Числовых факторов здесь всего два -- это рекламность (от 0 до 5) и количество знаков, их рост вызывает уменьшение коэффициента вовлеченности на ПК. Коэффициенты корреляции всех факторов, которые по итогам регрессионного анализа влияют на коэффициент вовлеченности, небольшие, поэтому нельзя сделать вывод о том, что какой-либо из них действительно сильно влияет на время чтения.
Выводы по результатам анализа
Результаты исследования только подтвердили тезисы, с которых начался теоретический обзор: со временем способность к длительной концентрации человека падает и медиа должны с этим считаться. Показатели вовлеченности, используемые в данной статье, -- коэффициент вовлеченности, основанный на времени чтения, и процент доскроллов -- позволяют делать выводы об удержании внимания аудитории конкретного материала, что является одним из важнейших признаков ее вовлеченности и говорит о качестве самого текста и его представления -- верстки и структуры.
В процессе исследования получилось выявить факторы, которые влияют на вовлеченность отрицательно и положительно и которые никак не влияют. Исследование подтвердило, что увеличение числа знаков в тексте снижает среднее время его чтения и процент дочитавших до конца, то есть аудитории все сложнее читать длинные тексты. Эта тенденция говорит о том, что медиа пора смещать свой фокус в сторону емких коротких текстов. А отрицательное влияние соотношения числа знаков к числу визуальных элементов на дочитываемость на мобильных устройствах указывает на важность разнообразия верстки -- разбивки сплошных кусков текста визуальными элементами. Можно предположить, что идеальное соотношение числа знаков к числу визуальных элементов будет разное в разных медиа и для разных типов устройств. Но для Lady.mail.ru больше 30% аудитории мобильных устройств уходит со страницы материала, не дочитав до конца, если на одну иллюстрацию или видео приходится более 600 знаков.
Большие куски текста с минимумом визуальных вставок ухудшают легкость восприятия материала на мобильном устройстве. На ПК этот фактор не влияет значимо на дочитываемость, так же как и на время чтения на обоих типах устройств. Этот фактор также необходимо учитывать, если медиа планируют увеличивать мобильную аудиторию, На ПК значимым оказался фактор число визуальных элементов, вкупе с предыдущим выводом это может говорить о том, что аудитории ПК проще воспринимать и читать тексты, в то время как с мобильных устройств, наоборот, внимание лучше привлекают и удерживают изображения. В связи с тем что «стремительно растет доля пользователей mobile only, которые выходят в интернет только со смартфонов» (Градюшко, 2019: 5), для медиа имеет смысл ставить восприятие контента на этом типе устройств на первое место. Фактор наличия цитат-врезок никак не повлиял на вовлеченность, таким образом, в отличие от изображений, разнообразие верстки шрифтов в тексте не отражается на вовлеченности материалов Lady.mail.ru.
Рекламность занимает только четвертое и пятое место в рейтингах на ПК и мобильных устройствах соответственно и влияет очень слабо, если опираться на коэффициент корреляции. При этом на коэффициент вовлеченности, то есть на среднее время чтения, рекламность влияет сильнее прочих факторов. Навязчивая реклама в тексте может оттолкнуть читателя от медиа, и это надо учитывать при публикации таких материалов, если для медиа важна лояльность и возвращение аудитории.
Количество просмотров, отражающее интерес к теме материала, влияет на процент доскроллов на мобильных устройствах и ПК положительно, хотя и очень слабо. На время чтения число просмотров не влияет -- таким образом, высокий интерес к теме и заголовку, побудивший большое количество читателей открыть статью и даже пролистать ее до конца, недостаточен, чтобы удержать внимание для вдумчивого чтения.
Предположительно улучшающие вовлеченность интерактивные элементы вроде видео и анимации для Lady.mail.ru в итоге отрицательно повлияли на дочитываемость: фактор процент статичных визуальных элементов положительно влияет на всех типах устройств. Интерактивные визуальные элементы оттягивают внимание читателя и снижают мотивацию дочитать текст до конца. На время чтения этот фактор не влияет.
Интересы аудитории также влияют на вовлеченность -- материалы на одни темы дольше читают, на другие -- лучше дочитывают. Фактор раздел значимо влияет на показатели вовлеченности на ПК -- находится на втором месте среди факторов, которые влияют на время чтения и на предпоследнем месте по влиянию на дочи- тываемость. Среди материалов Lady.mail.ru лучше всего показатели вовлеченности у раздела «Новости», а хуже всего -- у разделов «Интервью» и «Гороскопы». Лучше всего дочитываемость материалов на тему аксессуаров, путешествий, животных, чаще бросают материалы о гороскопах, здоровье, коже. Больше всего времени тратят на материалы о путешествиях, знаменитостях, социальной сфере и косметологии/пластике. Меньше всего -- на материалы об обуви, аксессуарах и одежде, где ключевое место занимают фотографии. Тип или жанр материала при этом не играет никакой роли для выборки материалов Lady.mail.ru.
Время публикации значимо не влияет на дочитываемость на ПК и находится на третьем месте в этом рейтинге. При этом мы выявили, что лучшее время публикации на Lady.mail.ru -- с 19.00 до 19.49, худшее -- с 10.00 до 10.57. То есть время публикации практически не влияет, причиной может быть тот факт, что материал находится на сайте и спустя долгое время. Также не было выявлено влияния дня недели -- эти внешние факторы не играют большой роли в вовлеченности читателей.
Заголовок мы рассматривали в нескольких факторах, и в итоге можно сказать, что для времени чтения и дочитываемости статьи заголовок не имеет особого значения, его цель -- привлечь читателя открыть материал, заинтересовать его темой. По нашим данным, значимо влияет на время чтения -- коэффициент вовлеченности -- только фактор триггеры в заголовке. Он занимает второе место по силе влияния среди факторов в рейтинге на мобильных устройствах и последнее -- на ПК. По коэффициенту вовлеченности лучше всего показатели у материалов с триггером интрига на мобильных устройствах, а на втором месте -- материалы без триггеров. На ПК же группа материалов без триггеров -- на первом месте по среднему коэффициенту вовлеченности. Можно сделать вывод, что использование в заголовках, продающих материал, слов-клише влияет на вовлеченность отрицательно. Возможно, им удается привлечь аудиторию к материалу, но впоследствии аудитория с завышенными от рекламного заголовка ожиданиями не получает ожидаемого уровня контента, разочаровывается и уходит.
Основную задачу исследования -- найти факторы, которые значимо влияют показатели вовлеченности, и определить характер влияния -- можно считать выполненной. Результаты данного исследования вовлеченности можно также применять при анализе других онлайн-медиа со схожей аудиторией, а также использовать при улучшении систем редакционной аналитики, которые пока позволяют только отследить показатели конкретного материала, но не проанализировать, что именно повлияло на низкое время чтения или процент дочитавших материал. С помощью систем вроде «Медиатора» на сегодня можно лишь построить предположения, почему у того или иного материала низкая вовлеченность.
Но уже сейчас можно сравнивать результаты конкретных авторов, статистику по источникам, откуда пришла аудитория на страницу материала, или данные по периодам и типу устройств. При этом ни один из этих факторов не говорит о свойствах текста, предопределяющих его привлекательность. Модели, подобные использованным в данной статье, могут быть полезны для доработок таких систем, а с использованием машинного обучения системы аналитики могут в будущем рекомендовать редакции соотношение числа знаков и числа визуальных элементов, оптимальный объем материала или тему, предсказывая потенциальную вовлеченность аудитории и позволяя авторам экспериментировать с разными темами, объемом и версткой материала, а также степенью его рекламности или отдельными рекламными блоками.
Примечания
1 Napoli P.M. (2010) Measuring New Audiences. Graduate School of Business. New York: Fordham University.
2 Carr C. (2016) Define the Jargon: Audience Engagement. Parse.ly blog, 15 November.).
3 Паранько С. Почему важна вовлеченность для контентных проектов // Vc.ru. 2015. Сент., 30.
4 Мишнова М. Как Chartbeat улучшает медиасайты (на примере АиФ) // Roem.ru. 2014. Ноябрь, 7.
5 Новый дизайн газеты РБК. Главное // РБК. 2019. Фев., 11.
6 Хабибрахимов А. «Яндекс.Дзен» стал учитывать дочитываемость и время чтения вместо просмотров при монетизации каналов // \fc.ru. 2017. Дек., 18.
7 Lassoued M. H. (2016) The Benefits Of Tracking Page Scroll Depth. Analytics & ROI Analysis, Conversion Optimization. Searchenginepeople, 29 June.
8 Davies P. (2013) Medium's metric that matters: Total Time Reading. Data Lab, 21 November.
9 Meyerson E. (2012) YouTube Now: Why We Focus on Watch Time. YouTube Creator Blog, 10 August.
10 Хабибрахимов А. «Яндекс.Дзен» стал учитывать дочитываемость и время чтения вместо просмотров при монетизации каналов // \fc.ru. 2017. Дек., 18.
11 Паранько С., Стецовский М., Сидорова О., Серебриян Б. Редакционные метрики Mail.Ru: как мы оцениваем работу редакции. Посетитель ф читатель. Что делать медиа. 2015. Авг., 13.
12 Outing S., Ruel L. (2004) What We Saw Through their Eyes. Eyetrack III. The Poynter Institute, the Estlow Center for Journalism & New Media, Eyetools.
13 Manjoo F. (2013) You Won't Finish This Article Why people online don't read to the end. Slate, 6 June.
14 Егорова Н., Дюжарден Н., Сидорова О. Как читают медиа в России // «Медиатор» -- cервис редакционной аналитики. 2017. Май, 19.
15 Sail M. (2013) The Optimal Post is 7 Minutes. Data Lab, 2 December.
16 Паранько С, Стецовский М., Сидорова О., Серебриян Б. «Окно внимания»: сколько у вас читательского времени. Посетитель ф читатель. Что делать медиа. 2015. Июнь, 19.
17 Паранько С., Стецовский М., Сидорова О., Серебриян Б. Редакционные метрики Mail.Ru: как мы оцениваем работу редакции. Посетитель ф читатель. Что делать медиа. 2015. Авг., 13.
18 Выходченко О. 5 секретов хорошего заголовка. 2016. Янв., 13.
19 Ильяхов М. Заголовки и кое-что о работе газетчиков. Рассылка Главреда. 2015. Авг.
20 Егорова Н, Дюжарден Н, Сидорова О. Как читают медиа в России. «Медиатор» -- cервис редакционной аналитики. 2017. Май, 19.
21 Lindqvist G. (2015) How much do people read on their phones? Data Lab. 8 October.
22 Паранько С., Стецовский М., Сидорова О., Серебриян Б. «Окно внимания»: сколько у вас читательского времени. Посетитель ф читатель. Что делать медиа. 2015. Июнь, 19.
23 Sail M. (2016) Twitter Sundays, Facebook Wednesdays, and Reddit Fridays: When People Read on the Internet. Data Lab. 3 March
24 Дневниковое исследование Медиапроектов Mail.ru и FZ-лаборатории Mail.ru «Модели медиапотребления. Что люди читают, почему, когда и как». FZ-лаборатория Mail.Ru Group. Москва, 2017.
25 Данные Similarweb.com.
26 Егорова Н., Дюжарден Н., Сидорова О. Как читают медиа в России. «Медиатор» -- сервис редакционной аналитики. 2017. Май, 19.
27 Ильяхов М. Заголовки и кое-что о работе газетчиков. Рассылка Главреда. 2015. Авг.
28 Там же.
29 Lewinson E. (2019) Explaining Feature Importance by example of a Random Forest.
вовлеченность читатель онлайн медиа
Библиография
1. Булатова Э.В. Дискурсивные формы рекламы // Известия Уральск. гос. ун-та. Сер. 1: Проблемы образования, науки и культуры. 2010. № 4 (81). С. 124-129.
2. Градюшко А.А. Основы творческой деятельности веб-журналиста: учеб.-метод. пособие. Минск: БГУ, 2019.
3. Ильин Е.П. Мотивация и мотивы. СПб: Питер, 2000.
4. Интернет-СМИ: теория и практика: учеб. пособие для студентов вузов / под ред. М.М. Лукиной. М.: Аспект Пресс, 2010.
5. Как новые медиа изменили журналистику. 2012--2016 / А. Амзин, А. Галустян, В. Гатов, М. Кастельс, Д. Кульчицкая, Н. Лосева, М. Паркс, С. Паранько, О. Силантьева, Б. ван дер Хаак / под науч. ред. С. Балмаевой, М. Лукиной. Екатеринбург: Гуманитарный университет, 2016.
6. Костина Д.М. Восприятие заголовков печатных и электронных СМИ: по данным психолингвистического эксперимента: магистерская диссертация. Томск, 2016.
7. Никитенко А.А. Интерактивность, мультимедийность, гипертекстуальность как детерминирующие типологические признаки сетевых изданий // Вестн. ВГУ Сер.: Филология. Журналистика. 2009. № 1. С. 159-166.
8. Николаева А.В. Языковые особенности фейковых публикаций // Верхневолжский филологический вестник. 2019. № 3.
9. Терпугова Е. А. Рекламный текст как особый тип императивного дискурса: дис. ... канд. филол. наук. Иркутск, 2000.
10. Attfield S., Kazai G., Lalmas M., Piwowarski B. (2011) Towards a science of user engagement (Position Paper). In Conference Paper. WSDM'11, February 9-12. Hong Kong, China.
11. Bucher H-J., Schumacher P (2006) The Relevance of Attention for Selecting News Content: An Eye-tracking Study on Attention Patterns in the Recep- tion of Print and Online Media. Communications 31(3): 347--368.
12. Claussen J., Kretschmer T., Mayrhofer P (2013) The Effects of Rewarding User Engagement -- The Case of Facebook Apps. Information Systems Research 24 (1): 186--200.
13. Di Gangi P, Wasko M. (2016) Social Media Engagement Theory: Exploring the Influence of User Engagement on Social Media Usage. Journal of Organizational and End User Computing 28: 53--73.
14. Duchowski A.T. (2003) Eye Tracking Methodology: Theory and Practice. London: Springer-Verlag.
15. Grцmping U. (2006) Relative Importance for Linear Regression in R: The Package relaimpo. Journal of Statistical Software 17 (1).
16. Hedman J. (2003) Lдsning av nyhetssidor pa nдtet (Reading of news on the net). Master's thesis. Dept of Information Science. Uppsala University. Sweden.
17. Jaakonmдki R., Mьller O., vom Brocke J. (2017) The Impact of Content, Context, and Creator on User Engagement in Social Media Marketing. HICSS.
18. Lagun D., Lalmas M. (2016) Understanding and Measuring User Engagement and Attention in Online News Reading. In Conference Paper. WSDM'16, February 22--25. San Francisco, CA, USA.
19. Leckner S. (2012) Presentation factors affecting reading behaviour in readers of newspaper media: an eye-tracking perspective. Visual Communication 11 (2):163--184.
20. Lehmann J., Lalmas M., Yom-Tov E., Dupret G. (2012) Models of User Engagement. In J. Masthoff, B. Mobasher, M. C. Desmarais, R. Nkambou (eds.) User Modeling, Adaptation, and Personalization. UMAP 2012. Lecture Notes in Computer Science, vol. 7379. Berlin, Heidelber: Springer.