Zrození datového copywritera - vše o tom, jak měříme obsah
Každý tvůrce obsahu se potřebuje zdokonalovat. Jak ale poznat co funguje a co ne? My se spoléháme raději na čísla než na pocity.
Tenhle přístup má dvojí efekt:
- copywriter přesně ví, co funguje a na co se má příště zaměřit,
- klient vidí, že obsah funguje a ví, co mu přináší.
V Obsahovce se soustředíme na dlouhodobé dodávání obsahu, proto je pro nás důležité měřit obsah tam, kde ho tvoříme pravidelně. Typicky:
- na Facebooku,
- na blogu,
- v newsletteru.
Analýza obsahu na Facebooku
Lajky, srdíčka a podobné reakce říkají jen část toho, jak se vašemu obsahu na Facebooku vede. Zajímavější data ale vydolujeme až analytických hlubin Facebooku.
Přestože nám Facebook ukazuje jen zlomek toho, co měří a sleduje, i tak z jeho dat dokážeme sestavit podrobné analýzy, které napoví, jaký obsah funguje. To celé zhruba ve třech krocích, které vám teď představím.
1) Získání dat z Facebooku
Kde bereme data z Facebooku? Jednoduše v přehledech na konkrétní FB stránce. V přehledu (Insights) se skrývá nenápadné tlačítko Export dat.
- Zvolte požadované časové rozpětí (Facebook dovolí vyexportovat v jednom přehledu data pouze za 180 dnů), za které chcete získat data,
- zvolte Údaje o příspěvcích (údajům o stránce se budeme věnovat později)
- a vyexportujte přehled ve formátu xls. Získáte tak soubor plný dat, který jde dál analyzovat.
Exportujte data o příspěvcích z FB Insights
Teď tedy máme data z příspěvků. Pro kompletní vyhodnocení ale potřebujeme také data ze stránky.
Ta obsahují počet fanoušků stránky (příchozí vs. odchozí), celkový placený a organický dosah stránky a další metriky, které potřebujeme pro analýzu úspěšného obsahu.
2) Základní analýza příspěvků
Tento typ analýzy používáme pro reportování klientům. Poskytuje nadhled a neřeší detaily.
V exportovaných datech z FB Insights zjistíme, jak jsou na tom jednotlivé příspěvky. My doporučujeme sledovat:
- organický vs. celkový dosah,
- počet prokliků (rozkliknutí fotografie),
- zájem o příspěvek,
- míru negativních reakcí,
- průměrnou dobu zhlédnutí videa.
Jak ale poznat, které příspěvky si vedou nejlépe? Záleží, k čemu má daný příspěvek sloužit a jaká je jeho výsledná akce. Je to přístup na web, zobrazení fotky nebo třeba zhlédnutí videa do konce?
Každá forma příspěvku má totiž jiné cíle:
- link - počet prokliků na web,
- video - počet zhlédnutí videa v délce 10 a více sekund,
- fotka - počet rozkliknutí fotky.
Pro rychlejší a přehlednější zpracování dat z FB Insights jsme si vytvořili dashboard, který slouží rovněž jako reportovací nástroj pro naše klienty.
Z dat si vytáhneme (pomocí vytvořeného makra v Excelu) pouze metriky, které nám slouží pro jednoduché vyhodnocení postů a to konkrétně:
- datum (případně hodinu) publikování,
- text příspěvku,
- počet sdílení,
- počet reakcí,
- počet komentářů,
- počet prokliků,
- organický dosah,
- celkový zájem o příspěvek.
Tato data si rozdělíme podle měsíců, abychom mohli analyzovat vývoj po měsících.
Dashboard jsme postupně osekali tak, aby byl pro klienta co nejvíce srozumitelný - nechceme klienta zahltit čísly. Dashboard pro klienta se tedy skládá z analýzy:
- nejlepších příspěvků minulého měsíce podle dosahu, sdílení, reakcí, prokliků a komentářů,
- nejlepších příspěvků za poslední 3 měsíce,
- 5 postů s největším zájmem o příspěvek,
- 5 postů s největším počtem prokliků na web,
- vývojem počtu fanoušků,
- celkovým organickým dosahem stánky.
Klientům pak ještě data vždy interpretujeme a přesně popíšeme, jak nám pomohou v práci v dalším období.
Ukázka z klientského reportu
3) Pokročilá analýza příspěvků
Vedle základní analytiky pak používáme složitější (ale možná více vypovídající) způsob. Jakmile potřebujeme zjistit, které konkrétní příspěvky fungují a proč, analyzujeme data v BI Tableau.
Výstupy z Tableau klientům neposíláme, protože jdou hodně do hloubky a pomáhají spíše nám interně.
Data z FB Insights nahrajeme (po drobné úpravě - smazání druhého popisného řádku u jednotlivých metrik) rovnou do Tableau. V Tableau pak máme nachystanou šablonu, kterou duplikujeme, a ve které analyzujeme:
Jak se dlouhodobě vyvíjí organický dosah?
Facebook dlouhodobě snižuje organický dosah u příspěvků. To všichni víme. Proto se díváme na dlouhodobý vývoj organického dosahu stránky u konkrétního klienta. Na základě trendové linie pak můžeme lépe zhodnotit, zda organický dosah klesá.
Kdy přidávat příspěvky?
Pokud máme u klienta KPI na prokliky na web, hlídáme si, kdy uživatelé nejčastěji přichází z příspěvků na web. Toho docílíme tím, že si porovnáváme čas, kdy postujeme, s počtem prokliků v jednotlivé časy. Díky datům pak můžeme lépe plánovat dobu vydávání obsahu.
Pokud zrovna publikujeme obsah, který nemá za cíl vést uživatele na web, ale vzbudit v něm zájem o příspěvek (fotka, video apod.), snažíme se publikovat v době, kdy uživatelé nejvíce reagují. Sestavujeme si proto přehled, kdy uživatelé nejvíce reagují na příspěvky v závislosti na dnu v týdnu a hodině vydání.
Jaká forma obsahu na stránce funguje?
Zatímco z obsahové strategii jasně víme, jaký typ obsahu na Facebook dávat, ideální formu příspěvků musíme zjistit z historických dat. K tomu nám slouží přehled příspěvků dle typu a reakce, ze kterého zjistíme, jak na jednotlivé typy příspěvků uživatelé reagují.
V ideálním případě se snažíme typy příspěvků na stránce střídat. Pokud ale máme skvělý obsah, přizpůsobujeme jeho formu typu obsahu, který je pro danou stránku nejúspěšnější - s přihlédnutím k zájmu a dosahu příspěvku.
Navíc si také seřadíme příspěvky dle jejich úspěšnosti (+ typu) a hledáme společné jmenovatele - proč konkrétní příspěvek tak dobře funguje. Naše předpoklady pak v dalších měsících testujeme.
Dále měříme také průměrné imprese a organický dosah pro jednotlivé příspěvky. Díváme se na to, který typ obsahu přináší organicky vyšší impresi.
Jdeme ale ještě více do detailu a pomocí krabicového diagramu (boxplot) analyzujeme příspěvky, které mají nadprůměrnou impresi na organický dosah.
V případě, že z krabicového diagramu příspěvky vystupují, znamená to, že jsou velmi úspěšné. Uživateli se zobrazily několikrát (imprese) - díky sdílení ostatních fanoušků, reakcím apod. Právě tyto příspěvky jsou pro nás důležité a můžeme pak hledat důvody, proč jsou lepší než ostatní.
Míra negativního feedbacku
Občas se stane, že vydáme nevhodný obsah nebo jej vydáme v nevhodnou dobu. Měříme proto míru negativního feedbacku (nepleťte si s negativními reakcemi).
Negativní míru feedbacku počítáme jako podíl celkového negativního feedbacku a sumy celkového zaujetí příspěvkem. Negativní feedback se skládá z uživatelských akcí: 1) Skrýt příspěvek, 2) Skrýt všechny příspěvky, 3) Nahlásit jako spam a 4) Unlike stránky.
Abychom se vyvarovali negativním akcím, zpětně si hlídáme míru negativního feedbecku v závislosti na době publikování příspěvků. Zjistíme tak, ve které hodiny a u kterých příspěvků je tato míra nejvyšší - publikování příspěvků podobného typu se pak při plánování snažíme předcházet.
Využití v praxi
Všechny přehledy a závěry jsou k ničemu, pokud je copywriteři nezohlední v praxi. I nám to trvalo dost dlouho.
Teď na pravidelných schůzkách s copywriterem, který má správu facebookové stránky na starost, probíráme závěry z analýzy a plánujeme, jak předpoklady ověřit v praxi. Copywriter pak změny zahrne do publikačního plánu a vše průběžně vyhodnocujeme.
A co na to copywriter?
Díky číslům od Kuby snadněji vytvářím na Facebooku posty, které mnohem silněji zasáhnou cílovku. Někdy je to trochu laborování, připravím více variant příspěvků a Kuba vyhodnocuje, co funguje. Vlastně je to taková detektivka. Poznatky používám i v dalších výstupech pro klienty - třeba pro plánování blogových článků nebo pro tištěné materiály.
Získání dat a ochota spolupráce na straně klienta
Na straně klienta nebývá u Facebooku s daty problém - stačí nám přístup ke správě stránky a potřebná data si vytahujeme sami.
Díky reportu a jeho interpretaci má klient nejen dobrý přehled o tom, co se děje, a co se bude dít, ale i nadhled nad celkovým vývojem.
Analýza obsahu na blogu
Velká část dlouhodobého dodávání obsahu u nás spočívá i v publikaci článků na webu či webech klienta. Abychom se mohli neustále zdokonalovat a přinášet lepší výsledky, potřebujeme takový obsah měřit.
Co potřebujeme k měření?
V základu stačí dvě věci:
- přístup do Google Analytics klienta,
- umístit vlastní měřící script na web klienta.
Zatímco Google Analytics určitě znáte, skript vám nejprve trochu přiblížíme. Skript posílá data do Google Analytics a slouží speciálně k měření obsahu.
Skript, který slouží speciálně k měření obsahu, a posílá data do Google Analytics, jsme získali od Luboše Květa (@LubiQet), který jej představil minulý rok na CopyCampu. Lehce jsme si jej upravili a nasadili téměř u všech našich klientů, kterým dlouhodobě dodáváme obsah.
A je skvělý! Nejenže nás velmi posunul v měření obsahu, ale navíc se i snadno nasazuje přes GTM a není třeba se o něj více starat. Skript měří tyto metriky:
- Kopírování textu na stránce - Zobrazí slova/věty, které uživatelé kopírují. To nám pomůže zlepšovat copy, neboť můžeme do textů zahrnout to, čemu uživatelé nerozumí a vyhledávají jinde. Také zobrazuje četnost těchto slov. Z hojně kopírovaných textů můžeme zjistit, co uživatele zajímá a vytvořit pro ně článek o daném tématu.
- Scrollování na stránce - Zobrazí nám, do kolika procent stránky uživatel scrolloval. Tento ukazatel nám pomáhá v poznání, zda-li čtenáře článek baví a jestli je pro něj poutavý.
- Délka textu - Skript projde celou stránku a spočítá, kolik je zde znaků (ty zaokrouhlí na stovky). Můžeme následně srovnávat např. rozsah vstupní stránky a míru okamžitého opuštění. Třeba tak zjistíme, že jsou určité stránky příliš dlouhé a uživatele odradí.
- Čas na stránce - V Google Analytics je čas na stránce dán jako rozdíl času čtení stránky vs. následující stránky. Pokud si uživatel přečte celou stránku a odejde, návštěvu v Google analytics uvidíme jako 0 sec. My potřebujeme vyhodnocovat i tyto návštěvy, abychom věděli, zda ho stránka zajímá, či nikoliv. Proto skript posílá každých 15 sec informaci na stránku, jestli zde návštěvník stále je. V přehledu následně vidíme, jak uživatelé ubývali na konkrétní stránce po 15 sec.
- Počet obrázků na stránce - Následně můžeme analyzovat, zda stránky s větším počtem obrázků konvertují více, či nikoliv.
Všechna tato data se propisují přímo do Google Analytics, ale pouze do Událostí (Event), odkud vyhodnocujeme jednotlivé stránky blogu. Data se tak nemohou dostat k nikomu dalšímu, kdo nemá přístup do Google Analytics.
Toto řešení je jednoduché a pro analytiku obsahu nám v současné době dostačuje. Výhodou je jeho unifikovanost a možnost nasazení skriptu na každý web bez dlouhého procesu tvorby custom řešení z klientovy strany.
Pro nás je přínosem zase to, že máme rychle a levně data, která potřebujeme.
Co měříme?
Propojením výše uvedených dat pak následně sledujeme metriky, které nám odpovídají na otázky:
- Celkový počet návštěvníků - Roste návštěvnost stránek? Mají sdílené příspěvky poutavý nadpis? Jsou témata pro uživatele relevantní?
- Zdroje návštěvy - Z jakého zdroje uživatelé přicházejí? Co na webu hledají?
- Počet opakovaných návštěv - Jsou články pro uživatele relevantní a přichází na web opakovaně? Tato metrika nám ukazuje kvalitu obsahu.
- Kopírování textů na stránce - Do textů zahrneme to, čemu uživatelé nerozumí a musí si dohledávat na jiných serverech.
- Čas na stránce jednotlivých uživatelů - Je obsah pro uživatele srozumitelný? Je příběh poutavý?
- Průměrný čas na stránce - Zvyšujeme v dlouhodobém měřítku zapojení uživatelů?
- Scrollování na stránce - Čtou uživatelé články celé? Je zcela jasné, že článek pokračuje dále?
- Počet stránek na návštěvu - Zajímá uživatele obsah? Chce číst další články?
Narazili jsme ovšem na problém v předání metrik copywriterům, kteří by na základě výsledků aplikovali změny do dalších článků. Přece jen vytahat si z Google Analytics tyto informace je poměrně časově náročné a ne každého baví se v datech "hrabat".
Proto jsme si vytvořili přehlednější dashboard. Dashboard se aktualizoval v reálném čase a data jsme do něj tahali z Google Analytics pomocí rozšíření v Google Spreadsheetu.
Proč píši v minulém čase? Ukázalo se totiž, že takový dashboard je pro každodenní používání nepraktický. Nic moc copywriterům nedával a neposkytoval detailní informace.
Proto jsme přišli s druhou verzí dashboardu, která se ukázala jako přínosnější. Zatímco první měl být hlavně jednoduchý a pro copywritery srozumitelný, druhý interpretuje data tak, jako kdyby k nim dával výklad analytik. Jednoduše řečeno je to textový dashboard, který interpretuje data.
V dashboardu nenajdete žádný graf, ale pouze textové odpovědi, které ukazují nejlepší obsah za poslední tři měsíce (upravujeme v závislosti na frekvenci publikování článků u klienta).
Po přihlášení do dashboardu vidí copywriter:
- nejčtenější články,
- nejdéle čtené články,
- nejvíce sdílené články na Facebooku,
- nejvíce sdílené články na Twitteru,
- nejvíce sdílené články na LinkedInu,
- co uživatelé na stránce kopírují.
Zjistili jsme totiž, že pro práci copywritera jsou nejdůležitější (resp. nejpoužitelnější pouze tyto metriky.
Pokud copywritera zajímají detaily o konkrétním článku, může si jedním kliknutím zobrazit podrobnější přehled pro daný text.
Kam se chceme posunovat dále?
Chceme přejít na platformu, kde budeme moci bezpečně sdílet dashboardy s klienty. Také chceme dashboard více používat pro strategické plánování obsahu.
Jednoduše se podíváme na výsledky za poslední rok a například z častého kopírování sestavíme obsah, který uživatelé vyhledávají, a který jim zatím chybí.
A co na to copywriter?
Měření obsahu je pro nás velmi užitečné. Osobně považuji za nejpřínosnější vidět, co čtenáři v textu kopírují. Velmi často to totiž odhalí slova, která je třeba vysvětlit, nebo ideální témata pro rozepsání na blogu.
Získání dat a ochota spolupráce na straně klienta
Oproti Facebooku potřebujeme pro měření obsahu na blogu více zapojení na straně klienta. To může být problém u větších společností, kde jakékoliv vložení skriptu znamená několikatýdenní schvalování s nejistým výsledkem. Jakmile se ale podaří skript nasadit, máme vyhráno.
Vyhodnocení kampaní newsletteru
Naši klienti nejčastěji používají pro rozesílku hromadných e-mailů Mailchimp. Ten umožňuje napojení na Google Analytics (Analytics360), díky kterému můžeme měřit přesný dopad newsletteru na prodeje. Vyhodnocujeme tedy:
- open rate, kterou srovnáváme s historickými údaji,
- CTR,
- konverzní poměr v %,
- revenue,
- splnění cílů na webu (objednání, doba návštěvy apod.).
Na základě těchto metrik pak hledáme úspěšné kampaně, které mezi sebou porovnáváme.
Pokud máme nějaké předpoklady, snažíme se je ověřit v dalších kampaních prostřednictvím A/B testování. Nejčastěji testujeme nadpis, délku obsahu + vizuální prvky v newsletteru.
Pokud má klient jiný systém, který neumožňuje napojení na Google Analytics, přidáváme do všech odkazů v newsletteru UTM parametry. Pomocí UTM parametrů tak můžeme vyhodnocovat úspěšnost mailingu přímo v Google Analytics.
S úspěšností newsletteru také souvisí jeho grafická podoba. Dodávaný obsah nemusí v šabloně newsletteru vypadat hezky a mnohdy stačí drobné úpravy v obsahu a e-mail vypadá o 100 % lépe. Pokud tedy dodáváme pouze texty a nespravujeme kampaně sami, prosíme vždy klienta (po naplnění newsletteru obsahem) o zaslání zkušební verze. Poté dolaďujeme drobné nedostatky a detaily.
Získání dat a ochota spolupráce na straně klienta
Pokud si klient rozesílá newslettery sám, těžko se dostáváme k datům (tedy pokud nejsou propsány přímo do Google Analytics). Pokud ale klientovi spravujeme rozesílku, máme přesný přehled o tom, co funguje a nefunguje. Na základě toho můžeme spouštět A/B testování a zlepšovat návratnost kampaní.
Pár rad před spuštěním vlastního měření
Jsme na úplném závěru. Pokud vás článek inspiroval k měření obsahu, dáme vám pár rad do praxe:
- Nenašli jsme zatím způsob, jak přesně zjistit a vyčíslit přínos kvalitního obsahu - netrapte se tím ani vy. Neděláme výkonnostní marketing, máme jiné cíle.
- Nezapomínejte na dostatečně reprezentativní vzorek dat. U malých projektů je měření trochu kanón na vrabce.
- Nepodřizujte obsah číslům - nesoustřeďte se pouze na obsah, který máte na webu, a funguje. Zkuste čas od času vytvořit něco, co vystupuje mimo stávající obsah. Může se stát, že to bude fungovat ještě lépe.
To, jak v současnosti měříme obsah, není rozhodně konečná. Neustále makáme na zlepšeních a věříme, že se nám podaří celou obsahovou analytiku dotáhnout do fáze, kdy budou výstupy neprůstřelné, a kdy půjde používat jako samostatný nástroj.