Med min baggrund inden for indholdsmarkedsføring forstår jeg som ingen anden, hvor vigtig podcast-analyse er. Du investerer en masse ressourcer i at producere indhold, og du vil naturligvis gerne se, hvad effekten er. På forretningsmålene, men også på lytterne.
Podcastanalyser giver dig de data, du har brug for til at justere og evaluere. Men hvor pålidelige er disse podcast-statistikker i øjeblikket?
Det korte svar er, at det er svært.
Det lange svar er, at webanalyse allerede er ret moden, og at branchen allerede har standardiseret alting i rimeligt omfang. Podcast-analyse er på den anden side stadig i sin vorden.
Og hvad der gør det endnu vanskeligere, er, at de store teknologivirksomheder er i en magtkamp, hvor de alle stræber efter at få monopol på podcast-verdenen. Jeg beskriver under overskriften "det vilde vesten", hvilken virkning dette har på podcastanalyser.
Definitioner til denne artikel
For at afklare, hvad der er muligt i øjeblikket, vil jeg gerne starte med nogle få definitioner og principper, så visse ting kan sættes i perspektiv.
Pålidelige vs. vejledende data
Den første ting, man skal vide, er, at der altid er forskel på vandtætte, pålidelige statistikker og vejledende statistikker. Dette gælder ikke kun for podcast-analyser, men også for webanalyser... eller endda for alle former for analyser.
Pålidelig analyse består af hårde, vandtætte data. Og selv disse data er ikke 100% vandtætte. Tænk på det som et hus... du kan gøre det trækfrit, men du kan aldrig holde al luft ude. Men det er data, man kan stole på, så længe man tager højde for en lille afvigelse.
Og så har du vejledende analyser. Der er tale om statistikker, som ikke kan måles vandtæt. Der er forskellige årsager til dette, men generelt kan man sige, at årsagen er et ukontrolleret miljø.
Tænk på webanalyser. Hvis en person besøger dit websted inkognito, blokerer alle cookies eller bruger en adblocker, kan du ikke spore alt, og derfor er tallene ikke vandtætte og kun vejledende.
Der er naturligvis forskellige niveauer af nøjagtighed i kategorien "vejledende". Hvis jeg skulle give en karakter til webanalyser baseret på min mavefornemmelse, ville jeg give et "8" for pålidelighed. Med hensyn til podcast-analyser vil jeg nu sige "5".
Jeg vil vende tilbage til, hvad det betyder for dig.
Data på og uden for platformen
Det drejer sig om, hvem der har adgang til og kontrol over dataene.
Data på platformen er data, der genereres via den platform, der leverer analysen. I Springcasts tilfælde er data, der genereres via vores indlejrede podcast-afspiller, data på platformen. Vi har alle dataene og kan rapportere pålideligt om dem.
Data uden for platformen er data, der genereres af en ekstern applikation. I tilfælde af podcasts er det data, der kommer fra Apple, Google eller Spotify.
Den nuværende situation for podcast-analyse
I øjeblikket er podcastanalyser stadig ret vejledende. Det skyldes, at parter som Spotify, Apple og Google endnu ikke anvender en standard, når det gælder statistik.
Spotify arbejder f.eks. med starter og streams, mens Apple arbejder med antallet af enheder, der har lyttet. Med hensyn til hvor længe folk lytter, bruger Spotify 25%, 50%, 75% og 100%, mens Apple rapporterer i gennemsnitlige lyttede minutter.
Kort sagt ... så længe der ikke er fastlagt en industristandard, vil rapporteringen være vanskelig, men hovedsagelig vejledende.
Det vilde vesten
Apple, Google, Amazon og Spotify investerer milliarder i podcastbranchen. Det er et område, som de alle ønsker at dominere. For i Silicon Valley er der én overbevisning, der hersker ... vinderen tager alt!
Og det betyder monopoler. Og monopoler fører til lukkede døre.
I podcast-verdenen er vi også begyndt at lide under dette. Spotify opkøber populære indholdsskabere og gør deres indhold udelukkende tilgængeligt på deres platform. Amazon og Apple gør det samme.
Spotify har også overtaget den gratis podcasthostingplatform Anchor. Her har brugerne allerede bemærket, at Spotify prioriteres, når det gælder integrationer, og at Apple og Google i stigende grad holdes udenfor. Der er altså færre integrationsmuligheder.
Det sidste træk, som mange podcastere og podcast-hosting udbydere lider under, at Spotify lagrer alt indhold på deres egne servere. Det betyder, at eksterne podcastprogrammer og podcastværter ikke længere kan holde styr på, hvad der sker med et afsnit, efter at Spotify har downloadet det.
Vil du vide det? Derefter skal du logge ind på din Spotify-konto. Dette er det svar, vi fik fra Spotify, da vi anmodede om at blive forbundet med deres Analytics:
Og jeg forstår det godt. Vi er nu i yderligere samtaler med Spotify for at se på mulighederne, men det gør det ikke nemmere og bedre for dig som podcaster at få indsigt i dine podcast-statistikker.
Derfor udelukker mange internationale podcast-hostingudbydere Spotify helt fra deres statistikker. Det er også en af grundene til, at mange virksomheder vælger ikke at udgive deres podcasts på Spotify og Apple, men at distribuere dem via deres egen platform (hjemmeside, nyhedsbrev osv.).
Vi mener naturligvis, at du som podcaster skal have adgang til alle (ikke-privatlivsfølsomme) data, og at du skal kunne finde dem et centralt sted. Og det er derfor, at vi ud over vores work-a-rounds og platformanalyser (kommer snart) fortsat vil kæmpe for integration med Spotify, Apple og Google.
Styring på vejledende data
Som du kan læse i begyndelsen af denne artikel under overskriften Definitioner, findes der ikke vandtætte tal i verdenen af web- og podcastanalyser. Så det handler ikke om de absolutte data, men om de relative data... medmindre du rapporterer til annoncører.
Web- og podcastanalyser er aldrig vandtætte, og derfor handler det ikke om absolutte data, men om relative data. Hvordan udvikler tallene sig? I stedet for hvad er tallene?
Med relative data mener jeg, at det drejer sig om, hvordan tallene udvikler sig, eller hvad de siger.
For hvis du ser 1.000 downloads... eller 15.000 downloads... hvad siger det så i sig selv? Det gør den ikke. For det er hverken meget eller lidt, hvis man ikke har nogen referenceramme.
Hvis du tager min podcast som benchmark, så er 1.000 downloads et fint tal. Hvis man sammenligner det med podcasten Sander Schimmelpennink, så er det ligefrem deprimerende 😉
Det er interessant at se, hvordan antallet af downloads vokser i forhold til den foregående periode. Og så længe den tekniske målemetode ikke ændres, er stigningen højst sandsynligt korrekt.
Nedenfor kan du se, hvor mange downloads min egen podcast havde på måletidspunktet. Det giver mig mulighed for at undersøge, hvorfor afsnit 1 og 3 klarede sig bedre end afsnit 2. Men et tal i sig selv siger mig intet uden en reference.
Så se efter de signaler, som statistikkerne giver. Se det primært som en anledning til at gå dybere ned i tallene eller til at foretage undersøgelser.
Springcast-analyser
I øjeblikket er vi i gang med at opbygge en omfattende analysepakke, som vi primært vil give indsigt i data (på platformen). For eksempel:
- Audio heatmaps - hvor falder folk fra i afsnittet?
- Antal optins via afspilleren
- Gennemsnitlig lyttetid
- Vækst i engagement
- Klikker på "lyt op"-knapper
For at nævne et par stykker. Af strategiske årsager kan vi ikke dele alle målinger endnu 😉 Der er nogle rigtig fede målinger på vej... det kan jeg love dig.
Og vi vil naturligvis fortsat presse katalogerne, såsom Google, Apple og Spotify, til at give os adgang til de data, vi har brug for til at levere kvalitetsrapporter.
Har du kontakter i et sådant bibliotek? Du vil få en stor belønning, hvis dit tip fører os til de rigtige personer 😉 .
