Wie die Medienbranche von Big Data profitieren kann
Wenn es um die Zukunft der Medien geht, ist der digitale Journalismus nicht mehr wegzudenken. Das bringt Herausforderungen, aber auch große Vorteile: Es ermöglicht den Zugang zu zahlreichen Daten – in privaten wie auch öffentlich-rechtlichen Medienhäusern. Zeit, auch hier ein datenorientiertes Arbeiten zu etablieren, das zahlreiche Datenquellen berücksichtigt – von AGF-Daten über Google Analytics Daten bis hin zu Social Media Daten. Denn bei der Medienproduktion oder bei der Entwicklung neuer Produkte ist Bauchgefühl nicht wirklich hilfreich. Reichweitenmessung und Big Data in der Medienbranche dafür umso mehr: Data Analytics kann dabei helfen, Performance zu verstehen, Zielgruppen besser zu erreichen, fundierte Entscheidungen zu treffen und sich zukunftssicherer aufzustellen. Wie geht Data Analytics also im Medienkontext? Wie kommen Verantwortliche an die Daten – auch crossmedial –, und wie können sie sinnvoll mit ihnen arbeiten?
Inhalte dieser Seite
Data Analytics einfach erklärt: Was ist Datenanalyse?
Mit Data Analytics oder der Datenanalyse bezeichnet man den Prozess, in dem aus erfassten Daten Erkenntnisse gewonnen werden. Dazu werden mithilfe von Data Science aus zahlreichen Datenquellen die Daten extrahiert und zur weiteren Verarbeitung aufbereitet. Erst dann können Daten analysiert werden. Das so gewonnene Wissen soll dazu dienen, bessere Entscheidungen in Unternehmen treffen zu können und Optimierungspotenziale aufzudecken.
Ist Datenanalyse in der Medienbranche das gleiche wie die Medienanalyse?
Nein, Medienanalyse oder Medienresonanzanalyse (nicht zu verwechseln mit der Media-Analyse der Arbeitsgemeinschaft Media-Analyse (agma)) bedeuten etwas anderes als Datenanalyse in der Medienbranche. Data Analytics konzentriert sich auf Kennzahlen und Nutzerdaten. Zum Beispiel werden mithilfe von crossmedialer Reichweitenmessung wichtige Erkenntnisse gewonnen. Die Medienresonanzanalyse befasst sich stattdessen vor allem mit einem Medienspiegel oder Medienmonitoring: Sie trägt zusammen, welche Veröffentlichungen es zu einem Unternehmen gibt und ob diese positiv oder negativ sind. Beide Analysen haben jedoch das gleiche Ziel: Sie wollen Erfolg messen und das Mediencontrolling unterstützen.
Wie steht es um Data Analytics in Medienhäusern?
Medienhäuser haben verstanden, dass sich die Erwartungshaltung der Nutzer:innen verändert hat. Das Publikum will Informationen immer, sofort und dort, wo es sich auch aufhält. Gerade bei der jungen Zielgruppe bedeutet das zum Beispiel, dass lineares Fernsehen kaum noch auf dem Radar ist. Die Wahl fällt auf Soziale Netzwerke, Online-Medien und Streaming-Angebote. Immer mehr Intermediäre wie Facebook, Instagram oder TikTok liefern Informationen und News aus.
Data Science im Aufbau
Das erfordert neue Ansätze bei der Arbeit mit Daten. Denn klar ist:
- Ohne Datenanalysen wird es schwer, mitzuspielen.
- Ohne die richtigen Daten können neue Kanäle und Formate kaum entwickelt werden.
Wo früher noch Rundfunk Daten oder AGF Daten zur Reichweitenforschung ausreichten, müssen heute noch andere Datenquellen integriert und sogenannte Key Performance Indicators (KPIs), also Kennzahlen für die Performance für Medienhäuser definiert werden.
Das ist den Medienunternehmen durchaus bewusst: Neben Innovationen in neue Technologien werden verstärkt Positionen im Bereich Data Science oder Data Engineering besetzt. Auch ganz neue Direktionen im Bereich Innovationsmanagement entstehen. Data Teams sollen dabei helfen, aus der Vielzahl an Daten wichtige Erkenntnisse aus den Medien- und Nutzerdaten zu gewinnen. Doch der Aufbau solcher Daten-Einheiten steckt vielerorts noch in den Anfängen und schnell wird klar: Excel-Listen oder Google Sheets mit Tabellenspalten und Zeilen stoßen bei den großen Datenmengen schnell an Grenzen.
Warum Datenanalyse für Medienunternehmen immer wichtiger wird
Dass die Medienbranche sich aber mit Data Analytics befasst, ist genau richtig. Radiosender, Verlage oder auch der öffentlich-rechtliche Rundfunk – sie alle brauchen Big-Data-Strategien. Denn die Sammlung, Aufbereitung und Analyse von Nutzungsdaten ist für die gesamte Medienbranche entscheidend, um Menschen auf verschiedenen Kanälen mit dem richtigen Angebot ansprechen zu können.
Dafür sorgen:
Die Lösung für diese Herausforderungen lautet Data Science. Medienhäuser müssen Reichweiten sowie algorithmische Funktionen analysieren und Plattform-Daten integrieren, um Entscheidungen in der Medienproduktion fundiert und besser treffen zu können.
Welche Ziele verfolgen Medienunternehmen mit Datenanalysen?
Unternehmen wollen nicht nur auf die Herausforderungen reagieren können. Die Datenanalyse eröffnet Medien auch weitere Chancen. Sie können sich besser aufstellen und zahlreiche Optimierungen sind möglich:
- Digitale Formate datengestützt entwickeln
- Redaktionen und Teams besser managen können
- Inhalte optimieren: A/B Tests und SEO-Optimierungen sind in vielen Branchen schon lange auf der Tagesordnung – jetzt auch in Medienunternehmen, um besser gefunden zu werden und mehr Reichweite zu generieren
- Data Driven Publishing und Datenjournalismus vorantreiben
- Erfolg von Content-Stücken voraussagen und die Medienproduktion optimieren
- Archive zugänglich machen durch relevante Inhaltsempfehlungen
- Plattformen und Kanäle besser auf Mehrwert bewerten können
Die Vorteile von Data Analytics sind damit schnell deutlich: Mit einer datengetriebenen Analyse können Rundfunkanstalten Qualität und Relevanz sicherstellen sowie neue Zielgruppen erreichen. Fragen wie “Wie entscheiden wir, was wir entwickeln”, ergeben sich mithilfe von Daten von ganz alleine.
Welche KPIs gibt es für Medienhäuser und Rundfunkanstalten?
Wie jedes Unternehmen müssen auch Medienhäuser ihre Performance und Ergebnisse messen und so neue Entscheidungen steuern. Das geht mithilfe von Kennzahlen und KPIs.
Was sind KPIs?
KPI steht für Key Performance Indicator. Gemeint ist eine Leistungskennzahl, die Erfolg in Marketing, der Medienproduktion und Co. misst. Wie erfolgreich ist ein Artikel? Wie viele Menschen hat die Sendung erreicht? Wie viele Klicks hat eine Reportage oder ein YouTube-Video generiert? Durch Kennzahlen wird die Performance mess- und vergleichbar. Wichtige Voraussetzung: Es wurden vorher Performance-Ziele definiert oder Benchmarks gesetzt, denn ansonsten bleibt eine solche Kennzahl nur eine für sich stehende Zahl.
Der Unterschied von KPI zu normalen Kennzahlen liegt in der strategischen Relevanz: Normale Kennzahlen beschreiben die Performance operativ. Jedes Unternehmen definiert für sich, welche Kennzahl dabei hilft, die strategischen Ziele zu erreichen und damit KPI ist.
Kennzahlen in Medienhäusern
AGF-Daten der Arbeitsgemeinschaft Fernseh- bzw. Videoforschung, also die Messung von Reichweiten von TV und Video, gehört schon lange zu Kennzahlen in der Medienforschung. Auch Online-Bewegtbildinhalte und Videostreaming können dank der Arbeitsgemeinschaft Online Forschung (AGOF) gemessen werden, genauso wie Hörersessions beim Radio.
Durch die Digitalisierung im Journalismus mit Social Media Plattformen und Google Analytics Daten haben sich aber weitere spannende Kennzahlen ergeben, die im Redaktionsalltag immer relevanter werden – und zwar in Echtzeit:
- Abrufzahlen in Mediatheken und Streaming-Diensten
- Reichweite über Views und Impressions: Wie viele Nutzer:innen wurden erreicht?
- Anzahl der Klicks auf einen Link oder eine Anzeige
- Engagement-Rate oder Interaktions-Rate über Likes, Kommentare oder Shares
- Clickthrough-Rate: Klicks im Verhältnis zu den Impressions
- Verweildauer, Nutzungsdauer oder auch „Watchtime“, „Time Spent“ oder „Dwell Time“: Wie lange wurde mit einem Beitrag interagiert?
- Absprungraten: Haben Nutzer:innen nicht gefunden, was sie gesucht haben?
- Scroll-Tiefe: Wie viel Prozent einer Seite werden gesehen?
Warum sind solche Kennzahlen auch für Medienhäuser wichtig? Egal ob Medienhäuser kommerziell motiviert sind oder andere Ziele verfolgen wie im Fall der öffentlich-rechtlichen Medien: Monitoring von Kennzahlen unterstützt neben der Erfolgsmessung immer dabei, etwas über die Inhalte und die Zielgruppe zu lernen und so Formate weiterentwickeln und optimieren zu können – für mehr Reichweite und personalisierte Erlebnisse. Das schafft zufriedenere Nutzer:innen und auch zufriedenere Medienunternehmen.
Wie können Medienhäuser Big Data nutzen und Daten messen?
Egal für welche Kanäle sich das Publikum entscheidet, es hinterlässt immer Spuren. Ob es Videos streamt oder sich in sozialen Netzwerken bewegt: die Daten zur Nutzung sind vorhanden. So entstehen riesige Datenmengen, die aber nicht direkt sichtbar sind. Die Herausforderung für Medienunternehmen ist es nun, aus Big Data Zusammenhänge zu erkennen. Häufig wissen Redaktionen aber nicht, wie sie an die Daten kommen und wie sie Plattformdaten sinnvoll in ihre Arbeit integrieren können. Hier kommen verschiedene Aspekte auf Medienhäuser und Redaktionen zu:
Wie können Redaktionen den Überblick über die unzähligen Social Media Posts behalten und sie für ihre eigene Contentplanung nutzen?
Wie Dateneinheiten in Medienhäusern aufbauen?
Da diese Aufgaben normalerweise nicht nur von einer Person gelöst werden können, bauen Unternehmen Dateneinheiten auf. Ein Data-Science-Team oder eine Data Unit, bestehend aus vielfältigen Rollen, kann gemeinsam verarbeiten, analysieren sowie Erkenntnisse für die Themenplanung im Newsroom gewinnen. Wie kann so eine Data Analytics Einheit dann aussehen? Es braucht zum Beispiel:
- Data Analytics Engineers, die klären, wie man an die Daten kommt – häufig mit IT-Kenntnissen
- Ein Data Scientist kombiniert verschiedene Rollen, schafft zum Beispiel aus unstrukturierten Daten eine strukturierte Datenbasis und weiß diese auch zu analysieren
- Data Analyst oder Business Intelligence Analyst analysiert die Daten und findet Erkenntnisse, im besten Fall ist er oder sie auch Experte für Visualisierungen
- Medienforscher oder -forscherinnen mit Methodenkompetenzen
- Machine Learning Engineers für Modellentwicklungen im Bereich KI – optional für Data Teams, die gerne Voraussagen treffen möchten
Leichter gesagt, als getan, denn die richtigen Leute müssen erst einmal gefunden und eingestellt werden. Das kann Zeit und auch Geld kosten. Viele Medienanstalten greifen deswegen auch auf externe Experten zurück, um sich das passende Wissen schneller ins Haus zu holen und sich den Herausforderungen zu stellen.
Wie das in der Praxis aussehen kann, findest du weiter unten!
Herausforderungen Data Analytics in der Medienbranche
Big Data Technologien in Medienhäusern
Um für die Zukunft besser aufgestellt zu sein, bauen viele Medienhäuser nicht nur passende Teams auf, sie investieren auch in Big-Data-Systeme, um auf die Nutzungsdaten der Mediatheken und digitalen Plattformen zugreifen zu können. So bieten inzwischen einige Anbieter Business Intelligence, also BI Software Lösungen für die Medienbranche an. Daneben gesellen sich zahlreiche Social-Media-Management- und Social Monitoring Tools. Die Bandbreite an spezifischen Tools ist also riesig: von der AGF-Software VIDEOSCOPE bis hin zum Google Data Studio oder Google Analytics bzw. GA4.
Anforderungen an Medien- und Rundfunk-Analytics-Software
Viele dieser Tools sind Spezialisten in ihrem Gebiet. In der Medienbranche ist es aber wichtiger denn je, alle Datenquellen zu verbinden und zu kombinieren. Denn crossmediales Arbeiten und das Verlängern von Formaten über Kanäle hinweg braucht auch Daten, die über Kanäle hinweg kombiniert werden können.
Keine Content-Silos, also auch keine Daten-Silos!
Analytics-Software für die Medienbranche sollte deswegen alle Datenquellen berücksichtigen – von YouTube über TikTok bis hin zu den AGF-Daten und internen Einschaltquoten. Über entsprechende Visualisierungen und Dashboards sollten alle Daten dann einfach zu analysieren sein. Nur so können bessere und ganzheitliche Entscheidungen getroffen werden.
Aus der Praxis
Dateneinheit beim WDR
Alle Mediendaten kombinieren und visualisieren
Auch einer unserer Kunden hat festgestellt: Selbst wenn es unterschiedliche Tools zur Datenanalyse gab, nicht mit allen Daten haben die Datenimporte gut funktioniert. So entstanden lange Listen mit Datenmaterial, aber sie konnten nicht richtig ausgewertet und weiterverarbeitet werden.
Deswegen sind wir mit unserem Kunden ganz neu an Data Analytics und Performance gegangen. Wir unterstützen den WDR beim Aufbau eines Data Lakehouses und entwickeln gemeinsam eine Datengrundlage für Metriken und Dashboards.
Die Anforderungen:
- Visuelle Dashboards, die regelmäßig mit neuen Daten versorgt und kontinuierlich abgerufen werden können
- Jederzeit Aufschluss über die aktuellen Entwicklungen wie digitale Videoabrufe oder andere Kennzahlen
- Einen zeitlichen Vergleich der Daten zum Beispiel zum Vormonat
- Die Möglichkeit zur quantitativen Auswertung
- Insights über Filtermöglichkeiten, z. B. zu Fragen wie „Welches sind die meist abgerufenen Angebote?“
Dabei ist unsere Aufgabe:
Außerdem setzen wir auf eine flexible und agile Zusammenarbeit: Alle zwei Wochen schauen wir uns die zurückliegenden Sprints gemeinsam an. Wie hat unser Kunde mit den Daten gearbeitet? Sind Anpassungen nötig? Wir erarbeiten dann mit allen, was verbessert und weiterentwickelt werden kann.
Durch den Aufbau von Data Analytics Teams schließt sich der Kreis in Kombination mit unserem Redaktionssystem wieder. So können unsere Kunden nicht nur themenzentriert arbeiten, planen und distribuieren (mit der Newsroom Software Newsmind Stories), sondern auch crossmedial die Nutzerdaten messen, auswerten und die Ergebnisse im Anschluss wieder mit in die Planung einfließen lassen. Das macht die Arbeit in Medienhäusern noch besser.
Weitere interessante Artikel, die du nicht verpassen solltest
