Факторы, влияющие на время чтения и дочитываемость материалов онлайн-медиа (кейс Lady.mail.ru)
Скачать статьюменеджер по продукту ООО «Яндекс Технологии», г. Москва, Россия
e-mail: lyubimtseva.m@gmail.comРаздел: Социология журналистики
В статье исследуются определения вовлеченности и выявляются ключевые показатели, с помощью которых измеряется вовлеченность читателей онлайн-медиа: время чтения и дочитываемость, или процент материалов, которые дочитывают до конца. Теоретическая база исследования включает в себя разные вариации понятия вовлеченности и ее метрик, а также обзор факторов вовлеченности аудитории, которые, по мнению исследователей, влияют на показатели времени чтения и дочитываемости материала. Эмпирическая база исследования представляет собой результаты контент-анализа выборки материалов Lady.mail.ru и выделение шестнадцати факторов, а в конечном итоге — результаты регрессионного анализа этого массива данных. Вовлеченность падает с ростом объема текста и его уровня рекламности, а также в зависимости от верстки: отрицательно влияет недостаток визуальных элементов в тексте. Популярность материала способствует тому, что его будут лучше дочитывать, заголовки же на это никак не влияют.
DOI: 10.30547/vestnik.journ.2.2020.5384Введение
Сегодня, в эпоху переизбытка медиаконтента и усталости потребителя от информационного шума цифровой среды (Балмаева, Лукина (ред.), 2016: 8), все сложнее удерживать внимание читателя. Медиа учатся переключать внимание аудитории: работают с подачей материала, разнообразием верстки и визуальных элементов, уходят от чрезмерно длинных материалов. Без мультимедийного контента уже не обходится ни одно онлайн-СМИ, поэтому тема изучения факторов, которые влияют на вовлеченность читателя, становится все актуальнее.
В статье мы рассмотрим, какие показатели используют медиаисследователи для измерения вовлеченности в России и за рубежом, в чем заключаются разногласия относительно способов измерения вовлеченности, какие факторы влияют на вовлеченность, по мнению исследователей и по мнению экспертов медиаиндустрии, а также с помощью эмпирического исследования на базе материалов женского онлайн-медиа Lady.mail.ru выявим факторы,которые влияют на вовлеченность аудитории.
Теоретический обзор
В психологии под вовлеченностью аудитории в ондайн-медиа понимают состояние повышенной когнитивной деятельности, когда индивид обрабатывает новые стимулы окружающей среды, принимая во внимание определенные аспекты этих стимулов или сталкиваясь с многократно повторяющимся конкретным опытом (Mersey, Malthouse, Calder, 2010: 40). При высоком уровне вовлеченности возникает мотивация полностью посвятить себя процессу или действиям (Ильин, 2000), при этом активность субъекта — необходимое условие для возникновения состояния вовлеченности. Ряд ученых (Claussen, Kretschmer, Mayrhofer, 2013; Lehmann, Lalmas, Yom-Tov, Dupret, 2012) считают, что вовлеченность — это одновременно и психологическое состояние, и поведение. О’Брайн (O’Brien, Toms, 2008) же считает вовлеченность категорией пользовательского опыта.
Понятию вовлеченности пользователя в научных медиаисследованиях недостает определенности и общепринятых средств измерения (Di Gangi, Wasko, 2016: 55). Под вовлеченностью аудитории в научных публикациях, прежде всего, подразумевают время, внимание и эмоции, которые вкладывает в процесс медиапотребления пользователь (Attfield, Kazai, Lalmas, Piwowarski, 2011: 2). Наполи считает вовлеченность комплексным многосоставным явлением: сначала у аудитории формируется узнавание темы и интерес, в процессе взаимодействия с медиатекстом задействуется внимание аудитории и формируется ее лояльность, а также эмоции, а постфактум остаются воспоминания, оценка контента и формируется отношение, следствием же этих процессов является поведение аудитории в медиа — внимательное или поверхностное чтение1.
Исследователи не сходятся во мнении на эту тему, но склоняются к тому, что вовлеченность — это смесь пользовательского опыта, психологического состояния и поведения пользователя (Di Gangi, Wasko, 2016: 57). Другие определяют вовлеченность как «комплексное психологическое состояние, в котором человек умственно и эмоционально активен и ведет себя в социуме таким образом, который иллюстрирует его с положительной стороны, по мнению членов общества» (Ray, Kim, Morris, 2014: 531). Наиболее современные исследования (Di Gangi, Wasko, 2016: 57) говорят о вовлеченности как о «состоянии ума пользователя, которое требует повышенной включенности и приводит к личной выгоде (т. е. это вовлеченность для удовлетворения потребности)», и включают в нее две составляющих: участие индивидуума (и ощущение, что участие необходимо для удовлетворения его потребностей) и значимость для него лично (степень, в которой пользователь оценивает удовлетворение своих потребностей или интересов в процессе пользовательского опыта). Есть ряд исследований иоказателей вовлеченности в социальных сетях (лайки, комментарии, подписки и т. д.) и факторов, которые на нее влияют: автор, контекст и контент (Jaakonmäki, Müller, vom Brocke, 2017). Но для онлайн-медиа они не актуальны: роль автора в них сведена к минимуму, а более традиционный формат контента с ориентацией, прежде всего, на текст трудно сравнивать с социальными сетями вроде Инстаграма, с их ориентацией на визуальные элементы.
Понятие вовлеченность аудитории в медиасфере стало все чаще связываться с эффективностью онлайн-медиа — в западных и российских СМИ количество пользователей (и просмотров) уже перестало быть главным параметром в измерениях онлайн-аудитории (Балмаева, Лукина (ред.), 2016: 48). Среди экспертов и медиаменеджеров также нет единого определения вовлеченности, это показывают данные опроса сервиса по измерению показателей вовлеченности Parse.ly: половина экспертов медиаиндустрии ответила, что в их редакции нет согласия в определении вовлеченности. Среди показателей для измерения вовлеченности большая часть респондентов отметила перепосты и время2. Бывший редакционный директор отдела медиапроектов Mail.ru Group Сергей Паранько также понимает под вовлеченностью «время, которое посетитель проводит на странице материала: за чтением, просмотром мультимедиа, комментированием или перепостом в соцсети»3.
Измерять вовлеченность исследователи предлагают с помощью опросов и данных об онлайн-активности. С. Лекнер (Leckner, 2012: 163–184) предлагает окулографические исследования (фиксируют движение глаз в процессе чтения), которые показывают процесс восприятия текста и время задержки в каждом окне (Duchowski, 2003), дополнять вопросно-ответными методами — опросами и интервью, чтобы выявить причины поведения читателей. Минусом окулографических исследований также являются искусственные условия медиапотребления, созданные для участников исследования. Из всех методов измерения вовлеченности для массового внедрения в онлайн-медиа подходят только количественные исследования, которые замеряют онлайн-активность и при использовании которых снижен человеческий фактор. Количественные методы Наполи (Napoli, 2011: 31) выделяет как наиболее важные для понимания поведения аудитории и предполагает, что данные аналитики позволят повысить предсказуемость и усилить его контроль.
Для измерения вовлеченности можно использовать один или несколько показателей. Исследователи (Russell, 2009: 44–61) склоняются ко второму варианту для более точного отражения вовлеченности аудитории. Также пока сложно определить, какой именно аспект взаимодействия пользователя с сайтом онлайн-медиа больше всего отражает его вовлеченность. Лагун и Лалмас (Lagun, Lalmas, 2016: 113) выделяют как важнейший параметр время, которое пользователь проводит на сайте. Именно время отражает сфокусированное внимание, эффект от взаимодействия и интерес пользователя, а метрику «общее время на странице» считают ключевой. Исследователи выделяют две метрики – общее время и время в каждом окне. Первая отражает общее время пребывания пользователя на странице, но не показывает долю времени, которое пользователь проводит на каждом участке страницы. Эту функцию выполняет показатель время в каждом окне, и он позволяет сравнивать разные по объему статьи между собой.
Обратимся к метрикам, которые используются экспертами в медиасфере и системами измерения вовлеченности. В системе редакционной аналитики «Медиатор» для сравнения вовлеченности в разных статьях используют коэффициент вовлеченности — соотношение фактического времени чтения страницы к предполагаемому. Этот показатель используется в исследовании, результаты которого изложены во второй части данной статьи. По мнению Н. Лосевой (Балмаева, Лукина (ред.), 2016: 41), если время, которое пользователь проводит на сайте, выше среднего значения в сегменте (СМИ похожей тематики, жанра, региона), то СМИ соответствует ожиданиям пользователя. Лосева упоминает в качестве измерителя вовлеченности и показатель доскроллов — дочитываемости страницы: счетчики доскроллов позволяют посчитать долю пользователей, добравшихся до середины или до последнего абзаца. По опыту Лосевой этот показатель в среднем не превышает 50%, но может быть существенно выше, если в материале продуманная подача: есть релевантные иллюстрации, интерактивные элементы и врезки. Хуже всего дочитывают, по мнению автора, монотексты — большие куски сплошного текста. А. Амзин считает ключевыми показателями для онлайн-медиа время на потребление материала и глубину прочтения: «В большинстве случаев <...> потребитель не возвращается к материалу, который он бросил на середине» (Балмаева, Лукина (ред.), 2016: 103).
По данным Chartbeat, 95% пользователей, активно взаимодействуя со страницей, в среднем один раз в 4,8 секунды совершают действие: перемещают курсор, пролистывают страницу, кликают4. Поэтому важно фиксировать данные о действиях пользователя и измерять время вовлеченности на их основе. Система редакционной аналитики «Медиатор» записывает данные о том, что посетитель материала доскроллил (то есть пролистал) до определенного места, а также время, которое у него заняло чтение материала. В данной статье мы используем принятые в медиасообществе термины глубина доскроллов (scroll depth) и производные от нее процент доскроллов и дочитываемость, которые отражают, как пользователи скроллят материал и каков процент материалов, которые дочитывают до конца. Данные термины используют исследователи Лосева и Градюшко (Градюшко, 2019: 181) и такие СМИ и медиаплатформы, как РБК5, Яндекс.Дзен6, медиасервисы Mail.ru и многие другие. Мухаммед Хеди Лассод считает, что лайки и перепосты не отражают вовлеченности пользователя, и также использует показатели глубины доскролла (дочитываемости) страницы и время чтения7.
Помимо исследователей с этим солидарны медиакомпании: платформа для блогов Medium ключевой метрикой, с помощью которой измеряется вовлеченность пользователей, называет общее время чтения8, которое разбивается на время чтения новых и старых постов, время чтения зарегистрированными и незарегистрированными пользователями и другие когорты. YouTube c 2012 г. также измеряет вовлеченность пользователей в видео с помощью времени, которое пользователь потратил на его просмотр9. Яндекс.Дзен10 стал учитывать дочитываемость и время чтения вместо просмотров при монетизации каналов. Многие онлайн-СМИ США и других стран используют метрику времени для оценки вовлеченности читателей материала более пяти лет — с помощью Chartbeat.com, Parse.ly (основаны в 2009 г.) и внутренних систем издательств.
В системе аналитики «Медиатор», на данных которой строится наше исследование, в качестве показателей вовлеченности выступают время вовлеченности — время чтения и взаимодействия со всем материалом, а также каждой из трех (или более) его частей, коэффициент вовлеченности — отношение реального времени чтения к предполагаемому времени чтения (рассчитывается по количеству слов и средней скорости чтения), глубина доскроллов — процент доскроллов (от общего числа просмотров) до первого счетчика, второго, третьего11. Эти метрики показывают, какой процент посетителей страницы начинает просматривать материал, а какой — не пролистывает дальше первого экрана, дочитывает только первую часть или читает до конца, действительно ли пользователи читают материал или в основном просто скроллят и закрывают. Такая аналитика помогает улучшить подачу материала, выявить неудачные и удачные по вовлеченности читателей материалы.
Факторы, которые влияют на вовлеченность аудитории онлайн-медиа
Рассмотрим результаты исследований вовлеченности, а также мнения медиаменеджеров и редакторов по поводу факторов, которые могут влиять на вовлеченность читателя онлайн-медиа.
Первый фактор, влияние которого на вовлеченность читателя уже доказано несколькими исследованиями, — это длина статьи. Исследования Оутинга и Руела говорят о том, что длинные тексты читают дольше по времени, но при этом более короткие тексты с большей вероятностью дочитают до конца, и это не зависит от тематики12. То есть тематику данные исследования исключают как фактор, потенциально влияющий на вовлеченность.
Маленькая часть читателей обычно читает текст целиком. Данные по сайтам системы аналитики Chartbeat говорят о том, что большинство посетителей читают 60% материала, 10% посетителей вообще не скроллят текст, оставаясь на первом экране устройства13. До конца страницу просматривают 52,4% пользователей на мобильных устройствах и 66,9% на персональных компьютерах (далее — ПК)14. Но скроллинг страницы еще не означает, что пользователь действительно читает текст.
А. Галустян и Д. Кульчицкая по отношению к паттернам чтения медиатекстов настроены пессимистично: «Аудитория отвыкает от объемных материалов и ждет от журналистов коротких и емких сообщений, длинный текст в интернете «умирает» (Балмаева, Лукина (ред.), 2016: 179). По данным Medium, больше всего времени люди тратят на посты, предполагаемое время чтения которых — 7 минут15. То есть можно определить оптимальный объем текста, который позволит удерживать внимание читателя. При расчете корреляции между количеством просмотров постов и их длиной выяснилось, что у текстов в интервале от самых коротких до семиминутных среднее количество просмотров на Medium растет. Если время чтения превышает 7 минут — оно начинает снижаться. Мы добавили в исследование во второй части статьи в качестве фактора просмотры материала, чтобы посмотреть, есть ли значимая взаимосвязь между ними и вовлеченностью.
Н. Лосева считает, что на вовлеченность может влиять хорошая скорость загрузки сайта, понятная пользователю верстка и другие факторы (Балмаева, Лукина (ред.), 2016). Лосева также выделяет важность верстки текста: на вовлечение влияет «режиссура длинных мультимедийных историй, позволяющая пользователю максимально эффективно «пройти» через заметку, цепляясь за подзаголовки, видео- и аудиоцитаты, врезы, фотогалереи и панели с кнопками соцсетей» (Балмаева, Лукина (ред.), 2016). Паранько, Стецовский и Сидорова рекомендуют добавлять врезки, цитаты, выделение курсивом или жирным шрифтом16.
Амзин (Балмаева, Лукина (ред.), 2016: 109) называет среди факторов, которые влияют на вовлеченность, тип материала и иллюстрации, которые хорошо подобраны по смыслу. На вовлеченность также могут влиять заголовки, а именно – некоторые приемы, используемые в них, или тип заголовка. Паранько, Стецовский и Сидорова среди приемов удержания внимания с помощью заголовка выделили использование числительных и рекламирующих материал слов, таких как самый, новый17. Цифры в заголовках как отдельный прием по привлечению и удержанию внимания выделяет Ольга Выходченко18, наряду с catch-words — усиливающими заголовок словами (неожиданный, миф, необычный), которые призваны добавить интригу для привлечения внимания. В эмпирической части работы мы использовали для описания таких catch-words слово триггеры (от англ. Trigger — спусковой крючок): «Подобные слова провоцируют человека на определенные эмоции или действия. Это слова-провокаторы», которые «заставят читателя пройти по ссылке и прочитать материал» (Николаева, 2019). Для числительных же в заголовке использован термин Ильяхова19 маркер порядка. Также по его типологии заголовки делятся на назывные и транзитивные. Назывные упоминают предмет, о котором пойдет речь в статье, но не раскрывают интриги, их цель – заставить читателя открыть и прочитать материал. Задача транзитивных – передать одной строкой главное содержание статьи, сэкономив время на чтение. Из перечисленных факторов мы включили в исследование верстку (наличие цитат-врезок), соотношение визуальных элементов и текста, типы заголовков, тематику и раздел.
Амзин также считает, что «дочитываемость» материала зависит от соотношения длины материала и типа устройства, то есть насколько время сессии, типичной для этого типа устройств, больше, чем предполагаемое время чтения материала (Балмаева, Лукина (ред.), 2016: 104). Этот тезис подтверждается данными сервисов «Медиатор» и Medium: при чтении с мобильных устройств материал просматривает до конца меньший процент людей, чем с ПК, но при этом с мобильных устройств материалы в среднем читают на 26 секунд дольше20. По данным Medium, пользователи их мобильного приложения тратят на 25% больше времени на чтение в день, чем пользователи ПК-версии21.
Результаты нескольких исследований (Hedman, 2003; Bucher, Schumacher, 2006: 347–368) показали, что в онлайн-газетах внимание читателя в первую очередь привлекают фотографии, обычно заглавная иллюстрация новости. По мнению Амзина, визуальные материалы вовлекают лучше, чем текстовые, а лучше статичных визуальных материалов вовлекают анимация и короткие видеоролики (Балмаева, Лукина (ред.), 2016: 149). Паранько, Стецовский и Сидорова также считают, что изображения, короткие видеоролики и графики помогают читателю сохранять концентрацию и вовлеченность22.
В Medium обнаружили, что время чтения зависит от дня недели и времени суток: пиковые значения приходятся на период с 13.00 до 22.00 с понедельника по четверг, минимум времени тратится в выходные. В онлайн-медиа Hacker News пик активности читателей — с 19.00 до 22.00 по вторникам, средам и четвергам23.
Все перечисленные факторы, а также тематику текста, раздел и рекламность мы включили в исследование, описанное ниже. Тематика, как и раздел, призвана отразить зависимость вовлеченности от интереса читателя, но более детально. Увеличение времени чтения за счет роста интереса читателя отражено в дневниковом исследовании моделей медиапотребления «Медиатора»24. Фактор рекламности будет актуален только для медиа, которые пишут о товарах, в том числе для рекламных статей. Согласно Булатовой (2010: 127), «реклама преподносит в качестве аргумента только достоинства товара», рекламность же — это свойство рекламного сообщения, «рекламная направленность всех компонентов текста на продвижение своего объекта, на привлечение к нему внимания, на полное вовлечение адресата в сферу рекламной коммуникации» (Терпугова, 2000: 9). Логично предположить, что рекламность может как повысить вовлеченность, так и снизить ее, оттолкнув читателя.
Методология исследования
Чтобы выявить зависимость показателей вовлеченности от различных свойств материала или отдельных его частей в исследование были включены следующие факторы: заголовок (маркеры в заголовке, триггеры в заголовке, тип заголовка), число цитат-врезок, доля иллюстраций (число визуальных элементов, число знаков на 1 визуальный элемент), соотношение статических и динамических визуальных элементов (процент статичных визуальных элементов), рекламность, количество просмотров, длина материала (число знаков), день и время публикации (день недели, время публикации и время публикации (период)), тематика, рубрика (раздел) и тип материала.
В качестве базы эмпирического исследования были взяты данные системы редакционной аналитики Mail.ru Group — «Медиатор» и 530 материалов Lady.mail.ru, опубликованных с сентября 2016 по февраль 2017 г. В выборку попали только материалы объемом не менее трех экранов, то есть общий объем знаков и изображений умещается на трех экранах персонального компьютера. Нет смысла анализировать дочитываемость материала объемом в один экран. Число наблюдений в выборке также ограничено временем работы системы сбора данных – с сентября 2016 г., то есть это максимально возможное число наблюдений на момент проведения исследования. Данная выборка является репрезентативной, выбранный медиапроект Lady.mail.ru соответствует характеристикам онлайн-медиа, которые выделяют исследователи (Никитенко, 2009: 164; Лукина (ред.), 2010: 55) — мультимедийность, интерактивность и гипертекстуальность, а его медиатексты содержат все типы элементов — вербальные, визуальные, аудиовизуальные. Кроме того, выбор этого издания во многом был обусловлен доступом к данным системы «Медиатор», который согласились предоставить представители компании Mail.ru Group. Ни одно другое медиа на российском рынке не делится данными о дочитываемости и времени чтения материалов, на основе которых можно было бы провести подобное исследование. Аудитория Lady.mail.ru по состоянию на февраль 2020 г. составила 25,5 млн пользователей, по данным Similarweb25. Результаты данного исследования применимы к медиа со схожим объемом и составом аудитории, а также типологическими характеристиками – онлайн-медиа развлекательного характера для женской аудитории.
За показатели вовлеченности мы приняли процент доскроллов – процент пользователей, которые просмотрели статью до конца, а также коэффициент вовлеченности — отношение предполагаемого времени чтения материала к фактическому, которое позволяет сравнивать время чтения материалов разной длины. Предполагаемое время чтения вычисляется исходя из данных Mail.ru Group26 и равно количеству слов в материале, деленному на 120 слов в минуту — средняя скорость чтения на русском.
Фактор раздел повторяет название рубрики, в которой опубликован материал. Среди рубрик – «Новости», «Мода», «Секс 18», «История успеха», «Отношения», «Красота», «Здоровье», «О важном», «Интервью», «Гороскопы». Фактор тематика был выделен, чтобы более детально разделить материалы по потенциальному кругу интересов читателя, и определялся с помощью контент-анализа массива текстов Lady.mail.ru. В результате мы выделили следующие темы: здоровье, знаменитости, кожа (материалы на тему ухода за кожей), косметика (обзоры косметических средств), косметология/пластика, макияж (подборки разных типов макияжа), маникюр, мода (обзоры трендов сезона), обувь, аксессуары, волосы, гороскоп, духи, животные, путешествия, социальный (о помощи малообеспеченным слоям населения, животным, о благотворительности), одежда, отношения, познавательно (подборки интересных фактов, книг или поговорок, статьи о бизнесе для женщин), психология, украшения. Это авторская классификация,применимая для женских онлайн-медиа.
Тип материала определялся автором в процессе контент-анализа, в итоге было выделено 11 типов: новость, биография, обзор (разделены на два типа: обзор объектов как подборка предметов одежды, косметики, обуви и обзор явления, где рассматривается какое-либо явление), фотоподборка, инструкция (материалы формата «как сделать...» или подборки советов), FAQ (вопросно-ответная форма), эксперимент (редакция или приглашенный автор тестирует что-либо/проводит эксперимент и рассказывает об этом), колонка/мнение (материал с акцентом на личность автора и его личный опыт или мнение), интервью, гороскоп.
По фактору период публикации выделили четыре группы материалов — ночь (с 0:00 до 1:00), утро (с 6:00 до 11:59), день (с 12:00 до 17:35), вечер. (с 18:00 до 23:50). Такие выборки обусловлены периодами, в которые были опубликованы материалы выборки (в пропущенных промежутках публикаций не было). Также мы отдельно разбили материалы на группы по часу публикации – на 16 групп, так как не в каждом часу были публикации, и по дню недели, в который опубликован материал, на семь групп.
Для измерения влияния заголовка разбили материалы Lady. mail.ru на два типа по способу сообщения информации о материале — назывным и транзитивным заголовкам, по классификации Ильяхова27. Также, по типологии Ильяхова, материалы разделили на три группы. В первой заголовки с маркерами порядка (цифры в заголовке, использование слов законы, правила, способы), например: «7 способов избежать боли в животе за новогодним столом». Во второй группе — с маркерами формата (указание на формат публикации: «инструкцию, методичку, инфографику, плакат, тест»28), например: «Кошка необычного окраса, в которую невозможно не влюбиться (фото)». В третью группу вошли материалы без маркеров в заголовке.
Материалы разбили на группы и по наличию в заголовке триггеров, которые рекламируют материал. Классификация триггеров авторская, была сформирована после изучения существующих классификаций заголовков в печатных СМИ, которые не подходили под формат развлекательного женского онлайн-медиа. Триггеры выделили с помощью контент-анализа: вопрос — вопросительный заголовок, выгода — указание на экономию или прибыль: «Как собрать косметичку не дороже 2 000 рублей?» (пример совместного использования этих двух триггеров). Польза — указывает на пользу материала: «4 способа улучшить семейную жизнь». Интрига — провокация или недосказанность заголовка, например: «Женщина потратила. 60 тысяч, чтобы стать похожей на дочку Трампа» — такой заголовок побуждает открыть материал. Сезон — указание на сезон и актуальность материала: «Топ-4 вещи осеннего гардероба ребенка». Эпитет — использование оценочных прилагательных, таких как красивый, известный: «Как выбрать идеальную тушь для ресниц». Триггеры «лучшие/самые» и «мода/тренды» отражают заголовки, в которых используются именно эти слова, частые для Lady.mail.ru: «Самые яркие образы со дня моды в Петербурге». Триггер образ — про заголовки с креативными элементами: «Котопес: пользователей сети покорил лохматый зверь».
Для анализа по фактору рекламность в процессе контент-анализа каждому материалу в выборке был присвоен уровень рекламности. Этот фактор был добавлен в связи с тем, что в выборке материалов Lady.mail.ru присутствовали материалы с пометкой «на правах рекламы», а также многие материалы можно было отнести к нативной рекламе: в них «присутствуют сигналы «рекламности», позволяющие адресату идентифицировать текст как принадлежащий к рекламному дискурсу» (Булатова, 2010: 55), такие как объект рекламы, аргументация в пользу покупки, особый характер подачи материала с использованием иконических знаков или иллюстраций товара, специальные указания «на правах рекламы». В процессе контент-анализа материалы были разбиты на шесть типов: 0 — материал без упоминаний брендов и ссылок; 1 — материал с упоминаниями брендов или большим количеством ссылок в тексте; 2 — в материале присутствуют товары с ценами, указаны названия марок либо есть явное приглашение на конкурс или мероприятие; 3 — в материале есть явный призыв записаться к конкретному врачу или иному специалисту, что-либо приобрести, но нет указания «на правах рекламы»; 4 — материал можно отнести к нативной рекламе: нет явно коммерческого текста, то есть у текста есть содержание, помимо рекламы продукта или услуги, но в тексте есть ссылки на продукты/сайты, чаще всего есть указание «на правах рекламы»; 5 — рекламная статья, есть открытая реклама в тексте и указание «на правах рекламы».
Для подсчета фактора процента статичных элементов в анализируемых материалах были подсчитаны статичные и динамические, или интерактивные, визуальные элементы, такие как видео, в том числе закольцованные, слайдеры, изображения с анимацией. С помощью контент-анализа подсчитали значения факторов: число цитат-врезок, число визуальных элементов, число знаков на один визуальный элемент, число знаков. Также у нас были данные о числе просмотров каждого материала.
Влияние вышеперечисленных факторов проанализировали на двух массивах данных — в соответствии с показателями вовлеченности на мобильных устройствах и на декстопе. В выборку попали только материалы объемом не менее трех экранов, так как процент доскроллов материалов объемом 1—2 экрана по очевидным причинам стремится к 100%.
Обратимся к методике исследования: итоговые выводы статьи построены на основе комплексного подхода. Основной метод исследования — регрессионный анализ — позволил выявить зависимость между показателями вовлеченности (процент доскроллов и коэффициент вовлеченности выступили зависимыми переменными) и независимыми переменными (факторы), а также описать тип взаимосвязи (влияют они отрицательно или положительно). Для сбора данных был использован метод контент-анализа.
Регрессионный анализ был проведен четыре раза: для анализа влияния факторов на показатели – процент доскроллов и коэффициент вовлеченности на мобильных устройствах и на ПК – были построены четыре модели, каждая методом множественной линейной регрессии. В нечисловых факторах, таких как тип заголовка, значение для каждой вариации параметра присваивается в зависимости от среднего значения по материалам с данным параметром. Для каждой модели мы тестировали 16 факторов, методом перебора исключая их по очереди из модели и наблюдая, как в зависимости от этого меняется ее качество – так мы исключили незначимые переменные для каждой модели.
В результате исследования были получены данные о значимости и характере влияния факторов на каждый из рассматриваемых показателей вовлеченности. Выводы о статистической значимости или незначимости влияния фактора были сделаны по итогам регрессионного анализа, который учитывает взаимовлияние факторов и позволяет получить наиболее целостную картину и сделать объективные выводы. Значимым признается влияние факторов, где p-значение < 0.05, то есть вероятность ошибки не превышает 5%, что является стандартом для подобных исследований. Но по полученным моделям нельзя было сделать вывод о том, какой из факторов влияет на переменную сильнее, можно было сравнивать влияние факторов только по уровню значимости, так как на коэффициенты модели влияют свойства фактора (в нашу входят как параметрические, так и непараметрические), а также шкала значений каждого из факторов, не позволяя сравнивать их между собой.
Поэтому мы воспользовались одним из подходов, описанных в материалах нескольких исследователей29 (Grömping, 2006), столкнувшихся с той же проблемой. В дополнение к регрессионным моделям мы построили матрицу парных корреляций, с помощью которой отследили взаимосвязь каждого фактора с каждой переменной. По коэффициенту парной корреляции мы смотрели взаимосвязи каждой переменной с метрикой, то есть взаимовлияние факторов не учитывалось. Коэффициент корреляции отражает характер взаимосвязи — отрицательная или положительная — и помогает отранжировать факторы между собой. Для определения значимости влияния фактора он не используется, так как корреляция отражает только наличие взаимосвязи и может быть результатом влияния скрытого фактора.
В результате этого комплексного подхода получили рейтинги факторов, которые влияют на каждую из зависимых переменных, — процент доскроллов и коэффициент вовлеченности, и по каждому фактору также коэффициент корреляции. По данным коэффициентов парной корреляции нельзя сделать выводы о силе влияния каждого из факторов в модели относительно друг друга, но можно сравнить их между собой по отдельности, в то время как регрессионный анализ позволяет сделать выводы только о том, значимо ли влияет каждый из факторов, и о характере влияния.
Результаты исследования
Анализ влияния факторов на показатели вовлеченности
Для начала отразим в таблице результаты регрессионного анализа по каждому из факторов: положительно или отрицательно влияет процент доскроллов и коэффициент вовлеченности на мобильных устройствах и ПК на показатели или не влияет вовсе (см. табл. 1).
Количество просмотров. Этот показатель отражает популярность или значимость темы материала для читателей Lady.mail.ru — просмотры растут под влиянием заголовка и короткого описания материала, которые, в свою очередь, отражают тему и суть материала. То есть материалы с наибольшим количеством просмотров привлекают и удерживают больше внимания читателей. Хуже всего дочитывают материалы с числом просмотров от 100 до 5 тысяч на мобильных устройствах и от 2 до 9 тысяч на ПК, лучше всего — начиная от 40 тысяч просмотров на мобильных устройствах и от 20 тысяч — на ПК.
Количество знаков. Увеличение длины материала отрицательно влияет и на процент доскроллов, и на коэффициент вовлеченности на любых устройствах: с ростом объема материала все меньше посетителей досмотрят до конца, все меньше времени потратят на вдумчивое чтение материала.
Рекламность. Это еще один фактор, который отрицательно влияет на процент доскроллов и коэффициент вовлеченности на всех типах устройств. С ростом рекламности материала все больше посетителей бросают материал, не дочитав до конца, и все меньше времени тратят на чтение.
Число знаков на один визуальный элемент. С ростом числа знаков на визуальный элемент снижается процент доскроллов на мобильных устройствах и коэффициент вовлеченности ПК – этот фактор оказывает отрицательное влияние в двух регрессионных моделях из четырех. Посетителям тяжелее воспринимать большие куски текста, не разбавленные визуальными элементами, и сохранять концентрацию, необходимую для вдумчивого чтения. Для Lady. mail.ru дочитываемость начинает снижаться, когда число знаков превышает. 600 — это приводит к тому, что более 30% аудитории мобильных устройств уходит со страницы материала. Для десктопа допустимый уровень больше — до 1 500 знаков на визуальный элемент.
Процент статичных элементов (от общего числа визуальных элементов). Чем больше процент статичных элементов в материале, тем выше процент доскроллов на всех типах устройств. То есть с увеличением доли интерактивных визуальных элементов (видео, слайдеры, анимация) дочитываемость материала падает.
Число визуальных элементов. Рост количества иллюстраций в материале отрицательно влияет только на процент доскроллов только на ПК. Материал чаще бросают с ростом количества визуальных элементов в нем.
Раздел. Интересы читателей влияют на вовлеченность больше на ПК — мы видим, что фактор раздел значимо влияет на показатели вовлеченности.
Время публикации. Этот фактор в разбивке по часам влияет только на процент доскроллов на мобильных устройствах, к вечеру дочитываемость растет. В остальных регрессионных моделях день недели и время публикации не являются значимо влияющими факторами.
Далее в таблицах — сравнение влияния факторов на каждую из переменных на мобильных устройствах и ПК. В них вошли только значимые факторы из каждой регрессионной модели, незначимые были исключены. А именно: по итогам регрессионного анализа факторы тип заголовка. (назывной/транзитивный) и маркеры в заголовке не влияют на вовлеченность по результатам исследования ни на одном наборе данных. Вывод: маркеры порядка и формата в заголовке и тип заголовка не имеют значения для вовлеченности читателя. Факторы день недели, количество цитат-врезок и тип материала также не влияют на вовлеченность ни в одном регрессионном анализе. То есть день публикации, жанр материала и разнообразие верстки не важны с точки зрения вовлеченности.
Степень значимости влияния каждого фактора отражена в столбце значимость и основана на p-критерии: ‘***’ означает, что p < 0.001, ‘**’ означает, что p < 0.01, а ‘*’ — что p < 0.05, то есть в таблицы вошли только те факторы, влияние которых по итогам регрессионного анализа статистически значимо. Во втором столбце присутствует коэффициент корреляции из матрицы парных корреляций, который говорит о силе взаимосвязи конкретного фактора и переменной, без учета взаимовлияния других факторов. (см. табл. 2).
У факторов количество просмотров и рекламность очень маленький коэффициент корреляции, поэтому силу их влияния на процент доскроллов стоит поставить под сомнение. Тем не менее по результатам регрессионного анализа в комплексе с другими факторами их влияние признано значимым (см. табл. 3).
На дочитываемость материала. — процент доскроллов — сильнее всего влияет количество знаков в нем: чем больше знаков, тем меньше людей долистает материал до конца, независимо от типа устройства.
Фактор количество визуальных элементов на ПК, судя по коэффициенту корреляции, очень слабо влияет на дочитываемость сам по себе, занимая шестое место в рейтинге факторов. Можно сделать вывод, что рост числа элементов снижает дочитываемость, но это также может быть связано с ростом объема материала. На мобильных устройствах этот фактор вообще не имеет значения, так же как и в случае с временем чтения. Факторы рекламность, раздел и количество просмотров. сами по себе влияют на процент доскроллов на ПК очень слабо (см. табл. 4).
В случае с числовыми факторами рекламность (от 0 до 5). и количество знаков мы можем сказать, что их рост вызывает сокращение времени чтения. Наличие слов-триггеров почти во всех случаях отрицательно влияет на вовлеченность. И можно сказать, что материалы определенных тематик, по интересам аудитории Lady. mail.ru, читают больше времени, других — меньше. На ПК для переменной коэффициент вовлеченности значимы также четыре фактора — те же, что и на мобильных устройствах, только фактор тематика меняется на фактор раздел (см. табл. 5).
Числовых факторов здесь всего два — это рекламность (от 0 до 5) и количество знаков, их рост вызывает уменьшение коэффициента вовлеченности на ПК. Коэффициенты корреляции всех факторов, которые по итогам регрессионного анализа влияют на коэффициент вовлеченности, небольшие, поэтому нельзя сделать вывод о том, что какой-либо из них действительно сильно влияет на время чтения.
Выводы по результатам анализа
Результаты исследования только подтвердили тезисы, с которых начался теоретический обзор: со временем способность к длительной концентрации человека падает и медиа должны с этим считаться. Показатели вовлеченности, используемые в данной статье, — коэффициент вовлеченности, основанный на времени чтения, и процент доскроллов — позволяют делать выводы об удержании внимания аудитории конкретного материала, что является одним из важнейших признаков ее вовлеченности и говорит о качестве самого текста и его представления — верстки и структуры.
В процессе исследования получилось выявить факторы, которые влияют на вовлеченность отрицательно и положительно и которые никак не влияют. Исследование подтвердило, что увеличение числа знаков в тексте снижает среднее время его чтения и процент дочитавших до конца, то есть аудитории все сложнее читать длинные тексты. Эта тенденция говорит о том, что медиа пора смещать свой фокус в сторону емких коротких текстов. А отрицательное влияние соотношения числа знаков к числу визуальных элементов на дочитываемость на мобильных устройствах указывает на важность разнообразия верстки — разбивки сплошных кусков текста визуальными элементами. Можно предположить, что идеальное соотношение числа знаков к числу визуальных элементов будет разное в разных медиа и для разных типов устройств. Но для Lady.mail.ru больше 30% аудитории мобильных устройств уходит со страницы материала, не дочитав до конца, если на одну иллюстрацию или видео приходится более 600 знаков. Большие куски текста с минимумом визуальных вставок ухудшают легкость восприятия материала на мобильном устройстве. На ПК этот фактор не влияет значимо на дочитываемость, так же как и на время чтения на обоих типах устройств. Этот фактор также необходимо учитывать, если медиа планируют увеличивать мобильную аудиторию, На ПК значимым оказался фактор число визуальных элементов, вкупе с предыдущим выводом это может говорить о том, что аудитории ПК проще воспринимать и читать тексты, в то время как с мобильных устройств, наоборот, внимание лучше привлекают и удерживают изображения. В связи с тем что «стремительно растет доля пользователей mobile only, которые выходят в интернет только со смартфонов» (Градюшко, 2019: 5), для медиа имеет смысл ставить восприятие контента на этом типе устройств на первое место. Фактор наличия цитат-врезок никак не повлиял на вовлеченность, таким образом, в отличие от изображений, разнообразие верстки шрифтов в тексте не отражается на вовлеченности материалов Lady.mail.ru.
Рекламность занимает только четвертое и пятое место в рейтингах на ПК и мобильных устройствах соответственно и влияет очень слабо, если опираться на коэффициент корреляции. При этом на коэффициент вовлеченности, то есть на среднее время чтения, рекламность влияет сильнее прочих факторов. Навязчивая реклама в тексте может оттолкнуть читателя от медиа, и это надо учитывать при публикации таких материалов, если для медиа важна лояльность и возвращение аудитории.
Количество просмотров, отражающее интерес к теме материала, влияет на процент доскроллов на мобильных устройствах и ПК положительно, хотя и очень слабо. На время чтения число просмотров не влияет – таким образом, высокий интерес к теме и заголовку, побудивший большое количество читателей открыть статью и даже пролистать ее до конца, недостаточен, чтобы удержать внимание для вдумчивого чтения.
Предположительно улучшающие вовлеченность интерактивные элементы вроде видео и анимации для Lady.mail.ru в итоге отрицательно повлияли на дочитываемость: фактор процент статичных визуальных элементов положительно влияет на всех типах устройств. Интерактивные визуальные элементы оттягивают внимание читателя и снижают мотивацию дочитать текст до конца. На время чтения этот фактор не влияет.
Интересы аудитории также влияют на вовлеченность — материалы на одни темы дольше читают, на другие — лучше дочитывают. Фактор раздел значимо влияет на показатели вовлеченности на ПК – находится на втором месте среди факторов, которые влияют на время чтения и на предпоследнем месте по влиянию на дочитываемость. Среди материалов Lady.mail.ru лучше всего показатели вовлеченности у раздела «Новости», а хуже всего — у разделов «Интервью» и «Гороскопы». Лучше всего дочитываемость материалов на тему аксессуаров, путешествий, животных, чаще бросают материалы о гороскопах, здоровье, коже. Больше всего времени тратят на материалы о путешествиях, знаменитостях, социальной сфере и косметологии/пластике. Меньше всего — на материалы об обуви, аксессуарах и одежде, где ключевое место занимают фотографии. Тип или жанр материала при этом не играет никакой роли для выборки материалов Lady.mail.ru.
Время публикации значимо не влияет на дочитываемость на ПК и находится на третьем месте в этом рейтинге. При этом мы выявили, что лучшее время публикации на Lady.mail.ru — с 19.00 до 19.49, худшее — с. 10.00 до 10.57. То есть время публикации практически не влияет, причиной может быть тот факт, что материал находится на сайте и спустя долгое время. Также не было выявлено влияния дня недели. – эти внешние факторы не играют большой роли в вовлеченности читателей.
Заголовок мы рассматривали в нескольких факторах, и в итоге можно сказать, что для времени чтения и дочитываемости статьи заголовок не имеет особого значения, его цель — привлечь читателя открыть материал, заинтересовать его темой. По нашим данным, значимо влияет на время чтения — коэффициент вовлеченности — только фактор триггеры в заголовке. Он занимает второе место по силе влияния среди факторов в рейтинге на мобильных устройствах и последнее – на ПК. По коэффициенту вовлеченности лучше всего показатели у материалов с триггером интрига на мобильных устройствах, а на втором месте – материалы без триггеров. На ПК же группа материалов без триггеров — на первом месте по среднему коэффициенту вовлеченности. Можно сделать вывод, что использование в заголовках, продающих материал, слов-клише влияет на вовлеченность отрицательно. Возможно, им удается привлечь аудиторию к материалу, но впоследствии аудитория с завышенными от рекламного заголовка ожиданиями не получает ожидаемого уровня контента, разочаровывается и уходит.
Основную задачу исследования — найти факторы, которые значимо влияют показатели вовлеченности, и определить характер влияния — можно считать выполненной. Результаты данного исследования вовлеченности можно также применять при анализе других онлайн-медиа со схожей аудиторией, а также использовать при улучшении систем редакционной аналитики, которые пока позволяют только отследить показатели конкретного материала, но не проанализировать, что именно повлияло на низкое время чтения или процент дочитавших материал. С помощью систем вроде «Медиатора» на сегодня можно лишь построить предположения, почему у того или иного материала низкая вовлеченность. Но уже сейчас можно сравнивать результаты конкретных авторов, статистику по источникам, откуда пришла аудитория на страницу материала, или данные по периодам и типу устройств. При этом ни один из этих факторов не говорит о свойствах текста, предопределяющих его привлекательность. Модели, подобные использованным в данной статье, могут быть полезны для доработок таких систем, а с использованием машинного обучения системы аналитики могут в будущем рекомендовать редакции соотношение числа знаков и числа визуальных элементов, оптимальный объем материала или тему, предсказывая потенциальную вовлеченность аудитории и позволяя авторам экспериментировать с разными темами, объемом и версткой материала, а также степенью его рекламности или отдельными рекламными блоками.
Примечания
1 Napoli P. M. (2010) Measuring New Audiences. Graduate School of Business. New York: Fordham University. Available at: http://www.upa.it/static/upload/sli/slide-philip-napoli.pdf (accessed: 06.02.2017).
2 Carr C. (2016) Define the Jargon: Audience Engagement. Parse.ly blog, 15 November. Available at: https://blog.parse.ly/post/3973/define-jargon-audience-engagement/ (accessed: 03.03.2017).
3 Паранько С. Почему важна вовлеченность для контентных проектов // Vc.ru. 2015. Сент., 30. Режим доступа: https://vc.ru/p/user-reader (дата обращения: 07.01.2017).
4 Мишнова М. Как Chartbeat улучшает медиасайты (на примере AиФ) // Roem.ru. 2014. Ноябрь, 7. Режим доступа: https://roem.ru/07-11-2014/108450/kak-chartbeat-uluchshaet-mediasayty-na-primere-aif/ (дата обращения: 20.03.2017).
5 Новый дизайн газеты РБК. Главное // РБК. 2019. Фев., 11. Режим доступа: https://www.rbc.ru/business/11/02/2019/5c613e519a7947665b6ce6c6 (дата обращения: 18.03.2020).
6 Хабибрахимов А. «Яндекс.Дзен» стал учитывать дочитываемость и время чтения вместо просмотров при монетизации каналов // Vc.ru. 2017. Дек., 18. Режим доступа: https://vc.ru/media/30803-yandeks-dzen-stal-uchityvat-dochityvaemost-i-vremya-chteniya-vmesto-prosmo...(дата обращения: 25.12.2017).
7 Lassoued M. H. (2016) The Benefits Of Tracking Page Scroll Depth. Analytics & ROI Analysis, Conversion Optimization. Searchenginepeople, 29 June. Available at: https://www.searchenginepeople.com/blog/16063-page-scroll-depth-analytics.html (accessed: 7.05.2017).
8 Davies P. (2013) Medium’s metric that matters: Total Time Reading. Data Lab, 21 November. Available at: https://medium.com/data-lab/mediums-metric-that-matters-total-time-reading-86c4970837d5 (accessed: 27.05.2017).
9 Meyerson E. (2012) YouTube Now: Why We Focus on Watch Time. YouTube Creator Blog, 10 August. Available at: https://youtube-creators.googleblog.com/2012/08/youtube-now-why-we-focus-on-watch-time.html (accessed: 29.03.2017).
10 Хабибрахимов А. «Яндекс.Дзен» стал учитывать дочитываемость и время чтения вместо просмотров при монетизации каналов // Vc.ru. 2017. Дек., 18. Режим доступа: https://vc.ru/media/30803-yandeks-dzen-stal-uchityvat-dochityvaemost-i-vremya-chteniya-vmesto-prosmo... (дата обращения: 25.12.2017).
11 Паранько С., Стецовский М., Сидорова О., Серебриян Б. Редакционные метрики Mail.Ru: как мы оцениваем работу редакции. Посетитель ≠ читатель. Что делать медиа. 2015. Авг., 13. Режим доступа: https://medium.com/посетитель-читатель-что-делать-медиа/редакционные-метрики-mail-ru-как-мы-оценивае... (дата обращения: 09.11.2016).
12 Outing S., Ruel L. (2004) What We Saw Through their Eyes. Eyetrack III. The Poynter Institute, the Estlow Center for Journalism & New Media, Eyetools. Available at: http://www.math.unipd.it/~massimo/corsi/tecweb2/Eyetrack-III.pdf (accessed: 20.06.2017).
13 Manjoo F. (2013) You Won’t Finish This Article Why people online don’t read to the end. Slate, 6 June. Available at: http://www.slate.com/articles/technology/technology/2013/06/how_people_read_online_why_you_won_t_fin... (accessed: 18.01.2016).
14 Егорова Н., Дюжарден Н., Сидорова О. Как читают медиа в России // «Медиатор» — cервис редакционной аналитики. 2017. Май, 19. Режим доступа: https://medium.com/@mediator.media/как-читают-медиа-в-россии-e8873a869ad6 (дата обращения: 06.07.2017).
15 Sall M. (2013) The Optimal Post is 7 Minutes. Data Lab, 2 December. Available at: https://medium.com/data-lab/the-optimal-post-is-7-minutes-74b9f41509b (accessed: 06.05.2017).
16 Паранько С., Стецовский М., Сидорова О., Серебриян Б. «Окно внимания»: сколько у вас читательского времени. Посетитель ≠ читатель. Что делать медиа. 2015. Июнь, 19. Режим доступа: https://medium.com/посетитель-читатель-что-делать-медиа/окно-внимания-сколько-у-вас-читательского-вр... (дата обращения: 02.05.2017).
17 Паранько С., Стецовский М., Сидорова О., Серебриян Б. Редакционные метрики Mail.Ru: как мы оцениваем работу редакции. Посетитель ≠ читатель. Что делать медиа. 2015. Авг., 13. Режим доступа: https://medium.com/посетитель-читатель-что-делать-медиа/редакционные-метрики-mail-ru-как-мы-оценивае... (дата обращения: 09.11.2016).
18 Выходченко О. 5 секретов хорошего заголовка. 2016. Янв., 13. Режим доступа: https://medium.com/@wsbb/5-секретов-хорошего-заголовка-194f0d50187c (дата обращения: 20.06.2017).
19. Ильяхов М. Заголовки и кое-что о работе газетчиков. Рассылка Главреда. 2015. Авг. Режим доступа: http://us9.campaign-archive2.com/?u=89138ced008e0282fe335b3a8&id=1611887249&e=c8b8e67c64 (дата обращения: 20.03.2017).
20 Егорова Н., Дюжарден Н., Сидорова О. Как читают медиа в России. «Медиатор» — cервис редакционной аналитики. 2017. Май, 19. Режим доступа: https://medium.com/@mediator.media/как-читают-медиа-в-россии-e8873a869ad6 (дата обращения: 06.07.2017).
21 Lindqvist G. (2015) How much do people read on their phones? Data Lab. 8 October. Available at: https://medium.com/data-lab/how-much-do-people-read-on-their-phones-3cb86e45826b (accessed: 16.01.2017).
22 Паранько С., Стецовский М., Сидорова О., Серебриян Б. «Окно внимания»: сколько у вас читательского времени. Посетитель ≠ читатель. Что делать медиа. 2015. Июнь, 19. Режим доступа: https://medium.com/посетитель-читатель-что-делать-медиа/окно-внимания-сколько-у-вас-читательского-вр... (дата обращения: 02.05.2017).
23 Sall M. (2016) Twitter Sundays, Facebook Wednesdays, and Reddit Fridays: When People Read on the Internet. Data Lab. 3 March. Available at: https://medium.com/data-lab/twitter-sundays-facebook-wednesdays-and-reddit-fridays-when-people-read-... (accessed: 3.03.2017).
24 Дневниковое исследование Медиапроектов Mail.ru и UX-лаборатории Mail.ru «Модели медиапотребления. Что люди читают, почему, когда и как». UX-лаборатория Mail.Ru Group. Москва, 2017. Режим доступа: http://www.cossa.ru/upload/medialibrary/Mediator_How_People_Read.pdf (дата обращения: 02.05.2017).
25 Данные Similarweb.com. Режим доступа: https://www.similarweb.com/website/lady.mail.ru#overview (дата обращения: 20.03.2020).
26 Егорова Н., Дюжарден Н., Сидорова О. Как читают медиа в России. «Медиатор» — cервис редакционной аналитики. 2017. Май, 19. Режим доступа: https://medium.com/@mediator.media/как-читают-медиа-в-россии-e8873a869ad6 (дата обращения: 06.07.2017).
27 Ильяхов М. Заголовки и кое-что о работе газетчиков. Рассылка Главреда. 2015. Авг. Режим доступа: http://us9.campaign-archive2.com/?u=89138ced008e0282fe335b3a8&id=1611887249&e=c8b8e67c64 (дата обращения: 20.03.2017).
28 Там же.
29 Lewinson E. (2019). Explaining Feature Importance by example of a Random Forest. Available at: https://towardsdatascience.com/explaining-feature-importance-by-example-of-a-random-forest-d91660119... (accessed: 16.03.2019).
Библиография
Булатова Э. В. Дискурсивные формы рекламы // Известия Уральск. гос. ун-та. Сер. 1: Проблемы образования, науки и культуры. 2010. № 4 (81). С. 124–129.
Градюшко А. А. Основы творческой деятельности веб-журналиста: учеб.-метод. пособие. Минск: БГУ, 2019.
Ильин Е. П. Мотивация и мотивы. СПб: Питер, 2000.
Интернет-СМИ: теория и практика: учеб. пособие для студентов вузов / под ред. М. М. Лукиной. М.: Аспект Пресс, 2010.
Как новые медиа изменили журналистику. 2012—2016 / А. Амзин, А. Галустян, В. Гатов, М. Кастельс, Д. Кульчицкая, Н. Лосева, М. Паркс, С. Паранько, О. Силантьева, Б. ван дер Хаак / под науч. ред. С. Балмаевой, М. Лукиной. Екатеринбург: Гуманитарный университет, 2016.
Костина Д. М. Восприятие заголовков печатных и электронных СМИ: по данным психолингвистического эксперимента: магистерская диссертация. Томск, 2016. Режим доступа: http://vital.lib.tsu.ru/vital/access/manager/Repository/vital:3669 (дата обращения: 06.03.2020).
Никитенко А. А. Интерактивность, мультимедийность, гипертекстуальность как детерминирующие типологические признаки сетевых изданий // Вестн. ВГУ. Сер.: Филология. Журналистика. 2009. № 1. С. 159–166.
Николаева А. В. Языковые особенности фейковых публикаций // Верхневолжский филологический вестник. 2019. No 3. Режим доступа: https://cyberleninka.ru/article/n/yazykovye-osobennosti-feykovyh-publikatsiy (дата обращения: 03.04.2020). DOI 10.24411/2499-9679-2019-10482
Терпугова Е. А. Рекламный текст как особый тип императивного дискурса: дис. ... канд. филол. наук. Иркутск, 2000.
Attfield S., Kazai G., Lalmas M., Piwowarski B. (2011) Towards a science of user engagement (Position Paper). In Conference Paper. WSDM’11, February 9–12. Hong Kong, China.
Bucher H-J., Schumacher P. (2006) The Relevance of Attention for Selecting News Content: An Eye-tracking Study on Attention Patterns in the Reception of Print and Online Media. Communications 31 (3): 347–368. DOI: 10.1515/COMMUN.2006.022
Claussen J., Kretschmer T., Mayrhofer P. (2013) The Effects of Rewarding User Engagement – The Case of Facebook Apps. Information Systems Research 24 (1): 186–200. Available at: https://ssrn.com/abstract=1599458 (accessed: 18.03.2020). DOI: http://dx.doi.org/10.2139/ssrn.1599458
Di Gangi P., Wasko M. (2016) Social Media Engagement Theory: Exploring the Influence of User Engagement on Social Media Usage. Journal of Organizational and End User Computing 28: 53–73. DOI: 10.4018/JOEUC.2016040104
Duchowski A. T. (2003) Eye Tracking Methodology: Theory and Practice. London: Springer-Verlag.
Grömping U. (2006) Relative Importance for Linear Regression in R: The Package relaimpo. Journal of Statistical Software 17 (1).
Hedman J. (2003) Läsning av nyhetssidor på nätet (Reading of news on the net). Master’s thesis. Dept of Information Science. Uppsala University. Sweden.
Jaakonmäki R., Müller O., vom Brocke J. (2017) The Impact of Content, Context, and Creator on User Engagement in Social Media Marketing. HICSS. DOI: 10.24251/HICSS.2017.136
Lagun D., Lalmas M. (2016) Understanding and Measuring User Engagement and Attention in Online News Reading. In Conference Paper. WSDM’16, February 22–25. San Francisco, CA, USA.
Leckner S. (2012) Presentation factors affecting reading behaviour in readers of newspaper media: an eye-tracking perspective. Visual Communication 11 (2): 163–184. DOI: https://doi.org/10.1177/1470357211434029
Lehmann J., Lalmas M., Yom-Tov E., Dupret G. (2012) Models of User Engagement. In J. Masthoff, B. Mobasher, M. C. Desmarais, R. Nkambou (eds.) User Modeling, Adaptation, and Personalization. UMAP 2012. Lecture Notes in Computer Science, vol. 7379. Berlin, Heidelber: Springer. DOI: https://doi.org/10.1007/978-3-642-31454-4_14
Mersey R. D., Malthouse E. C., Calder B. J. (2010) Engagement with Online Media. Journal of Media Business Studies. 7 (2): 39–56. DOI: 10.1080/16522354.2010.11073506
Morita M., Shinoda Y. (1994) Information Filtering based on user behavior analysis and best match text retrieval. Conference Paper. In SIGIR’94: Proceedings of the Seventeenth Annual International ACM-SIGIR Conference of Research and Development in Information Retrieval, organir School of Information Science. Japan Advanced Institute of Science and Technology. Japan. Pp. 272-281. DOI: 10.1007/978-1-4471-2099-5_28
Napoli P. M. (2011) Audience evolution: New technologies and the transformation of media audiences. New York.
O’Brien H. L., Toms E. G. (2008) What is user engagement? A conceptual framework for defining user engagement with technology. Journal of the American Society for Information Science and Technology 59 (6): 938–955. DOI: https://doi.org/10.1002/asi.20801
Ray S., Kim S. S., Morris J. G. (2014) The central role of engagement in online communities. Information Systems Research 25 (3): 528–546.
Russell M. G. (2009) A Call for Creativity in New Metrics for Liquid Media. Journal of Interactive Advertising 9 (2): 44–61. DOI: https://doi.org/10.1080/15252019.2009.10722155
Поступила в редакцию 17.02.2020