Как новостным организациям повысить эффективность? Проанализируйте статьи...

WAN-IFRA: Каким образом новостные организации могут использовать данные для того, чтобы лучше понять свою аудиторию?

Кеннет Кукьер: Среди некоторых онлайн-изданий — например, Gawker, the Huffington Post и Forbes — очень популярно рассматривать, какие статьи пользуются успехом, или даже каковы последние тенденции на Twitter и других платформах, а затем писать статьи на темы, которые кажутся такими, которых жаждет рынок. Это своего рода менталитет «следования за толпой» в журналистике. Это не обязательно плохо - многие новостные организации делают то же самое. Но при этом им также нужно больше терпения, здравого смысла и мудрости, чтобы думать о том, что наши читатели должны знать (тенденции задают не размолвки и пластические операции голливудских звезд).

Это один из примеров того, как новостные организации могут использовать эту технологию в своих целях, но это далеко не все. Позвольте мне привести еще один пример. Многие компании сейчас используют интерактивные диаграммы. Мудрая новостная организация принимает во внимание все следы, возникающие в результате взаимодействия с пользователем, и смотрит, что является самым популярным. Самое первое, что можно сделать — это расставить все по рангам и создать настройки по умолчанию и вкладки. Если все используют индекс Big Mac Index для сравнения Америки и Великобритании, а мы разработали его для 30 разных стран, возможно, стоит сделать небольшую вкладку с надписью: "Сравнить фунт и доллар". Речь идет о том, что нужно извлекать уроки из данных, а затем подавать их обратно людям, при этом понимая, как они читают и как они смотрят на те или иные вещи, что в прошлом не слишком хорошо получалось.

Являются ли данные более эффективным способом изучения читателей, чем, например, фокус-группы? Почему?

Абсолютно, на 100%. Но место есть и для того, и для другого. Важнее всего — понимать, что когда вы задаете людям вопросы о том, что они читают, что им понравилось, как долго они читали, они почти всегда ошибаются. Как правило, они считают, что видели намного больше материала, чем это было на самом деле. Они обычно думают, что провели больше времени материалом, с точки зрения вовлеченности, чем на самом деле. Эти расхождения хорошо описаны в литературе.

Таким образом, такие фокус-группы для некоторых вещей просто смешны. Они хорошо подходят, если вы хотите задать более тонкие вопросы, но не настолько хороши в тех случаях, где можно получить данные от наблюдений, а не из отчетных данных. Отчетные данные — это опрос, фокус-группы. Наблюдаемые данные — это то, что происходит на самом деле; они собраны пассивным образом на основе фактических привычек людей. В экономике мы называем это выявленными предпочтениями. Критически важной является возможность узнать выявленные предпочтения.

Есть прекрасный маленький афоризм. Майкл Кинсли был редактором Slate. Он публиковал много статей о скандале с Моникой Левински и Биллом Клинтоном. В связи с освещением этой темы он получал множество писем с критикой. Но вывод, который он сделал, заключается в следующем: "Письма говорят:" Нет, нет, нет ", а клики: "Да, да, да".

Кроме того, в наблюдаемых и в отчетных данных хорошо то, что люди могут говорить: «О, я подписался на газету, потому что мне очень, очень нравится разнообразие". При этом все читают раздел новостей по США, спортивный раздел, и больше ничего. Таким образом мы можем это узнать.

Но этот сигнал может ввести в заблуждение. Люди могут подписаться на издание, которое стремится открыть им весь мир. Раз - два в год, когда они заглядывается в международный раздел, они рады, что он там есть. В журнале The Economist, на двух последних страницах каждую неделю публикуются длинные таблицы с числами, и часть из них — о том, кто мы есть. Мы понимаем, что большинство наших подписчиков не смотрят на эти страницы, но многим из них нравятся эти страницы, потому что если им когда-нибудь понадобится узнать, каков уровень роста ВВП в Бразилии, они могут узнать это в любой момент. Издания все еще это делают. Нельзя прислушиваться к данным до такой степени, чтобы перестать думать, потому что некоторые данные подают ложный сигнал.

Еще один пример: многие средства массовой информации создают видео, но мы не знаем на самом деле, как люди хотят взаимодействовать с этим видео. Таким образом, как нужно показывать то или это? Если мы узнаем, что три четверти просмотревших наше видео, смотрели его на мобильных телефонах, а не на настольных компьютерах, это, несомненно, повлияет на то, как видео будет снято, потому что нужно будет учитывать маленький экран, на котором не будут видны мелкие детали, в отличие от широкого экрана. Поэтому кадры должны быть только крупные, без общих планов.

В прошлом нам никогда не удавалось получить информацию такого рода. Теперь мы можем это делать. Мы должны быть таким средством массовой информации, которое знает, как собирать данные, а это стоит денег. А еще вы должны уметь анализировать данные. И в-третьих, вам нужна обратная связь, которая позволит вам применить все, что вы узнали, для того, что вы на самом деле производите.

Кроме распространения таблоидов, видите ли вы какие-либо отрицательные стороны использования данных для принятия редакционных решений?

Данные всегда несовершенны. Данные — это не реальность, точно так же, как карта — это не территория. Это просто подобие реальности. Поэтому мы можем собирать неправильные данные, они могут вводить нас в заблуждение, мы можем придавать данным слишком большое значение. Данные несовершенны, поэтому, чтобы понять что-то более полно, нам нужно больше данных, причем более точных.

Например, в случае с видео, понятие "среднее время" на самом деле смешно. Если вы установите, что 30% ваших посетителей уходят после одной секунды или трех секунд, получается, что у вас есть эта огромная группа, одна треть людей, которые уходят немедленно. А почти все остальные, 70%, на самом деле досматривают видео до самого конца. [Если при этом средняя длительность видео составляет 1 минуту 30 секунд], то можно заключить, что нужно производить все видео длительностью в 1 минуту и 30 секунд. Но на самом деле это не так, вы получаете эффект кластеризации.

Я думаю, что самая большая проблема для новостных организаций — это не только распространение таблоидов. Одна из них состоит в том, что данные вводят в заблуждение, а вы этого не замечаете. Вторая заключается в том, что данные всегда касаются прошлого. А оригинальность возникает, если думать наперед, придумывать идеи, которые не могут быть подтверждены данными, потому что они настолько оригинальны, что у вас нет никаких данных в их поддержку. Пример этого - запуск iPad Стива Джобса. Каким образом он должен был собирать данные, как он должен был проводить исследование рынка по продукту, который еще предстояло создать?

Аргументом против использования данных для принятия редакционных решений является то, что компьютеры не могут оценивать новости, как опытные журналисты. Что вы думаете по этому поводу?

Я думаю, что это правда, но в то же время мне не кажется, что мы полностью передадим принятие решений алгоритмам. Мне кажется, что алгоритм на самом может быть очень полезным для принятия решений. Алгоритм может подсказать, когда лучше всего выставить новый пункт контента, или, что еще важнее, когда разместить объявление на Twitter. Как редактор может узнать это, если не прислушается к данным? Если он будет полагаться на практическую смекалку, опыт и суждение, решая, когда следует отправить твит, это очень глупый редактор. Это сложная задача, со множеством факторов, и компьютеры очень хорошо справляются с такими задачами. Люди просто не могут этого делать.

Таким образом, спор нужно переместить на ступеньку выше. Мы уже большие мальчики и девочки. Это не вопрос «человек против машины». Речь идет о том, каким образом можно применять этот инструмент для получения наилучшего результата.

По мере развития технологий и количественных показателей статей, какими вы видите отношения между аналитикой и журналистикой в процессе развития?

Я думаю, что в будущем каждая редакция должна будет отслеживать данные, собирать данные и прислушиваться к данным. Если они этого не будут делать, то не смогут быть настолько же эффективными, насколько возможно, в понимании того, чего хотят их читатели. Я думаю, что [технологии данных] в настоящее время принимаются с разными темпами, но мне кажется, что все дойдут до одного и того же базового уровня использования этих данных, которые будут давать информацию для принятия решений.

Сегодня существует реальная предубежденность против применения данных в отделе новостей, потому что мы боимся, что если будем стремиться выразить все количественно, то потеряем самое ценное в своей работе. То есть как журналисты мы выступаем за слабых, и статьи, которые мы пишем, не обязательно должны нравиться всему миру. Мы боимся, что если мы будем полагаться только на клики, то можем исказить свои ценности, показывая только приятное глазу, кошачью мяту для интернет-аудитории. Я думаю, это реальное опасение. Когда редакции будут осваивать эти технологии, важно, чтобы они к данным добавили свои ценности.

Оригинал публикации

Редактура, перевод: Редакторский портал

Додати коментар

Ім'я, Прізвище* E-mail Захист від спаму* Текст повідомлення*  

Додати коментар