PinReach – ein Pinterest Analytics/Insights Tool

Mit PinReach gibt es ein kostenloses Tool, mit dessen Hilfe man die Leistung seiner Pins ein wenig im Blick behalten kann. Insgesamt ist das Tool nicht wirklich gigantisch. Es vermittelt jedoch einen ersten klaren Eindruck davon, wie die Daten des Pinterest API aufbereitet werden können. Mittlerweile – es ist Mai 2012 – hat PinReach kommuniziert, bald mit einer PRO-Version an den Markt zu gehen.

PinReach Analytics
PinReach Analytics

Man sieht, dass die Entwickler noch am Anfang stehen, auch wenn das Board als erster Wurf schon ganz ansehnlich ist. So fehlen beispielsweise die Namen der Boards im Dashbaord, im Tab „Boards“ werden diese genannt. Daneben sollte das Datum des letzten Updates angezeigt werden. Anleihen haben die Entwickler bei Klout gemacht: Sie ermitteln einen PinReach Score. Wie dieser konstruiert wird, kann ich nicht beurteilen – hierzu fehlen die Informationen.

Update 1.5.2012

PinReach hat mittlerweile eine Erläuterung seines Scores eingefügt und zeigt eine Verteilung der Scores. Es handelt sich um die Scores von etwa 10.000 PinReach Nutzern.

PinReach - Score Verteilung
PinReach - Score Verteilung

Im Tab „Boards“ werden die Metriken zu den einzelnen Boards aggregiert gezeigt. Das ist schon ausgesprochen hilfreich und reduziert die Notwendigkeit manueller Arbeit!

PinReach Boards

Das gleiche gilt für die Pins an sich. Hierfür gibt es auch einen eigenen Tab. Dort werden die Werte für die erfolgreichsten Pins zusammengefasst. Das schaut nett aus – auch wenn eine Übersichtstabelle mit mehr Inhalt hilfreicher wäre.

PinReach Pins
PinReach Pins

Ich empfehle PinReach einfach zu testen – es ist frei zugänglich. Pinerly kann man leider erst verwenden, wenn man eine Reihe von Nutzern zur Registrierung animiert.

Wie ich mir die Pinterest Analytics im Idealfall vorstelle, habe ich in einem eigenen Beitrag beschrieben.

Update 3.4.2012:
Die Daten der registrierten Nutzer sind übrigens frei zugänglich. Ersetzen Sie einfach „username“ im URL unten gegen den User-Namen für den Sie Daten abrufen möchten. Wenn wieder User einen Account bei PinReach hat, können Sie die Daten ansehen.

http://www.pinreach.com/user/username

Den Usernamen finden Sie bei Pinterest nach dem ersten Slash:

http://pinterest.com/klauseck/

Er wäre also „klauseck“. Sie können es gerne testen, der Kollege wird nichts dagegen haben. Wenn Sie allerdings „gap“ einsetzen, erhalten Sie eine Fehlermeldung. Das Bekleidungsunternehmen hat offensichtlich noch keinen Account.

Anforderungen an Pinterest Analytics & Monitoring

Pinterest ist ein großer Wurf. Das scheint sicher. Hier sind sich die Forscher von ComScore und compete.com einig. Auch im Februar legte der Foto-Bookmark-Dienst wieder ausgesprochen kräftig zu – beinahe 50 Prozent. Dann scheint es auch noch so zu sein, dass Pinterest mehr sehr viel Referral-Traffic liefert als andere Social Media Plattformen. Dies ist Grund genug zu schauen, wie man das Phänomen aus Sicht der Social Media Analytics und des Monitoring angehen sollte, um die Leistung möglichst realistisch zu bewerten und einzuordnen. Erste Dienste, die ein entsprechendes Dashboard entwickelt haben, gibt es bereits – Pinerly & PinReach. Allerdings ist die Datentiefe noch etwas mager. Es handelt sich um Daten, die über das Pinterest API ausgewertet werden – diese beziehen sich eben nur auf die eigene Page. Das ist aber noch lange nicht alles, was an Referral Traffic produziert wird. Deshalb formuliere ich hier eine erste systematische Anforderung. Dabei gehe ich davon aus, dass Methoden der Analytics und des Monitoring kombiniert genutzt werden müssen, um den Effekt von Pinterest umfassend beurteilen zu können.

Bitte beachten Sie, dass hier eine Maximalanforderung formuliert wird. Eine Aufwandsabschätzung findet nur rudimentär statt. 

Wie wird gepinnt?

Die erste und entscheidende Frage ist tatsächlich, wie gepinnt wird. Dafür gibt es unterschiedliche Wege. Durch die folgende Abbildung wird deutlich, dass es sich bei über drei Viertel der Pins um sogenannte Repins handelt – also um solche, die von Nutzern aus einem anderen Board in das eigene oder ein anderes Board übertragen wurden.

Methoden des Pinnens (Quelle: RJMetrics)
Methoden des Pinnens (Quelle: RJMetrics)

Der wichtigste Weg, auf dem Bilder originär auf Boards gepinnt werden, ist die Verwendung des sogenannten Pinmarklets. Daneben gibt es Browser-Erweiterungen. So kann man beispielsweise durch die Verwendung der rechten Maustaste pinnen oder auch, indem man ein „P“ anklickt, das bei dem Mousover einer Grafik auf derselben erscheint. Viel weniger wichtig ist die Direkteingabe von Bild-Adressen auf Pinterest selbst. Die Erweiterungen und die Direkteingabe wurden in obiger Abbildung unter „other“ subsumiert.

Wenn man sich nun dafür interessiert, was von der eigenen Website gepinnt wurde, dann lässt sich das im Überblick relativ leicht ermitteln. Die Kollegen von futurebiz.de haben freundlicherweise darauf hingewiesen. Pinterest zeigt alle Bilder an, die von einer Domain gepinnt wurden. Dabei ist jeweils sogar die Zahl der Repins enthalten:

Pinterest Source Function
Pinterest Source Function

Die Funktion ist relativ einfach:

http://pinterest.com/source/Ihre_Domain/

Wenn man an der Stelle von „Ihre_Domain“ die eigene einträgt, bekommt man eine Übersicht vergleichbar der obigen Abbildung angezeigt. Freilich gibt es dabei einiges zu beachten.

  • Es handelt es sich lediglich um Pins, die durch die Verwendung des Marklets gemacht wurden.
  • Wird ein Bild der gleichen Domain mehrfach direkt gepinnt, so wird es jeweils einzeln angezeigt. Das ist in obiger Abbildung leicht zu erkennen. Ebenso werden Repins dieser Bilder einzeln zu den Pins zugerechnet.
  • Der Zeitraum für den Ergebnisse gezeigt werden, ist begrenzt.
  • Wenn mehrere Domains benutzt werden, müssen alle einzeln analysiert werden.
  • Bilder, die kopiert und auf anderen Plattformen eingebunden wurden, können auf diesem Weg nicht erfasst werden.

Man sollte sich also darüber klar sein, dass etwa ein Siebtel der Pins mit dieser Methode nicht gezählt werden. Das ist durchaus zu verschmerzen. Man könnte prinzipiell einfach hochrechnen. Allerdings ist zu vermuten, dass die Verwendung von Browser-Erweiterungen zunehmen wird. Studien wie die von RJMetrics müssten also regelmäßig durchgeführt werden. Zudem müssten Anhaltspunkte hinsichtlich der Verwendung des Marklet und der Nutzer von Browser-Erweiterungen etc. gewonnen werden. Im ersten Schritt ist dies aus meiner Sicht aber nachrangig.

Für das strukturierte Arbeiten wäre es ausgesprochen hilfreich, wenn die Daten für ein Bild zusammengefasst erhältlich wären. Von Pinterest werden diese Daten leider nicht in dieser Form angeboten. Die Daten manuell aufzusummieren, ist auch nicht allzu erquicklich.

Datenaufbereitung der Pins, Repins & Kommentare

Es wird rasch deutlich, dass gerade für Unternehmen mit vielen Produkten und einem großen Fanpotenzial die oben angesprochene Einfachmethode kaum ausreichen wird, um effizient zu arbeiten. Für die Bekleidungsunternehmen wird Pinterest eine wichtige Plattform zur Generierung von Traffic werden.

In einem ersten Schritt müssen die Werte für die Pins gleicher Inhalte zusammengeführt werden. Auf den ersten Blick sieht das nicht schwierig aus: Man zählt die Bilder durch und addiert Repins und Kommentare jeweils auf. Was manuell – also durch den Einsatz menschlicher Arbeitskraft zwar aufwändig, aber absolvierbar ist, stellt für einen Automaten vor eine große Herausforderung dar. Die Ursache hierfür ist in der Tatsache zu finden, dass Pinterest zumindest in der Bildausgabe, jede einzelne Grafik mit einem individuellen Namen versieht. Aus der Perspektive von Pinterest ist dies wahrscheinlich sogar zwingend, damit Bilder, die repinnt wurden, nicht verschwinden, wenn das originale Pin gelöscht wird.

Eine neue Anforderung kommt auf die Social Media Analytics und das Social Media Monitoring zu: Bilder müssen unabhängig vom Dateinamen erkannt werden oder – und dies ist wahrscheinlich der einfachere Weg – alle Links angeklickt werden, um in einer eigens konstruierten Datenbank jedem Pin einen Ziel-URL zuzuordnen und hierüber die eindeutige Identifikation des Produkts etc. zu gewährleisten. Dennoch ist dies auch keine ganz einfache Aufgabe: Bei Textilwebsites werden Produkte beispielsweise mehrfach an verschiedenen Positionen in die Website eingehängt, es gibt Bekleidungsstücke in unterschiedlichen Farben, die Websites verschiedener Unternehmen funktionieren unterschiedlich etc. In der folgenden Abbildung für

http://pinterest.com/source/gap.com/

können Sie beispielsweise in der rechten Bildspalte das gleiche Bild mit und ohne Preisangabe finden.

Mehrfach gleiche Bilder und Bilder in verschiedenen Versionen bei GAP
Mehrfach gleiche Bilder und Bilder in verschiedenen Versionen bei GAP

Es geht nun darum, mit welcher Granularität die Anforderung umgesetzt werden soll. Sollten tatsächlich verschiedene Platzierungen auf einer Website und verschiedene Farbvarianten eines Produkts zusammengefasst werden, so sehe ich keine allgemeine Lösung. Es würde sich jeweils um eine individuelle Anpassung pro Website (einer bestimmten Funktionsweise) handeln. Deshalb gehe ich davon aus, dass zunächst der allgemeinere Ansatz hinsichtlich der Zuordnung von Ziel-URLs zu Bildern realisiert wird. Um im daraus generierten Report die Übersicht zu erleichtern, könnte dieser entsprechend eines Pages-Reports in einem Web-Analytics Tool  aufgebaut sein. Dort werden i.d.R. die URLs in Verbindung mit den Page Titles gezeigt, um den Nutzern die Übersicht zu erleichtern.

Die Dimension wäre in diesem Fall also der URL in Verbindung mit dem Page Title. Als Metriken sollten dienen

  • Zahl der Original Pins,
  • Zahl der Likes
  • Zahl der Repins
  • Zahl der Comments

Diese Auswertung kann für die eigene und beliebige weitere Websites durchgeführt werden. So kann beispielsweise auch die Aktivität für verschiedene Länderwebsites gemessen werden, Wettbewerber können beobachtet werden etc.

(Noch) keine Reichweitenzahlen

Wichtig ist an dieser Stelle allerdings, dass die einfache Nutzung der Inhalte in Form von Views derzeit nicht messbar ist. D.h. es ist ebenso wie bei Twitter. Allerdings sind Views bei Twitter schon alleine aus seiner technischen Struktur heraus nicht messbar. Bei Pinterest würde das technisch schon funktionieren – die Plattform müsste es realisieren und die Daten ihren Nutzern zur Verfügung stellen. Hierbei könnte es zu Problemen hinsichtlich des Datenschutzes kommen. Aus meiner Sicht sind hier nur zwei Wege denkbar:

  • Grundsätzlicher Zugriff auf alle Daten
  • Zugriff auf Daten der eigenen Domain, bzw. auf im Zugriff befindliche Domains

Strukturierung der Daten

Es handelt sich dabei um quantitative Daten, die durchaus mit denen von Facebook vergleichbar sind. Dabei sind im Grunde genommen alle Pins, die nicht selbst gesetzt wurden „viral“ – um in der Facebook-Nomenklatur zu bleiben. Insgesamt lassen sich die Daten abbilden, wie dies bei Facebook seit Herbst 2011 gemacht wird. Allerdings gibt es nach die oben angesprochenen Lücken hinsichtlich der Nutzung – also weder Reichweitendaten noch Daten hinsichtlich VIews:

Pinterest Daten in Facebook Struktur
Pinterest Daten in Facebook Struktur

Sentiment?

Social Media Monitoring Tools werten auch das sogenannte „Sentiment“ aus. Es wird dabei ermittelt, ob die Aussage innerhalb eines Kommunikats positiv, neutral oder negativ ist. Dabei wird das Produkt, die Organisation, das Thema etc., auf die sich die Aussage bezieht, aus dem Text an sich herausgelesen. Pinterest nennt hier an der konkreten Stelle lediglich die Domain der Website. In vielen Fällen wird im oft knappen, dafür aber stark wertenden Text kein Name oder ähnliches zur Identifikation genannt. Auch für den Zweck des Monitoring muss also dem Link gefolgt werden, um den Text zuzuordnen und weiter zu qualifizieren. Der Produktname steht in den allermeisten von mir getesteten Fällen auf der Zielseite des gezeigten Bildes, müsste allerdings auch automatisiert identifiziert werden. Dabei handelt es sich um eine Aufgabe, die im Crawling von Informationen durchaus bekannt ist bisher nach meinem Wissen jedoch noch nicht im Monitoring eingesetzt wurde.

Pins eigener Produkte von fremden Websites

Insgesamt ist die Lage jedoch noch um ein Stück komplexer. Die eigenen Produkte werden in vielen Fällen ja nicht nur über die eigene Website vertrieben, sondern auch über viele andere Plattformen. Wenn man nun wissen möchte, wie oft die eigenen Produkte gepinnt werden, dann wird es knifflig. Wenn es darum geht, die Kommentare auf Produktbewertungsportalen zu monitoren, ist das auch nicht ganz einfach. Der Produktname wir leider nicht immer einheitlich geschrieben. Im Falle von Pinterest erhält man den Produktnamen mitunter erst nach zwei Klicks. Die große Frage ist dann, wo der Produktname steht, um ihn der Bewertung unterhalb des Produktbilds zuzuordnen. Nach meiner Einschätzung erfordert dies jeweils starke manuelle Eingriffe bei der Einrichtung des Monitoring für einen Kunden. Meistens steht der Produktname im Titel der Seite. Dieser Titel hat dann oft auch noch eine Erweiterung, wie beispielsweise „kaufen im Laden XY“. Diese Erweiterung ist glücklicherweise auch fast immer gleich, so dass diese automatisiert gelöscht werden kann.

Leider gibt es noch eine weitere Schwierigkeit: Auch wenn die Unternehmen ihre Stammdaten per CSV oder auf anderen Wegen an Händler übergeben, so lassen viele Online-Shops den Produktnamen nicht unberührt. Der Name wird im Sinne der SEO bearbeitet und erweitert. Aus Jacket wird Jacke, der Verwendungszweck wird ergänzt, etc. Das alles ist für den Verkauf richtig und wichtig. Für das Monitoring verursacht es einen nicht zu unterschätzenden Aufwand. Ob dieser für eine automatisierte Rücktransformation gerechtfertigt und notwendig ist, muss in der Diskussion mit dem Kunden eruiert werden. Eine allgemeine Lösung ohne Anpassungsaufwand kann ich mir derzeit nicht vorstellen.

Tracking von Pins auf der eigenen Website

Ein anderer Weg, den man einschlagen kann, um zu einer Einschätzung darüber zu gelangen, wie häufig Bilder von der eigenen Website gepinnt werden, besteht darin, dies auch auf der eigenen Website zu tracken. Ganz einfach ist das nicht, da beispielsweise der Pin-Button in einem I-Frame untergebracht ist. Eine Lösung bei der Verwendung von Google Analytics wurde von Luna Metrics formuliert.

Leider bezieht sich diese Methode zum einen nur auf Google Analytics. Hinweise zur Umsetzung in anderen Tools gibt jedoch es schon: Events können auch in Webtrends oder Adobes Omniture getrackt werden. Zum anderen – und das ist erheblich wichtiger – bezieht sich diese Methode nicht auf das Tracking unter der Verwendung des Pinmarklet, das am häufigsten zum Pinnen benutzt wird. Hier müsste auf jeden Fall geprüft werden, ob ein Tracking möglich ist. Pinterest ruft zwar das zu pinnende Bild vollständig beim Server ab. Diese Information stünde dann allerdings nur im Server-Logfile. On Demand Services wie Omniture könnten diese Information nicht auswerten. Hier wäre Webtrends on Premise im Vorteil. Eleganter wäre es, den Einsatz des Marklet an sich zu tracken, auch wenn hierbei nicht klar ist, welches Bild einer Page tatsächlich gepinnt wird. Das Marklet zeigt alle pinnbaren Bilder einer Page an und der Nutzer entscheidet durch einen Klick, welches er pinnen möchte. Ob tatsächlich gepint wurde, würde man mit dieser Methode auch nicht messen können. Tatsächlich gemessen würde lediglich die Auslösung des Marklets.

Pinterest Marklet: Oft viele Bilder
Pinterest Marklet: Oft werden viele Bilder angezeigt.

Es könnte also kaum zugeordnet, werden um welches Produkt es sich handelt. Allerdings wäre durch den Ziel-URL die Zuordnung zu einer Produktgruppe möglich.

Tracking des Referral Traffic

Das Tracking des Referral-Traffic muss in der Web-Analytics Applikation erfolgen. Für die Referrer gibt es in allen mir bekannten Lösungen Standard-Reports. Diese müssen dann nur noch auf Pinterest gefiltert werden, was auch meistens möglich ist. Für Google Analytics gibt es eine entsprechende Erläuterung.

Ratsam ist es die eigenen Pins mit Kampagnen-Codes zu versehen, dann kann der Erfolg der eigenen Pins mit dem Gesamterfolg in Relation gestellt werden. Das Vorgehen mit Google-Analytics ist denkbar einfach – auch wenn die Bearbeitung derzeit noch manuell erfolgen muss und etwas Aufwand verursacht, der aus meiner Sicht vertretbar ist. In der folgenden Abbildung, sehen Sie die beispielhafte Generierung der Tracking URL für diesen Artikel:

Google-Analytics Gernerierung Pinterest Tracking URL
Google-Analytics Gernerierung Pinterest Tracking URL

Wenn man ein Produktbild oder wie ich ein Bild aus diesem Artikel pinnt, dann kann man bei Pinterest im ersten Schritt den URL des Bildes nicht editieren, wohl aber wenn man wen man das Bild anschaut und auf Edit klickt. Sie müssen dann einfach die Tracking-URL in das entsprechende Feld kopieren (Link):

Editieren der Pinterest Tracking-URL
Editieren der Pinterest Tracking-URL

Wenn man einen eigenen Report für Pinterest haben möchte, so lässt sich das mit Produkten der Enterprise Klasse auch recht einfach lösen. Es wird ein Report angelegt, der entsprechend gefiltert ist. Wenn man es für erforderlich hält, kann man auch noch resultierenden Umsatz zuordnen und Bounces – also Besuche mit nur einem View – aus dem Report herausfiltern.

Hinweise & Diskussion?

Ich würde ich über Hinweise und eine lebhafte Diskussion freuen!

Facebook Insights richtig interpretieren – ein Guide (Teil 3)

In diesem dritten Teil des Guide geht es um die „Likes“ – darum, wie und aus welchen Gründen Fans gewonnen werden, welche Erwartungen diese an eine Page haben und warum sie mitunter nicht mehr Fan einer Page sein möchten.

Inzwischen wurde das Insights Interface übrigens auch angepasst. Die Einführung der Timeline für Pages war die Ursache hierfür. Es gibt auf der linken Seite keine Navigation mehr. Diese wurde stattdessen im Seitenkopf der Insights platziert. Wesentliche Anpassungen der Inhalte sind mir aber nicht aufgefallen.

Likes und Unlikes

Hinsichtlich des Aufkommens der „Likes“ sind zunächst die Mengen relevant. Diese sind – wie aus der folgenden Abbildung ersichtlich – Schwankungen unterworfen. Der Betreiber der Page sollte wissen oder zumindest begründet vermuten können, welche Ursachen die Schwankungen haben.

Likes und Unikes

Werbeaktivitäten, Postings und auch Viralität sind Ursachen. Relevant sind zugleich die Gründe für das „Gefallen“ und das Zurückziehen desselben. Während Facebook hinsichtlich des Gefallens in den Insights die Quellen nennt – diese sind messbar – muss man sich für das Verlieren von Fans auf Befragungsdaten verlassen.

Quellen für Likes

Im Gegensatz zu den verlorenen Fans werden die Quellen für Likes von Facebook ausgewertet und in den Insights quantifiziert:

New User Wizzard: People who liked your Page in the New User Wizard when registering for Facebook.

Dabei geht es um Nutzer, die bereits im Facebook-Registrierungs-Prozess zum Fan einer Page geworden sind. Es handelt sich offensichtlich um Fans mit besonders hoher Motivation. Grund für ein solches Verhalten können beispielsweise in Aussicht gestellte Gewinnmöglichkeiten in Broschüren sein. Ausschläge nach oben bedeuten also beispielsweise ein besonders erfolgreiches Marketing außerhalb von Facebook.

Admin Registration: People you added to your Page as admins.

Die neu hinzugefügten Administratoren sollten eigentlich nicht verwundern.

Admin invite: People who liked your Page through an invite from an admin.

Administratoren können ihre Freunde einladen, Fans ihrer Page zu werden. Sie sollten also die Zahl der verschickten Einladungen mit dem angezeigten Wert vergleichen, um den Erfolg der Aktion zu bewerten.

On Page, News Feed, or Ticker: People who liked your Page on the Page itself or in a News Feed or Ticker story.

Hierbei handelt es sich um „organische Likes“, die auf der Facebook Website stattfanden. Diese werden ausgelöst, wenn ein Nutzer nach einem Unternehmen bzw. einer Page sucht und zum Fan wird. Leider werden die durch „Viralität“ gewonnenen Fans davon nicht getrennt ausgewiesen. Damit sind solche Fans gemeint, die von ihren Facebook-Freunden auf die Page hingewiesen wurden, indem diese auf die Wall gepostet wurde.

Ads and Sponsored Stories: People who clicked “Like” in an ad or Sponsored Story pointing to your Page. This does not include view-through or click-through Likes that occurred after people viewed your ad.

Bei der Definition des Erfolgs von Werbeanzeigen innerhalb von Facebook ist die Erläuterung ausführlich. Das Social Network legt Wert darauf, dass lediglich Klicks innerhalb von Anzeigen gezählt werden und nicht etwa auch Klicks, die in der Nachfolge eines Sichtkontakts mit einer Anzeige zustande kamen. Es handelt sich also um Fans, für die bei Facebook bezahlt wurde.

Facebook Recommendations: People who liked your page from Facebook “Recommended Pages”.

Eben die Empfehlungen, die Facebook ausspricht. Diese erscheinen derzeit in der rechten Spalte, wenn diese nicht mit Anzeigen ausgefüllt ist.

Mobile: People who liked your Page from a mobile device.

Dies ist auch ein Hinweis darauf, wie häufig eine Page von Mobilgeräten aufgerufen wird – dazu zählen Mobiltelefone und Tablets (die als solche erkannt werden). Der Anteil der Personen, die auf einem entsprechenden Gerät Fan einer Page werden, ist hierfür ein schwacher Indikator.

Third party applications: People who liked your Page via an application developed by a third party.

Ebenso überaus spannend für Social Media Professionals ist der Anteil der Nutzer, die eine Third Party-Applikation einer Page nutzen. Dieser Wert gibt einen schon etwas stärkeren Hinweis darauf als die „Mobile Likes“. Die Nutzung von Third Party-Applikationen ist regelmäßiger als die von Mobiltelefonen.

Page Likes Another Page: Pages that have liked your Page.

Likes von anderen Pages. Mehr muss man dazu nicht sagen.

Timeline Edit: People who added your page to their Likes on their Timeline.

Dabei handelt es sich um Nutzer, die eine Page posten, also zu ihrer Timeline hinzufügen.

Page Browser: People who liked your Page using Facebook’s Page Browser.

Es sind Fans gemeint, die über den Facebook Page Browser zum Fan einer Page wurden.

Like box or Like button: People who liked your Page from an external site using a Facebook social plugin.

Hierbei handelt es sich um einen sehr wichtigen Wert: Fans, die durch Social Plugins gewonnen werden. Dabei wird nur ein aggregierter Wert ausgewiesen, der für Dashboards sicher ausreichend sein mag. Wenn man den Erfolg hinsichtlich der Verwendung von Social Plugins genauer untersuchen möchte, ist man auf die Verwendung einer Web-Analytics Lösung angewiesen. Nur so kann man beispielsweise feststellen, auf welcher Seite des eigenen Angebots Fans generiert wurden (Website etc.). Dies gibt wichtige Hinweise hinsichtlich der Interessen der Nutzer.

Was erwarten Nutzer von einer Page?

Mit den eben genannten Werten erfährt man, auf welchem Weg die Likes zustande kamen. Dieser Weg lässt sicher auch schon ein wenig hinsichtlich der Erwartungshaltung der Nutzer an die Page erahnen. Wenn die Fans über ein Gewinnspiel für eine Page gewonnen wurden, so ist die Wahrscheinlichkeit groß, dass sie auch in der Zukunft wieder Gewinnspiele erwarten. Mann sollte die Werte also nicht nur bezüglich bestimmter Ereignisse auswerten, sondern auch hinsichtlich der gesamten Laufzeit. Leider ist dies bei bereits länger laufenden Pages nicht mehr möglich. Facebook erlaubt diese Auswertung nicht, da einfaches Kumulieren nicht möglich ist weil es auch „Unlikes“ gibt und für diese der entsprechende Status nicht übertragen wird.

Daneben gibt es noch Befragungsdaten, die Anhaltspunkte für die allgemeinen Nutzererwartungen hinsichtlich einer Page geben (Quelle: ExactTarget, Registrierung erforderlich):

Fan-Erwartungen an eine Page
Fan-Erwartungen an eine Page

Überraschend ist hierbei kaum etwas: Exklusive Inhalte, Events, verbilligte Produkte werden erwartet. Es handelt sich dabei um das, was viele Unternehmen bereits auf Facebook machen und was Handbücher zum Facebook Marketing empfehlen.

Wenn eine Page viele Nutzer ohne besondere Ereignisse verliert, kann die Ursache auch in der mangelnden Erfüllung dieser Erwartungen der Fans zu finden sein.

Warum Facebook Nutzer nicht Fans einer Seite werden

Für die Gewinnung von Fans für eine Facebook Page sollten auch die in der folgenden Abbildung genannten Gründe in Betracht gezogen werden. Wenn die Zuwächse geringer sind als erwartet wurden, können diese dafür verantwortlich sein (Quelle: ExactTarget, Registrierung erforderlich):

Gründe, nicht Fan einer Facebook Page zu werden

Man sollte also bei der Gewinnung von Fans durchaus auf die genannten Gründe eingehen und sicherstellen, dass man keine unnötigen Zugriffsrechte von den Fans in spe fordert.

Unlikes

ExactTarget bietet auch zu Unlikes Befragungsdaten an. Leider ist zur Methode der Datenerhebung wenig bekannt. Die Zahlen in der folgenden Abbildung sollten deshalb lediglich als grobe Anhaltpunkte verstanden werden, zumal diese sich auf die USA beziehen und aus dem Frühjahr 2011 sind.

Gründe warum Leuten Facebook Pages nicht mehr gefallen
Gründe, warum Nutzern Facebook Pages nicht mehr gefallen

„Zu viele Postings“ wird als häufigste Ursache genannt, gleichauf mit dem Wunsch nach der „Reinigung“ der Wall. Dieser Grund steht in engem Zusammenhang mit der „Langweiligkeit“ der Posts, die sich naturgemäß ab und an wiederholen oder ähneln. In diese Gruppe fallen auch Gründe wie die Werblichkeit von Meldungen oder die Irrelevanz der Postings für den „Fan“. Es geht um Häufigkeit und Inhalte von Nachrichten.

Diese sollten im Falle hoher „Absprungraten“ untersucht werden – auch – und das muss man ganz deutlich sagen, wenn letztendlich nicht der negative Effekt hinreichend für eine Änderung des Posting-Verhaltens sein sollte. Entscheidend ist immer der Nettoeffekt. Wenn ein Posting sehr viral ist, hierdurch mehr Fans gewonnen als verloren werden, dann ist es durchaus sinnvoll, auch in der Zukunft mit vergleichbaren Verfahren zu arbeiten. Letztlich sind die Ziele, die ein Unternehmen mit einer Facebook Page hat, relevant für die Konstruktion von Kennzahlen für die Entscheidung.

Dann gibt es eine weitere Gruppe von Gründen für Unlikes, bei denen der Verlust von Fans für die Page nicht weh tut. Dabei handelt es sich zum einen um eigentlich unliebsame Fans – solche, die lediglich aufgrund von Anwerbeaktionen und möglichen Gewinnen Fan der Page sind. Zum anderen gibt es Personen, die aufgrund der Änderung ihrer Lebensumstände nicht mehr Fans einer Page sein möchten. Leider ist die Trennung der Aspekte für den „Unlike“ nicht sauber möglich. Allerdings wird sich die zweite Gruppe eher schleichend verabschieden, während die zuerst genannte Gruppe sich in Wellen ausklinkt.

Verlustwellen sollten also genauer analysiert werden.

Hier geht es zu den bisherigen Teilen:

Teil 1
Teil 2

Im den weiteren Teilen der Reihe werde ich die noch verbliebenen Werte erläutern und KPIs herleiten und erste Anhaltspunkte für die Bestimmung eines ROI geben. Zum Abschluss wird dann gezeigt, wie man aufgrund der gegebenen Daten die Bespielung der Seiten optimieren kann.

Quellen:

Neben der zitierten Facebook-Hilfe habe ich den offiziellen Facebook-Guide genutzt. Diesen gibt es mittlerweile auch in deutscher Sprache. Für den nächsten Teil des Guide bildet ein Blog-Beitrag von Aviansh Kaushik eine wichtige Grundlage.

Facebook Insights richtig interpretieren – ein Guide (Teil 2)

In diesem zweiten Teil des Guide werden die übrigen im Dashboard genutzten Werte Reach, Engaged Users, Talking about this und Virality unter die Lupe genommen (Reichweite, eingebundene Nutzer, darüber sprechen & Viralität). Zusätzlich werden einige Tools genannt und Hinweise für die Wettbewerberanalyse gegeben. Darüber hinaus wird die Möglichkeit von A/B-Tests und MVTs erörtert.

Teil 1 von „Facebook Insights richtig Interpretieren“ finden Sie hier.

Mit Tool auf die Daten zugreifen – Möglichkeiten hinsichtlich Wettbewerberanalyse

Im ersten Teil der Beitragsreihe wurde bereits darauf hingewiesen, dass ein Teil der in den Facebook Insights abgebildeten Daten frei zugänglich ist. Mit Werkzeugen, wie All Facebook I Stats können diese auf recht einfachem Weg abgerufen werden. Um dies zu verdeutlichen, habe ich ein Beispiel mit drei Telekommunikationsunternehmen gewählt. Hierfür ergibt sich in der nächsten Abbildung für die Zeit von Mitte Januar bis Mitte Februar folgendes Bild:

Facebook Fan-Entwicklung (Darstellung allfacebookstats.com)

Die Entwicklung der Fan-Zahl kann also mit denen von Wettbewerbern verglichen werden.  Dabei liegen die Werte als Rohdaten vor, so dass auch noch detailliertere Schlüsse gezogen werden können als in den Facebook Insights direkt:

Fan-Entwiccklung auf täglicher Basis (Quelle: allfacebookstats.com)
Fan-Entwicklung auf täglicher Basis (Quelle: allfacebookstats.com)

Der Abbildung kann entnommen werden, wann es besondere Schwankungen in der Fan-Entwicklung gab. Mögliche Ursachen hierfür sind meist Werbung oder besondere Ereignisse, über die in der Presse berichtet wurde. Im Fall des hohen Ausschlags für o2 Deutschland ist Presseberichterstattung zu vermuten. Da über 3.000 Fans gewonnen wurden, lohnt sich die Recherche hinsichtlich der Ursache. Möglicherweise können andere Unternehmen auf einem ähnlichen Weg auch Fans gewonnen werden. All Facebook I Stats ist für bis zu drei Pages umsonst, darüber hinaus verursacht es Kosten. Der Dienst bezieht die Daten über das Facebook Graph API.

Versteckte Informationen

Wie gewonnen so verloren: In den Insights zeigt Facebook auch auf täglicher Basis die „Unlikes“, also Fans die nicht mehr Fans sein wollten. Hier ist eine Beispielabbildung:

Fan Unlikes

Aus dem Verlauf kann man ableiten, zu welchen Gelegenheiten Fans einer Page nicht mehr folgen möchten. Das liegt meist an der Art und Häufigkeit, mit der kommuniziert wird, aber auch an externen Ereignissen in der Presse oder Werbung. Besonders dann, wenn starke Ausschläge sichtbar werden, solle analysiert werden, in welchem Zusammenhang diese stehen, um gegebenenfalls Postings zu variieren. Hier – wie in allen anderen Fällen von Mehrkurvengraphiken bei Facebook gilt: Man kann die oberen Linien wegklicken, so werden die Ausschläge der unteren Linien deutlicher.

Old Insights

Eine andere wichtige Information hat Facebook leider in den  Insights geradezu versteckt. Weder den aktuellen Insights noch den „Old Insights“ kann man einfach entnehmen, welcher Anteil der Nutzer die Meldungen einer Page verbirgt. Man muss dazu den Engage-Wert jedes Beitrags einzeln anklicken und die Werte übertragen. Das ist schon sehr umständlich, wenn man umfangreicher auswerten möchte. In einer früheren Version war dies noch einfacher möglich. Diese Messgröße ist ebenso wie die Unlikes ein wichtiger Hinweis darauf, ob bestimmte Typen von Meldungen bei den Nutzern nicht ankommen. Für technisch Versierte: Derzeit können die Werte auch noch über das Graph API abgerufen werden. Eine Anleitung hierzu gibt es bei wisemetrics.com.

Social Media Analytics & Monitoring
Mein Buch zum Thema für
34,90 € bei Amazon

Die Metriken

In diesem zweitenTeil möchte ich den unteren Bereich des Dashboards analysieren – also die Werte, die Facebook hinsichtlich einzelner Posts zeigt. Hierzu gibt es im Hilfebereich von Facebook u.a. folgende Erläuterung:

Was bedeutet die Reichweite meiner einzelnen Seitenbeiträge?

Die Reichweite gibt die Anzahl der Personen an, die einmalig deinen Beitrag gesehen haben.

Was bedeuten die „eingebundenen Nutzer“ meiner einzelnen Seitenbeiträge?

„Eingebundene Nutzer“ gibt die Anzahl der Personen an, die an einer beliebigen Stelle auf deinen Beitrag geklickt haben.

Was bedeutet „Personen, die darüber sprechen“ meiner einzelnen Seitenbeiträge?

„Personen, die darüber sprechen“ ist die Anzahl der Personen, die eine Meldung über deinen Beitrag ausgelöst haben. Zu den Meldungen gehören:

-> Teilen, „Gefällt mir“-Markierungen oder Kommentare zu deinem Beitrag

-> Beantworten einer Frage

-> Zu einer Veranstaltung zu- oder absagen

Was bedeutet die Viralität meiner einzelnen Seitenbeiträge?

Viralität ist die Anzahl der Personen, die eine Meldung über deinen Seitenbeitrag ausgelöst haben als Prozentsatz der Gesamtzahl der Personen, die den Beitrag gesehen haben.

Worin unterscheiden sich „Impressionen“ und „Reichweite“?

Impressionen messen die Anzahl der Male, die ein Beitrag deiner Seite angezeigt wird, unabhängig davon, ob darauf geklickt wird oder nicht. Es kann vorkommen, dass jemand mehrere Impressionen des gleichen Beitrags sieht. So sieht ein Fan vielleicht eine Seitenaktualisierung einmal in den Neuigkeiten und dann noch einmal, wenn ein Freund sie teilt. Die Reichweite misst die Anzahl der Personen, die Impressionen eines Seitenbeitrags erhalten haben. Die Reichweite kann geringer sein als die Impressionen, da ein Nutzer mehrere Impressionen sehen kann.

Worin unterscheiden sich die organische, bezahlte und die virale Reichweite?

-> Organische Reichweite: Die Anzahl der Personen (Fans und Nicht-Fans), die den Beitrag einmalig in ihren Neuigkeiten, in den Kurzmeldungen oder auf deiner Seite gesehen haben.

-> Bezahlte Reichweite: Die Anzahl der Personen, die den Beitrag einmalig über ein gesponsertes Produkt (Seitenbeitragswerbung oder gesponserte Meldungen) gesehen haben.

-> Virale Reichweite: Die Anzahl der Personen, die den Beitrag einmalig über eine von einem Freund veröffentlichte Meldung gesehen haben. Zu diesen Meldungen zählen „Gefällt mir“-Markierungen, Kommentare, Teilen des Beitrags, Beantworten einer Frage oder Zu-/Absagen zu einer Veranstaltung.

Hier nun die genaue Erläuterung der Werte aus meiner Sicht:

Reach: Reichweite der Beiträge – die Grundlage 

Hierzu nennt Facebook als Definition „Anzahl von Nutzern, die einen Beitrag gesehen haben“. Man könnte also auch hingehen und als KPI einen Anteil der Nutzer definieren, die einen Beitrag gesehen haben, um über die Klassifikation von Themen, Medien und Zeiten die Postings zu optimieren. Das erscheint aber schon im ersten Moment nicht ganz einfach:

  • Wie sind Inhalte zu klassifizieren? Ist die Sichtbarkeit von Postings nicht etwa auch von Umweltfaktoren, wie Wetter, der Nachrichichtenlage oder Wettbewerberaktivitäten abhängig?
  • Wie kann mit verschiedenen Medientypen umgegangen werden?
  • Kann man überhaupt valide testen?
  • Sind die Daten, die Facebook zeigt überhaupt richtig?
Fangen wir mit der letzten Frage an: Natürlich sind die Daten aus der Sicht von Facebook korrekt. Es gibt allerdings Kontakte, die nicht mit in die Reichweite eingehen. Dabei handelt es sich um solche, die mittels Applikationen per API auf die Beiträge zugreifen – Hootsuite, Pulse und SocialHub sind Beispiele. Die angegeben Reichweite ist also ein Minimalwert für Beiträge, die über die Facebook Website aufgerufen wurden, in Social PlugIns erschienen sind oder Teil einer (bezahlten) Facebook-Anzeige waren. Die Beiträge können auch als geteilte Beiträge auf im Facebook-Steam gesehen worden sein und werden gezählt. Es sind dann solche, die in der Graphik, die nach dem Klick auf einen Reichweitenwert erscheint, als „Viral“ klassifiziert sind:
Facebook Reichweitenanteile
Das sagt freilich noch immer nicht, von wie vielen unterschiedlichen Nutzern die Beiträge gesehen wurden.
Es gibt noch zwei Faktoren, die man im Hinterkopf behalten sollte:
  • Es greifen Accounts auf die Beiträge zu und nicht Nutzer
  • Es gibt Nutzer, die Beiträge ausblenden
Die Klassifikation von Beiträgen ist eine Aufgabe der Inhaltsanalyse. Wenn diese gründlich sein soll, muss eine Skala entwickelt werden, mit deren Hilfe die Codierung der Beiträge hinsichtlich der interessierenden Merkmale möglich ist. Die Analyse hinsichtlich der Medientypen wäre prinzipiell einfacher, Facebook gibt das Merkmal jedem Post mit. In der nachfolgenden Abbildung kann man das sehen:
Beitäge auf Facebook inkl. der Interaktionsmetriken Kommentare - Likes plus dem Medientyp bei allfacebookstarts.com
Beitäge auf Facebook inkl. der Interaktionsmetriken Kommentare - Likes plus dem Medientyp bei allfacebookstarts.com
Um dies einfach auswerten zu können, benötigt man die Daten jedoch gesammelt in einem Auswertungs-Werkzeug. Sollten keine APIs oder keine aufbereiteten Daten zur Verfügung stehen, so muss man den manuellen Weg über die Tabellenkalkulation wählen.

A/B-Tests und multivariates Testen möglich?

Die Frage, ob man Facebook einem A/B- oder MV-Test unterziehen kann, wird häufig gestellt. Wenn solche Tests angeboten werden, dann handelt es sich um die Inhalte von Tabs, die getestet werden und nicht um den Erfolg von Meldungen im Stream. Der Grund hierfür ist einfach: Für multivariate Tests (MVT) muss der HTML Code der zu testenden Seite(n) manipuliert werden. Man müsste zum gleichen Zeitpunkt zwei oder mehreren Gruppen der Nutzer verschiedene Inhalte zeigen oder den gleichen Inhalt verschiedenen Nutzergruppen zu unterschiedlichen Zeitpunkten. Das ist nur möglich, wenn man technisch weitgehenden Zugriff auf die Analyseobjekte hat. Dies ist bei Facebook leider nur begrenzt gegeben, was auch verständlich ist. Der Zugriff über eingebundene Skripten von Test-Tools könnte die Website weitreichend verändern. Diese Einflussnahme erlaubt Facebook nur bei Tabs, die mittels I-Frames bespielt werden. Es gibt also noch keine Möglichkeit im Stream über multivariate Tests zu optimieren.
Testen kann man hingegen Facebook-Ads – also ggf. den bezahlten Traffic-Anteil der Reichweite. Hierzu bietet beispielsweise Boost CTR ein entsprechendes Tool an. So sollte man beispielsweise auch die Sponsored Storys testen können, die im Stream erscheinen (werden). Inwieweit diese Ergebnisse sich auf reguläre Postings übertragen lassen, bleibt offen. Es gibt dazu leider noch keine Erfahrungswerte.

Engaged Users = Eingebundene Nutzer

Das wichtigste Gut von Facebook sind die Daten. In früheren Version der Insights gab es den PostView bzw. die PostImpression – also keine Reichweite sondern die Zahl von potenziellen Sichtkontakten mit einem Post und die Zahl der Likes und Kommentare für einen Post. Also Interaktionswerte. In der aktuellen Version wurde zwischen Reichweite Impression und die Interaktion ein weiterer Wert geschoben: Die sogenannte Einbindung – keine besonders glückliche Bezeichnung. Facebook versteht darunter „die Anzahl der Personen, die an einer beliebigen Stelle auf deinen Beitrag geklickt haben.“ Es geht also darum, dass Nutzer aktiv wurden und sich mit einem Post beschäftigen, sich informieren. Hier ein Beispiel:
Potenzielle Einbindungsbereiche: Alles das in einer Meldung anklickbar ist

In der Abbildung ist ein Beitrag mit beinahe allen möglichen Elementen zu sehen. Alles was darin anklickbar ist und angeklickt wird sieht Facebook als Zeichen der Einbindung, des Engagement. Eine genaue Definition findet sich im Product Guide, der nur in englischer Sprache vorliegt:

Video plays: The number of times the playbutton of your video was clicked on.

Photo views: The number of times your photowas viewed in its full size.

Link clicks: The number of time the link includedin your post was clicked on.

Other clicks: The number of clicks on your post that are not counted in other metrics. These clicks can include clicks on people’s names incomments, clicks on the like count, clicks on thetime stamp, etc.

Stories generated: The number of stories that were created from your post. Stories include liking, commenting on or sharing your post, answering a Question or RSVP-ing to an event.

Engaged Users sollten also Accounts sein, die mindestens eine der genannten Aktionen für einen Beitrag ausgelöst haben. Wenn man die Zahl der „Engaged Useres“ mit der Reichweite in Relation setzt, erhält man also den Anteil der Nutzer, die mindestens an einer Stelle mit dem Beitrag interagiert haben.

Wenn man in einer Datenzeile auf die Zahl der Engaged Users klickt, wird eine Abbildung wie die obige angezeigt. Der groß gedruckte Wert ist die Zahl der Eingebundenen User. Wenn man die Maus über die Flächen bewegt, wird die Zahl der Aktionen angezeigt. Im Vorliegenden Beispiel wäre es die aufgerufenen Fotos, andere Klicks – beispielsweise auf die Likes oder Kommentare etc. – sowie Stories, die aus dem Post hervorgegangen sind. Ganz klein ist auch die Zahl der negativen Feedbacks zu sehen – also die Zahl der Nutzer die den Beitrag aus dem News Feed genommen haben oder anderes negatives Feedback gegeben haben. Wie weiter oben beschrieben, kann man diese Zahl auch über das API abrufen, um die Beiträge im Zusammenhang mit allen verfügbaren Zahlen auszuwerten.

Bemerkt werden sollte hier wiederum, dass alle Aktionen gezählt werden, die die Facebook Website als Zielseite haben oder bei denen ein Redirect über die Facebook Website führt. Stellt man als KPI für die Güte eines Beitrags also

Engaged Users / Reach

dann ist der Wert ansich mit größter Wahrscheinlichkeit zu hoch, weil ein größerer Anteil des Engagements also der Reichweite valide gemessen werden kann. Das ist wichtig zu wissen, zum Vergleich des Erfolgs verschiedener Postings nicht wirklich wichtig, da davon auszugehen ist, dass alle Postings in gleichem Maße von dem Fehler betroffen sind.

Talking about This = Personen, die darüber sprechen – Likes & Comments

Eine höhere Stufe der Interaktivität ist „Talking about This“. Wobei „sprechen“ nicht wirklich der richtige Ausdruck in diesem Zusammenhang ist. „Kommunizieren“ würde besser passen. „To communicate“ ist auch auf Englisch länger und passt nicht so gut in Zellen von Excel und in Präsentationen. Dies könnte der Grund dafür sein, dass „Talking“ gewählt wurde. Es geht darum, ob Like angeklickt oder ein Kommentar eingetragen wurde. Wiederum wird auf Beitragsebene die Zahl unterschiedlicher Accounts gemessen.

So wird deutlich, dass Facebook die Messgrößen im Bereich der Interaktivität ausgeweitet hat. Bisher gab es die beiden Größen „Comment“ und „Like“ die jetzt addiert die Größe „Talking about this“ bilden. Hinzu kommt die schon beschriebene Größe „Engagement“ und die Metrik „Virality“, die im folgenden Abschnitt erläutert wird.

Der Zusammenhang von Reichweite und Interaktion bei Facebook
Der Zusammenhang von Reichweite und Interaktion bei Facebook

Viraliät

Viralität ist häufig ein wichtiges Ziel, das Unternehmen mit ihrem Facebook-Engagement verfolgen. Sie wollen mehr echte Fans. Wenn also Fans nur in einem Beitrag kommunizieren, den nur Fan sehen, die das Unternehmen ohnehin schon hat, so steigert die möglicherweise die Kohäsion der Fans, mehr werden es hierdurch aber nicht. Leiten sie jedoch einen Beitrag weiter, dann besteht immerhin die Möglichkeit, dass der Beitrag von Nutzern gesehen wird, die noch nicht Fan des Unternehmens sind. Es geht also um die „Friends of Fans“. Leider sagt der Wert an dieser Stelle nicht, wie viele Nutzer durch das Teilen potenziell erreicht wurden. Alle Teilungsvorgänge werden addiert, gleich ob öffentlich geteilt wurde, an alle Freunde oder nur eine Person. Bedauerlicherweise habe ich im API auch keine Möglichkeit gefunden, die „Shares“ weiter zu bewerten oder sie gar mit der Zahl potenziell erreichbarer Personen in Zusammenhang zu bringen. Zudem wird mit der angegeben Methode nicht gemessen, wenn Fans einen Beitrag manuell in ein anderes Netzwerk weitergeben – also beispielsweise den Link auf neinen Blog-Beitrag bei Twitter oder Google+ posten.

Facebook hat also drei neue Parameter für die Interaktion mit Beiträgen etc. entwickelt. Ich würde diese jedoch anders bezeichen:

  1. Enganged Users: Sich aktiv informierende Nutzer.
  2. Talking about this: Kommunikation über einen Beitrag, so dass dies maximal die Fans der Page sehen können.
  3. Viral: Weitergabe von Beiträgen über die Fan-Gemeine einer Page hinaus.

Im den weiteren Teilen der Reihe werde ich die noch verbliebenen Werte erläutern und KPIs herleiten und erste Anhaltspunkte für die Bestimmung eines ROI geben. Zum Abschluss wird dann gezeigt, wie man aufgrund der gegebenen Daten die Bespielung der Seiten optimieren kann.

Hier geht es zu Teil 3. Ich habe nochmal die Likes & Unlikes sowie deren Aussagegehalt in den Facebook Insights etwas genauer analysiert.

Quellen:

Neben der zitierten Facebook-Hilfe habe ich den offiziellen Facebook-Guide genutzt. Für den nächsten Teil des Guide bildet ein Blog-Beitrag von Aviansh Kaushik eine wichtige Grundlage.

Facebook Insights richtig interpretieren – ein Guide (Teil 1)

Bei Facebook gibt es schon seit längerem Nutzungsdaten für Pages. Facebook selbst nennt sie Insights. Einen Teil dieser Daten kann man sogar frei über eine API abrufen und sich mit den Daten von Wettbewerbern vergleichen. Das erstaunt im ersten Schritt, ist aber auch nicht verwunderlich, da diese entweder auf den Pages stehen oder zusammen mit den Posts gezeigt werden, gleich ob sie auf der Facebook-Website gezeigt werden oder in Fremdapplikationen, wie beispielsweise Social Hub, Pulse, HootSuite, Bottlenose  etc. Alleine das ist schon Grund genug, die Facebook Insights ein wenig genauer unter die Lupe zu nehmen: Was taugen diese Daten und wie sollten sie interpretiert werden?

Hier zunächst mal die gegraute Ansicht es Dashboards, das ich als sehr brauchbar empfinde. Die Darstellung der Werte ist gut. Die wichtigsten Zahlen stehen am Kopf. Richtig so. Es wird angezeigt, ob es in der Tendenz nach oben oder nach unten geht. Darunter gibt es eine Abbildung, in der die Entwicklung der Werte veranschaulicht wird. Das wurde nach mehreren Anpassungen während der vergangenen beiden Jahre visuell wirklich bestens umgesetzt.

In diesem ersten Teil möchte ich den oberen Bereich des Dashboards analysieren. Hierzu gibt es im Hilfebereich von Facebook folgende Erläuterung.

Welche Kennzahlen sind zum Messen der Gesamtleistung meiner Seite verfügbar?


Vier Kennzahlen oben auf dem „Statistiken“-Reiter machen es möglich, schnell und einfach Größe und Aktivität deines Publikums einzuschätzen.

„Gefällt mir“-Angaben insgesamt: Die Anzahl von Personen, denen deine Seite einmalig gefällt, am letzten Tag des ausgewählten Datumsbereichs, aufgeschlüsselt nach Sprachen.

Freunde von Fans: Die Anzahl der einzelnen Personen, die Freunde deiner Fans sind, am letzten Tag des von dir ausgewählten Datumsbereichs, einschließlich deiner aktuellen Fans.

Personen, die darüber sprechen: Die Anzahl der einzelnen Personen, die während des vor dir ausgewählten Datumsbereichs eine Meldung über deine Seite ausgelöst haben. Eine Meldung wird ausgelöst, wenn jemand:
-> Deine Seite mit „Gefällt mir“ markiert
-> Deinen Seitenbeitrag mit „Gefällt mir“ markiert, oder diesen teile
-> Eine von dir gestellte Frage beantwortet
-> Zu deiner Veranstaltung zu- oder absagt
-> Deine Seite erwähnt
-> Deine Seite auf einem Foto markiert
-> Deinen Ort besucht oder weiterempfiehlt

– Gesamte Reichweite: Die Anzahl der Personen, die in dem von dir ausgewählten Datumsbereich einen beliebigen Inhalt im Zusammenhang mit deiner Seite gesehen haben (einschl. Werbeanzeigen oder gesponserte Meldungen mit Hinweisen zu deiner Seite).

Schon beim ersten Wert stolpert man leider über eine holprige Übersetzung.

Fans
„Gefällt mir“ wird mit „Die Anzahl von Personen, denen deine Seite einmalig gefällt, am letzten Tag des ausgewählten Datumsbereichs, aufgeschlüsselt nach Sprachen“ definiert. Im Dashboard selbst wird dies besser gelöst: „Anzahl der Einzelpersonen, die Deine Seite mit ‚gefällt mir‘ markiert haben.“ Es ist also nichts anderes als die Anzahl der Fans, die eine Page hat. Im Sprachgebrauch von Twitter heißen diese Follower. Der Wert entspricht der Zahl der Fans am Ende der gewählten Auswertungsperiode. Die Standardeinstellung ist hierbei die aktuelle Zahl von Fans. Im Hinterkopf sollte man dabei behalten, dass es sich rein technisch um die Zahl von Profilen handelt, die die Page „geliked“ haben. Ein Mensch kann über mehrere Profile verfügen. Deshalb ist der Wert als Maximalgröße zu verstehen.

Die Summe der Fans sagt letztlich relativ wenig über die Aktivität der Fans aus. Anders als im Facebook Werbetool handelt es sich nicht um „aktive Nutzer“, die innerhalb des vergangenen Monats bei Facebook eingeloggt waren. Es können viele Karteileichen darunter sein. Weiter unten erläutere ich die Wochenreichweite, die den angesprochenen Mangel beseitigt.

Insights Navigation
Insights Navigation

Die Links auf die Insights werden auch in der linken Navigationsspalte der Pages angezeigt. Nach dem Klick auf „gefällt dies“/“likes“ gelangt man auf das „Like“-Dashboard, dort bekommt man weitere Angaben hinsichtlich der Demographie der Nutzer einer Page. Diese Angaben können auch nur für die eigene(n) Page(s) abgefragt werden. Beim API-Abruf ist ein Passwort erforderlich.

Alter

Dabei handelt es sich um Angaben, die die Nutzer auf Facebook gemacht haben. Weil nicht alle ihr Geburtsjahr angeben, ergeben die Werte für die Altersklassen insgesamt nicht 100 Prozent.

Das sollte zu verschmerzen sein und gibt mit hoher Wahrscheinlichkeit die Altersstruktur der Nutzer von Pages korrekt wider.

Social Media Analytics & Monitoring
Mein Buch zum Thema für
34,90 € bei Amazon

Länder
Diese Angaben werden automatisch über die IP-Adresse gemessen. Man kann davon ausgehen, dass diese Angaben sehr genau sind. Bedenken sollte man, dass Nutzer, die sich vorrübergehend im Ausland aufhalten und sich dort in Facebook einloggen, dem anderen Land zugerechnet werden. Besonders zur Ferienzeit kann es deshalb zu Schwankungen kommen.

Städte
Auch diese Angaben werden automatisiert über die IP-Adresse gemessen. Im Gegensatz zu den Länderangaben ist die Zuweisung jedoch in Deutschland mit einer gewissen Ungenauigkeit verbunden. Die angezeigten Werte sollten als Richtschur dienen und nicht als absolut richtige Werte angesehen werden.

Sprachen
Hierbei handelt es sich um die Standardspracheinstellung der Nutzer für Facebook. Wichtig sind diese v.a. dann, wenn man über eine Page mehrere Sprachen gleichzeitig bedienen möchte.

Eine weiterer Gesichtspunkt ist auch außerordentlich wichtig: Wenn für Pages Werbung betrieben wird und besonders dann, wenn es Zielvereinbarungen mit Agenturen hinsichtlich der Generierung von Fans gibt, bzw. wenn pro generiertem Fan bezahlt wird, sollten die Sprachen und Länder verstärkt beobachtet werden. Wenn hier Sprachen und Länder auftauchen, die nicht erwartet wurden – beispielsweise China, Indien oder die ehemaligen Ostblockstaaten, dann sollte genau geprüft werden, ob es sich nicht doch um ungewünscht eingekaufte Fans handelt.

Die Like-Quellen des Dashboards werde ich an andere Stelle besprechen. Hier würde dies zu sehr in die Tiefe gehen. Zurück zur Hauptübersicht:

Freunde von Freunden
Mit dieser Metrik wurde von Facebook ein Maß dafür erstellt, inwieweit man sein Netzwerk durch die Generierung von „Likes“ erweitern kann. Bei „Freunden von Freunden“ handelt es sich um die Summe der Fans plus der Summe aller Freunde, die die Fans einer Page haben. Dabei sollte es sich entsprechend der Definition von Facebook um unterschiedliche Profile handeln, die gezählt werden. Ich persönlich bin mir hier nicht sicher, ob nicht doch einfach eine Summenbildung über die Zahl der Freunde der Fans stattfindet, Profile also auch doppelt gezählt werden.

Gleich ob dem so ist oder nicht: Wenn der Zuwachs an „Freunden“ (die Prozentzahl neben den „Total Likes“) geringer ist als der Zuwachs an „Freunden von Freunden“ (die Prozentzahl rechts neben „Freunde von Fans“), dann hat man im Auswertungszeitraum einflussreiche Fans gewonnen – also solche, die viele Freunde haben. Im umgekehrten Fall hat man Fans gewonnen, die wenige Freunde haben. Besonders in Phasen der Fan-Anwerbung sollte man diese Werte im Auge behalten. Fake-Profile haben in den meisten Fällen wenige Fans. Sinkt also der Wert in einer solchen Phase übermäßig stark, dann sollte man sich mit seinem Dienstleister zusammensetzen.

Personen, die darüber sprechen
Hierfür gibt Facebook eine beinahe umfassende Erläuterung: „Die Anzahl der einzelnen Personen, die während des vor dir ausgewählten Datumsbereichs eine Meldung über deine Seite ausgelöst haben. Eine Meldung wird ausgelöst, wenn jemand:
-> Deine Seite mit „Gefällt mir“ markiert
-> Deinen Seitenbeitrag mit „Gefällt mir“ markiert, oder diesen teilt
-> Eine von dir gestellte Frage beantwortet
-> Zu deiner Veranstaltung zu- oder absagt
-> Deine Seite erwähnt
-> Deine Seite auf einem Foto markiert
-> Deinen Ort besucht oder weiterempfiehlt“

Allerdings wird nichts darüber gesagt, wo diese „Meldung“ ausgelöst wird. In diesem Fall handelt es sich um eine „Interaktion“. Interaktionen können von Facebook auch gemessen werden, wenn diese außerhalb der Website auftreten, also etwa in Hootsuite oder Bottlenose etc. Die oben beschriebenen Interaktionen können immer gemessen werden.

Gesamte Wochenreichweite
Mit der Reichweite ist es komplizierter. Von Facebook wird sie wie folgt definiert: „Die Anzahl der Personen, die in dem von dir ausgewählten Datumsbereich einen beliebigen Inhalt im Zusammenhang mit deiner Seite gesehen haben (einschl. Werbeanzeigen oder gesponserte Meldungen mit Hinweisen zu deiner Seite).“

Allerdings kann nur auf der Seite von Facebook selbst oder in Social PlugIns gemessen werden, ob die Inhalte auch tatsächlich angezeigt wurden. Genau so verfährt Facebook dabei. Inhalte, die über eine API abgerufen und in anderen Clients angezeigt werden, gehen nicht in die Kalkulation des Reichweitenwertes ein. Personen/Profile, die Inhalte während des Auswertungszeitraums nur auf diesem Weg abrufen, werden nicht gezählt.

Die Wochenreichweite ist dennoch der wichtigste Indikator für die Zahl aktiver Fans und ein Maßstab für die Zahl von Fans die Facebook regelmäßig nutzen. Hierrüber lassen sich Kontaktchancen antizipieren. Das ist dann der Fall, wenn man beispielsweise die Zahl geöffneter Mails mit den Fans auf Facebook in Relation setzen möchte. Leider ist das nur dann valide möglich, wenn keine Facebook-Werbeanzeigen (!) im Auswertungszeitraum geschaltet wurden.

Den zweiten Teil des Guide finden sie hier. Neben der zitierten Facebook-Hilfe, ist hier der offizielle Facebook-Guide zu finden.