Wie man Inhalte empfiehlt: 5 Fehler der russischen Medien

    Bild

    Zusätzlich zum b2c Surfingbird- Projekt hat unser Unternehmen auch ein b2b Relap- Produkt . Dies ist ein Medienempfehlungssystem. Sie konnten unsere Technologie auf Lifehacker , AdMe , RIA , COUB und anderen Websites, die Sie täglich nutzen, in Aktion sehen . Wir helfen Kunden dabei, das Publikum mit Hilfe von Algorithmen, die seit mehreren Jahren entwickelt wurden, für den Konsum von Inhalten zu begeistern.

    Wir stoßen oft auf Missverständnisse und Mythen darüber, welche Empfehlungen in Bezug auf den Hauptinhalt enthalten sein sollten, für den der Benutzer kommt. In diesem Artikel sprechen wir über die häufigsten Fehler, die Medien beim Entwerfen von Schnittstellen machen, und wie sie richtig gemacht werden.

    Durch Tags empfehlen


    Das größte und beliebteste Missverständnis. Am häufigsten geben die Medien am Ende des Artikels Empfehlungen zu Tags. Dies ist zum Beispiel, was Look At Me und RBC tun. Es gibt Material mit Tags: Traktor, Putin, Käse. Ihm werden Texte über einen Traktor, über Putin und Käse gezeigt. Auf den ersten Blick ist es logisch:

    Bild
    Bild

    Eine ähnliche Empfehlungsmechanik im wirklichen Leben würde so aussehen. Du gehst zum Supermarkt. Und die Butter in den Korb legen. Ein Berater kommt mit vor Aufregung verschwitzten Händen auf Sie zu und sagt: „Oh, ich sehe, dass Sie das Öl genommen haben und das bedeutet, dass Sie Öl brauchen. Nimm noch fünf Sorten cremiger Dorf-, Sonnenblumen- und Ziegenbutter. “ Das Maximum, das ungewöhnlich sein kann - Ihnen wird ein Getriebe angeboten, wenn Sie etwas über Autos lesen. Und es wird bereits als Raketenwissenschaft gelten.

    Die Welt ist etwas komplizierter. Tatsächlich funktioniert alles so: Ein Benutzer kommt auf die Website, beobachtet den Dollarkurs, den Würfel von Mad Max und ein Video, in dem jemand Chebureks wirft. Eine andere Person, die sich bereits den Dollar und Mad Max angeschaut hat, wird wahrscheinlich den fliegenden Tscheburek anschauen wollen, egal wie seltsam es klingt. Dies wird als kollaboratives Filtern bezeichnet. Es gibt Gruppen von Benutzern und Mustern, mit denen Sie die Leserbeteiligung an Ihren Inhalten maximieren können.

    Laut den Ergebnissen von A / B-Tests führt die kollaborative Filterung ohne zusätzliche Einstellungen zu 20-30% mehr Klicks als eine Auswahl nach Tags. Und das bedeutet, dass niemand "Read Also" -Blöcke basierend auf Tags erstellen sollte.

    Empfehlen Sie Inhalte aus dem gleichen Bereich


    Die zweite Inkarnation des vorherigen Irrtums besteht darin, die Empfehlungen nach Abschnitten zu unterteilen.

    Stellen Sie sich vor, ein Berater in der Butterabteilung nimmt Sie mit den Worten als Geisel: „Heute kaufen Sie nur Butter, oh ja, Sie kaufen viel Butter!“ Sie schreien die Tür auf und kehren nie in diesen Laden zurück.

    Wir haben eine Gruppe von Benutzern mit segmentierten Empfehlungen gezeigt: Eine Person liest die Nachrichten aus dem Bereich "Gesellschaft" - wir empfehlen ihm nur Artikel aus dem Bereich "Gesellschaft". Eine andere Gruppe erhielt Empfehlungen aus der ganzen Site (segmentübergreifende Empfehlungen). Die Klickrate des Widgets mit Empfehlungen ohne Abschnitte ist doppelt so hoch, der Prozentsatz der Ablehnung ist um 16% niedriger und die auf der Website verbrachte Zeit um 23% höher. Es macht keinen Sinn, den Leser auf einen einzigen Abschnitt zu beschränken. Seien Sie vielfältig in Ihren Empfehlungen.

    Empfehlen beliebt


    Beliebte Nachrichten zu empfehlen bedeutet, unnötige Nachrichten zu empfehlen, die jeder bereits gesehen hat. Beliebt sind Inhalte, die von vielen gesehen wurden. So wird das Populäre populär. Jedes Mal, wenn Sie einen solchen Block auf Ihrer Website erstellen möchten, merken Sie sich dieses Angebot, denn so funktioniert es. Dies sind die Nachrichten, die jeder gesehen hat.

    In A / B-Tests haben wir beliebte und kollaborative Filter verglichen. Das CTR-Widget mit kollaborativer Filterung ist siebenmal höher. Dies bedeutet keineswegs, dass unsere Algorithmen so cool sind. Dies bedeutet, dass der Block, der auf der Website beliebt ist, scheiße ist und von niemandem benötigt wird. Wir verstehen, dass der Popular-Block auf der Website für die meisten Medien ein Muss ist, aber es ist Zeit, sich von diesem Missverständnis zu verabschieden.

    Legen Sie kein Zeitlimit fest


    Es ist schwer zu verstehen, warum Nachrichtenpublikationen Nachrichten von vor sechs Monaten empfehlen. Dieser Ansatz führt zu wilden Beispielen wie diesem:

    Bild
    Bild

    Medien glauben, dass der Benutzer wissen möchte, was zu diesem Thema zuvor geschehen ist. Nein, er will nicht! Er interessiert sich nicht dafür und niemand interessiert sich dafür.

    Bei Tests in den Nachrichtenmedien haben wir das optimale Alter für Nachrichten ermittelt, die den Besuchern empfohlen werden sollten. Drei Optionen wurden getestet: 72, 48 und 24 Stunden ab dem Datum der Veröffentlichung. Die Teststichprobe umfasste 2,7 Millionen Leser und es wurde ein Monat ausgegeben. Die meisten unserer Kollegen haben auf 24 Stunden gewettet, weil es ihnen so schien, als ob die Nachrichten sehr schnell veraltet wären und niemand die gestrigen Nachrichten lesen würde. Etwas weniger Menschen glaubten an 48 Stunden. Anscheinend, weil nicht jeder Zeit hat, die relevanten Nachrichten des Tages zu lesen, und höchstwahrscheinlich gestern etwas verpasst hat und nachholen will. Niemand glaubte an 72 Stunden. Ja, 72 Stunden gewonnen. In diesem Bereich finden Benutzer die interessantesten Materialien und die von solchen Nachrichten gesammelten Blöcke sind klickbar, 4,2% länger als 48 Stunden und 10,9% länger als 24 Stunden. Wahrscheinlich Dies liegt daran, dass die Menschen keine Zeit haben (oder einfach nicht wollen), die gesamte Menge an Informationen zu konsumieren, die die Medien generieren. Daher sind die vorgestern veröffentlichten Nachrichten für sie immer noch relevant. Die Ausnahme sind aktuelle Nachrichten.

    Machen Sie Empfehlungen mit Ihren Händen


    „Ein Algorithmus kann nicht schlauer sein als eine Person und die Bedürfnisse eines Publikums besser kennen als ein Profi“ - das ist das durchschnittliche Argument derer, die Empfehlungen mit ihren Händen sammeln.

    Wir sind uns nicht einig. Die Menschen haben gelernt, zum Mond zu fliegen, einen Satelliten auf einem im Weltraum fliegenden Kometen zu landen, Elektroautos, Supercomputer, Roboter, einen Hadron Collider und so weiter. Was deutet auf den Triumph der Technologie um uns herum. Und so nein, der Algorithmus weiß es besser. Damit die Geschichte nicht zur Dystopie wird, erklären wir Ihnen, wie es funktioniert.

    Jeder Benutzer arbeitet mit einem kleinen Editor. Ein oder zwei Mal am Tag wird die Ressource besucht, die Nachrichten gelesen und zwei oder drei interne Übergänge ausgeführt. Der Algorithmus versteht, was der Benutzer mag und findet Empfehlungen für ihn und für Personen mit ähnlichen Interessen.

    Wir haben einen A / B-Test durchgeführt, bei dem wir die Arbeit von nativen Medien-Widgets mit Empfehlungen verglichen haben. Im ersten Fall sammelten die Redakteure Empfehlungen. Im zweiten hat unser automatisiertes Widget funktioniert. Infolgedessen erhöhte Relap die Block-Klickrate um das Zweifache.

    Wir freuen uns sehr, wenn dieser Artikel bei der Arbeit Ihrer Redaktion und bei der Gestaltung von Schnittstellen hilfreich war. Wenn Sie Fragen, verrückte Hypothesen und Ideen haben, die Sie mit uns umsetzen möchten, schreiben Sie an lab@relap.io.

    Wenn Sie unsere Technologien nutzen, Leser einbeziehen und die Inhaltsempfehlungen auf der Website generell automatisieren möchten, helfen wir Ihnen gerne dabei. E-Mail an hallo@relap.io.

    Jetzt auch beliebt: