ВЛИЯНИЕ ВНЕДРЕНИЯ ИНСТРУМЕНТОВ ВЕБ-АНАЛИТИКИ НА РЕДАКЦИОННЫЕ ПРОЦЕССЫ (НА ПРИМЕРЕ АНАЛИЗА РАБОТЫ РЕДАКЦИИ РБК)
Шароян Сирануш Вардановна, руководитель отдела
маркетинга компании «Криптериум»
Москва
Аннотация
издание онлайн сайт газета
В середине 1990-х гг. во всем мире произошла трансформация отношений СМИ с аудиторией. Стремительный рост популярности онлайн-изданий и распространение систем веб-аналитики, позволяющих точнее определить размер и характеристики аудитории и эффективно выявить темы и даже материалы, которые вызывают у нее наибольший интерес, ускорили переход от «интуитивного понимания» аудитории к ее количественному измерению. Эти тенденции не обошли стороной крупнейший российский негосударственный медиахолдинг -- РБК, сайт которого на протяжении второго десятилетия обгоняет основных конкурентов по посещаемости. Данная статья основана на этнографическом наблюдении за работой редакции РБК в течение года -- с 1 июля 2015 по 31 июня 2016 гг. -- и показывает принципы взаимодействия СМИ с данными веб-аналитики в условиях редакционного процесса. Наблюдение показало, что редакция РБК пытается получить максимально точные данные о своей аудитории, установив несколько систем веб-аналитики и анализируя полученные данные. Результаты анализа влияют на формирование повестки дня, расположение материалов на сайте, их попадание в газету РБК и даже на общий дизайн изданий.
Ключевые слова: веб-метрики, веб-аналитика, аудитория СМИ, измерение аудитории, онлайн-журналистика, новости, статьи.
Annotation
Siranush V. Sharoyan, Head of the Marketing Department of the Crypterium company, Moscow, Russia;
THE INFLUENCE OF IMPLEMENTATION OF WEB ANALYTICS TOOLS ON EDITORIAL PROCESSES (A CASE STUDY OF THE WORK OF RBC EDITORIAL STAFF)
In the mid-1990s, there was a significant transformation in the relationship between the media and its audiences throughout the world. The rapid growth in popularity of online media outlets and the spread of web analytics systems made it possible to accurately determine the size and characteristics of the audience and effectively identify the topics and even articles that are of greatest interest and thus accelerated a transition from “intuitive understanding” of the audience to its quantitative measurement. These trends did not bypass the largest Russian non-state media holding RBC, whose website has been overtaking its main competitors in traffic for two decades. This article is based on ethnographic observation of the work of RBC editorial staff during one year -- from July 1, 2015 to June 31, 2016. It shows the principles of media interaction with web analytics data in a real editorial process. The observation shows that RBC editors sought to obtain accurate information about their audience by using several web analytics systems and carefully analyzing the data. The management of the holding and the editorial staff (chief editor, his deputies and department editors) received a report every morning on twenty most and least popular articles from the previous day, indicating several key characteristics for each of them, from the number of views to the average time that readers spent reading and the sources of traffic. Real-time data on article views also influenced their location on the RBC website: fifteen items with the highest CTR (click-through rate) appeared on the main screen -- the page that was first seen by website visitors. In the end, web analytics tools allowed RBC editors and management to stop relying on expert opinions and add more objectivity to the editorial processes focusing on data on the audience's interaction with the website. The results of such an analysis influence agenda setting, the location of articles on the website and even the overall design of the RBC website.
Key words: web metrics, web analytics, media audience, audience measurement, online journalism, news, articles.
Развитие инструментов изучения аудитории СМИ
История аналитических исследований аудитории средств массовой информации уходит корнями в начало XX в. Уже тогда медиаорганизации направляли значительные финансовые и аналитические ресурсы на попытки измерить свою аудиторию, испытывая критический дефицит информации о ней. Анализировались как самые очевидные данные, такие как объемы продаж и количество подписчиков печатных СМИ, так и примитивные качественные механизмы обратной связи, например письма в редакции. Некоторые издания даже просчитывали количество писем от поклонников и взвешивали их, чтобы «отследить рост или снижение популярности» (Handel, 1950: 10).
Попытки найти более рациональные подходы к изучению аудитории чаще всего связывают с началом 1930-х гг. (Hurwitz, 1984: 205--215), когда СМИ столкнулись с экономическими сложностями, вызванными Великой депрессией. Кризис стал толчком для развития индустрии рекламы, маркетинга и исследований аудитории. Рекламодатели, а вслед за ними и медиаорганизации оказались под сильным давлением, заставившим бросить все силы на оптимизацию распределения ресурсов и предоставление ощутимых доказательств того, что деньги на продвижение тратятся эффективно. Как объяснял исполнительный директор Эн-Би-Си (NBC) Эндрю Джеймс, «когда наступила Великая депрессия, рекламодатели и рекламные агентства немедленно начали искать обоснования каждому потраченному доллару. Насколько это было возможно, они пытались проследить, какие медийные средства влияют на рост продаж, а значит, оправдывают рекламные расходы» (James, 1937: 141).
Печатные СМИ в эти годы начали собирать и анализировать данные не только о количестве подписчиков, но и о демографических показателях аудитории (Ward, 1996). Но наиболее отчетливо ранние попытки получить более тщательное представление о своей аудитории были выражены в секторе радио- и телевещания. Именно эти СМИ воспринимались как наиболее эффективные рекламные носители и получали существенную долю бюджетов компаний. Вместе с этими бюджетами они получали и «немедленный мощный стимул для разработки более рациональных подходов к пониманию аудитории -- по крайней мере с точки зрения количественной оценки охвата аудитории программами и встроенными рекламными сообщениями» (Silvey, 1974: 131).
В первые годы вещания радиостанции зачастую просто наносили на карту зону покрытия с указанием численности населения и демографических данных региона (Chappell, Hooper, 1944). Другой подход касался сбора данных о количестве устройств, позволяющих слушать радио, в зоне прослушивания. Разумеется, ни один из них не обеспечивал ни станцию, ни рекламодателя никакой конкретной информацией о размере или составе фактической аудитории слушателей, предоставляя скорее приблизительную оценку потенциальной аудитории для любой радиопрограммы. Но даже таких размытых данных оказывалось достаточно, чтобы радио за несколько лет стало наиболее привлекательным для рекламодателей средством массовой информации. При этом, как и в случае с газетами, письма сотрудникам радиостанций были главным источником данных для качественного исследования аудитории.
В те же годы происходила коммерциализация радио на фоне перехода с подписной модели на рекламную, что привело к появлению и развитию системы рейтингов, дающих более высокий уровень точности в оценке размеров аудитории -- информации, которая была больше всего интересна рекламодателям (McChesney, 1993: 42). Переход к рейтинговым системам «заключался в попытке оценить неосязаемое -- «опыт прослушивания» -- вместо того чтобы цепляться за подсчет осязаемых, но менее показательных данных -- количества радиоприемников или писем на радиостанцию» (Bogart, 1966: 47). Аналогичные методы вскоре стали использоваться и на телевидении.
Если 1930-е гг. можно определить как отправную точку в процессе изучения аудитории, то вторым важным периодом можно считать 1970-е. В это десятилетие существенно увеличилась мощность компьютерных систем, способных собирать и анализировать большие объемы статистических данных, а их стоимость значительно снизилась (Buzzard, 2003: 186--201). Все это ускорило развитие «количественно ориентированных научных подходов» к изучению аудитории (Bogart, 1986: 52). Первые шаги к получению более точных эмпирических данных об аудитории включали в себя телефонные опросы по случайной выборке, установку счетчиков и изобретение дневников прослушиваний (Beville 1988). Тогда же были предприняты первые попытки собрать подробную демографическую информацию не просто об аудитории канала, но и о составе аудитории отдельных программ. Менеджмент телевизионных выпусков новостей стал все больше усилий тратить на различные формы количественного исследования аудитории, чтобы откалибровать свои новостные материалы и сюжеты в прямом эфире для привлечения более широкой аудитории (Gitlin, 2000). Эфемерную аудиторию пытались превратить в нечто материальное и измеримое, а затем эффективно сегментировать эту массу в однородные дискретные подгруппы, чтобы наиболее выгодным образом продать их внимание рекламодателям.
Однако исследования эти были трудны, дороги, отнимали много времени, но давали мало значимой информации. Количественное измерение аудитории стало возможным в последующие десятилетия в значительной степени благодаря распространению Интернета -- самому важному фактору, способствующему рациональному изучению аудитории (Bermejo, 2007: 133--135).
Распространение онлайн-СМИ и инструментов веб-аналитики
Еще в 1996 г. стокгольмский исследователь Питер Дальгрен прогнозировал, что стандартные редакционные процессы в корне изменятся при распространении онлайн-СМИ. «Журналистская работа осуществляется в специфичных институциональных, организационных и технологических условиях. Появление киберпространства неизбежно скажется на факторах, которые формируют работу СМИ, и может даже изменить наши общие представления о журналистике», -- писал он (Dalghren, 1996: 60). Спустя 20 лет после этого прогноза Интернет действительно стал одним из основных источников информации, а онлайн-СМИ по популярности уже обогнали многие традиционные средства массовой информации.
Авторитетный американский исследовательский центр «Пью Ресерч Центр» (Pew Research Center)1 отмечает, что в 2016 г. основными источниками информации для американцев стали телевидение (57%) и Интернет (38%), причем последний всего за несколько лет обогнал печатную прессу (20%) и радио (17%). В России ситуация похожая: телевидение остается основным источником информации о событиях в стране и мире (согласно данным исследовательской организации «Левада-Центр»2, 86% россиян). При этом число россиян, которые узнают новости с телеэкранов, с 2009 г. сократилось на 10%. Все большую конкуренцию телевидению составляют интернет-СМИ: онлайн-издания регулярно читают 33% россиян, а количество людей, которые узнают новости в Интернете, за последние 8 лет увеличилось в 3,5 раза.
С развитием новых технологий отследить предпочтения аудитории стало на порядок проще и дешевле. Появившиеся в середине 1990-х гг. системы веб-аналитики позволяют не просто проводить вспомогательную проверку размера аудитории и ее демографических показателей (хотя и это они делают точнее), но и отслеживать поведенческие паттерны. «Уникальность настоящего момента заключается в огромном объеме данных об аудитории, легкостью, с которой они собираются, и повсеместностью технологий цифрового отслеживания, а также в том, насколько эти данные могут влиять на работу СМИ, более полно передавая предпочтения аудитории», -- пишет Бермехо (Bermejo, 2007: 133). Технологические возможности систем веб-аналитики позволяют без труда фиксировать даже интерес к отдельным материалам.
Сам термин веб-аналитика описывает системы, осуществляющие сбор и анализ данных о том, как пользователи взаимодействуют с веб-сайтами. Первые системы веб-аналитики появились в середине 1990-х, почти одновременно с появлением первого браузера, и были достаточно примитивны. Изначально они представляли собой простые изображения счетчиков, показывающих количество посещений сайта, но уже к середине 2000-х веб-аналитика позволила узнать почти все о взаимодействии посетителей с сайтом: от информации о том, откуда человек попал на сайт (поисковый запрос, ссылка на другом сайте и т. д.) и сколько времени провел за просмотром отдельных страниц, до данных о том, что он сделал после его просмотра (закрыл вкладку, поделился с друзьями, сохранил в избранное).
Сегодня веб-аналитика используется в компаниях, относящихся к различным отраслям экономики, для мониторинга трафика, оптимизации маркетинга, веб-разработки, архитектуры сайтов и т. д. Применений у этих инструментов очень много, например:
• улучшение дизайна веб-сайтов на основе данных о взаимодействии пользователей с сайтом. Частным примером этого применения является анализ тепловой карты, которая показывает области экрана с более высокой средней скоростью кликов и помогает определить, находится ли нужная ссылка или нужный контент в нужном месте;
• измерение успешности специальных предложений, например рекламных кампаний. Веб-аналитика позволяет увидеть источники трафика и понять, откуда посетители приходят на сайт, проверяя целесообразность различных маркетинговых кампаний и анализируя рентабельность инвестиций;
• выявление проблем и повышение производительности вебприложений с помощью анализа среднего времени загрузки страницы различными браузерами и в разных географических точках.
На основе данных веб-аналитики даже было предпринято несколько попыток создать калькуляторы взаимодействия, которые бы предсказывали поведение пользователей. Например, исторические данные могут показывать, что пользователи, приходящие из поиска Google, за пять минут посещают в среднем две страницы и загружают один необходимый документ, тогда как другие -- пришедшие с главной страницы -- посещают двадцать страниц за 10 минут и загружают пять документов.
Для того чтобы установленные системы веб-аналитики использовались максимально эффективно, нужно заранее определить значимые для каждого конкретного веб-сайта показатели. Наиболее распространенными традиционными метриками, используемыми в веб-аналитике, как пишет исследователь систем веб-аналитики Авинаш Каушик, являются:
• подсчет посещаемости (включает в себя количество просмотров страниц и число уникальных посетителей);
• длительность сессий (время, проведенное пользователем на странице или на сайте);
• показатель отказов (процент посетителей, который покидают сайт после просмотра одной страницы) и коэффициент переходов по внутренним ссылкам (^шЫ^ 2009).
Кроме того, системы позволяют анализировать тенденции, показывая хронологические изменения выбранных показателей (например, как изменился процент захода с мобильных телефонов за последние два года). Веб-аналитика также часто используется для анализа профилей посетителей и клиентов, позволяя увидеть, из какого географического региона, в какое время заходят пользователи на сайт, сколько страниц они посещают за один визит, какова средняя продолжительность сессий, как часто новые посетители возвращаются на сайт после первого посещения, как часто постоянные посетители сайта его открывают (показатель лояльности) и т. д.