Med min bakgrund inom innehållsmarknadsföring förstår jag som ingen annan hur viktigt det är att analysera podcasts. Du investerar mycket resurser i att producera innehåll och du vill naturligtvis se vad det ger för effekt. På affärsmålen, men också på lyssnarna.
Podcastanalys ger dig de data du behöver för att justera och utvärdera. Men hur tillförlitlig är denna statistik över podcasts för närvarande?
Det korta svaret är att det är svårt.
Det längre svaret är att webbanalys redan är ganska moget och att branschen redan har standardiserat allting i rimlig utsträckning. Podcastanalyser är däremot fortfarande i sin linda.
Det som gör det ännu svårare är att de stora teknikföretagen befinner sig i en maktkamp och strävar efter att få monopol på podcastvärlden. Hur detta påverkar Podcast-analysen beskriver jag under rubriken "vilda västern".
Definitioner för denna artikel
För att klargöra vad som för närvarande är möjligt vill jag börja med några definitioner och principer, så att vissa saker kan sättas i perspektiv.
Tillförlitliga uppgifter jämfört med indikativa uppgifter
Det första man bör veta är att det alltid finns en skillnad mellan vattentät, tillförlitlig statistik och indikativ statistik. Detta gäller inte bara podcastanalyser, utan även webbanalys, eller vilken typ av analys som helst.
Tillförlitlig analys består av hårda, vattentäta data. Och även dessa uppgifter är inte 100% vattentäta. Tänk på det som ett hus - du kan göra det dragfritt, men du kan aldrig hålla all luft ute. Men det är uppgifter som du kan lita på, så länge du räknar med en liten avvikelse.
Sedan har du vägledande analyser. Detta är statistik som inte kan mätas vattentätt. Det finns olika orsaker till detta, men i allmänhet kan man säga att orsaken ligger i en okontrollerad miljö.
Tänk på webbanalys. Om någon besöker din webbplats inkognito, blockerar alla cookies eller använder en annonsblockerare kan du inte spåra allt och därför är siffrorna inte vattentäta och endast vägledande.
Naturligtvis finns det olika nivåer av noggrannhet i kategorin "indikativ". Om jag skulle ge ett betyg till webbanalys baserat på min magkänsla skulle jag säga 8 för tillförlitlighet. När det gäller podcastanalyser skulle jag nu säga "5".
Jag kommer att återkomma till vad det betyder för er.
Uppgifter på och utanför plattformen
Det handlar om vem som har tillgång till och kontroll över uppgifterna.
Data på plattformen är data som genereras via den plattform som tillhandahåller analysen. När det gäller Springcast är data som genereras via vår inbäddade podcastspelare data på plattformen. Vi har alla uppgifter och kan rapportera om dem på ett tillförlitligt sätt.
Data utanför plattformen är data som genereras av en extern applikation. När det gäller podcasts är det data som kommer från Apple, Google eller Spotify.
Det nuvarande läget för podcastanalyser
För närvarande är podcastanalyser fortfarande ganska vägledande. Detta beror på att aktörer som Spotify, Apple och Google ännu inte tillämpar någon standard när det gäller statistik.
Spotify arbetar till exempel med starter och strömmar, medan Apple arbetar med antalet enheter som har lyssnat. När det gäller hur länge folk lyssnar använder Spotify 25%, 50%, 75% och 100%, medan Apple rapporterar i genomsnittliga lyssningsminuter.
Kort sagt ... så länge det inte finns någon branschstandard kommer rapporteringen att vara svår, men huvudsakligen vägledande.
Den vilda västern
Apple, Google, Amazon och Spotify investerar miljarder i podcastbranschen. Det är ett område som alla vill dominera. För i Silicon Valley råder en övertygelse ... vinnaren tar allt!
Och det innebär monopol. Och monopol leder till stängda dörrar.
I podcastvärlden börjar vi också drabbas av detta. Spotify förvärvar populära innehållsskapare och gör deras innehåll tillgängligt enbart på deras plattform. Amazon och Apple gör samma sak.
Spotify tog också över den kostnadsfria podcasthostingplattformen Anchor. Där märker användarna redan att Spotify prioriteras när det gäller integrationer och att Apple och Google allt oftare lämnas utanför. Det innebär alltså färre integrationsmöjligheter.
Det sista draget, som många podcasters och värdskap för podcasts Det som leverantörerna för närvarande drabbas av är att Spotify lagrar allt innehåll på sina egna servrar. Detta innebär att externa podcastprogram och podcastvärdar inte längre kan hålla reda på vad som händer med ett avsnitt efter att Spotify har laddat ner det.
Vill du veta det? Därefter måste du logga in på ditt Spotify-konto. Det här är svaret vi fick från Spotify när vi bad om att få koppla till deras Analytics:
Och jag förstår. Vi för nu ytterligare samtal med Spotify för att se vilka möjligheter som finns, men det gör det inte enklare och bättre för dig som podcastare att få en inblick i din podcaststatistik.
Det är därför många internationella podcasthostingleverantörer utesluter Spotify helt från sin statistik. Detta är också en av anledningarna till att många företag väljer att inte publicera sina podcasts på Spotify och Apple, utan att distribuera dem via sin egen plattform (webbplats, nyhetsbrev osv.).
Naturligtvis anser vi att du som podcastare ska ha tillgång till alla (icke integritetskänsliga) uppgifter och att du ska kunna hitta dem på en central plats. Det är därför som vi, förutom våra arbetsrundor och analyser på plattformen (kommer snart), kommer att fortsätta kämpa för integration med Spotify, Apple och Google.
Styrning av vägledande uppgifter
Som du kan läsa i början av den här artikeln under rubriken Definitioner finns det inga vattentäta siffror i världen av webb- och podcastanalyser. Det handlar alltså inte om de absoluta uppgifterna utan om de relativa uppgifterna, om du inte rapporterar till annonsörer.
Web- och podcastanalyser är aldrig vattentäta och därför handlar det inte om absoluta data utan om relativa data. Hur utvecklas siffrorna? Istället för vad är siffrorna?
Med relativa uppgifter menar jag att det handlar om hur siffrorna utvecklas eller vad de säger.
För om du ser 1 000 nedladdningar eller 15 000 nedladdningar, vad säger det i sig självt? Det gör det inte. För det är varken mycket eller lite om man inte har någon referensram.
Om du tar min podcast som ett riktmärke är 1 000 nedladdningar en bra siffra. Om man jämför den med podcasten Sander Schimmelpennink är den rent av deprimerande 😉
Det intressanta är att se hur antalet nedladdningar ökar jämfört med föregående period. Och så länge det tekniska sättet att mäta inte förändras är ökningen sannolikt korrekt.
Nedan kan du se hur många nedladdningar min egen podcast hade vid mättillfället. Detta ger mig möjlighet att undersöka varför avsnitt 1 och 3 presterade bättre än avsnitt 2. Men en siffra i sig själv säger mig ingenting, utan en referens.
Så titta på de signaler som statistiken ger. Se det främst som en anledning till att fördjupa sig i siffrorna eller att forska.
Springcast-analyser
Just nu håller vi på att bygga upp en omfattande analyssvit, med vilken vi främst kommer att ge insikt i data (på plattformen). Till exempel:
- Ljudvärmekartor - var hoppar folk av under avsnittet?
- Antal optins via spelaren
- Genomsnittlig lyssningstid
- Ökning av engagemanget
- Klicka på "lyssna på"-knappar
För att nämna några. Av strategiska skäl kan vi inte dela med oss av alla mätvärden ännu 😉 Det kommer några riktigt coola mätvärden... det kan jag lova dig.
Och vi kommer naturligtvis att fortsätta att trycka på katalogerna, som Google, Apple och Spotify, för att få tillgång till de uppgifter vi behöver för att kunna tillhandahålla kvalitetsrapporter.
Har du kontakter i en sådan katalog? Du kommer att få en stor belöning om ditt tips leder oss till rätt personer 😉 .
