong interbensyon, sa pamamagitan ng pagtawag ng mga anomalya sa gawi ng user, trapiko o kahit na nilalaman.
Ang ilang mga application sa ilalim ng ganitong uri ay maaaring kabilang ang:
- Mga diagnostic at pag-optimize ng campaign na pang-promosyon – halimbawa, maaari kang makatanggap ng mga alerto kapag ang mga binabayarang campaign sa Facebook ay maaaring bumubuo ng mataas na trapiko na may mas mababa kaysa sa normal na pakikipag-ugnayan
- Mga Iminungkahing Promosyon – Maaaring gumaganap nang maayos ang isang partikular na artikulo o video sa isang segment ng audience na may kalakihan. Maaaring i-prompt ng AI recommender ang Audience Development team na i-promote ito sa partikular na target na audience para ma-maximize ang abot. Maaari itong gumana nang mas mahusay kapag isinama sa mga programmatic na paggastos
- Mga alerto sa Virality Quotient – Maaaring makuha ng pagsusuri ng content ang viral quotient ng isang artikulo o video at batay sa pagganap nito, sa unang oras ng pag-publish, makakatulong ito sa pagbibigay ng mga insight kung paano matiyak ang pagkalat ng viral.
Ang hinaharap ay mukhang may pag-asa, ngunit ano ang magagamit natin ngayon?
Bagama't marami sa mga ito ay potensyal na kamangha-manghang mga application na maaaring gawing simple ang aming mga hamon sa pagbuo ng editoryal at audience, malinaw naman na maaari kaming gumamit ng ilang instant na kasiyahan. Narito ang ilang application na pinagana ng AI na magagamit mo ngayon:
- Makakuha ng mga alerto sa mga kakaiba sa trapiko ng iyong website, gamit ang Google Intelligence panel na awtomatikong naglilinis at nagbabahagi ng mga insight
- Maaari ka ring magtanong sa Google Intelligence , halimbawa, magtanong ng "Saang mga lokasyon nagmula ang aming mga bagong mambabasa?" sa simpleng Ingles upang makakuha ng mga ulat at insight
- sa pag-optimize para sa iyong mga campaign sa AdWords
- Gumawa at mag-optimize ng Email at Social Media Marketing Copy gamit ang Phrasee
- Pagsusuri ng Content Mix at mga ulat sa Opportunities sa NativeAI
- Pag-personalize ng email ng subscription sa sukat gamit ang Sailthru, na ipinatupad ng Business Insider sa mahusay na epekto
Ang mga posibilidad para sa AI, Machine Learning sa Analytics, at mga solusyong na-trigger ng Analytics ay walang katapusan, at sa aking palagay, nasa dulo na tayo ng boom. Isinasaalang-alang namin sa NativeAI ang lahat ng mga posibilidad na ito at nagsusumikap na gawing realidad ang ilan sa mga ito para sa mga digital na publisher. Natutuwa kaming makita ang marami pang iba sa analytics, pag-optimize ng subscription at pag-personalize ng espasyo sa paglutas ng mga kaugnay na hamon at mahal ang bilis ng pagbabago sa sektor na ito.
