DAS RELEVANZ-DIAGRAMM
Inhaltsverzeichnis
Dashboards verhelfen in der Kommunikation zu besseren Einblicken in Nutzerreaktionen, sind aber aufgrund ihrer Datenmenge und -komplexität sehr schwer lesbar. Das hier vorgestellte experimentelle Relevanz-Diagramm orientiert sich an einem Beschreibungsmodell aus der Astrophysik; es zielt ab auf eine allgemeinverständliche Darstellung von Nutzerreaktionen, um einen einheitlichen Beschreibungsraum für Relevanz zu schaffen.
Die Komplexität von Kommunikation über Messdaten verständlich abzubilden, ist ein bisher nicht gelöstes Problem. In der Regel geht es darum, den Leistungsumfang von Content sichtbar zu machen, um relevante Inhalte von nicht relevanten Inhalten zu differenzieren. Eine allgemein gültige Definition von Relevanz sucht man allerdings vergebens.Wer sich mit der Relevanzbestimmung beschäftigt, nutzt dafür Dashboards, die Analysedaten anzeigen. Diese Messsysteme zeigen jedoch in der Regel nur eine Summe von Einzeldaten, man sieht den Wald vor lauter Bäumen nicht.
Dashboards wie diese Beispielanzeige des Dashboard-Anbieters Klipfolio zeigen in der Regel viele Einzeldaten.
Warum Relevanz wichtig ist
Plattformen wie Google oder Facebook halten ihre Vorgehensweise zur Relevanzbestimmung oft unter Verschluss. Es nicht nachvollziehbar, welche Faktoren einbezogen werden und was genau dazu führt, dass Inhalte ganz oben in den Suchergebnissen oder in den Feeds erscheinen.
Dadurch bilden sich hochbrisante gesellschaftspolitische Kontrollinstrumente der Informationselite heraus: Wer es schafft, sein Informationsangebot auf den ersten Plätzen in Google oder überhaupt in Feeds zu platzieren, beeinflusst unter Umständen die gesellschaftliche Sicht- und Denkweise und deren Fortentwicklung.
Die elitäre Kenntnis davon, ob und wie Informationen oder Ideen gesehen werden, ist ein kritischer Faktor für das Wohl und Wehe von Gesellschaften. Die Deutungshoheit bestimmt mit, was als „wahr“ wahrgenommen wird und was so als Grundlage für weitere Entscheidungen fungiert.
Genau deshalb ist es wichtig, die Mechanismen von Deutungshoheiten offenzulegen: Dies gilt insbesondere dafür, wie sich etwas als „führende Idee“ etabliert. Relevanz als Kernelement jeder Kommunikation ist ein hochpolitischer Begriff. In Zeiten von „Fake News“ braucht es eine Demokratisierung der Messsysteme. Dies lässt sich nur erreichen über neue, allgemein verständliche, nachvollziehbare und dadurch eben auch demokratisierbare Beschreibungssysteme von Relevanz. Ich jedenfalls denke, dass es wichtig ist, die Art und Weise der Relevanzbestimmung offenzulegen.
Ein gemeinsames Verständnis der Daten unterstützt die Transformation von Unternehmen
Aber es zählt nicht nur die gesellschaftspolitische Sicht, auch Unternehmen brauchen einen nachvollziehbaren Maßstab für Relevanz. Die Transformation in datengetriebene Unternehmungen wird erheblich erleichtert, wenn unter den Mitarbeitern ein gemeinsames Verständnis von Daten vorherrscht. Erst dieses Verständnis ermöglicht ihnen einen produktiven Austausch über diese Daten. Nur so können Veränderungen in Gang gesetzt werden.
Da dieser Transformationsvorgang alle Unternehmensbereiche umfasst, handelt es sich auch um eine Anforderung der strategischen Kommunikation: Grundsätzlich geht es in dieser Umgebung darum, aus der Vielzahl der Daten Informationen zu generieren, die helfen, die Kommunikation im Sinne eines Kommunikationscontrollings zu verbessern und zu optimieren.
Zahllose Einzeldaten erschweren jedoch ein umfassendes Verständnis der gelieferten Daten. Da helfen auch die schönsten Dashboards nicht, und sie erfordern offensichtlich eine besondere Schnittstellenkompetenz: Die Analyse der Daten bleibt Adepten in Form von Datenspezialisten vorbehalten, die sich bemühen, Ihre Ergebnisse in die ‚normale‘ Sprachwelt von Unternehmen zu übertragen. Diese Rolle wird häufig von Business Analysten übernommen oder beispielsweise Datenstrategen zugeschrieben, die als so genannte ‚Analytics Translators“ helfen sollen, die Brücke zwischen Datenwissenschaftlern und Geschäftsanwendern zu bauen.
Was der Wert von Content mit Relevanz zu tun hat
Relevanz ist zunächst einmal nichts anderes als eine Bestimmung von Werthaltigkeit im Sinne der Bedeutung, die unsere Inhalte für den Besucher haben. Diese Relevanz wird zumeist in Zahlen gemessen. Die Unterschiede zwischen „Wert“ und „Relevanz“ bleiben dabei jedoch häufig im Dunkeln. Wenn jemand sagt, dass wir wertvolle und relevante Inhalte erstellen müssen, nicken wir automatisch. Wir haben das Gefühl, dass das Richtige gesagt wurde, aber letztlich wissen wir doch nicht so recht, wie wir es umsetzen sollen.
Worin besteht also der Unterschied zwischen „Wert“ und „Relevanz“?
Betrachten wir zuerst, über welchen Kommunikationsinhalt überhaupt ein Wert (oder Nutzen) für den Kunden generiert werden kann: Wir können den Kunden informieren (Informationswert), ihn unterhalten (Unterhaltungswert), wir können bei ihm ein Verständnis für Zusammenhänge aufbauen (Verständniswert), oder beispielsweise helfen, eine Meinung zu entwickeln (nennen wir es Meinungsbildungswert). Es gibt noch zahlreiche weitere Möglichkeiten, dem Kunden mit den Inhalten einen Wert (oder Nutzen) zu liefern.
Diese Aufzählung zeigt: Ein Kommunikationsinhalt bietet verschiedene Arten von Wert. Indem wir die Art des Wertes beschreiben, schreiben wir ihnen eine Qualität zu. Wert (oder Nutzen) ist eine qualitative Kategorie.
Wie stark können wir hingegen Relevanz unterscheidbare Eigenschaften zuweisen? Wir sprechen hier eher von hoher, mittelmäßiger oder geringer Relevanz. Relevanz ist eine quantitative Kategorie: Sie bemisst sich in nummerischen Werten, zum Beispiel der Klickhäufigkeit auf einen Beitrag. Wir können bisher keine qualitativen Aussagen über sie machen.
Relevanzbestimmung aus Sicht der Suchmaschine
Welche Beiträge im Kontext unserer Produkte oder Dienstleistungen besonders wertvoll zu sein scheinen, sehen wir zum Beispiel, indem wir uns die ersten Treffer in Google zu einem Thema anzeigen lassen. Hier werden die relevantesten Inhalte zu unserer Suchanfrage angezeigt. Relevanz bemisst sich für Google dabei unter anderem an der Klickhäufigkeit in Zusammenhang mit der Verweildauer auf einem Beitrag. Eine größere Rolle spielen noch die Verlinkung von anderen Content-Anbietern neben dem Aufbau von Pillar-Pages, dem Einsatz von responsivem Webdesign und zahlreichen weiteren Faktoren.
Die Resonanz auf die angebotenen Inhalte dient als Indikator von Werthaltigkeit. Legt man die Funktionsweise moderner Suchmaschinen zugrunde, ist Relevanz ein quantitativer Ausdruck von Werthaltigkeit (siehe dazu auch meinen Artikel „Relevanz im Content-Marketing“).
Das Relevanz-Diagramm – anders darstellen, mehr verstehen
Reduziert man die Werthaltigkeit auf einen quantitativen Begriff der Relevanz, ist man nicht in der Lage, Zusatzinformationen aus einer Relevanzbestimmung herauszufiltern. Platz 1 in Google bedeutet: voraussichtlich sehr werthaltig oder nützlich. Platz 190 auf Seite 19 in Google sagt aus: sehr wahrscheinlich weniger werthaltig oder nützlich im Kontext unserer Suchanfrage.
Der Ansatz, Relevanz über Eigenschaften qualitativ zu beschreiben, kann helfen, einen größeren Erkenntnisgewinn aus einer Relevanzbestimmung zu erzielen. Dies erleichtert auch, Relevanz in der Kommunikation als Transformationstreiber einsetzen, weil es die Stakeholder eben in die Lage versetzt, sich differenzierter über die Relevanz von Inhalten auszutauschen.
Mir scheint es deshalb notwendig, die quantitativ ausgerichteten Visualisierungsformen herkömmlicher Dashboards zu überwinden und eine qualitative Bestimmung von Relevanz anzustreben.
Kann man in der Kommunikation also Eigenschaften von Relevanz identifizieren? Und gibt es eine Beschreibungsform, die uns hilft, Relevanz besser und schneller zu verstehen? Das folgende experimentelle Relevanz-Diagramm ermöglicht eine erste Ausrichtung auf der Basis von bekannten Messgrößen.
Messgröße Klicks
Die Klickanzahl ist ein Indiz von Wert. Eine Kommunikation lässt sich auf dieser Basis zunächst einmal unterteilen in Inhalte, die von vielen Interessierten geklickt werden und in Inhalte, die von wenigen Interessierten geklickt werden. Bilden wir solche Interessengruppen einfach über große oder kleine Kreise ab.
Messgröße Verweildauer
Bringen wir die Verweildauer in die Berechnung ein, dann entdecken wir Inhalte, die länger betrachtet werden und Inhalte, die nur sehr kurz betrachtet werden. Haben diese Inhalte in etwa denselben Umfang, dann scheinen die Inhalte mit kurzer Betrachtungsdauer von geringerer Bedeutung zu sein als die Inhalte mit langer Betrachtungsdauer.
Zu unterscheiden sind außerdem Inhalte mit langer Verweildauer mit vielen Besuchern von Inhalten, die bei langer Verweildauer nur wenige Besucher aufweisen. Dasselbe finden wir auch bei Inhalten mit kurzer Verweildauer. Daraus ergibt sich eine Abbildung mit vier Unterscheidungen. Je länger die Verweildauer, desto wertvoller der Inhalt, desto mehr Relevanz sprechen wir ihm zu.
Visualisierungsform: Kreise in unterschiedlicher Größe
Wir können hier die entsprechende Visualisierungsform über Kreise gleich mit einarbeiten. Die Inhalte mit der größten Resonanz (lange Betrachtungsdauer, große Interessengruppe) positionieren wir oben links. Die Inhalte, die zwar eine große Interessengruppe ansprechen (viele Klicks) aber nur kurz angesehen werden, positionieren wir oben rechts. Inhalte, die nur eine kleine Interessengruppe ansprechen, aber eine lange Verweildauer aufweisen, zeigen wir im linken unteren Bereich an. Inhalte mit kleiner Interessengruppe und geringer Anzeigedauer zeigen wir im rechten unteren Bereich an.
An der Farbe sollt ihr sie erkennen: blau, rot, weiß, braun
Aber wir wollen abschließend eine farbliche Differenzierung vornehmen, die sich am Teilungsverhalten zu der Kommunikationsidee orientiert (Shares/Likes/Verlinkungen). Inhalte können geteilt werden über Social Media (zum Beispiel als Erwähnung eines Beitrags mit dem entsprechenden Link auf den Beitrag), über Verlinkung auf der Website (Backlink) oder beispielsweise über Werbung. Abhängig von der Verortung im Viererquadrat erscheinen diese Inhalte entweder in blau (oben links), oben rechts (rot), unten links (weiß) oder unten rechts (rötlich dunkel, braun).
Das Hertzsprung-Russell-Diagramm (HR-Diagramm) als Vorlage für das Relevanz-Modell
Diese scheinbar beliebige Zuordnung von Farben orientiert sich an dem berühmten Hertzsprung-Russell-Diagramm aus der Astrophysik, das die Entwicklungszyklen von Sternen darstellt und dabei Sterne abhängig von ihrer Temperatur, Leuchtkraft und Masse klassifiziert.
Unsere Sprache unterstützt diese Modellierung von Kommunikation
Die in diesem bestehenden Beschreibungsmodell vorhandene Unterscheidung nach Farben (HR-Diagramm: blau ist heiß, rot ist kühl) und die Größenordnungen lassen sich übertragen auf die Resonanz auf Inhalte und ermöglichen dadurch eine analoge Darstellung von Wertigkeit: Die größte Relevanz finden wir im oberen linken Bereich, dort sind im HR-Diagramm auch die Sterne mit der größten Masse verortet. Je größer die Masse eines Sternes, desto größer seine Anziehungskraft. Ist es nicht das, was sich Unternehmen für ihre Marken wünschen: Anziehungskraft?
Selbst unsere Sprache unterstützt dieses Beschreibungsmodell: Die im HR-Diagramm oben links erscheinenden Sterne besitzen die höchste effektive Temperatur und die größte Leuchtkraft/ bolometrische Helligkeit. Analog dazu wären das in der Kommunikation Inhalte, die den Konsumenten richtig „heiß“ machen, die am meisten geteilt werden und die deshalb auch am hellsten “strahlen”, also am meisten gesehen werden.
Ergebnisse und Benamungen
Über diese Zuordnung aus dem Hertzsprung-Russell-Diagramm bekommen wir so Beschreibungstypen für die unterschiedlichen Erscheinungsformen von Kommunikation.
- Blaue Riesen: sehr resonanzstarke Inhalte, z.B. auch organisch geteilt auf Social-Media-Kanälen
- Rote Riesen: zum Beispiel mit Werbeanzeigen begefeuerte Inhalte, die aber nur kurz ansehen werden oder Clickbait-Artikel, die zwar aufgrund ihrer reißerischen Headline viele Aufrufe erzeugen, aber wenig Resonanz generieren mit kurzer Verweildauer
- Weiße Zwerge: sehr guter Experten-Content, den nur eine kleine Gruppe frequentiert, der aber sehr lange angeschaut wird
- Braune Zwerge: Inhalte, die überhaupt nicht funktionieren
Ist die Übertragung des astronomischen Beschreibungsmodells auf die Kommunikation sinnvoll?
Was bringt uns diese die Übertragung des astronomischen Beschreibungsmodells auf die Kommunikation? Während wir in herkömmlichen Dashboards in der Regel nur Zahlenwerte, Verlaufskurven oder Diagramme mit Verlaufsdaten sehen, erhalten wir über die Analogiesetzung zum Hertzsprung-Russell-Diagramms Namen für sehr gut funktionierende (blauer Riese) bzw. weniger funktionierende Kommunikationsideen (brauner Zwerg). Daran angelehnt erhalten wir außerdem ein nachvollziehbares Farbmodell. Vor allem aber handelt es sich um konsensfähige Beschreibungsformen, weil sie nicht aus der Luft gegriffen sind, sondern sich eben an einem bereits bestehenden Modell orientieren – und das ist die Grundlage jeder Standardisierung.
Angestrebte Vorteile dieser Datenvisualisierung in der Übersicht
- Wir können sehen, welche Inhalte relevant sind und welcher Art dieser Relevanz ist: Wir können Relevanz beschreiben und dadurch Rückschlüsse auf die Ausrichtung unserer Kommunikation ziehen.
- Wir verfügen über ein nachvollziehbares und definiertes Farbschema zur Darstellung von Relevanz.
- Kommunikations- / Content-Phänomene werden generell über den Sprachraum der Astrophysik beschreibbar, wir erhalten eine standardisierbare Ausdrucksmöglichkeit (*siehe Beispiel im Kasten)
- Übertragung von mathematischen Modellen aus der Astrophysik zum Aufbau einer Aufmerksamkeitswährung (DACU), um Resonanzen und so Relevanz vergleichen zu können.
*Sprachraumerweiterung – Beispiel: Content-Pulsar
Der Beschreibung von Kommunikation eröffnet sich durch die Anlehnung an die Lichtmetapher ein bereits bestehender, umfangreicher Sprachraum, mit dem wir einzelne Kommunikationsarten kennzeichnen können. Als Beispiel sei hier der Begriff des Content-Pulsars genannt, der sich an scheinbar aufflackernden Sternen orientiert und analog nur periodisch relevante Inhalte bezeichnet. Dies können beispielsweise Informationen zu jährlich erscheinenden Meteoritenschauern wie den Perseiden sein. Diese Informationen sind hauptsächlich im Juli und Anfang August relevant.
© Roger Romani (Stanford University) (Lead), Lucas Guillemot (CENBG), Francis Reddy (SPSYS)
Erste Prototypenentwicklung: Probanden mit großem Kommunikationsnetzwerk gesucht
Aktuell ist noch nicht absehbar, wie sehr dieses Gedankenexperiment helfen kann, Kommunikationsereignisse von Unternehmen zu klassifizieren und so gleichzeitig messbar und beschreibbar zu machen. Gesucht werden deshalb Unternehmen, die ergebnisoffen bereit sind, sich auf dieses Experiment einzulassen und die über mindestens einen Content Hub (Website, Blog) verfügen und über mehrere Kommunikationskanäle (Social Media, Newsletter etc.) darauf verweisen.
Die Umsetzung erfolgt in Zusammenarbeit mit der ABIS Cloud. (Die ABIS Cloud ist ein soziales Netzwerk, das Fakten, Geschäftsprozesse und KI miteinander vereint. Smart Apps in ABIS helfen Unternehmen bei der Analyse und Steuerung interner Prozesse).
Anfragen bitte an analyse@damore.de.
