Skip to content
5752433875_55cb1960ed_z
22 December 2016

Why a view is not always a view

To measure the reach of online content on the different existing platforms you need a consistent standard. For example on Facebook three seconds count as a view while on YouTube it’s about 30 seconds. Not only users but also the advertising industry and content producers face difficult problems. They are dependent on the platforms and have to deal with intransparent metrics. A harmonisation of standards is still in an early stage. It seems to be a well known challenge of big data to find the right criteria and standards to harvest large amounts of data.

Früher war alles so schön einfach: Am nächsten Werktag verkündete die Tageszeitung die Einschaltquoten der letzten “Wetten, dass…?”-Sendung. Begrenzte Daten, verlässliche Messung und eine klare Aussage. Die Einschaltquoten ließen sich dann mit denen der vergangenen Sendungen und mit dem Programm anderer Sender am gleichen Abend vergleichen. Heute bieten Online-Plattformen eine Fülle von Daten über die Erfolgsmessung von Content. Auf jeder Plattform, sei es YouTube, Facebook, Instagram oder Vimeo lassen sich die View-Zahlen unter den Videos öffentlich in Echtzeit einsehen. Darüber hinaus existieren weitere Daten wie z.B. die Abonnenten eines Channels, die öffentlichen Kommentare und auf Facebook eine ganze Reihe an verschiedenen Emojis, die von den Nutzern vergeben werden können. Da fällt es schwer den Überblick zu behalten und die aussagekräftigen Zahlen zu interpretieren.

Für den Nutzer stellt sich eine unübersichtliche Situation dar. Nicht nur die Fülle der Daten ist überwältigend, sondern es fehlt auch an einem einheitlichen Standard. Folgende Grafik zeigt, wie unterschiedlich ein einzelner View auf den verschiedenen Plattformen gemessen wird.

Vergleich der Plattformen: wann ist ein View ein View?

Vergleich der Plattformen: wann ist ein View ein View

Eine Vergleichbarkeit der Viewzahlen auf unterschiedlichen Plattformen ist also nicht gegeben. Auch aus Sicht der Werbekunden ist eine verlässliche und vergleichbare Messung der Reichweiten von entscheidender Bedeutung. Im Herbst diesen Jahres wurde öffentlich bekannt, dass Facebook die View-Zahlen auf seiner Plattform in der Vergangenheit deutlich geschönt hatte (Wall Street Journal September 2016). Dies zeigt, wie intransparent die Messung einerseits ist und wie abhängig Nutzer, Werbekunden und auch die Produzenten von den Plattformen und deren Algorithmen sind.

Sowohl für die Werbekunden als auch für die Produzenten der Inhalte ist es erstrebenswert eine möglichst große Reichweite zu erzielen. Aus Sicht der Produzenten stellen die kontinuierlichen Veränderungen der Algorithmen und die trendabhängige Bevorzugung bestimmter Inhalte ein Problem dar. Unter YouTube-Produzenten war zuletzt der Ärger über die Plattform groß, da viele Channel mit ihren üblichen Inhalten deutlich weniger Views erzielten und sogar Abonnenten verloren. Bevorzugt werden mutmaßlich Videos mit reißerischen Titeln und entsprechenden Thumbnails (Broadmark Dezember 2016). Verantwortlich für den Rückgang der View-Zahlen war offenbar der Umstand, dass neue Videos nicht mehr so prominent für die Nutzer auf der Plattform präsentiert wurden. Creator stehen also vor der Herausforderung ihre Inhalte nicht nur so zu produzieren, dass sie möglichst gut bei ihren Zuschauern ankommen, sondern auch den Algorithmen der Plattform Rechnung tragen. Das führt häufig zu sogenanntem Clickbaiting.

Die Distribution von Inhalten über Online-Plattformen bietet viele Vorteile: niedrige Kosten für die technische Bereitstellung, eine on-demand Verfügbarkeit der Inhalte für eine zeitunabhängige Nutzung und einen großen Reichtum an Nutzungsdaten. Bei den oben besprochenen Daten handelt es sich nur um die öffentlich zugänglichen Daten, intern können die Produzenten und besonders die Plattformen noch auf viel mehr Daten zurückgreifen und diese auswerten. Letztendlich zeigt sich hier ein generelles Problem von Big Data. Für den Umgang und die richtige Auswertung von großen Datenmengen müssen die richtigen Parameter und allgemeingültige Standards entwickelt werden. Firmen wie Nielsen in den USA oder die AGF in Deutschland arbeiten an der Integration von Daten aus der Online-Nutzung in die Reichweiten der Fernsehausstrahlung. Letztendlich bedarf es auch eines größeren Drucks der Werbekunden auf einheitliche und verlässliche Standards. Dieser Druck wird mit Sicherheit kommen, wenn sich die Werbebudgets weiter in Richtung Online verschieben. Dann besteht auch ein erweitertes Interesse an einer präziseren Auswertung der Nutzung nicht nur in Form von Views, sondern unter Einbeziehung weiterer vorhandener Daten.

This post represents the view of the author and does not necessarily represent the view of the institute itself. For more information about the topics of these articles and associated research projects, please contact info@hiig.de.

Urs Kind, Dr.

Former Associated Researcher: Data, actors, infrastructures

Explore Research issue in focus

Man sieht einen leeren Büroraum ohne Möbel und braunen Teppichboden. Das Bild steht sinnbildlich für die Frage, wie die Arbeit der Zukunft und digitales Organisieren und Zukunft unseren Arbeitsplatz beeinflusst. You see an empty office room without furniture and brown carpeting. The image is emblematic of the question of how the work of the future and digital organising and the future will influence our workplace.

Digital future of the workplace

How will AI and digitalisation change the future of the workplace? We assess their impact, and the opportunities and risks for the future of work.

Sign up for HIIG's Monthly Digest

and receive our latest blog articles.

Further articles

eine mehrfarbige Baumlandschaft von oben, die eine bunte digitale Publikationslandschaft symbolisiert

Diamond OA: For a colourful digital publishing landscape

The blog post raises awareness of new financial pitfalls in the Open Access transformation and proposes a collaborative funding structure for Diamond OA in Germany.

a pile of crumpled up newspapers symbolising the spread of disinformation online

Disinformation: Are we really overestimating ourselves?

How aware are we of the effects and the reach of disinformation online and does the public discourse provide a balanced picture?

What skills does one need for the race with the machines on the labour market

Skills to ‘race with the machines’: The value of complementarity

As workers are constantly urged to reskill, how can they determine which skills to invest in? Learnings from one of the world’s largest online freelancing platforms.