6 manieren om media te meten

1 May 2018 12:46pm
6 manieren om media te meten

6 manieren om media te meten

Werken met een programma voor mediametingen is voor veel PR-professionals een uitdaging. De meesten zitten in dit vak omdat ze graag verhalen vertellen of goed kunnen omgaan met een crisis, en niet omdat ze het leuk vinden om data te analyseren of om een reeks onbegrijpelijke meetgegevens te doorgronden.

Als ze zich echter niet laten afschrikken, merken ze vaak dat het allemaal niet zo moeilijk is, zelfs als je geen wiskundig genie bent. Elke meetmethode probeert namelijk een systematisch antwoord te vinden op een vraag over de mediadekking van een organisatie. En als je eenmaal begrijpt wat de achterliggende vraag is, snap je de methode al gauw.

Met dit in het achterhoofd kijken we hieronder naar zes veelgebruikte meetmethodes en de vragen die ze proberen te beantwoorden:


1. De hoeveelheid aandacht

Hoeveel verhalen zijn er verschenen over het onderwerp dat jij wilt volgen? Denk hierbij aan een bedrijf, een merk, een product of dienst, een campagne of een bepaald initiatief. We gebruiken de term 'verhalen' hier als eenheid voor de content van het mediatype waar we naar kijken. Voor Twitter is dit het aantal tweets, terwijl het in gedrukte media het aantal artikelen is.

Als je dit automatisch wilt monitoren, kan je gebruikmaken van LexisNexis Newsdesk of LexisNexis Social Analytics. Er zijn echter ook situaties denkbaar, waarin je nog steeds afhankelijk bent van mensen, bijvoorbeeld als je een meer genuanceerde blik of mening nodig hebt. Omdat steeds meer platforms gebruikmaken van machine learning, zal menselijke interventie in de toekomst voornamelijk gebruikt worden tijdens de opstartfase van een project.


2. Bereik

Het bereik geeft antwoord op de vraag hoeveel mensen toegang kunnen hebben gehad tot informatie over het onderwerp dat jij volgt (lezen, zien en/of horen). Deze methode is gebaseerd op circulatie, de kijkersmarkt, de omvang van het publiek en het aantal volgers gebruikers die de content publiceren op social media. Voor elk verhaal en iedere hit wordt vastgesteld hoe groot de doelgroep is. Dit getal wordt vervolgens opgeteld bij de omvang van alle andere kanalen, zodat je uiteindelijk het totale bereik kunt berekenen. Als bijvoorbeeld krant X met een oplage van 20.000 exemplaren een verhaal over jou zou publiceren en tweeter Y, met 10.000 volgers, over je zou tweeten, dan zou het totale bereik 30.000 zijn.

Er zijn echter wel een paar dingen waar je rekening mee moet houden. Ten eerste de cijfers voor traditionele, online content. De een meet op basis van het aantal unieke bezoekers per maand, terwijl de ander uitgaat van het aantal dagelijkse bezoekers. Er bestaat geen algemene consensus over welke methode de juiste is, maar bij LexisNexis denken we dat het beter is om uit te gaan van het aantal dagelijkse bezoekers. Die cijfers komen waarschijnlijk beter overeen met het publiek dat realistisch gezien de mogelijkheid heeft gehad om de content te lezen.

Het tweede waar je rekening mee moet houden, is dat er vaak zogenoemde 'multipliers' worden gebruikt. Gedrukte media, zoals kranten, tijdschriften of vakbladen, worden vaak door meerdere mensen gelezen. Denk maar eens aan tijdschriften bij de kapper of in de wachtkamer bij de huisarts. Omdat gedrukte media op sterven na dood zijn , worden multipliers steeds minder relevant, maar toch is het belangrijk om te weten of ze zijn gebruikt, zodat je geen vertekend beeld krijgt.


3. Actuele thema's

Actuele thema's geven aan wat het meest besproken wordt in de berichten die zijn verschenen. De totale hoeveelheid aandacht zegt iets over hoeveel verhalen er op macroniveau zijn verschenen, maar hieruit kan je niet aflezen wat er op detailniveau besproken wordt. De beste manier om deze informatie te achterhalen, is door thema's te volgen. Een thema kan iets groots zijn, zoals bijvoorbeeld de financiële prestaties of strategie van een bedrijf, of een heel specifiek onderwerp, zoals een bepaald product of evenement – of iets ertussenin. Thema's kunnen automatisch gevolgd worden met monitoringtools, of handmatig als je bijvoorbeeld van plan bent om samen te werken met een bedrijf dat menselijke analyses gebruikt of de berichtgeving zelf wilt analyseren.

Beide manieren hebben natuurlijk hun voor- en nadelen. De geautomatiseerde methode is sneller, schaalbaarder en vaak ook effectiever als je op zoek bent naar een bepaald product. De kosten zijn meestal een stuk lager. Het voordeel van de handmatige methode is echter dat mensen de content kunnen begrijpen en categoriseren, ongeacht de woordkeuze. Je hoeft een mens niet uit te leggen dat een verhaal over een failliet bedrijf eigenlijk gaat over de financiële prestaties, zelfs als de keywords 'financiële prestaties' in het hele verhaal niet voorkomen. De handmatige methode is een betere optie, zeker als het gaat om ingewikkelde of genuanceerde onderwerpen.

Verder worden word clouds soms ingezet om berichtgeving te volgen zonder dat je van tevoren aan hoeft te geven welke thema's je wilt volgen. Ze geven vaak heel goed weer welke specifieke woorden of zinnen het meest voorkomen in de berichtgeving, maar ze geven niet aan wat er daadwerkelijk besproken wordt.

Nog een laatste tip: wij hebben we gemerkt dat het heel effectief is om het sentiment van de berichtgeving voor thema’s te onderzoeken. Het is namelijk niet alleen belangrijk wat het meest besproken werd, maar ook hoe positief of negatief de dekking was.


4. Toonaangevende berichten

Het volgen van toonaangevende berichten geeft aan op welke manieren een bedrijf werd besproken in de berichtgeving. Ook hier kan de focus liggen op een “groot” onderwerp juist een heel specifieke mening over een product of dienst.

Veel berichtgeving in traditionele media is impliciet, en ook op social media komt impliciete berichtgeving veelvuldig voor. 'Impliciet' betekent eigenlijk dat de daadwerkelijke boodschap blijkt uit de context van de discussie, in plaats van dat deze duidelijk wordt uitgesproken. Denk bijvoorbeeld aan berichtgeving over een bedrijf dat een recordwinst bekendmaakt. De tekst zal waarschijnlijk nergens expliciet zeggen dat het bedrijf 'financieel goed presteert', maar wordt dit wel duidelijk uit de context. Of neem bijvoorbeeld een post op social media waarin iemand klaagt dat ze al twee uur 'in de wacht' staat bij haar internetprovider of dat ze veel te laat zijn voor hun afspraak. Dit soort klachten bevat natuurlijk een negatieve boodschap over de klantenservice van het betreffende bedrijf, ook als het woord 'klantenservice' nergens genoemd wordt.

Daarom zijn geautomatiseerde analyses waarschijnlijk niet de ideale manier zijn om dit soort berichten te volgen. Vertrouw liever op menselijke analyses en ervaren analisten die kunnen bepalen op welke manier een bedrijf geprezen of bekritiseerd wordt in de specifieke context van het verhaal.

5. Algemeen sentiment

Zo op het eerste oog lijkt sentiment een eenvoudig onderdeel. Het geeft namelijk antwoord op de vraag of een bepaald verhaal positief of negatief is. Maar toch is het een ingewikkeld en genuanceerd onderwerp, dat bovendien heel moeilijk te meten is. 'Sentiment' geeft aan hoe positief of negatief een bedrijf wordt afgeschilderd, binnen de context. Dit is een behoorlijk ruime definitie die rekening houdt met aspecten van een verhaal die expliciet positief of negatief waren, en met aspecten die impliciet positief of negatief waren.

Omdat software de context van een verhaal niet kan interpreteren, hanteren geautomatiseerde analysesystemen een enigszins andere definitie van sentiment, al zullen de ontwikkelaars hier een andere uitleg aan geven. Als ze die al geven. Geautomatiseerde sentimentanalyses proberen de volgende vraag te beantwoorden: wat is de gemiddelde connotatie van de woorden in een artikel met betrekking tot het bedrijf in kwestie?' Sommige systemen gebruiken andere woordenlijsten voor verschillende cliënten of bedrijfstakken – zo kan het woord 'ziek' een positieve term zijn als het gaat om een bedrijf dat videogames ontwikkelt, maar negatief zijn met betrekking tot cliënten in de voedingsmiddelensector. Deze systemen vertrouwen meestal gewoon op de connotaties van woorden om het sentiment te bepalen, zonder rekening te houden met de context. Meer geavanceerde systemen gebruiken natuurlijke-taalverwerking (NLP) om te bepalen op welk bedrijf de negatieve of positieve connotaties in de tekst betrekking hebben. Ze kijken echter uitsluitend naar de woorden in de tekst – zonder de context of het onderwerp van het verhaal te begrijpen.

Geautomatiseerde analyses zijn zeer bruikbaar – zeker als je een snelle, schaalbare en betaalbare manier zoekt om een idee te krijgen van de berichtgeving. Ze worden ook steeds nauwkeuriger, zeker nu ze meer en meer gebruikmaken van machine learning, maar wij zijn ervan overtuigd dat een mens onontbeerlijk blijft.

6. Engagement (betrokkenheid)

Methodes die de engagement meten, proberen aan te geven in hoeverre mensen reageren op de content. Meestal wordt engagement gezien als onderdeel van social media, maar het kan zeker ook betrekking hebben op traditionele media. Dat ligt echter wel een stuk lastiger, omdat engagement vaak wordt uitgedrukt in het aantal likes, shares of comments. Overigens, op sociale media wordt engagement vaak alleen gemeten in relatie tot de eigen kanalen en content.

Deze zes methodes geven antwoord op vragen die essentieel zijn voor elke PR- en communicatieprofessional, maar tegelijkertijd geven ze geen antwoord geven op de ultieme vraag: resulteert de aandacht die een bedrijf krijgt - positief of negatief -  in een hogere omzet? Om dat te bepalen, heb je andere, meer uitgebreide analyses nodig... en dan wordt het al snel wat ingewikkelder. Meer hierover in een volgende blogpost.

Neem contact met ons op
Telefoonnummer: 020 485 3456
Meer weten over LexisNexis?
  • WIlt u persoonlijk advies? Vul dan het contactformulier in!
  • Schrijf u in voor onze nieuwsbrief 
  • Volg ons op LinkedIn of Twitter 
  • Ga naar Nieuws en Blogs
    voor interessante artikelen, whitepapers en het laatste nieuws