אם יש משהו שאנחנו יודעים על אנשי תוכן ברשת הוא שהם מחפשים באופן מתמיד מקורות תנועה חדשים (Traffic Sources) לתוכן שלהם. הרי אין סיבה להשקיע זמן ומאמץ בתוכן איכותי אם אין מי שיקרא אותו. לכן, חשוב להבין מאיפה מגיעים הקוראים לצורך החזר השקעה מיטבי.
ג'ון פוזדזיידס, הגיע למסקנה שבתור מנכ"ל חברת Woopra (חברה לניתוח תנועת אתרים ברשת) יש לו את הכוח לנסות ולהצביע על האתרים המרכזיים ששווים התייחסות.

הניתוח כלל מעל 100,000 אתרים לגביהם יש ל-Woopra נתונים, ומקורות התנועה אליהם חולקו לכ-4 קטגוריות מרכזיות: רשתות חברתיות, מנועי חיפוש, אתרי מדיה ואתרי שיתוף לינקים מועדפים (Social Bookmarks).

הממצאים בתחום הרשתות החברתיות היו מפתיעים. בעוד שטוויטר נחשב לטרנד העכשווי הפופולארי ביותר בעולם, פייסבוק התגלתה כרשת שמייצרת את הטראפיק המשמעותי ביותר בקטגוריה זו, בעודה שולחת 7 מכל 10 גולשים לאתרים אחרים, טוויטר אחריה (25%) ולינקדאין במקום השלישי והמכובד (4%).
רצוי לציין שיש בעיה גדולה של אי-וודאות בכל נושא הנתונים מהרשתות החברתיות. למשל, משתמשי טוויטר רבים נכנסים לחשבון שלהם דרך אפליקציות שונות במקום החשבון שלהם באתר טוויטר וכך קשה להצביע על מקור התנועה.

בתחום החיפוש, ההפתעה היחידה אולי, הייתה הדומיננטיות המוחלטת של גוגל. 92% מהטראפיק לאתרים הנבדקים שמקורו במנועי חיפוש, הגיע מגוגל. נתונים אלה סותרים את הנתונים שפורסמו ביוני האחרון ב- Experian Hitwise, שאמנם מיקם את גוגל במקום הראשון בתחום החיפוש, אולם עם נתח שוק של 72% בלבד. כך או כך, די בטוח שהדבר הנכון לעשות עם אתרים כיום הוא אופטימיזציה לגוגל.

קטגוריית אתרי המדיה מתרכזת בצורות שונות של אחסון מולטימדיה כגון תמונות, סרטוני וידאו וקבצי סאונד. אתרים אלה, שנחשבים לאתרי יעד, לא נתפסים כיצרני טראפיק ונוטים להתעלם מהם באספקט הזה. יחד עם זאת, מניתוח התנועה אל האתרים הנבדקים ניכר כי אתרי המדיה מסוגלים לייצר תנועה רבה אם משתמשים בהם בצורה נכונה (לדוגמה: בפליקר – הוספת קישור פשוט בתיאור התמונה לאתר של בעל הזכויות). בקטגוריה זו ניכרת הדומיננטיות המוחלטת של יוטיוב שמייצר 900% יותר טראפיק לאתרים הנבדקים מאשר פליקר. דבר זה מושג באותה השיטה של שילוב קישור פשוט לאתר בתיאור הסרטון. נתון חשוב נוסף הוא ש99% מהתנועה שמקורה באתרי מדיה מגיע מ-4 אתרים: Yotube, Flickr, Last.fm ו – Vimeo.

בקטגוריית אתרי שיתוף לינקים מועדפים, מוביל Stumbleupon עם 51% מנפח הטראפיק ואחריו Digg עם 30% מהטראפיק המיוצר לאתרים הנבדקים, זאת למרות שהראשון נחשב כקטן יותר ומשפיע פחות מהשני.

השאלה העיקרית עליה כותב הפוסט מנסה לענות היא האם כדאי למקד מאמצים ומשאבים באתרים מסוימים במטרה להגדיל את התנועה לאתר שלך. ובכן, הנה קצת מסקנות:

* אופטימיזציה למנועי חיפוש, ובעיקר לגוגל היא משמעותית מאין כמוה. כנראה שעדיף להתרכז בקידום בערוצים אחרים, כגון פייסבוק וטוויטר מאשר לעשות אופטימיזציה למנועי חיפוש אחרים.
* אם אתרי מולטימדיה אינם חלק מהאסטרטגיה שלך ליצירת טראפיק – כדאי שהם יהיו.
* אתרים שאינם מקבלים טראפיק מפייסבוק, טוויטר או שניהם מפספסים מקור תנועה אדיר. בנוסף, אם המאזן אינו לטובת פייסבוק כנראה שלא מנצלים את הערוץ בצורה נכונה.
* אין טעם לבזבז זמן על קידום ברשתות חברתיות שאינן פייסבוק, טוויטר או לינקדאין. עדיף להפנות את המשאבים לאתרים קטגוריה אחרת כגון יוטיוב או פליקר.

ראוי לציין שהניתוח הזה אינו בהכרח מדויק לחלוטין ויכולות להיות הטיות – כך למשל, לא כל האתרים הנבדקים בהכרח קידמו את האתרים שלהם בצורה שווה במקורות התנועה השונים. יחד עם זאת, בהחלט ניתן ללמוד מהנתונים על מגמות והכוח של האתרים בקטגוריות השונות ליצירת טראפיק משמעותי.

* פוסט זה הינו תרגום מתומצת של הפוסט הזה שהתפרסם ב-readwriteweb

Via Oren Ben Aderet רעיון גאוני שאף אחד עוד לא חשב עליו יכול לעלות גרושים – אבל שווה הרבה (וכסף לא מודד הכל בחיים…).

ממחקר של Razorfish אחת מחברות האינטראקטיב הגדולות בעולם, הבוחן אינטראקציה של צרכנים עם מותגים ברשת, עולים נתונים המצביעים על כך שצרכנים בוחרים להתחבר למותגים בערוצים הדיגיטליים באופנים שונים:
26% דיווחו שעקבו אחרי מותג בטוויטר ו-40% בפייסבוק, 77% צפו בפרסומות ביוטיוב, 69% קראו בלוג מסחרי, 73% פרסמו ביקורת על מוצר/מותג באתרים כמו פייסבוק, טוויטר, אמזון ו-52% פרסמו פוסט בבלוג על מוצר/מותג כלשהו.
65% מהצרכנים שנשאלו (כל הנשאלים במחקר הוגדרו כ"צרכנים מחוברים", המחוברים לפס רחב, עושים שימוש כלשהו במדיה חברתית ומבצעים קניות אונליין), הצהירו שחוויה דיגיטלית השפיעה על עמדתם לגבי מותג באופן חיובי או שלילי, ומתוכם הרוב המוחץ טענו שהחוויה השפיעה על החלטת הקניה של מוצר מאותו מותג.

ערוצי המדיה הדיגיטלית מספקים למותגים קרקע פוריה לפעילות שתחבר אליהם את הצרכנים ותספק להם חוויה חיובית דו צדדית.
דוגמה עדכנית לכך היא פעילות המותגים ברשתות החברתיות עם תחילת בהלת הקניות האמריקאית בעונת החגים – ראו כתבה בניו-יורק טיימס

לפני שנה וחצי העלנו פוסט בשם Social Media – עובדות ומספרים, בו הצגנו עובדות ומגמות מתוך המחקר הגלובאלי המקיף (והשלישי במספר) של יוניברסל מקאן בנושא המדיה החברתית.
ביולי פורסם מחקר חדש בסדרה. ה- Wave4.
הנה כמה מהממצאים:

פעילויות הגולשים באינטרנט

2/3 מהגולשים בעולם הצטרפו לרשת חברתית
עליה של 9% מהמחקר הקודם.
מרבית הגולשים פעילים ברשת החברתית ומעדכנים את הפרופיל האישי שלהם, וגם מבקרים בפרופילים של חברים.

הגולשים מרכזים את החיים הדיגיטליים שלהם ברשתות כמו פייסבוק, מייספייס ודומיהן
המחקר חושף שינויים משמעותיים באופן בו גולשים יוצרים וחולקים מידע אישי באינטרנט, וקובע שרשתות חברתיות הן הפלטפורמה השולטת ליצירה ושיתוף של תוכן. בהשוואה למחקר הקודם, ניכרת עליה רצינית באחוז הגולשים המשתפים תמונות, קטעי וידאו ושאר הגיגים באמצעות הרשתות החברתיות.

עלייה בצפייה והעלאה של קטעי וידאו
מעבר לשימוש הנרחב ביוטיוב ובפלטפורמות שיתוף וידאו אחרות, יש עליה משמעותית בהעלאת קטעי וידאו בקרב בלוגרים ומשתמשים ברשתות חברתיות.
83% מהגולשים צופים בוידאו – מצב של כמעט רוויה מוחלטת בשווקים רבים.
33% מהגולשים ברשתות חברתיות העלו וידאו לפרופיל האישי שלהם (לעומת 16.9% במחקר הקודם).
32% מהבלוגרים העלו וידאו לבלוג (עליה של 8% מהמחקר הקודם).

ומהזווית השיווקית…
כידוע, הרשתות החברתיות סללו דרכים חדשות והזדמנויות ליצירת שיחה בין המותג לצרכנים, נגישות לקהלי מטרה שונים, ואפשרויות מגוונות ליצירת engagement, הנתונות ליצירתיות המותג. השימוש בכלים האלו אינו טריוויאלי וצריך לשלב אותו בצורה נכונה המתאימה לאסטרטגיית המותג, לקהלי היעד ולפלטפורמות השונות.

להלן המחקר המלא שפורסם:

בזמן האחרון אני מוצא את עצמי גוער בחברי פילטרנט לגבי השימוש המיותר בטבלאות בפרוייקטי ה-web שלנו. החשש שלי הוא, שמא יבינו אותי לא נכון, ויחשבו שיש לי משהו נגד טבלאות, ולא רק טבלאות בלתי-מוצדקות המשובצות בעמודי HTML כדי להגדיר מבנה עמוד.

ובכן, ברצוני להבהיר כאן, קבל עם ועדה – אני לגמרי בעד טבלאות! אני ממש אוהב טבלאות, וכדי להוכיח כמה הטבלה קרובה לליבי, החלטתי להוציא לאור את פרויקט "הטבלה" (!). מכיוון שהפוסט נכתב בהתראה כה קצרה, בחרתי לערוך השוואה אובייקטיבית בין ארבעה הדברים שהכי בא לי עכשיו, קריאה מהנה.

]]> http://feelternet.com/blog/2009/08/16/%d7%94%d7%98%d7%91%d7%9c%d7%94/feed/ 2 http://feelternet.com/blog/2009/08/13/%d7%99%d7%a9-%d7%9b%d7%a0%d7%a8%d7%90%d7%94-%d7%96%d7%95%d7%9b%d7%94-%d7%91%d7%a4%d7%a8%d7%a1-%d7%9e%d7%99%d7%9c%d7%99%d7%95%d7%9f-%d7%94%d7%93%d7%95%d7%9c%d7%a8-%d7%a9%d7%9c-netflix/ http://feelternet.com/blog/2009/08/13/%d7%99%d7%a9-%d7%9b%d7%a0%d7%a8%d7%90%d7%94-%d7%96%d7%95%d7%9b%d7%94-%d7%91%d7%a4%d7%a8%d7%a1-%d7%9e%d7%99%d7%9c%d7%99%d7%95%d7%9f-%d7%94%d7%93%d7%95%d7%9c%d7%a8-%d7%a9%d7%9c-netflix/#comments Thu, 13 Aug 2009 10:43:39 +0000 ‫אודי ארנסט‬ http://feelternet.com/blog/?p=716

5000 קבוצות מכל העולם התגייסו לאתגר שהציבה חברת נטפליקס: מי שישפר ב-10% את דיוק המלצות המערכת ללקוחותיה – יזכה במיליון דולר! מדעני מחשב, פסיכולוגים, כורי מידע, סוציולוגים, אנשי שיווק, וחוקרי התנהגות – שינסו מותניים, אבל כנראה מי שיקטוף את הפרס (בספטמבר הקרוב) היא קבוצה בינלאומית שזרוע אחת שלה ממוקמת במעבדות יאהו! בחיפה. אחד ממובילי הקבוצה, ד"ר יהודה קורן*, הסכים להתראיין לבלוג feelternet.

נטפליקס היא חברה אמריקאית שהוקמה ב-1997 ועוסקת בהשכרת עותקי סרטי קולנוע ותוכניות טלוויזיה שלקוחות מזמינים באינטרנט ושמגיעים אליהם בקובץ להורדה למחשב או כ-DVD במעטפה. נכון להיום יש לה כ-10 מיליון מנויים ושיטה שמוכיחה עצמה: כל מנוי מכין רשימה של סרטים שהוא מעוניין שישלחו אליו, ולאחר הצפייה הוא לרוב מזין משוב על מידת הנאתו מהסרט בדמות דירוג הנע בין כוכב אחד לחמישה. כמו כן, המערכת מאפשרת למנויים לבצע פעולות נוספות כמו המלצה על סרטים למנויים אחרים וכתיבת ביקורות על הסרטים.
לפני כשלוש שנים יצאה החברה בהכרזה שמי שישפר ב-10% את דיוק המלצות המערכת ללקוחות (כלומר את יכולת החיזוי) יזכה במיליון דולר. התחרות עוררה עניין עצום ברחבי העולם, משכה אלפי מתמודדים והד תקשורתי ומדעי ניכר.
עבור נטפליקס שיטת ההמלצות היא אבן דרך: שני שליש משכירות הסרטים בנטפליקס נעשה במערכת ההמלצות של החברה. לכן, שיפור באיכות ההמלצות יתורגם במישרין לשביעות רצון גוברת של הלקוחות.

ד"ר קורן, איך הגדרת את האתגר?
הגדרה טובה היא מתמטית. נתונה מטריצה המבטאת קשרים בין לקוחות וסרטים, ובה תאים רבים שערכם לא ידוע. המטרה היא לאמוד את התאים החסרים בהסתמך על אלו הידועים.
מעבר להגדרה מתמטית זו אזכיר שמדובר במאמץ ארוך בן שלוש שנים, וטבעי שההגדרה התעדכנה כל הזמן. בשהותי בארה"ב הייתי מנוי נלהב של נטפליקס, והסתמכתי רבות על מערכת ההמלצה שלהם (מתי בארצנו הקטנטונת?). כשהתחרות התחילה, באוקטובר 2006, תפס אותי העניין מיד, הן בגלל המשיכה האישית כלקוח החברה, והן כמדען המתעניין ברשתות חברתיות ובניתוחן. בזמנו הגדרתי את הבעיה כחקר של רשת ענקית הקושרת סרטים ובני אדם. בגישה כזאת התחלתי לעבוד על הבעיה במלוא המרץ. כעבור חודשים הסתבר שתובנותיי הראשונות לא כ"כ מועילות. הגדרת הבעיה כניתוח רשת חברתית לא מובילה לגישות יעילות לפתרון. באותו שלב שאבה אותי הבעיה בחוזקה, ועברתי לגישות טבעיות יותר אליה (שמוזכרות למטה).

במה שונות המלצות על סרטים מהמלצות על ספרים או על מוזיקה?
לסרטים פנים רבות, בוודאי יותר מלמוזיקה וכנראה גם יותר מלספרים. הדבר מתבטא בכך שהיחס לסרט נגזר ממאפיינים הקשורים בעלילה, בז'אנרים, בשחקנים, בבמאי, באיכות הצילום, בנופים, באופן הדיאלוג, במוזיקת הרקע ובעוד גורמים רבים. על כן המאפיינים המגדירים את אופיו של סרט הם מורכבים מעל ומעבר למצופה. בנוסף לכך, מכיוון שצפייה בסרט היא פעולה ממושכת יותר מהאזנה לשיר, החשיבות של מתן המלצות מדויקות רבה יותר.

מה גילית בשלב הראשון כשחקרת את תבניות ההתנהגות?
אחת התגליות הראשונות היא יכולתן של מערכות למידה ממוחשבות לזהות קשרים מעניינים בין סרטים בהסתמך על תבניות התנהגות בלבד. למשל, בלי לדעת דבר על כותרת הסרטים או על תוכנם, זיהתה המערכת מיד את קבוצת סרטי Star Trek או סרטיו של וודי אלן וכו', כל זאת על ידי ניתוח התנהגות הלקוחות.

האם ניתן לנטרל מצב רוח משתנה ברגע ההמלצה?
מצאנו שמצב הרוח ביום מסוים משפיע מעבר לציפיותינו על כל הקלט שמקבלים מהמשתמש באותו היום. לכן מאמצים רבים שלנו הופנו לזיהוי מצב הרוח הרגעי של המשתמש ולבידודו באופן שלא ישפיע יותר מהראוי על מגמות ארוכות טווח.

איך פתרתם את האתגר? ואילו גישות לפתרון ניסיתם ובחנתם במהלך התחרות?
אימצנו גישות מוכרות אך הפכנו אותן לפורמליות, ומה שיותר חשוב, ביטאנו באמצעותן יותר מאפיינים של מידע. כך לדוגמה ביצענו אנליזה עמוקה של מה שקרוי "קשרי שכנויות" בין סרטים. דהיינו, אם ידוע לי שהמשתמש דירג את סרט א' מעל הממוצע, כמה זה ישנה את אומדני על דירוגו לסרט ב'? כך זיהינו קשרים בין זוגות רבים של סרטים.
גישה אחרת, מתמטית יותר, מחפשת ייצוג מספרי, מעין דנ"א, לכל סרט ולכל משתמש. ייצוג זה מתקבל על ידי תהליך למידה ממוחשב. הוא מאפשר השוואה ישירה בין סרטים למשתמשים ומוביל למציאת קשרים מעניינים ביניהם.

האם זיהית תבנית החוזה הצלחה של סרט?
אחד הלקחים שלמדנו הוא שתבניות שמקורן בתובנות אנושיות חלשות בהרבה מתבניות מורכבות שמכונות (מחשבים) יכולות למצוא. לדוגמה, חיפשנו ומצאנו תבניות תלויות שחקן, כמו למשל "מי שלאחרונה אהב סרטי שוורצנגר יאהב גם את יתר סרטיו". אולם התברר לנו שהמערכות האוטומטיות זיהו תבניות אלו בצורה טובה יותר (ללא כל צורך לדעת על קיומו של שוורצנגר). לכן עיקר מאמצינו הוא לא במציאת תבניות המנבאות דירוגי סרטים, אלא בזיהוי כלים שיאפשרו לאלגוריתמים למצוא תבניות מעניינות יותר. אגב, בעוד גישה זו מביאה לתוצאות מדויקות יותר, קשה למחשב לתת תבניות אינטואיטיוויות הקלות להסבר. רוב התבניות שמחשב מוצא הן סבוכות ולא קלות להבנה.

במבט כולל, האם מושכרים יותר רבי מכר מאשר סרטים הנמצאים בזנב הארוך?
אין ספק שמיעוט נבחר של סרטים מושך את חלק הארי של פעילות המשתמשים. למשל חמישית מהסרטים אחראים לכמעט מ-90% מפעילות המשתמשים. למעשה נטפליקס עושה רבות כדי לשנות זאת. הם מחזיקים מעל 100 אלף כותרים, רובם ישנים. האינטרס שמשתמש יכיר ויבחר סרטים פופולריים פחות הוא כפול: ראשית, זה יפתח למשתמש חלון לאפשרויות רבות יותר. שנית, מחירם של סרטים אלו זול יותר. למעשה, אחת המטרות המוצהרות של מערכת ההמלצה היא להפגיש משתמשים עם סרטים מהזנב הארוך.

האם המלצה של סרט חריג בשיטת One 2 All באתר החברה לא יעילה יותר מהמלצה אישית?
לא כ"כ כדאי להמליץ על סרט חריג באופן נרחב ללא אנליזה טובה הבודקת התאמה לקבוצת המשתמשים, מכיוון שיש כאן חיסרון אכזרי לחברה: מותר להיכשל עם רב מכר, אבל זה הרבה פחות נסלח עם סרט שולי ולא ידוע.

האם יש דרך לחבר בין תכונות הסרט לפרופיל משתמש באתר חברתי?
זאת שאלה מצוינת העומדת בחזית המחקר. תשובה מוחלטת לא ידועה. הדבר גם תלוי בטיב הקשר החברתי. כך למשל לאנשים שחולקים בית משותף סביר שיהיו הרגלי צפייה שונים בתכלית. לכן לא כל קשר חברתי הוא רלוונטי כאן.

מהי המסה הקריטית של המלצות הנדרשת לחיזוי מדויק?
אני מניח שכוונתך למסה קריטית של "דירוגי משתמשים". מסתבר שדיוק החיזוי עולה באופן עקבי ככל שמקבלים יותר משוב מהמשתמשים, עד בערך ל-1000 דירוגים, ששם מתחילה להיווצר רוויה. בממוצע משתמש נטפליקס מספק כ-200 דירוגים, מה שמאפשר חיזוי מדויק ברוב המקרים. אולם משתמשים רבים נותנים פחות מ-20 דירוגים, ומהווים אתגר משמעותי.

מה למדת על טבע האדם ועל מנגנון ההחלטות וההעדפות שלו? האם יש תובנה אחת בסיסית שחוזרת על עצמה?
מעניין עד כמה אפשר ללמוד על מאווייו של אדם מתוך ניתוח קלטים בודדים ונקודתיים שהוא סיפק. להמחשה, אם נבקש מאדם שיגדיר לנו את מאפייניהם של סרטים שהוא אוהב, סביר שיתקשה לתת הגדרה מועילה. אפילו אם נסייע לו על ידי הגדרת ז'אנרים כלליים, לא סביר שנקלע במדויק לטעמו. אולם אם נשאל שאלות פשוטות בהרבה, כלומר מה דעתו על סרטים ספציפיים שראה, נוכל להגיע להגדרות מדויקות ויעילות על העדפותיו. כל זאת בזכות מה שמכונה "אינטליגנציה שיתופית". דהיינו, אם אדם יחיד יספר לנו אילו סרטים ספציפיים הוא אהב, לא נוכל להכליל זאת באופן נאות. אולם כשעוד אנשים רבים מספרים לנו, כל אחד בנפרד, על העדפותיהם, מתגבשת תמונה כוללת ומסודרת המאפשרת לזהות תבניות מרתקות ולאפיין כל פרט בודד בקבוצה.
לסיכום, בעוד מנועי החיפוש מציגים למשתמש את מה שהוא הגדיר לחיפוש (במילים אחרות: המשתמש כבר מכיר את מה שהוא מחפש), מערכת המלצות חושפת למשתמש מידע שהוא לא מכיר תוך ניסיון להתאים את המידע להעדפות האישיות. לדעתי לשם צועד עולם הפרסום העתידי.

עוד על מורכבות מערכת ההמלצות אפשר לקרוא כאן וגם כאן.
אנו מאחלים בהצלחה לד"ר קורן ולצוותו ונשמח לעדכן כאן בהמשך.

חברת המחקר פורסטר פרסמה מחקר על עתיד הווב החברתי.
פורסטר מחלקת את התפתחות האינטרנט החברתי ל-5 תקופות (חלקן חופפות).

1. תקופת הגדרת הפרופיל האישי וביסוס מערכות יחסים עם מעגלי חברים ושיתוף קבצים

2. תקופת הפונקציונליות: רשתות חברתיות מתפקדות כמערכות הפעלה (פייסבוק קונקט)

3. תקופת החוויה החברתית: כל שימוש או פעולה בדיגיטל תשולב עם יכולות חברתיות

4. תקופת ארכיטקטורת מידע שונה: מידע שיגיע דרך הקשרים חברתיים וקונטקסטואליים

5. תקופת הכלכלה החברתית: הכוח עובר מהמותגים לקהילות המשתמשים, מה שישפיע
על קבלת החלטות הקניה וצריכת המוצרים

עבור חברות המותגים ממליץ המחקר:

1. כבר לקראת סוף השנה אנו חווים את התקופה השלישית, לכן על החברות ליישם בתוכנית העבודה גישה והבנה של המוטיווציה החברתית תוך שימת דגש על בניית קהילה סביב נושא או שירותים שונים

2. שקיפות, אמינות, נתינה, יצירת ערך, שירותיות, אחריות חברתית. אלו הם חלק מהערכים שהחברות חייבות לאמץ לקראת שיטות הפצת המידע החדשות לקהילות ולמדיה החדשה של רשתות חברתיות

3. על החברה להתמקד במעורבים ובמזדהים מבין לקוחותיה. הם הגרעין המשפיע על לקוחות פוטנציאלים, על תפישת ערך המותג ועל הרכישות

4. מערכות המידע בארגונים, חייבות להתאים עצמן ולהיפתח לווב החברתי. מערכות קשרי לקוח אינטגרטיוויות לפלטפורמות חברתיות, יוסיפו מידע על צרכי הלקוח ובהכרח ישפרו את ההנעה לפעולה, כנ"ל לגבי מערכות לניהול תוכן החייבות להיפתח לפלטפורמות החברתיות לשיתוף מידע ולניצול התוכן לשימושים שונים ובקונטקסטים שונים

5. נפץ את פורטל החברה. תן לתכנים שלך להגיע ללקוחות בניגוד למרדף  אחר הלקוחות שאתה מנהל היום ובניגוד לתפישה שהלקוחות יגיעו אליך, תאפשר לתכניך להיות מופצים ומשולבים בקהילות שונות המתקיימות בווב החברתי וצמאות לתוכן ולמידע שלך. המידע יהפוך להיות רלוונטי בקונטקסט הנכון ויועצם על ידי המוטיווציה החברתית והשימוש שעושה הקהילה במידע. אותם קהילות נמצאות בהכרח ברשת החברתית ולא מתרכזות מסביב לפורטל החברה שלך – לכן תתארח שם- היכן שהקהל הטבעי שלך נמצא.

*המחקר הסתמך על ראיונות עם 24 חברות מובילות בווב החברתי

Research isn’t done in a vacuum, that’s why we conducted qualitative research to find out what we should come to expect. We came to these conclusions based on interviews with executives, product managers, and strategists at the following 24 companies: Appirio, Cisco Eos, Dell, Facebook, Federated Media Publishing, Flock, Gigya, Google (Open Social/stack team), Graphing Social Patterns (Dave McClure), IBM (SOA Team), Intel (social media marketing team), KickApps, LinkedIn, Meebo, Microsoft (Live team), MySpace, OpenID Foundation (Chris Messina), Plaxo, Pluck, Razorfish, ReadWriteWeb, salesforce.com, Six Apart, and Twitter.

הצורך במבנה סיפורי נובע בעיקר מתפישת המוח האנושי את מימד הזמן: התחלה-אמצע-סוף. המבנה הליניארי מספק תחושת סדר והיגיון ומקנה לנו ביטחון. אבל, האם לנצח נועדנו להזדקק לסיבה ולמסובב? האם לנצח נועדנו למבנה פעולה הישרדותי החוזה את הצפוי (והבלתי צפוי)?
מה יקרה אם נחרוג מהחושים האחראים לקלט, ונעמיס עליהם עוד שלוחות המזרימות עומס של מידע בזמן אמת? האם נוכל לייצר הקשרים? האם המוח יפנה את הצורך בהזדקקות אל העבר או הפחד מהעתיד למבנה פעולה שונה?

האינטרנט והסלולר משנים את תפישתנו. המרחב הדיגיטלי הופך להיות כמו תכנית ריאליטי, כשסט הציפיות שלנו חי את הרגע (אם זה לא כאן ועכשיו – אז זה לא קיים). החיבור בסגנון ה-Followers של twitter מאפשר יידוע אוטומטי לחברים ולשאר העוקבים ומוסיף ממד חדש בו התנועה אחרי אנשים היא רלוונטית יותר מתנועה אחר שייכות למותגים וצריכתם. אנחנו מחפשים חוויות אמוציונאליות והיכולת לחבר תכנים שונים בהקשרים שונים, חזקה יותר מסיפור מותגי אחד.
השינוי בהרגלים אינו מבוסס שיווק תלוי-מקום, אלא הוא רחב יותר וקשור להתפתחות הטכנולוגיות המשנות את הציפיות והופכות את הדיגיטל לשידור חי אחד גדול (עד לא מזמן זכרנו בע"פ מספרי טלפון, כיום הסלולר עושה זאת בשבילנו, ומפנה  את מוחנו לדברים אחרים).

כתוצאה מהטכנולוגיה גם הצרכים משתנים: סיפור המותג מועם וסיפור החברים שלי מואץ. הצורך הוא במידע אינסטנט (אם לא קיבלנו אותו מיד עולה תחושת החמצה, הרי משהו כן קורה במקום אחר). הצורך בסף ריגוש גבוה – כדי להרגיש חיים ותוססים, לצד הצורך בהתנתקות – להתחבא מזרם החיים הבלתי פוסק, וכמובן, הצורך בשליטה – להתחבר ולהתנתק לזרם מתי שרק רוצים.

פרט מתוך עבודה של נטעלי אלוני

אז איך זה משפיע על מיתוג, שיווק ופרסום? האם בכלל יש טעם לדבוק עדיין במבנה המסורתי והבסיסי של הסיפור? האם יש טעם לבצע סגמנטציות ופילוחים סטנדרטיים? האם הפעולה או תחום העניין בזמן אמת, אינו מכתיב התייחסות אחרת? האם יש טעם לנסות ולהבין את האינדיווידואל? האם תבניות הפעולה של: להקה, קבוצה, שבט, אינן חשובות יותר?

את השאלות האלו ובעיקר את האחרונה ננסה לברר עם מומחים בתחום, המשיכו לעקוב (:

לכבוד השנה החדשה, מצגת מצויינת של טלי וייס מ-TrendsSpotting מרכזת תחזיות מומחים בתחום המובייל: האטה במכירות,  צפייה בטלויזיה באמצעות המובייל, התפתחות שירותים מבוססי מיקום, בנקאות במובייל ועוד…