Jetzt hat er eine neue Studie vorgestellt, in deren Vorwort er sich auch bei einer meiner ehemaligen Kommilitoninnen bedankt, die jetzt an seinem Institut forscht. (Was mich unheimlich stolz macht als Absolvent der TU Dortmund in Journalistik.) Zurück zum Thema. Der Titel der Studie: Editorial Analytics – How News Media are Developing and Using Audience Data and Metrics (PDF-Download).
Das Thema treibt mich auch gerade um: Editorial Analytics. Zahlen für die Redaktionsarbeit, wie kann man mit denen arbeiten, wie machen das andere?
News organisations all over the world have in recent years increased their use of analytics – systematic analysis of quantitative data on various aspects of audience behaviour aimed at growing audiences, increasing engagement, and improving newsroom workflows.
Viele Redaktionen haben den Gebrauch von Big Data gelernt. Das Wachstum von focus.de ist meiner Meinung nach auch Ergebnis einer stark analysegetriebenen Themenfindung: Was funktioniert bei welcher Zielgruppe? Wie kann man diese Erfolge wiederholen.
Die wichtigste Antwort des Reports vorab: Es gibt keinen EINEN Weg für alle Mediengattungen. Jede Analyse-Lösung ist maßgeschneidert worden auf lokale Bedürfnisse des Mediums. Und keine Lösung ist perfekt, daran ließen die Befragten keine Zweifel.
Wir suchen gerade für unser Startup einen Audience Development Manager. Das ist auch der Titel, der in der Branche oft für diese Zahlenmenschen verwendet wird.
At the centre of this development are people in the newsroom with new job titles like ‚audience editor’, ‘growth editor’, ‘audience development editor’, or ‘audience engagement editor’. They are developing and using analytics for editorial purposes that were in the past more narrowly tied to predominantly commercial objectives, using tools and techniques previously rarely used by journalists.
Als ich vor neun Jahren nach München kam und zum ersten Mal in einer großen Onlineredaktion war, gab es dort Business Analysts. Die untersuchten die Zahlen für Redakteure. Und für die Vermarkter-Kollegen. Offenbar geht der Trend zu eingebetteten Analysten, wenn man die so nennen darf.
Eines der Tools, das die Studie in Erinnerung ruft, ist Ophan, eine In-House-Entwicklung des Guardians auf der Basis der Elasticsearch. Davon gibt es auch ein Video bei Vimeo. Die Studie enthält auch einen beeindruckenden Chart, wie eine Contentdetailansicht für ein einzelnes Contentobjekt aussieht.
Für die Studie haben die Autoren (neben Nielsen auch Federica Cherubini) in insgesamt 30 Redaktionen Interviews geführt. Dabei haben sie herausgefunden, dass es eine Kombination von drei Faktoren braucht, damit man von wirklich datengetriebenen Redaktionen sprechen kann:
- eine an Daten interessierte Redaktionskultur
- die richtigen Tools
- die richtigen Mitarbeiter, die analysieren können
Dabei stießen gerade die fortschrittlichsten Redaktionen durchaus an technische Grenzen. Die Entwicklung zum verteilten Publizieren habe die Tools durchaus an einigen Stellen technisch überholt, so Nielsen und Cherubini:
Current approaches are better at dealing with an older internet of desktop web use, homepage traffic, and referrals from search and social than with more recent trends like mobile web use, app/browser proliferation, and distributed content consumed across multiple platforms and devices.
Gerade von Buzzfeed haben wir so etwas auch schon gehört. Besonders in Erinnerung geblieben ist mir dieses GIF, das das Problem moderner Publisher erläutert:
Man kann also auch Data Science in GIFs packen. War klar bei Buzzfeed.
Bei der Financial Times (mit Paywall) ist Renee Kaplan Head of Audience Engagement.
In Kaplan’s view audience engagement is about building a relationship with readers: ‘Audience engagement is about getting our journalism out in front of more audiences, and more of the right audiences.’
Sie betont die „richtige“ Zielgruppe, weil sie Nutzer in zahlende Nutzer konvertieren will. Aber ich finde das auch ein wichtiges Thema für ganz normal werbefinanzierte Seiten.
UK, USA top. Und wir so?
Besonders interessant sind natürlich die Fallstudien aus dem eigenen Land. So wird auch Sebastian Horn von Ze.tt aus dem Zeit-Verlag zitiert:
Part of the reason why Ze.tt was created was to experiment so we’re also going to experiment with different data tools. We’re going to give them a try and see if they give us useful information. However, we don’t want to overwhelm ourselves with too much. We don’t want to cover our walls with monitors that show random graphs. They will have to be meaningful numbers that people look at and help them make decisions.
Den Ansatz der Studie, keine alles lösende Antwort mit dem EINEN Dashboard zu geben, finde ich gut. Welches Problem will das Medium mit den Zahlenkolonnen oder Charts lösen? Keine Dashboard-Wüste produzieren, die auf einem Monitor an der Wand blinkt (kenne ich auch, finde ich gut für Sensibilisierung, nicht aber für Handlungsempfehlungen). Sondern herausfinden – wo funktioniert welcher Content, wie gehen die Headline-Tests aus, wann peakt mein Content – eben spezielle Dinge. Was ist mein Problem, das genau definieren – dann die Lösung finden. Und nicht von der Lösung her denken. Also den Regeln folgen, die für gutes Produktmanagement immer gelten. Dann passt es.
In eigener Sache
Wer mit mir an Tools mitarbeiten will: Wir suchen noch und immer wieder Praktikanten fürs Produktmanagement. Für den Sommer und den Herbst sind noch Plätze frei.