Zum Inhalt springen
nordwood-themes-8LfE0Lywyak-unsplash
22 Dezember 2016

Warum ein View nicht gleich ein View ist

Für die Reichweitenmessung von Online-Inhalten auf den verschiedenen Plattformen fehlt es an einheitlichen Standards. So zählen drei Sekunden bei Facebook als View, während es bei YouTube ca. 30 Sekunden sind. Für Werbekunden, Nutzer und die Produzenten stellt dies eine komplizierte Situation dar. Auch die Abhängigkeit und Intransparenz der Metriken von den Plattformen ist an vielen Stellen problematisch. Eine Vereinheitlichung der Messungen steht erst am Anfang. Auch kommt hier ein generelles Problem von Big Data zum Tragen: Wie und nach welchen Kriterien werden die riesigen Datenmengen ausgewertet?

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.

Dieser Beitrag spiegelt die Meinung der Autorinnen und Autoren und weder notwendigerweise noch ausschließlich die Meinung des Institutes wider. Für mehr Informationen zu den Inhalten dieser Beiträge und den assoziierten Forschungsprojekten kontaktieren Sie bitte info@hiig.de

Urs Kind, Dr.

Ehem. Assoziierter Forscher: Daten, Akteure, Infrastrukturen

Auf dem Laufenden bleiben

HIIG-Newsletter-Header

Jetzt anmelden und  die neuesten Blogartikel einmal im Monat per Newsletter erhalten.

Forschungsthema im Fokus Entdecken

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.

Digitale Zukunft der Arbeitswelt

Wie werden KI und Digitalisierung die Zukunft der Arbeit verändern? Wir erforschen ihre Auswirkungen sowie die Chancen und Risiken.

Weitere Artikel

Das Bild zeigt einen Traktor von oben, der ein Feld bestellt. Eine Seite des Feldes ist grün bewachsen, die andere trocken und erdig. Das soll zeigen, dass nachhaltige KI zwar im Kampf gegen den Klimawandel nützlich sein, selbst aber auch hohe Kosten für die Umwelt verursacht.

Zwischen Vision und Realität: Diskurse über nachhaltige KI in Deutschland

Der Artikel untersucht die Rolle von KI im Klimawandel. In Deutschland wächst die Besorgnis über ihre ökologischen Auswirkungen. Kann KI wirklich helfen?

Das Foto zeigt eine Gruppe Läufer*innen von oben. Sie werfen lange Schatten auf die Rennbahn und bilden von oben eine Pfeilformation. Diese steht symbolisch dafür, dass KI zwar als Zukunftstechnologie gefeiert wird, aber derzeit vor allem die Vergangenheit vorhersagt.

Ein Schritt vor, zwei zurück: Warum Künstliche Intelligenz derzeit vor allem die Vergangenheit vorhersagt

KI gilt als Zukunftstechnologie, stützt sich selbst aber meist auf historische Daten. Reproduziert sie dadurch soziale Ungleichheiten und Verzerrungen?

Das Bild zeigt eine Wand mit vielen Uhren, die alle eine andere Uhrzeit zeigen. Das symbolisiert die paradoxen Effekte von generativer KI am Arbeitsplatz auf die Produktivität.

Zwischen Zeitersparnis und Zusatzaufwand: Generative KI in der Arbeitswelt

Generative KI am Arbeitsplatz steigert die Produktivität, doch die Erfahrungen sind gemischt. Dieser Beitrag beleuchtet die paradoxen Effekte von Chatbots.