Измеряй, но проверяй

Новые медиа на разных платформах и постоянно меняющееся поведение пользователей осложняют задачу качественного измерения аудитории.

 

Социально-демографическими и поведенческими метриками уже не обойтись. ЖУРНАЛИСТ предлагает обзор техник, которые в будущем помогут измерять онлайн-аудиторию точнее.

Что делает инструменты вроде Google Analytics и «Яндекс.Метрики» ненадёжными? В первую очередь, мультиплатформенность. Один человек может заходить на любимый новостной сайт в разных браузерах и с разных устройств, и метрика каждый раз примет его за нового пользователя.

Чтобы этого избежать, тем, кто измеряет аудиторию, нужно «забраться» в гостиные, спальни и машины, где люди потребляют новости, и мониторить их поведение. Пиплметр эту задачу выполняет только частично — кто будет нажимать на нём кнопки, когда слушает радио в пробке?

Из-за использования традиционных метрик издатели получают данные об аудитории, которая на практике может оказаться тремя разными группами: целевой аудиторией, измеренной и существующей на самом деле.
Дело осложняется тем, что аудитория ведёт себя непредсказуемо и её невозможно контролировать. Однако медиакомпании работают над тем, чтобы сделать измерения и прогнозы поведения аудитории точнее. Эти способы появились ещё несколько лет назад, но до сих пор используются редко и пока считаются инновацион­ными.

1. Предварительное тестирование контента
Проводится с участием маленькой аудитории. Используется такими гигантами, как Dove, Coca-Cola и Oreo, когда они начинают новые рекламные кампании. Несколько лет Coca-Cola столкнулась с тем, что нужно было перепозиционировать бренд. Компания обратилась к своему сообществу, чтобы получить идеи для новой кампании, и получила 3600 ответов с идеями, которые сотрудникам даже не приходили в голову и были честнее, чем фидбек от парт­нёров. В результате компания расширила присутствие в Северной и Южной Америке.

Плюсы: Позволяет услышать, что аудитория думает о новой передаче или спецпроекте из серии статей до того, как объявлен запуск и потрачены деньги на продюсирование всей истории. Помогает частично изменить контент. Можно проверить и видео-, и аудио-, и текстовый контент.
Минусы: Иногда обходится дорого, доступно не каждому издателю. К тому же если фокус-группе не понравится контент, потраченные на его производство деньги уже не вернуть.

 

2. Тестирование контента на случайных людях
Этот метод похож на предыдущий, но издатель не отбирает участников фокус-группы сам. Вместо этого на тестирование попадают случайные люди. Такие эксперименты проводят в Лас-Вегасе, куда приезжают люди со всей страны, что позволяет получить полностью случайную выборку.

Чтобы использовать это, компания CBS открыла целый исследовательский центр в казино местного MGM Grand Hotel. Посетителям отеля дают купон с приглашением на тестирование, после которого обещают скидку в каком-нибудь заведении.

Плюсы: Метод позволяет собрать действительно случайную выборку тестировщиков контента.

Минусы: В Вегасе исследовательский центр работает только с телеконтентом. Не всякий издатель доверится мнению разгорячённых азартом (и алкоголем) туристов.

 

3. Сбор детальных данных о поведении аудитории
Такие технологии применяют немногие компании, среди которых Amazon и Netflix. Их цель — заставить пользователей покупать и смотреть больше рекомендованных товаров и фильмов. Над рекомендациями работают специальные алгоритмы, которые принято ругать, так как они часто предлагают купить книгу или посмотреть сериал с высоким рейтингом, хотя это может быть слабо связано с тем, что ищет пользователь.

Однако, например, Netflix работает над улучшением алгоритмов, собирая и анализируя огромный объём данных о поведении своей 30-миллионной армии подписчиков. Это такие данные, как перемотка видео вперёд и назад, паузы, геолокация пользователя, тип устройства, время дня и день недели (что позволило выяснить: сериалы смотрят в будни, а фильмы по выходным).

Netflix также пытается понять, что нравится зрителям, и использовать это в продюсировании собственных сериалов, таких как House of Cards. Когда компания готовила сериал к показу, пользователям с разными предпочтениями показывали разные трейлеры: поклонникам Кевина Спейси, играющего главную роль, — трейлеры с ним, зрителям женских сериалов — трейлеры с героями-женщинами. В результате сериал стал самым просматриваемым в США и ещё в нескольких странах (естественно, по данным Netflix).

Плюсы: Точность данных. Издатель может добавить на свой сайт инструменты сбора данных, которые нужны именно ему.
Минусы: Разработка алгоритмов и технологий сбора и анализа данных стоит дорого.

 

4. Использование научных технологий
Самые точные измерения аудитории требуют значительных человеческих и финансовых ресурсов.

Корейские исследователи пытаются фиксировать и предсказывать эмоции аудитории с помощью компьютерного анализа видео со снятыми лицами участников эксперимента.
Можно также попробовать понять, что вызывает интерес у зрителей, анализируя активность мозга. Компания Pivotal продаёт доступ к своей программе анализа big data о телепередачах, которая поможет предсказать поведение зрителей.

Для анализа в программу загружают телерейтинги Nielsen, собранные метаданные и расшифровки телешоу. Подобная технология есть у компании Piedmond Media Research для анализа коммерческой успешности фильмов.

Плюсы: Позволяет делать прогнозы.
Минусы: Большинство решений создаётся для анализа видеоконтента. Некоторые из них не выходят за рамки научных экспериментов. Не все методы решают задачу отследить поведение конкретного пользователя и по-прежнему полагаются на автоматический анализ реакции на контент.

 

Фото: Shutterstock.com

Апр 19, 2016

О юных фотокорах – тогда и теперь

ЖУРНАЛИСТ публикует отчет Reuters о потреблении цифровых новостей (читайте первую и вторую части). Третий фрагмент о том, почему...

Проект Belly Off южноафриканского Men's Health создавался как платное мобильное приложение, помогающее избавиться от лишнего веса...