Hoe betrouwbaar is podcast analytics op dit moment? Wat kan er gemeten worden en wat niet? In dit artikel duiken we in de huidige stand van zaken rondom podcast analytics.
Met mijn achtergrond in contentmarketing, begrijp ik als geen ander hoe belangrijk podcast analytics is. Je investeert veel resources in het produceren van content en wilt natuurlijk zien wat het effect ervan is. Op de business doelstellingen, maar ook op de luisteraars.
Podcast analytics geeft je de data die je nodig hebt om bij te sturen en te evalueren. Maar hoe betrouwbaar zijn die podcast statistieken op dit moment?
Het korte antwoord… het is lastig.
Het langere antwoord is dat web analytics al behoorlijk volwassen is en dat de industrie alles al redelijk gestandaardiseerd heeft. Podcast analytics staat daarentegen nog in de kinderschoenen.
En wat het nog veel moeilijker maakt, is dat ‘The big tech’ companies in een machtstrijd verkeren, waarbij ze allemaal streven naar een monopolie in de podcast wereld. Wat het effect hiervan is op Podcast analytics, beschrijf ik onder het kopje ‘het wilde westen’.
Definities voor dit artikel
Om goed duidelijk te maken wat er op dit moment mogelijk is, wil ik even beginnen met een paar definities en uitgangspunten, zodat bepaalde zaken beter in perspectief te plaatsen zijn.
Betrouwbare v.s. indicatieve data
Het eerste dat je moet weten is dat er altijd een verschil bestaat tussen waterdichte, betrouwbare statistieken en indicatieve statistieken. Dit geldt niet alleen voor podcast analytics, maar ook voor web analytics… of zelfs ieder soort analytics.
Betrouwbare analytics bestaat uit harde, waterdichte data. En zelfs deze data is niet 100% waterdicht. Zie het als een huis… je kunt het tochtvrij maken, maar nooit alle lucht buitenhouden. Maar het is data waar je op kan vertrouwen, zolang je rekening houdt met een kleine afwijking.
En dan heb je indicatieve analytics. Dat zijn statistieken die niet waterdicht te meten zijn. Daar zijn verschillende redenen voor, maar je kunt over algemeen stellen dat de oorzaak ligt in een niet-gecontroleerde omgeving.
Denk aan web analytics. Als iemand incognito je website bezoekt, alle cookies blockt of een adblocker gebruikt, dan kun je niet alles tracken en daarmee zijn de cijfers niet waterdicht en slechts indicatief.
Uiteraard heb je wel verschillende niveau’s van nauwkeurigheid in de categorie ‘indicatief’. Als ik op basis van mijn onderbuikgevoel een cijfers zou moeten geven aan web analytics, zou ik zeggen een ‘8’ voor betrouwbaarheid. Voor podcast analytics zou ik nu zeggen een ‘5’.
Ik kom zo terug op wat dat betekent voor jou.
On-platform & off-platform data
Dit gaat over wie er toegang en controle over de data heeft.
On-platform data is data die gegenereerd wordt via het platform dat de analytics aanbiedt. In het geval van Springcast, is data die gegenereerd wordt via onze embedded podcast player on-platform data. Wij hebben alle data en kunnen daar betrouwbaar op rapporteren.
Off-platform data is data die wordt gegenereerd door een externe applicatie. In het geval van podcasts kun je hierbij denken aan data die vanuit Apple, Google of Spotify komt.
De huidige staat van podcast analytics
Op dit moment is podcast analytics nog behoorlijk indicatief. Dit heeft ermee te maken dat partijen als Spotify, Apple en Google nog geen standaard aanhouden als het gaat om statistieken.
Zo werkt Spotify met starts en streams, terwijl Apple werkt met het aantal apparaten (devices) dat heeft geluisterd. Over hoe lang mensen luisteren, werkt Spotify met 25%, 50%, 75% en 100%, terwijl Apple rapporteert in gemiddeld geluisterd aantal minuten.
Kortom… zolang er nog geen industriestandaard wordt bepaald, zal rapporteren lastig, maar vooral indicatief zijn.
Het wilde westen
Apple, Google, Amazon en Spotify investeren miljarden in de podcast branche. Het is een domein wat ze allemaal willen domineren. Want in Silicon Valley heerst 1 geloof… the winner takes all!
En dat betekent monopolies. En monopolies leiden tot gesloten deuren.
In de podcast wereld beginnen we daar nu ook last van te krijgen. Spotify neemt populaire contentmakers over en maakt hun content exclusief beschikbaar op hun platform. Amazon en Apple doen hetzelfde.
Ook nam Spotify het gratis podcast hosting platform Anchor over. Daar merken gebruikers nu al dat Spotify daar wordt voorgetrokken als het gaat om integraties en Apple en Google steeds vaker buiten spel worden gezet. Minder integratie mogelijkheden dus.
De laatste move, waar veel podcasters en podcast hosting providers momenteel last van hebben, is de move waarbij Spotify alle content opslaat op hun eigen servers. Hierdoor kunnen externe podcast applicaties en podcast hosts niet meer bijhouden wat er met een aflevering gebeurt, nadat Spotify het heeft gedownload.
Wil je dat wel weten? Dan moet je inloggen op je Spotify account. Deze reactie kregen we van Spotify toen we een aanvraag deden om te koppelen met hun Analytics:
En ik begrijp het. We zijn inmiddels verder in gesprek met Spotify om te kijken wat de mogelijkheden zijn, maar het maakt het niet makkelijker en beter voor jou als podcaster om inzicht te krijgen in je podcast statistieken.
Daarom sluiten veel internationale podcast hosting providers Spotify helemaal uit van de statistieken. Bovendien kiezen o.a. hierom veel bedrijven om hun podcast niet te publiceren op Spotify en Apple, maar deze te verspreiden via hun eigen platform (website, nieuwsbrief, etc).
Uiteraard vinden wij dat jij als podcaster toegang moet hebben tot alle (niet-privacy-gevoelige) data en dat je dat op een centrale plek moet kunnen vinden. En daarom zullen wij naast onze work-a-rounds en on-platform analytics (coming soon), blijven strijden voor een integratie met Spotify, Apple en Google.
Sturen op indicatieve data
Zoals je in het begin van dit artikel hebt kunnen lezen onder het kopje definities, bestaat er nog niet zoiets als waterdichte cijfers in de wereld van web- en podcast analytics. Het gaat dus niet om de absolute data, maar de relatieve data… tenzij je rapporteert aan adverteerders.
Web- en podcast Analytics is nooit waterdicht en daarmee draait het niet om de absolute data, maar om relatieve data. Hoe ontwikkelen de cijfers zich? In plaats van wat zijn de cijfers?
Met relatieve data bedoel ik bedoel ik dat het gaat om hoe de cijfers zich ontwikkelen of wat ze vertellen.
Want stel je ziet 1.000 downloads staan… of 15.000 downloads… wat zegt dat op zichzelf? Niets. Want het is niet veel of weinig als je geen referentiekader hebt.
Neem je mijn podcast als benchmark, dan is 1.000 downloads een leuk aantal. Vergelijk je het met de podcast Sander Schimmelpennink, dan is het ronduit deprimerend 😉
Wat wel interessant is, is om te zien hoe het aantal downloads groeit ten opzichte van de vorige periode. En zolang de technische manier van meten niet verandert, klopt de stijging hoogstwaarschijnlijk wel.
Hieronder zie je hoeveel downloads mijn eigen podcast had op het meetmoment. Dit geeft mij de mogelijkheid om te onderzoeken, waarom aflevering 1 en 3 het beter deden dan aflevering 2. Maar een getal op zichzelf zegt me niets, zonder referentie.
Kijk dus vooral naar de signalen die de statistieken afgeven. Zie het vooral als een aanleiding om verder in de cijfers te duiken of onderzoek te doen.
Springcast analytics
As we speak is Springcast druk aan het bouwen aan een uitgebreide analytics suite, waarmee we vooral (on-platform) data inzichtelijk gaan maken. Denk aan:
- Audio heatmaps – waar haken mensen af in de aflevering?
- Aantal optins via de player
- Gemiddelde luistertijd
- Engagement growth
- Clicks op ‘luister op’ buttons
To name a few. Om strategische redenen, kunnen we nog niet alle metrics delen 😉 Er komen hele toffe metrics aan… dat kan ik je wel beloven.
En natuurlijk blijven we ons hard maken richting de directories, zoals Google, Apple en Spotify om ons toegang te geven tot de benodigde data om kwalitatieve rapportages te kunnen bieden.
Geef als eerste een reactie