Med min bakgrunn innen innholdsmarkedsføring forstår jeg bedre enn noen andre hvor viktig podkastanalyse er. Du investerer mye ressurser i å produsere innhold og vil naturligvis se hvilken effekt det har. På forretningsmål, men også på lyttere.
Podkastanalyse gir deg dataene du trenger for å justere og evaluere. Men hvor pålitelige er disse podcaststatistikkene akkurat nå?
Det korte svaret er at det er vanskelig.
Det lengre svaret er at nettanalyse allerede er ganske modent, og bransjen har allerede standardisert alt i rimelig grad. Podkastanalyse er derimot fortsatt i sin spede begynnelse.
Og det som gjør det enda vanskeligere er at "De store teknologiselskapene" er i en maktkamp, og alle streber etter monopol i podcastverdenen. Hvilken effekt dette har på podcastanalyse, beskriver jeg under overskriften "det ville vesten".
Definisjoner for denne artikkelen
For å klargjøre hva som er mulig for øyeblikket, la meg starte med noen definisjoner og antakelser, slik at visse ting bedre kan settes i perspektiv.
Pålitelige vs. veiledende data
Det første du må vite er at det alltid er forskjell på vanntett, pålitelig statistikk og veiledende statistikk. Dette gjelder ikke bare podkastanalyse, men også webanalyse ... eller til og med enhver form for analyse.
Pålitelig analyse består av harde, vanntette data. Og selv disse dataene er ikke 100% vanntette. Tenk på det som et hus ... du kan gjøre det trekksikkert, men aldri holde all luft ute. Men det er data du kan stole på, så lenge du tillater litt avvik.
Og så har du veiledende analyser. Dette er statistikk som ikke kan måles vanntett. Det er flere grunner til dette, men du kan generelt si at årsaken ligger i et ukontrollert miljø.
Tenk på nettanalyse. Hvis noen besøker nettstedet ditt inkognito, blokkerer alle informasjonskapsler eller bruker en adblocker, kan du ikke spore alt, og tallene er derfor ikke idiotsikre og bare veiledende.
Du har selvfølgelig forskjellige nivåer av nøyaktighet i kategorien "veiledende". Hvis jeg måtte gi en karakter til webanalyse basert på magefølelsen min, ville jeg sagt en "8" for pålitelighet. For podcastanalyse vil jeg nå si en '5'.
Jeg kommer tilbake til hva det betyr for deg om et øyeblikk.
Data på og utenfor plattformen
Dette handler om hvem som har tilgang til og kontroll over dataene.
Data på plattformen er data som genereres gjennom plattformen som leverer analysene. Når det gjelder Springcast, er data som genereres gjennom vår innebygde podkastspiller, plattformdata. Vi har alle dataene og kan rapportere om dem på en pålitelig måte.
Data utenfor plattformen er data som genereres av en ekstern applikasjon. Når det gjelder podkaster, kan du tenke på data som kommer fra Apple, Google eller Spotify.
Den nåværende tilstanden for podkastanalyse
Foreløpig er podcastanalyse fortsatt ganske veiledende. Dette skyldes at aktører som Spotify, Apple og Google ennå ikke har noen standard når det gjelder statistikk.
For eksempel jobber Spotify med starter og strømmer, mens Apple jobber med antall enheter (enheter) som har lyttet. Når det gjelder hvor lenge folk lytter, opererer Spotify med 25%, 50%, 75% og 100%, mens Apple rapporterer i gjennomsnittlig lyttetid.
Kort sagt ... inntil en bransjestandard er fastsatt, vil rapporteringen være vanskelig, men for det meste veiledende.
Det ville vesten
Apple, Google, Amazon og Spotify investerer milliarder i podkastindustrien. Det er et domene de alle ønsker å dominere. For i Silicon Valley er det én overbevisning som gjelder: vinneren tar alt!
Og det betyr monopoler. Og monopoler fører til stengte dører.
I podkastverdenen begynner vi nå også å lide under dette. Spotify kjøper opp populære innholdsskapere og gjør innholdet tilgjengelig eksklusivt på sin plattform. Amazon og Apple gjør det samme.
Spotify kjøpte også den gratis podcast-hostingplattformen Anchor. Der legger brukerne allerede merke til at Spotify kommer foran seg selv der når det gjelder integrasjoner, og Apple og Google blir i økende grad satt på sidelinjen. Så færre integrasjonsmuligheter.
Det siste trekket, som mange podkastere og vertskap for podcaster er at Spotify lagrer alt innhold på sine egne servere. Dette hindrer tredjeparts podkastapplikasjoner og podkastverter i å holde oversikt over hva som skjer med en episode etter at Spotify har lastet den ned.
Vil du vite det? Da må du logge inn på Spotify-kontoen din. Vi fikk dette svaret fra Spotify da vi søkte om å koble oss til deres Analytics:

Og jeg forstår det. Vi er nå i videre samtaler med Spotify for å se hva mulighetene er, men det gjør det ikke enklere eller bedre for deg som podcaster å få innsikt i podkaststatistikken din.
Dette er grunnen til at mange internasjonale leverandører av podkasttjenester utelukker Spotify helt fra statistikken. Dette er dessuten en av grunnene til at mange selskaper velger å ikke publisere podcasten sin på Spotify og Apple, men å distribuere den via sin egen plattform (nettsted, nyhetsbrev osv.).
Vi mener selvfølgelig at du som podkastere bør ha tilgang til alle (ikke-personvernsfølsomme) data og kunne finne dem på et sentralt sted. Og det er derfor vi vil fortsette å kjempe for integrasjon med Spotify, Apple og Google, i tillegg til våre work-a-rounds og plattformanalyser (kommer snart).
Styring etter veiledende data
Som du leste i begynnelsen av denne artikkelen under overskriften definisjoner, er det ikke noe som heter vanntette tall i verden av nett- og podcastanalyse ennå. Så det handler ikke om absolutte data, men relative data ... med mindre du rapporterer til annonsører.
Nett- og podkastanalyse er aldri idiotsikker, og det handler derfor ikke om absolutte data, men relative data. Hvordan utvikler tallene seg? I stedet for hva er tallene?
Med relative data mener jeg at det handler om hvordan tallene utvikler seg eller hva de forteller oss.
Sett at du ser 1 000 nedlastinger oppført ... eller 15 000 nedlastinger ... hva sier det i seg selv? Ingenting. For det er verken mye eller lite hvis du ikke har en referanseramme.
Hvis du tar podcasten min som målestokk, er 1000 nedlastinger et fint tall. Hvis du sammenligner det med Sander Schimmelpennink-podcasten, er det rett og slett deprimerende 😉.
Det som vil være interessant er å se hvordan antall nedlastinger vokser sammenlignet med forrige periode. Og så lenge den tekniske målemetoden ikke endres, er økningen mest sannsynlig riktig.
Nedenfor kan du se hvor mange nedlastinger min egen podcast hadde på måletidspunktet. Dette lar meg undersøke hvorfor episode 1 og 3 gjorde det bedre enn episode 2. Men et tall i seg selv forteller meg ingenting, uten referanse.

Så se først og fremst på signalene fra statistikken. Se det fremfor alt som en grunn til å dykke dypere ned i tallene eller gjøre undersøkelser.
Springcast-analyser
Akkurat nå er vi i ferd med å bygge en omfattende analysepakke som vi vil bruke til å gjøre data (på plattformen) spesielt innsiktsfulle. Tenk på:
- Audio heatmaps - hvor faller folk av i episoden?
- Antall optins gjennom spilleren
- Gjennomsnittlig lyttetid
- Vekst i engasjementet
- Klikk på "hør etter"-knappene
For å nevne noen. Av strategiske grunner kan vi ikke dele alle beregningene ennå 😉 Noen virkelig kule beregninger kommer ... Det kan jeg love deg.
Og selvfølgelig fortsetter vi å argumentere sterkt overfor katalogene, som Google, Apple og Spotify, for å gi oss tilgang til de nødvendige dataene for å levere kvalitetsrapportering.
Har du kontakter i en slik katalog? Du vil få en fet belønning hvis ledetråden din fører oss til de rette personenes bord 😉.