Новые медиа на разных платформах и постоянно меняющееся поведение пользователей осложняют задачу качественного измерения аудитории. Банальными социально-демографическими и даже некоторыми продвинутыми поведенческими метриками уже не обойтись. MediaToolbox предлагает обзор техник, которые в будущем помогут измерять онлайн-аудиторию точнее.
Валерия Кущук
Материал впервые опубликован в журнале «Журналист» №04/2016
Что делает инструменты вроде Google Analytics и Яндекс.Метрики ненадежными? 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. Пипл-метр эту задачу выполняет только частично — кто будет нажимать на нем 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 осложняет то, что аудитория ведет себя непредсказуемо, и ее невозможно контролировать. Однако медиакомпании работают над тем, чтобы сделать измерения и прогнозы поведения аудитории точнее. Эти способы появились еще несколько лет назад, однако до сих пор используются редко и пока считаются инновационными. В будущем это может измениться.
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 партнеров. 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 продюссирование 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 разгоряченных 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 объем данных о поведении своей 30-миллионной армии подписчиков. Это такие данные, как перемотка видео вперед и назад, паузы, геолокация пользователя, тип устройства, время дня и день недели (что позволило выяснить, что 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 еще в 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 продает 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. Однако компания раскрывает не все детали, так как продукт коммерческий. Подобная технология есть у компании Piedmond Media Research для анализа коммерческой успешности фильмов.
Плюсы: позволяет делать прогнозы.
Минусы: большинство решений создается для анализа видеоконтента. Какие-то решения 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.