Как перестать раздражать людей нерелевантным контентом

Джо Пулицци из Content Marketing Institute еще в 2015 предсказал обвал ожиданий от контент-маркетинга. В 2016 иллюзии рухнули в Рунете. Денис Савельев из Текстерра на RCM2016 заявил: «Нас захлестнет волной контента, а кого-то ей даже смоет». Чтобы увеличить вовлеченность, контентные проекты «обвешались» поп-апами и пушами и стали раздражать пользователей. О том, как это исправить, поговорим в статье.

Madcats считает, что контент-маркетинг преодолевает болезни роста. Мы в Giraff.io думаем, что следующий цивилизованный шаг — персональные рекомендации контента на основе анализа поведения пользователей. Реализовать его помогают алгоритмы машинного обучения. Именно они ненавязчиво помогают людям находить увлекательный контент, о существовании которого те могли не догадаться.

Контент: ожидания vs реальность

Рунет 2017 вовсю пестрит разнородным контентом, при этом ситуация выглядит как-то так:

• Нужно больше интересного и полезного контента! Контекст — дорого, контент — вот то, что спасет бизнес!
• Контент лезет отовсюду, хватит, горшочек не вари!
• В контент вкладываются те, у кого большие бюджеты.
• Контент-маркетинг мертв, СМИ исчезают один за другим, соболезнования тем, кто повелся на эту погремушку.

Джо Пулицци, главный евангелист КМ, говорит нам «хватит». Даг Кесслер из Velocity красноречиво обозначил положение индустрии оранжевым пятном «Oh shit» на Гартнеровской воронке зрелости технологии. Напомним, в чем суть: после изобретения технология проходит 4 стадии до того, как стать мейнстримом.

1.Пик завышенных ожиданий.
О технологии говорят на каждом углу.

2. Яма разочарования.
Новая технология — скорее пара плоскогубцев, чем меч-кладенец.

3. Свет в конце туннеля.
Люди дорабатывают технологию напильником и видят результат.

4. Плато продуктивности.
Технология стала мейнстримом и изменила мир. Теперь все зависит от прямых рук и продвинутых инструментов.

Контент-маркетинг прошел пик иллюзий, собрал кейсы, получил опыт и, самое главное, обратную связь от пользователей. Читатели со своей стороны тоже проживают этапы созревания технологии. Во время хайпа процесс идет по формуле «Голод — Насыщение — Пресыщение — Отвращение», последнее и привело контент в оранжевое пятно «Oh shit». Но раздражение пользователей — тоже топливо для развития не хуже прочих. Если бы не оно, читать людям «Огонек» с «Крестьянкой» до сих пор.

К «просто контенту» добавилась стратегия, прокачанные исполнители, выстроенные процессы. Инструменты и аналитика стали умнее. Осталось понять читателя. Об этом поговорим подробнее.

Таргетинг: демография vs поведение

В прогнозах КМ на 2017 год говорят о создании контента: будут делать больше видео, больше рассылок, тестировать виртуальную и дополненную реальность. Contently считает, что видео — будущее контента и медиа. Они проанализировали, что в 2017 году 69% всего контента в интернете захватит видеоконтент, а к 2020 году — 82%.

Если видеоконтент рулит, есть смысл пронаблюдать, как его таргетируют: здесь маркетологи заинтересованы во взаимодействии с аудиторией на поведенческом уровне. Тонкий таргетинг по интересам и поведенческим факторам дает лучшую вовлеченность, что хорошо и для медиа, и для брендов. В таблице ниже показано исследование компании e-Marketer, как таргетируются эффективные видеокампании.

Первое место уверенно занимает поведенческий таргетинг (по интересам — образ жизни, предпочтения и т.д.), демографический заметно отстает (гео, возраст, пол, история покупок). Контентные проекты избавляются от слепоты и скоро будут различать читателей не только по полу, возрасту и купленному айфону. Поведенческий таргетинг стал стандартом.

Content discovery: лезть на глаза vs тонко подстраиваться

Проекты могут использовать поведенческий таргетинг для рекомендаций контента пользователю на основе метаданных. Системы рекомендаций (англ. «content discovery», общепринятого перевода на русский пока нет) — сравнительно свежий инструмент для распространения контента. Возможно, в будущем он заменит исчерпавшие себя источники.

«Content discovery» позволяет не просто постоянно и отовсюду «лезть в глаза своей аудитории», а достигать читателя в нужное время, когда он находится в подходящем настроении. Следующий опрос от еМаркетер показывает, что использования и результативность технологии растет быстрее, чем другие платные методы.

«Content discovery», сервисы рекомендаций — виджеты на сайтах, подобные «Вам также может понравиться», «Вместе с этим читают», «Еще по теме». Также сервисы рекламируют контент на сторонних ресурсах, но сегодня подробнее о том, как предлагать пользователю интересный контент на собственном сайте.

Примеры алгоритмов «Content discovery»:

• «Еще по теме» — предлагают контент, подобный только что прочитанному.
• «Людям, которые прочитали это, также понравилось…» — анализируют большие объемы трафика и выдают рекомендации на основе истории просмотров предыдущих посетителей.
• «Популярное в соцсетях» — отслеживают пользователей, перешедших из соцсетей.
• Тонкие поведенческие. Анализируют источник перехода, устройство, время суток, узнают, новый это посетитель или вернувшийся, предыдущую историю просмотров.

Алгоритмы стараются персонализировать рекомендуемые ссылки для каждого отдельного пользователя, и лучший результат получается при применении систем, сочетающих в себе все типы этих алгоритмов. К ним прилагается аналитика, где помимо стандартных «количество просмотров — процент отказа», анализируются сугубо редакционные факторы. Чтобы составить впечатление, взгляните, как сервис редакционной аналитики Chartbeat анализирует сайт Gizmodo в реальном времени.

В Западном информационном пространстве есть очень крупные сервисы рекомендаций контента — Taboola и OutBrain. Они обслуживают The Time, The People, Fox, CNN и подобных монстров. Компания OutBrain знаменита тем, что имеет свое собственное понимание релевантности — она рекомендует наиболее интересные истории в целом, а не по теме. Это даже породило «Проблему горячих жен хоккеистов» — когда читателям после просмотров биржевой аналитики рекомендовали взглянуть на Топ-10 «секси-цыпочек».

Рекомендации: жены хоккеистов vs редакция

Оставив в стороне The Time и компанию, как контентному проекту предлагать читателям материалы, вовлекать их, увеличивать время просмотров? С помощью тех же виджетов персональных рекомендаций собственного редакционного контента. Они помогают пользователю решить вопрос, что бы еще такого почитать или посмотреть. Виджет выбирается в зависимости от цели, которую редакция хочет достичь.

На сайте Wikihow рекомендации реализованы с помощью бокового виджета с дополнительными статьями. Он перемещается вместе с прокруткой вниз и остается в поле зрения. Если читателю надоела статья, он переходит на другую в любой момент. Это приятнее, чем рвущие текст перелинковки посреди статьи. При доскролле виджет превращается в нижний блок с бОльшим набором рекомендаций.

У Madcats сбоку выводится виджет популярного в соцсетях, а при доскролле — нижний блок «Похожие статьи». Рекомендации различаются для каждого пользователя:

У vc.ru после редизайна заменили слайдер на блок лучших материалов:

Еще одна хорошая новость. Технологии дешевеют, машинное обучение становится нормой. Сегодня, если средний контентный проект или корпоративный блог хочет помогать читателю находить интересную информацию, ему не обязательно устанавливать дорогую систему. Аналог с алгоритмами рекомендаций на основе метаданных — сервис редакционной аналитики giraff.io — умеет все, о чем мы говорили выше, и он бесплатный. То, что нужно контентному проекту, если он хочет быть не хуже, чем большие медиа.

Что еще умеет Жираф:

• мощная редакционная аналитика измеряет фактическое внимание читателя вплоть до время чтения каждого модуля статьи.
• Собственная система content discovery приводит новых читателей с площадок-партнеров.
• Алгоритм персональных рекомендаций на основе машинного обучения ненавязчиво показывает читателю интересное.
• Помогает монетизировать сайт — вы можете зарабатывать на контенте партнеров.

С помощью аналитики Жираффа можно оперативно отслеживать проблемы: к примеру, статью закрывают, не читая. Спасаем ситуацию: пробуем изменить заголовок, протестировать новый лид, поправить верстку. И главное, любую проблему видно в реальном времени, а не постфактум.

Персонализация: ну нафиг vs срочно нужна

Рекомендации, content discovery, таргетинг по поведению, узнавание вернувшихся посетителей — все это относится к персонализации пользовательского опыта. Ник Дентон, основатель и CEO компании Gizmodo Media Group, считает: «Персонализация сегодня — самая большая проблема интернет-СМИ. Пользователи своим вниманием проголосовали, что хотят получать информацию из собственной ленты Facebook».

Контент-специалисты говорят о персонализации особенно интенсивно в связи с ростом соцсетей. Отчет McKinsey & Company показал, что 35% покупок на Amazon и 75% просмотров на Netflix делаются через персональные рекомендации.

Вот что говорят о персонализации лидеры трех флагманских компаний — Gizmodo Media Group (ранее Gawker. Включает в себя в т.ч. Gizmodo, Kotaku, Lifehacker), Artsy (платформа, объединяющая мировые аукционы для приобретения предметов искусства) и Taboola, сервис рекомендаций контента, которую уже упоминали.

Ян Фетте, Gizmodo Media Group: «Потребители ожидают все более персонализированного опыта, не только в своей ленте Facebook, но и на сайтах, которые они посещают в интернете. При просмотре страниц людей раздражает, когда они сталкиваются с плохо таргетированной рекламой или нерелевантным контентом на сайте.»

Даниэль Дубровкин, Artsy: «Компании ищут новые возможности для персонализации пользовательского опыта. Важно применять технологии прогнозирования таким образом, чтобы расширять возможности, а не ограничивать их. В Artsy мы обнаружили, что многие пользователи предпочитают зеленый цвет при приобретении предметов искусства, но это фактически ограничивает пользовательский опыт. Поэтому наша персонализация — способ помогать людям открывать новые вещи за границей того, что они уже знают.»

Адам Синголда, Taboola: «Более интересной интерпретацией персонализации является не разница между двумя или более людьми, но разница в восприятии одного человека в разное время в течение дня. Поведение отличается, если читатель открывает статью через мобильное приложение Facebook по дороге на работу или читает ту же самую статью с планшета или лаптопа дома.»

Опыт в интернете становится все более фрагментированным, для персонализации важен контекст. Кто, когда, с какого устройства, вернувшийся или новый, читает целиком или просматривает, какие материалы вызывают интерес — анализ этих факторов помогает создателям медиа производить и предлагать пользователю безошибочный, успешный контент.

Персональные рекомендации vs перелинковка и теги

Честно говоря, мы в giraff.io никогда не видели, чтобы теги на больших контентных проектах приносили пользу читателю. Представьте даже средних размеров корпоративный блог, который обновляется хотя бы раз в день. Через несколько месяцев облако тегов достигнет состояния неотсортированного словаря Даля. Теги могут хорошо работать у очень нишевых блогеров, которые освещают три-четыре темы и пользуются брендированным тегом для каждой. В контентных проектах теги — зло. Представьте, что читаете статью о трудностях стартаперов на Сахалине, теги: «стартап», «программирование», «Сахалин». Куда приведет последний тег? К статье об икре разве что.

Перелинковка встречается двух видов: «мелкое хулиганство» и «тяжелые повреждения». Первый тип — когда внизу статьи ставят любую ссылку, лишь бы хоть что-то по теме. Читатель, конечно, пройдет все круги ада «голод — насыщение — пресыщение — отвращение», но может прекратить пытку ссылками в любой момент. Пример такой перелинковки в одном из крупнейших интернет-изданий Петербурга:

В Петербурге пенсионерка отдала мошенникам 100 тысяч за лекарства от депутата — Напомним, ранее мы писали о том, что в Петербурге пенсионерка осталась без 500 тысяч после визита соцработников. — Напомним, ранее мошенники под видом денежной реформы похитили 80 тысяч у жительницы Дальневосточного проспекта. — Напомним, ранее мы писали о том, что в Красном Селе мошенницы под предлогом денежной реформы украли у 84-летней бабушки крупную сумму денег. — Напомним, ранее мы писали о том, что в Петербурге бабушка отдала мошеннику 150 тысяч рублей, чтобы спасти сына от тюрьмы.

Интересно ли читателю столько знать о непростых взаимоотношениях бабушек и мошенников в Петербурге?

Теперь об особо тяжком перелинковочном преступлении. SaaS-платформа ведет изумительный блог об увеличении конверсий. Но в любой их статье после КАЖДОГО модуля появляется голубая плашка «Читайте также». Нам понятно про доскролл, борьбу за удержание читателей и время на сайте. Все их материалы в той или иной степени интересные. Только проглядел первый модуль, и тут же тебе под нос суют другой лонгрид. Что делать, бросить первый, бежать читать следующий? Если читатель доскроллит статью до конца, из трех интересных ссылок две он забудет. Самое смешное происходит, когда пользователь все-таки решает просмотреть все ссылки — в браузере образовывается 30 открытых вкладок, коллапс, смерть. Вот им бы замечательно пригодился боковой виджет рекомендаций.

Ну и о рекомендациях популярного. Контентный проект X прикрутил себе Google Analytics. Редактор сайта открывает статистику, видит материалы по популярности, процент отказа, время на сайте, среднее время чтения статьи. Мы считаем, что Google хорош для измерения adwords-кампаний, но для редакционной аналитики он полезен, как измерение средней температуры по палате. Редактор сайта попадет в ловушку: посмотрит самые популярные материалы и подумает: «О, выстрелило, надо их еще поподнимать!». Он отправляет бомбовую статью в рассылку, делает переанонс в соцсетях, спустя некоторое время статья становится еще более популярной и цикл повторяется. В итоге циркулирует «свежак», который уже все видели. Именно это произошло на средних размеров сайте о бизнесе. Одну популярную статью промили 10 раз, она набрала 24.000 репостов, читателей тошнило. А у полезного интервью было 24 просмотра. Разница в 1000 раз.

Нужно больше Data

Чтобы развивать контентные проекты в 2017 году, нужно персонализировать читательский опыт. Теперь редакционная аналитика должна уметь предсказывать поведение пользователя в реальном времени и составлять рекомендации для каждого.

Усложнение инструментов — это не хорошо и не плохо, это теперь так. Те компании, которые научатся обращаться с Data, выживут и поглотят остальных. Начните прямо сегодня: установите виджет giraff.io, поэкспериментируйте с виджетами рекомендаций, последите за аналитикой. Время, которое сейчас тратится на бесполезную перелинковку, можно употребить гораздо более приятным образом. И самое главное, читатели перестанут проклинать контентный проект за нахальный обвес, бесполезное облако тегов и «протухшие» популярные посты.