I denne artikkelen vil jeg forklare de forskjellige statistikkene du kan finne i Springcast-plattformen.
Vil du bare raskt finne ut hva en bestemt beregning betyr? Naviger deretter til "beregninger" via innholdsfortegnelsen nedenfor.
Vil du få en god forståelse av hvordan analysene våre fungerer? og hvordan vi får dataene våre? Så les hele artikkelen.
Denne artikkelen ble publisert 26. august 2021 og vil bli oppdatert etter hvert som det gjøres endringer i analyseverktøyet vårt.
Sist redigert 26-08-2021.
Artikkelens innhold
Vil du gå rett til forklaringen av beregningene? Da kan du ta en titt på Beregningene
Podcaster og analyser
Selv om podcasten i seg selv har eksistert i mer enn 20 år, er podcastanalyse fortsatt i sin spede begynnelse. Inntil for noen få år siden kunne du egentlig bare se hvor mange nedlastinger et podcast-show eller en episode hadde.
I de senere årene, etter hvert som folk ble mer seriøse med podkastene sine, ble analyse viktigere og den podcast-verter gi mer statistikk. Du kan for eksempel se når på dagen folk lytter og på hvilke dager.
Hos Springcast tenker vi litt annerledes enn den gjennomsnittlige podcast-verten. Der den gjennomsnittlige verten har bakgrunn innen hosting eller podcasting, kommer vi fra innholdsmarkedsføring og kommunikasjon. Dette har ført til at vår Analytics Suite er blant de mest avanserte i bransjen.
Det som gjør det spesielt vanskelig, er mangelen på ensartethet i de tilgjengelige dataene vi får fra parter som Spotify og Apple. Apple deler ikke omfattende data i skrivende stund, og ut fra det kan vi bare vise nedlastinger og for eksempel bruk av Apple Podcasts-appen, mens vi får omfattende data fra Spotify (som offisiell Spotify-partner) via en API-kobling (november 2021).
Og så har du IAB som har utviklet en standard slik at enhetlig rapportering kan gjøres til annonsører. Dessverre ikke den mest nøyaktige standarden i skrivende stund, noe som er grunnen til at vi bevisst ikke blir sertifisert for øyeblikket.
Uansett... så alt dette prøver vi å presentere så enhetlig som mulig i din podcast analytics suite.
Beregningene
* Hvis flere personer i samme internettnettverk lytter samtidig, kan de bli urettferdig filtrert ut og kategorisert med hverandre som én unik lytter. Så for podkaster som lyttes mye til internt, er dette ikke den mest pålitelige beregningen.
** Springcast-økosystem: lyttere som lytter via den innebygde spilleren eller via podcast-nettstedet.
Hvordan vi får dataene våre
Det første du må vite er at vi skiller mellom følgende datakilder:
- Innfødte datakilder
- Partnerdatakilder
- Eksterne datakilder
Innfødte datakilder er spillere vi har bygget selv, for eksempel den innebygde spilleren, podcast-nettstedet og f.eks. våre interne podcast-apper. Her har vi full tilgang til alle data (unntatt lytternes personopplysninger, for det gjør vi ikke ;)).
Partnerdatakilder er kilder fra eksterne parter som vi har en lenke til. Disse partnerne, som for tiden omfatter Spotifygir oss tilgang til et omfattende sett med data. Vi har bare ikke tilgang til alle dataene, så vi må nøye oss med det som er gjort tilgjengelig.
Eksterne datakilder er kilder som vi signaliserer. Vi ser at de henter innholdet ditt fra serverne våre og serverer det til lytterne, men vi får ikke mer data enn det. Vi ser faktisk bare hvilken plattform som henter innholdet ditt, hvilken enhet/app som brukes og ting som tidspunktet for forespørselen.
Om Spotify-integrasjonen vår
Springcast er en offisiell lisensgiver av Spotify, noe som betyr at vi har en integrasjon med Spotify. Konkret betyr dette at vi kan hente ut statistikk fra plattformen via en lenke, men også ha en såkalt API-kobling, slik at endringer kan oppdateres i sanntid på Spotify. En blogg med mer informasjon om denne lenken følger snart.
Dataenes pålitelighet
Det er godt å vite at det ikke er noe som 100% nøyaktige data. Vi har å gjøre med flere faktorer som vi må veie for å avgjøre om noen er en unik lytter, eller noen som starter en episode på nytt.
En slik faktor er f.eks. ip-adressen. Vi logger ikke ip-adressen av personvernhensyn, men konverterer ip-adressen til en kryptert kode. Denne koden bruker vi igjen til å avgjøre om en nedlasting kort tid etter en annen nedlasting kommer fra samme lytter eller en ny lytter.
Dette er bare én av de 10 faktorene vi tar hensyn til, men til tross for disse 10 faktorene er det derfor mulig at noen blir feilaktig ekskludert eller tvert imot ved et uhell blir ekskludert for andre gang.
Vi har IAB-standard for podcaster brukt som utgangspunkt og utvidet videre, ettersom denne standarden ikke etablerte noen nye teknologier i denne standarden som forbedrer nøyaktigheten. Dette er også en av grunnene til at vi foreløpig ikke er IAB-sertifisert.
Vårt veikart når det gjelder analyse
Analysesuiten vår er allerede en av de mest omfattende i verden, og vi har bare så vidt begynt 😉.
Vi arbeider med ulike partnere for å utvide datasettet med partnerkilder ytterligere for å gi større nøyaktighet, men fortsetter også å investere i egne kilder.
Fordi vi mener at gode, pålitelige analyser er en av hjørnesteinene som fremtiden for podkaster bør bygges på. Fordi jo bedre forståelse av hvordan lytterne samhandler med innholdet, jo bedre vil innholdsskaperne kunne forbedre innholdet sitt.
Spotify-integrasjon
Akkurat nå er vi opptatt med å integrere med Spotify, som snart vil tillate oss å legge til et helt sett med unike beregninger i Analytics Suite. Beregninger som ingen vert i verden tilbyr ennå.
Det høres kanskje litt pompøst ut, men tenk på det som en kombinasjon av lidenskap og ambisjoner 😉.
Hvis du har noen ønsker rundt Podcast Analytics, gi oss beskjed. Og... God podkasting!
