Newsroom Analytics At Content Intelligence

Ang paksa ngayon ay ang ebolusyon ng newsroom analytics. Ngayon, hindi na ang alinman sa mga sumusunod ay partikular na kumplikado, ngunit dahil sa mga araw na ito ang ating atensyon ay hinihila sa maraming direksyon, magsimula tayo sa isang pagkakatulad.

Pag-isipan ang iyong sasakyan.
Malamang na binili mo ito, at hindi mo ito binuo (ngunit kung ginawa mo, kudos).

Narito ang bagay: ang hindi masabi ang pagkakaiba sa pagitan ng isang camshaft at isang carburetor ay hindi humahadlang sa iyo na makapagmaneho nito. Sa katunayan, kapag pinag-uusapan natin ang tungkol sa pagmamaneho at ang karanasan sa pagmamaneho, ang wikang ginagamit ay ganap na naiiba sa mga tumatalakay sa mas mahuhusay na punto ng automotive engineering. Napakakaunti sa amin ang tumutuon sa higit pa sa karanasan ng user.

Matagal nang naunawaan ng industriyang iyon na ang mga produkto ay dapat magsilbi sa kanilang user, hindi sa kanilang mga developer.

Ano ang kinalaman nito sa mga newsroom? Well, lahat, talaga.

Ang pivot sa karanasan ng user

"May isang alon ng data na nagmumula sa mga customer at sa social media. At habang lumalabas ang internet ng mga bagay, magkakaroon ng higit pang impormasyon sa mga customer. Ang mga negosyo ay nagsusumikap upang malaman kung paano sila makakakuha ng halaga mula sa impormasyong iyon."

Si Richard Gordon, isang analyst mula sa Gartner, ang nagsasalita. Ang inilalarawan niya ay ang paglipat sa isang bagay na tinatawag ng business fraternity na 'business intelligence'.

Sa madaling salita, habang ang analytics ay isang tech-aided na proseso kung saan kinukuha ng software ang data, ang business intelligence ay isang proseso na nagpapatuloy sa isang hakbang sa pamamagitan ng pagbibigay-kahulugan at pagpapakita ng data na iyon sa isang madaling matunaw na anyo bago ito makarating sa nilalayong tatanggap.

Ang dahilan kung bakit ito ay mahalaga? Well, maliban kung naitanong mo nang eksakto ang mga tamang tanong ng data na iyon, hindi mahalaga kung gaano kaganda ang hitsura ng mga numero o kung gaano kaakit-akit ang interface. Kung walang nauugnay na interpretasyon, hindi pa rin ito magiging isang mahusay na paggamit sa iyo at sa iyong negosyo kahit na naiintindihan mo ang data.

Ang katalinuhan sa negosyo ay ang karanasan sa pagmamaneho ng mundo ng negosyo. Ito ay binuo para sa gumagamit at sa huling paggamit. Dahil ito ay niyakap ng mundo ng negosyo, ito ay naging isang bit ng laro changer.

Masyadong maraming data, hindi sapat na insight

Kaya, sa mga newsroom at walang alinlangan na makikita mo kung saan kami pupunta dito.

Ang Analytics, siyempre, ay karaniwan sa mga silid-balitaan. Marami ang mga pakete ng Analytics. Malamang na alam nating lahat ang mga problema at limitasyon ng iisang sukatan sa industriya; at kahit na ang kulto ng page view ay lumilitaw na bahagyang lumiliit, ito ay isang nangingibabaw na puwersa dahil medyo simple ito ay isang maginhawa at tila unibersal na sukatan ng 'tagumpay' - anuman ang ibig sabihin nito.

Ang problema sa unibersal, 'simple' na mga solusyon sa mga kumplikadong problema, ay malamang na hindi nila kayang harapin ang uri ng pagiging kumplikado na kinakailangan ng bawat indibidwal na sitwasyon. Oo naman, magiging kaibig-ibig na makitungo sa isang binary na sukatan ng kabiguan o tagumpay, ngunit sa totoong mundo, napakaraming mga variable, masyadong maraming mga nuances para ito ay maginhawa sa sinuman. I-save ang mga taong sinusubukang i-market ang mga 'solusyon' na iyon!

Walang alinlangan na mas mahusay ang Analytics ngayon sa harap ng UX kaysa dati, ngunit hindi mababago ng lahat ng pagpapaganda sa mundo ang katotohanan na kung ang ginagawa mo lang ay ang pagpapakita ng raw data, hindi ka magiging mas malapit sa kung ano ito. aktwal na nangangahulugan na walang ilang seryosong background sa pagsusuri ng data. At, bagama't walang alinlangan na may mga pagbubukod sa panuntunang ito, karamihan sa mga editor ay walang ganitong uri ng hanay ng kasanayan o ganitong uri ng pagsasanay - at tiyak na hindi ang uri ng oras na kinakailangan upang magawa ito nang maayos.

Kapag narinig natin ang tungkol sa paglaban sa 'kultura ng data' sa pamamahayag, mahirap hindi makiramay.

Bagama't ang data – ang hilaw na materyal – ay, siyempre, mahalaga, ito ang konteksto at insight na ipinapakita ng data na talagang susi. Ang halaga ay nagmumula sa pag-align ng data at impormasyon sa isang frame of reference at sa gayon ay ipinapakita ito. Hindi nito hinihiling sa mga editor na maunawaan ang bawat detalyadong nuance at hindi rin dapat. Mas mainam na ilagay ang mga kasanayan ng mga editor at mamamahayag kung saan ang mga ito ay pinakamahalaga, na tiyak na mas may katuturan sa negosyo.

Ang nawawalang link

 Nasaksihan namin ang isang ebolusyon ng analytics. Mula sa halos walang impormasyon tungkol sa mga tunay na pattern ng pagkonsumo mula sa aming mga mambabasa, mayroon na kaming potensyal na mas maraming data kaysa sa alam namin kung ano ang gagawin – at, mas madalas kaysa sa hindi, hindi alam kung ano ang gagawin dito.

Ang problema ay dahil sa kasaysayan ay walang paraan upang epektibong maisama at maitanim ang kultura ng data sa daloy ng trabaho sa silid-basahan, walang pagkakataon para sa mga editor at mamamahayag na hubugin ang ebolusyon nito. Ipinaubaya na sa mga nasa labas ng mundo ng editoryal - lalo na ang mga advertiser - na bumuo ng isang tool sa analytics, ngunit dahil ang tool na iyon ay idinisenyo upang mapahusay ang kahusayan sa advertising, wala itong naitutulong sa kasanayang pang-editoryal at journalistic.

Ang VP ng Content Insights para sa Latin America, si John Reichertz, ay nagsabi: "ang pinakamahusay na paraan upang maipatuloy ang kultura ng data na ito sa aming mga silid-balitaan ay ang makisali ang lahat" at tama siya: ang pagpapabuti ng pag-access ay maaari at may pagbabagong epekto sa silid-basahan. Kung nauunawaan ng mga mamamahayag ang pagiging epektibo ng kanilang sariling mga kuwento sa loob ng konteksto ng kanilang sariling mga departamento at partikular na madla, mas malamang na makagawa sila ng mas mahusay na nilalaman. Katulad nito, na may access sa nuanced na impormasyon, ang mga editor ay lalong nakakagawa ng matalinong mga pagpipilian tungkol sa kung saan ilalagay kung aling mga mapagkukunan.

Hindi ibig sabihin na ang mga editor ay maaaring – o dapat – asahan na maging mga dalubhasa sa data. Sa Sueddeutsche Zeitung , ginawa ng Editor ng Audience na si Christopher Pramstaller ang paglilinaw na ito:

"Hindi namin gustong magdulot ng polusyon sa data: sa tingin namin ay mas mahalaga na maihatid ang tamang impormasyon sa mga tamang tao sa tamang sandali."

Naghanap sila ng tamang balanse sa pagitan ng mga insight sa data at ng editoryal at journalistic na daloy ng trabaho upang makahanap ng balanseng gumagana para sa kanilang mga tauhan, organisasyon, at mga layunin nito. Para sa kanila, nangangahulugan ito ng pagbibigay ng real-time na analytics at pakikipagtulungan nang malapit sa mga news team para maghatid ng mahahalagang insight sa data. Maaaring tumulong ang mga ulat na ito sa mga artikulong hindi mahusay ang pagganap, i-highlight ang mga formula para sa tagumpay, o maliliit na pagbabago na maaaring gawin upang mapataas ang visibility ng mga artikulo.

Editoryal na Intelligence

 Sa huli, kailangan nating makarating sa punto kung saan ang analytics ay hindi lamang isang by-word para sa data na ipinakita sa mga graph at chart. Dapat nilang gawin ang higit pa riyan dahil – ngayon – kaya na nila. Dapat silang magbigay ng pananaw, konteksto, at kahulugan, at gawin ito alinsunod sa mga pangangailangan ng hindi lamang ng bawat organisasyon ng balita kundi ng bawat mamamahayag sa bawat departamento ng organisasyong iyon ng balita.

Bahagi nito ang paghahanap ng solusyon na gumagana para sa iyo, ngunit karamihan sa mga ito ay nagsisimula sa mga tanong:

• Ano ba talaga ang ibig sabihin ng mga kahanga-hangang figure na ipinakalat? Kapag ang isang ulat ay nagsasalita ng isang milyong mga impression sa pahina, paano ito kinakalkula? Kung umaasa ka sa mga pangunahing sukatan, alamin kung paano ginagawa ang mga kalkulasyong iyon.

Narito kung bakit ito mahalaga.

Kaya't ang parehong artikulo, na tiningnan gamit ang dalawang panukalang ito, ay malamang na magbunga ng magkaibang mga indikasyon ng tagumpay. Ang una ay magbabalik ng mas mataas na mga numero, masahe ang kaakuhan ng mabuti, at magmukhang mas kahanga-hanga. Ang pangalawa ay maaaring magmukhang mas katamtaman, ngunit walang katapusan na mas kapaki-pakinabang at naaaksyunan. Ang pag-alam sa pagkakaiba sa paraan ng pagkalkula ng mga bagay na ito ay maaaring gumawa ng napakalaking pagkakaiba.

• Mag-isip sa mga tuntunin ng mga ratio, hindi iisang numero – ang mga pinaghalo na sukatan ay pinaka-insightful at dahil naproseso na ang mga ito para sa iyo, nagbibigay sila ng isang sulyap na insight sa kung paano gumaganap ang iyong content.

Higit sa lahat, naabot na ng analytics ang punto ngayon kung saan mayroon silang kakayahang makapagbigay ng impormasyon nang mabilis, maikli, at on-point. Kung tinatahak mo ang mga pahina ng data, kailangan mong huminto. Ang mga sagot mula sa data ay kasing ganda lamang ng mga itinanong, at kung hindi mo alam kung ano o kung paano itanong sa kanila, mabuti, kung gayon, gumugugol ka ng maraming dagdag na oras upang mawala sa isang dagat ng mga numero.

• Paano nakaayos ang iyong negosyo at anong impormasyon ang kailangan mo para sumulong? Ang pinakamahusay na diskarte ay isa na nagpapahusay sa mga daloy ng trabaho, hindi nakakagambala sa kanila.

Kung lilipat ka sa mga subscription, malamang na kailangan mo ng iba't ibang insight sa mga publication na may matibay na pundasyon ng ad. Ang paggamit ng parehong mga sukat ng tagumpay ay katawa-tawa at lantarang hindi kailangan sa merkado ngayon ng mga solusyon sa angkop na lugar.

• Gumagamit ka ba ng analytics package? Makipag-usap sa mga tao sa likod ng screen.

Ang mga tech na kumpanya ay umuulit. Nakakatulong ang feedback at mga suhestiyon na mapahusay ang mga serbisyo at saklaw, kaya kapaki-pakinabang para sa iyo at sa kumpanya na makipag-ugnayan. Sa pakikipagtulungan sa mga newsroom at ahensya na kami ay nakapaglabas ng mga bagong bersyon at tool at hindi namin magagawa iyon kung wala ang mga pag-uusap na iyon. Ang feedback ay maaaring magbigay ng inspirasyon sa pagbabago.

Ang susunod na yugto sa ebolusyon ng editoryal na analytics

Kapag nagtatrabaho ka gamit ang isang analytics na diskarte na idinisenyo nang isinasaalang-alang ang mga partikular na pangangailangan, kakayahan, at kinakailangan ng silid-basahan, ang mga ulat na iyong nabubuo ay maaari lamang patalasin ang editoryal na instinct, hindi nila ito masisira. Ito ay tungkol sa pagsasama ng mga kapaki-pakinabang na insight sa pang-araw-araw na daloy ng trabaho ng newsroom upang ang mga ganitong uri ng analytics ay kasing user-friendly at karaniwan gaya ng pagbubukas ng email o pag-upload ng artikulo. Ang hitsura nito sa pagsasanay ay mag-iiba mula sa silid-basahan hanggang sa silid-basahan. Maaaring mayroon ka pa ring dedikadong departamento ng analytics na ang responsibilidad ay alertuhan ang mga seksyon sa tagumpay o mga problema ng ilang partikular na piraso. Maaaring isa kang mas maliit na team, kung saan ang responsibilidad para sa ganitong uri ng pagsubaybay ay nasa mga editor at seksyon. Walang tamang kumbinasyon. Ang tanging bagay na tama ay ang maghanap ng diskarte na nagbibigay-daan sa iyong sumulong sa isang mindset na may kaalaman sa data, kung saan ang mga desisyon ay ginagabayan ng data, hindi hinihimok ng mga ito.

Tinatawag namin itong Content Intelligence at sa tingin namin ito ang paradigm shift na kailangan ng industriya.