Bilang karagdagan sa paghahanap ng isang napapanatiling modelo ng negosyo, ang mga publisher ngayon na tumatakbo sa digital na arena ay nahihirapan sa isa pang hamon: wastong pagsukat ng pagganap ng kanilang nilalaman at tunay na pag-unawa sa gawi ng kanilang madla. Ito ay isang tunay na isyu para sa lahat ng uri ng mga publikasyon, hindi alintana kung ang mga ito ay pinondohan ng advertising o bahagi ng bagong lahi na tumatakbo sa ilalim ng isang modelo ng kita ng mambabasa.
Ang mga bagay ay medyo mas simple sa nakaraan. Maaaring sukatin ng mga publisher ang tagumpay ng kanilang negosyo sa pamamagitan ng pagpuna at paghahambing ng mga bilang ng mga naibentang pahayagan o magasin sa paglipas ng panahon. Maaari nilang tantiyahin ang laki ng kanilang mga mambabasa sa pamamagitan ng pagpaparami ng bilang ng mga naibentang kopya na may 2 o 2.5, na itinuturing na average na rate ng pagpasa . Ang impormasyon sa tagumpay ng sirkulasyon ay partikular na mahalaga para sa mga advertiser na nais ng ilang patunay ng halaga bago mamuhunan sa espasyo ng ad.
Ang mga legacy media publisher ay umaasa pa rin sa ganitong uri ng mga kalkulasyon dahil aminin natin ito – ito ay kasing ganda nito.
Kapag nakapasok na sila sa digital era, nakatuklas ang mga publisher ng mga bagong paraan para pagkakitaan ang kanilang content. Gayunpaman, natagpuan din nila ang kanilang sarili sa hindi pamilyar na teritoryo. Ang pagsukat sa performance ng content ay ipinahiwatig na ngayon gamit ang mga analytics tool at pagiging data literate, na para sa maraming publisher ay naging isang malaking kagat upang lunukin. Samakatuwid, ang kamalian ng pagtitiwala sa mga solong sukatan.
Subukan natin at tingnan kung bakit nag-iisang sukatan gaya ng
- Mga pageview
- Oras sa Pahina at
- Mga Bumabalik na Bisita
ay hindi maaaring maging maaasahang sukatan para sa mga publisher na gustong sukatin ang kanilang performance sa content, maunawaan ang kanilang gawi ng audience, at matukoy ang kanilang mga tapat na mambabasa at mag-alaga ng matibay na relasyon sa kanila.
1. Mga pageview
Ang mga pageview ay palaging naroroon para sa pagsukat ng pagganap ng ad at ang katanyagan ng mga pahina ng produkto sa mga website ng ecommerce. Ang sukatang ito ay unang nagsimula sa Google Analytics , na isa sa mga pinakakilalang tool sa analytics, na pangunahing idinisenyo para sa mga negosyong ecommerce.
Ang problema sa Mga Pageview:
Sa kasamaang-palad, sa kawalan ng anumang mas mahusay, ang Mga Pageview sa lalong madaling panahon ay pinagtibay bilang isang legit na sukatan para sa pagsukat ng pagganap ng nilalaman ng maraming mga tool sa analytics sa merkado.
Narito kung paano mali ang pagbibigay-kahulugan sa mga pageview ng maraming publisher: mas maraming pageview ang katumbas ng mas maraming bisita at mas maraming pakikipag-ugnayan. Kung ang ilang bahagi ng nilalaman ay bumubuo ng maraming mga pageview, sa huli ay mas mahusay ito kaysa sa iba pang mga artikulo, tama ba?
Hindi naman.
Lagyan natin ng sistematikong paraan ang problemang ito.
Narito kung paano tinukoy ang mga pageview sa loob ng Google Analytics :
Ang pageview (o pageview hit, page tracking hit) ay isang instance ng isang page na nilo-load (o nire-reload) sa isang browser. Ang mga pageview ay isang sukatan na tinukoy bilang kabuuang bilang ng mga page na tiningnan. […] Kung ang isang user ay nag-click sa reload pagkatapos maabot ang pahina, ito ay mabibilang bilang isang karagdagang pageview. Kung ang isang user ay nag-navigate sa ibang page at pagkatapos ay bumalik sa orihinal na page, ang pangalawang pageview ay ire-record din.
Mayroon ding sukatan na tinatawag na Mga Natatanging Pageview na kumakatawan sa ilang session kung saan ang isang partikular na page ay tiningnan nang kahit isang beses. Kaya, kung binisita ng isang partikular na user ang page na pinag-uusapan, pagkatapos ay lalayo rito at babalik dito muli sa loob ng parehong session, bibilang ang GA ng 1 natatanging pageview.
Gayunpaman, ang Mga Pageview ay isang sukatan ng browser at hindi nito inilalarawan ang kalikasan ng koneksyon o ang antas ng pakikipag-ugnayan ng mga bisita sa site sa iyong nilalaman. Hindi sa malayo.
Maaaring buksan ng isang tao ang isang partikular na artikulo at pagkatapos ay isara ito kaagad, o hayaan itong bukas sa tab ng browser habang gumagawa ng iba. Ire-record ito ng script ng analytics tool bilang isang pageview.
Maaari naming sabihin na ang mas tumpak na pangalan para sa Mga Pageview ay Page-Loads , dahil ang sukatang ito ay hindi kinakailangang nagpapakita ng bilang ng mga tao na tumingin sa pahina, ngunit ang dami ng beses na na-load ang pahina sa browser.
Paano sinusubukan ng mga publisher na maunawaan ang Mga Pageview:
Maaaring subukan ng mga publisher at content marketer na bigyang-kahulugan ang sukatang ito sa pamamagitan ng panonood kung paano ito nauugnay sa iba pang mga solong sukatan na available sa loob ng GA at mga katulad na tool sa analytics.
Halimbawa, titingnan nila ang kumbinasyon ng iisang sukatan na available: Mga Pageview, Average na Oras sa Pahina, at Bounce Rate. Kaya, ang karaniwang "pormula" para sa pagtantya kung ang isang partikular na artikulo ay gumanap ng mabuti o hindi ay ganito:
Mataas na bilang ng mga pageview + "maganda" Average na Oras sa Pahina + mababang Bounce Rate
Ang "Ang perpektong" Oras sa Pahina ay ang isa na tumutugma sa kinakailangang oras ng pagbabasa para sa artikulong pinag-uusapan. Ang average na bilis ng pagbabasa ay humigit-kumulang 265 WPM, kaya ang mga publisher ay umupo at gumawa ng ilang simpleng matematika: kung ang kanilang artikulo ay may 1500 salita, aabutin ng humigit-kumulang 5 minuto at kalahati para mabasa ito ng isang tao, mula sa itaas hanggang sa ibaba. Siyempre, hindi lahat ng mga bisita sa site ay magbabasa nito, kaya ang Average na Oras sa Pahina ay magiging mas mababa. Ang nakakalito na bahagi para sa mga publisher ay ang magpasya kung anong oras ang magiging katanggap-tanggap dito, ibig sabihin, kung ano ang "maganda" Average na Oras sa Pahina.
Ang pangunahing problema dito? Buweno, ang paraan ng pagkalkula ng Average na Oras sa Pahina sa loob ng GA at maaaring guluhin ng mga katulad na tool ang iyong mga pagpapalagay (tingnan ang sumusunod na segment na tinatawag na Oras sa Pahina / Average na Oras sa Pahina).
Sa pamamagitan ng kahulugan, ang bounce ay isang solong-pahinang session sa iyong site. Ang Bounce Rate ay ang porsyento ng mga pagbisita sa isang pahina. Ang Bounce Rate para sa isang page ay nakabatay lamang sa mga session na nagsisimula sa page na iyon.
Kaya, iniisip ng mga publisher: mas mababa ang Bounce Rate, mas mabuti. Sa teorya, tama sila dahil ito ay nagpapahiwatig na ang mga tao ay interesado sa iba pang nilalamang nai-publish sa iyong website, ibig sabihin, nagpasya silang mag-browse pa. Ngunit ang impormasyon sa paraan kung paano sila aktwal na nakikipag-ugnayan sa iyong nilalaman ay hindi available sa mga karaniwang ulat ng GA. Maaari mong ipagpalagay na ang ilan sa mga ito ay nananatili sa iyong website, ngunit iyon lang.
Online, makakahanap ka ng impormasyon tungkol sa mga mainam na halaga ng Bounce Rate : hindi sila mas mataas sa 40%, habang ang mga average na halaga ay umabot sa 55%. Gayunpaman, dapat kang magtakda ng baseline ayon sa iyong sariling website at hindi habulin ang mga numero at pamantayan na gumagana para sa ibang tao. Dagdag pa, ang mga halaga ng Bounce Rate ay maaaring maging lubhang nakakapanlinlang kung hindi sila mabibigyang-kahulugan nang maayos. Mahalaga rin ang konteksto: halimbawa, kung ang isang contact page ay may mataas na Bounce Rate, hindi ito nangangahulugan na hindi ito nagbibigay ng halaga. Sinasagot lang nito ang isang partikular na query para sa mga user na pagkatapos ay hindi na kailangang mag-browse pa.
Paano namin nilapitan ang problemang ito:
Kabaligtaran sa Mga Pageview sa GA at mga katulad na tool, sa Content Insights – bumuo kami ng mga kumplikadong sukatan . Ang aming solusyon sa analytics ay mayroong Mga Pagbabasa ng Artikulo , na nakatuon sa tunay na pag-uugali ng tao, dahil isinasaisip nito ang totoong oras na ginugol sa page, ngunit gayundin ang paraan ng pakikipag-ugnayan ng mga tao sa page (hal. mga pag-click, pagpili ng teksto, mga scroll, atbp.). Bilang karagdagan sa Article Reads, mayroon ding Read Depth bilang isang kumplikadong sukatan na nagpapakita kung gaano kalalim ang pagbabasa ng isang bisita sa isang piraso ng nilalaman. Para sa higit na katumpakan, umaasa ito sa kumbinasyon ng ilang sukatan, isa sa mga ito ang Oras ng Pansin. Bilang karagdagan, mayroon din kaming Lalim ng Pahina na kinakalkula ang average na bilang ng mga pahinang binisita pagkatapos buksan ng isang mambabasa ang unang pahina, o artikulo.
2. Oras sa Pahina / Average na Oras sa Pahina
Tinitingnan ng maraming publisher ang Oras sa Pahina at Average na Oras sa Pahina kapag sinusubukang tukuyin kung aling content ang maaaring ituring na nakakaengganyo. Iniisip nila na kapag mas matagal na nananatili ang mga tao sa isang partikular na page, mas mataas ang posibilidad na nakakaengganyo ang inaalok na content.
Gayunpaman, pagkatapos mapagtanto kung paano sinusukat ang sukatang ito, makikita mong hindi ito nagbibigay ng anumang maaasahang mga insight.
Ang problema sa pagsukat ng Oras sa Pahina:
Sinusukat lamang ng Google Analytics at mga katulad na tool sa analytics ang mga sukatang ito sa antas ng browser, na walang sinasabi tungkol sa paraan ng pakikipag-ugnayan ng mga tao sa nilalaman.
Kapag ang isang tao ay nag-navigate palayo sa page ngunit iniwan ang tab na bukas – hindi iyon mairehistro ng Google Analytics at mga katulad na tool sa analytics. Sa abot ng analytics, hindi kailanman umalis ang tao sa website. Gayundin, hindi masusukat ng GA ang oras na ginugol ng isang user sa huling pahina ng kanilang pagbisita sa iyong site. Dagdag pa, kung ang bisita ay umalis pagkatapos tingnan ang isang pahina lamang (ibig sabihin, kung ang isang pagbisita ay isang bounce) – walang oras na itatala sa lahat.
Gaya ng nakikita mo, hindi maayos na ipinapakita ng data na ito ang antas ng pakikipag-ugnayan ng mambabasa sa iyong nilalaman.
Paano sinusubukan ng mga publisher na maunawaan ang Average na Oras sa Pahina:
Naglalagay ang ilang publisher ng mga tracker ng kaganapan, gaya ng lalim ng pag-scroll, sa pagtatangkang makakuha ng mas tumpak na mga ulat at tiyaking nasusukat ang oras sa page kahit na bounce ang page. Gayunpaman, hindi ganoon kadali.
Pagdating sa pag-asa lamang sa lalim ng pag-scroll, mayroong pinagbabatayan na isyu tungkol sa:
- tunay na aktibidad ng gumagamit
- ang lokasyon ng fold
- ang haba ng article
Sabihin nating nag-scroll ang isang tao sa 60% ng iyong content, ngunit ginagawa nila ito sa isang screen na hindi naka-zoom sa 100% ngunit sa 75%. Makikita nila ang natitira sa iyong nilalaman at hindi patuloy na mag-scroll pababa.
O, sabihin nating nasa 60% sila ng iyong content, ngunit nananatili sila doon nang kalahating oras (nananatiling bukas ang page at lumayo sila sa kanilang computer), bago tuluyang tumalbog. Bilang karagdagan, dahil lamang sa pag-scroll nila sa iyong nilalaman ay hindi nangangahulugang binabasa nila ito. At paano kung ang artikulo ay hindi masyadong mahaba? Magiging 100% ang lalim ng pag-scroll, ngunit hindi ito nangangahulugan na ang partikular na artikulong ito ay nakabuo ng higit na pakikipag-ugnayan o mas mahusay na gumaganap kaysa sa iba.
Hindi na kailangang sabihin, kahit na may pagsubaybay sa kaganapan, maaaring hindi tumpak ang mga ulat dahil hindi sila nagbibigay ng buong larawan. Ang mga pagkakaiba sa data ay hindi bihira, kaya maaaring mapansin ng mga may-ari ng account sa kanilang ulat na ang average na oras sa page ay mas mahaba kaysa sa average na tagal ng session, na hindi gaanong makatuwiran. Sa Google Analytics, ito ay tinatawag na "nawalang oras."
Paano namin nilapitan ang problemang ito:
Hindi tulad ng GA at mga katulad na tool sa analytics, ang Content Insights ay sumusukat sa Attention Time , na siyang aktwal na oras na ginugugol ng isang user sa page sa pagkonsumo ng content. Hindi isinasaalang-alang ang oras na walang ginagawa, ibig sabihin, ang oras na ang isang tao ay hindi aktibo sa pahina o malayo sa pahina. Kaya, ang makukuha mo sa sukatang ito ay ang aktwal na oras ng pakikipag-ugnayan.
Ang aming solusyon sa analytics ay umaasa sa isang kumplikadong algorithm na tinatawag na Content Performance Indicator (CPI). Ang CPI ay palaging ipinapakita sa anyo ng isang numero, mula 1 hanggang 1000, na ang 500 ay ang baseline (aka ang "karaniwan") para sa naobserbahang website, seksyon, paksa, may-akda o artikulo.
Isinasaalang-alang ng CPI ang dose-dosenang iba't ibang sukatan ng pagganap ng nilalaman at sinusuri ang kanilang mga kaugnayan. Iba rin ang pagtimbang nito sa kanila ayon sa tatlong modelo ng pag-uugali: pagkakalantad , pakikipag-ugnayan , at katapatan . Kaya, nakabuo kami ng tatlong CPI na sumusukat sa mga gawi na ito: Exposure CPI , Engagement CPI , at Loyalty CPI .
Sa konteksto ng pakikipag-ugnayan, mayroon kaming CPI ng Pakikipag-ugnayan na kinakalkula sa pamamagitan ng pagsukat ng maasikasong pagbabasa at ang paglalakbay ng mambabasa sa loob ng site o domain. Nag-aalok ito ng mas advanced at tumpak na paraan ng pagsukat ng pakikipag-ugnayan kumpara sa simpleng pagsusuri sa Oras sa Pahina, na isang sukatan sa loob ng GA at mga katulad na tool sa analytics.
3. Mga Bumalik na Bisita
Upang maunawaan kung ano ang Mga Bumabalik na Bisita, kailangan nating suriin nang maikli ang paraan ng pagsubaybay ng Google Analytics at karamihan sa mga tool ng analytics ngayon sa mga user.
Sa unang pagkakataon na i-load ng isang partikular na device (desktop, tablet, mobile device) o browser (Chrome, Firefox, Internet Explorer) ang nilalaman ng iyong website, ang tracking code ng Google Analytics ay magtatalaga ng random, natatanging ID na tinatawag na client id dito, at pagkatapos ay ipapadala ito sa GA server
Ang natatanging id ay binibilang bilang isang bagong natatanging user sa GA. Sa tuwing may natukoy na bagong id, nagbibilang ang GA ng bagong user. Kung tatanggalin ng user ang cookies ng browser, tatanggalin at mare-reset ang ID.
Sa pag-iisip nito, ang Bumabalik na Bisita ay ang gumagamit ng parehong device o browser tulad ng dati upang ma-access ang website at magsimula ng bagong session, nang hindi nag-clear ng cookies . Kaya, kung nakita ng Google Analytics ang umiiral nang client id sa isang bagong session, makikita ito bilang isang bumabalik na bisita.
Ang problema sa Mga Bumabalik na Bisita:
Ang problema sa pagkalkula ng Mga Bumabalik na Bisita ay halata: ang mga tool sa analytics ay maaaring bilangin ang parehong bisita na bumalik sa website bilang bago – dahil lang binago nila ang kanilang device o browser, o na-clear ang kanilang cookies. Walang gaanong magagawa tungkol dito dahil ang kanilang client id ay nababago sa ganitong paraan. Hindi posibleng subaybayan ang mga user sa iba't ibang browser at device. Gayundin, maaaring bilangin ng Google Analytics ang parehong bisita bilang bago at bumabalik, kung bumalik sila sa loob ng isang tiyak na yugto ng panahon. Nangangahulugan ito na maaaring magkaroon ng overlap sa pagitan ng mga bago at bumabalik na bisita, na nagdudulot ng mga pagkakaiba sa data. Bilang karagdagan, ang parehong user ay maaaring mabilang nang dalawang beses para sa parehong pinagmulan/medium.
Gayunpaman, mayroong isang mas malaking isyu dito:
Maraming publisher ang tumanggap ng Mga Bumabalik na Bisita bilang isang sukatan na nagsasaad ng bilang ng mga tapat na mambabasa, na isang lohikal na kamalian.
Isinasaad ng mga Bumabalik na Bisita ang bilang ng mga taong bumisita sa iyong website sa nakaraan at pagkatapos ay bumalik. Gayunpaman, walang sinasabi ang ulat na ito tungkol sa:
- Gaano kahusay ang iyong nilalaman sa pakikipag-ugnayan sa mga bisita
- Ang aktwal na pag-uugali ng tao (kung paano nakikipag-ugnayan ang mga tao sa iyong nilalaman)
- Ang dalas at pagiging bago ng kanilang mga pagbisita
- Kung ang mga bisitang iyon ay talagang tapat o hindi sa iyong publikasyon o paminsan-minsan lang na mga snooper na nasa iyong website dati (ibig sabihin, ang mga bisitang ito ay nakabuo ng aktwal na ugali ng pagbisita sa iyong publikasyon o nagkataong natitisod sa iyong website nang higit sa isang beses sa isang tiyak na yugto ng panahon para sa XY na dahilan)
Upang mas maunawaan ang sukatang ito, maaari naming subukang ipaliwanag ito sa isang simpleng pagkakatulad. Kung ang isang tao ay pumunta sa isang tindahan, aalis at babalik muli, nang walang anumang partikular na layunin o talagang bibili - ang taong ito ba ay isang tapat na customer bilang default? Hindi naman. Maaaring sila, ngunit hindi mo talaga malalaman.
Muli, kailangan nating salungguhitan – Sinusukat ng mga Bumabalik na Bisita ang aktibidad ng browser at wala itong kinalaman sa katapatan.
Paano sinusubukan ng mga publisher na bigyang-kahulugan ang mga Bumabalik na Bisita:
Pinipili ng maraming publisher na huwag pansinin ang mga kamalian sa pagkalkula na ito o hindi nila alam kung paano tunay na sinusukat ang mga bagay. Isinasaisip nila ang ratio ng Bago kumpara sa Mga Bumabalik na Bisita upang makuha ang nangungunang pangkalahatang-ideya ng uri ng trapiko na naaakit ng kanilang website, kahit na hindi ito masyadong tumpak. Pagkatapos ay naghahambing sila ng mga bagay tulad ng bilang ng mga session o average na oras sa page, sa pagtatangkang i-unlock ang mga pagkakatulad at pagkakaiba sa pagitan ng kung paano nakikipag-ugnayan ang mga bumabalik at bagong bisita sa kanilang website. Bilang karagdagan, maaari nilang piliing ilapat ang pagse-segment at bumuo ng mga custom na ulat para sa higit pang mga detalye sa kanilang mga bisita.
Gayunpaman, ang mga ulat na ito ay batay sa mga iisang sukatan na hindi nagbibigay ng mga naaaksyunan na insight pagdating sa pagsukat ng performance ng content.
Ang isa pang bagay na magagamit ng mga publisher upang makakuha ng mas tumpak na data ay ang pagsubaybay sa user id , ibig sabihin, pagtatatag ng isang login system sa kanilang webpage kung saan maaaring mag-log in ang mga user. Kapag naka-log in, ang mga user ay madaling masubaybayan sa mga device. Gayunpaman, hindi gumagana nang retroactive ang GA, kaya kung pipiliin mong magpatupad ng system sa pag-log in – hindi nito ikokonekta ang anumang mga nakaraang session. Ang nasusunog na isyu dito ay ang iyong mga bisita ay malamang na hindi pipiliin na mag-log in sa iyong website kung ang nilalaman ay magagamit anuman.
Paano namin nilapitan ang problemang ito:
Ang Koponan ng Labs ng Mga Insight sa Nilalaman ay naging partikular na interesado sa pag-unawa at pagtukoy sa mga tapat na mambabasa, at paghahanap ng paraan upang sukatin ang katapatan .
Sa wakas, tinukoy namin ang mga tapat na mambabasa bilang "nakasanayang lubos na nakatuon" , dahil ito ay pinakatumpak na tumutugma sa kanilang nakagawiang pag-uugali. May partikular na paraan na binibilang ang kanilang "Mga Aktibong Araw" sa loob ng analytics ng CI upang matiyak na tunay silang nakikipag-ugnayan sa nilalaman.
Hindi tulad ng iba pang mga tool sa analytics, sinusukat namin ang katapatan sa antas ng nilalaman dahil iyon ang tunay na mahalaga. Nais ng mga publisher na tukuyin ang mga bahagi ng content na iyon na naghihikayat sa matapat na pag-uugali at marahil ay nag-aambag sa pag-convert ng mga tapat na mambabasa sa mga subscriber.
Sa mga pinakabagong pagpapahusay ng aming Loyalty CPI , posible na ngayong sukatin nang eksakto iyon. Tinitingnan ng modelong ito ng pag-uugali kung paano nag-aambag ang mga artikulo sa pangkalahatang katapatan ng base ng iyong mambabasa sa website.
"Kung hindi ito nasira, huwag ayusin ito"
Gumawa kami ng pangkalahatang-ideya ng mga pinakamadalas na ginagamit na solong sukatan at ipinakita nang detalyado kung bakit mali ang pagbabatay sa mga ulat ng pagganap ng nilalaman sa mga ito.
Ang nagbabagang isyu dito ay ang marami sa mga publisher ngayon ay hindi mag-abala na maunawaan ang paraan ng pagkalkula ng mga bagay.
Halimbawa, talagang maniniwala ang mga publisher na kapag hiniling nila ang Ulat sa Audience sa GA – makakakuha sila ng tumpak at maaasahang mga insight sa kung paano ginagamit ng kanilang audience ang kanilang content. Ngunit ang bawat ulat sa GA bilang out-of-the-box na tool ay umaasa sa iisang sukatan na naglalarawan ng mga kaganapan sa browser .
Hindi ng mga ulat na ito nang maayos ang pag-uugali ng tao at ang pagiging kumplikado nito, anuman ang tawag mo sa kanila. Maraming mga tool sa analytics sa merkado ang nakabuo ng mga buong salaysay na sa katunayan ay mali at mapanlinlang – dahil hindi mo talaga masusukat ang mga bagay na ipinangako sa iyo.
Maaari mong tawaging tigre ang isang pusa at magpanggap na ok lang ito dahil kabilang sila sa iisang family tree ng mga pusa, ngunit sa isang punto – lalabas ang pagkakamali at magiging masakit na halata sa lahat ng pangunahing stakeholder. Ang meow ay hindi isang dagundong.
Nagsisimula nang matanto ng ilang publisher ang kamalian ng paniniwalang iisang sukatan kapag sinusukat ang performance ng content, ngunit pinipili nilang pumikit. Ang iba ay hindi pa alam ang katotohanan na ang problema ay umiiral pa nga.
Dahil sa katotohanan na ang mga tao ay likas na lumalaban sa pagbabago, maraming publisher ang nananatili sa prinsipyong "kung hindi ito sira, huwag ayusin". Matino ang kanilang lohika: gumagamit sila ng mga iisang sukatan at nagtagumpay sila. Ang ibig sabihin ng pagbabago ay may panganib na mawalan ng kontrol, may nakasulat na 'kawalan ng katiyakan' sa kabuuan nito, nagpapataw ito ng karagdagang trabaho, at sa pangkalahatan ay nakakatakot – nakakatakot pa nga.
Gayunpaman, ang mga bagay ay nasira at kailangan nilang ayusin.
Tulad ng lahat ng pangunahing pagbabago, ang paglipat na ito mula sa iisang sukatan patungo sa kumplikadong sukatan ay sumusunod sa tinatawag na Hemingway Law of Motion : ito ay nangyayari nang paunti-unti at pagkatapos ay biglaan. At tulad ng anumang uri ng nakakagambalang teknolohiya o pamamaraan na nagtutulak sa mundo pasulong, ang mga naunang nag-aampon ay nakakakuha ng mapagkumpitensyang kalamangan. Nakita namin na nangyari. Ganyan gumagana ang pag-unlad.
Ngayon ang spotlight ay nasa iyo. Aling analytics ang ginagamit mo? Paano mo naiintindihan ang data? Ano ang iyong sukatan ng "north star" para sa pagsukat ng performance ng content? Inaanyayahan ka naming sumali sa pag-uusap na ito at ibahagi ang iyong mga saloobin sa mga komento sa ibaba.
