Denne artikel handler om, hvordan man ved hjælp af store datamængder bedst skaber sig et overblik over brugernes profiler på et website. Vi skal ikke blot se, hvordan forskellige data kædes sammen, men også hvordan de analyseres gennem avancerede statistiske teknikker, der bl.a. kendes fra livsstilsundersøgelser såsom RISC og Minerva. Dette illustreres med en analyse af K-forums egne brugere, så hvis du besøger K-forum ofte, handler denne artikel på en måde også om dig.

Analysen af K-forums brugere er foretaget gennem den spørgeskemaundersøgelse der i efteråret 2003 kørte på K-forum, gennemført i samarbejde med Netminers. Formålet var at opnå en dybere indsigt i K-forums brugere ved at koble deres besvarelser med sideløbende adfærdsovervågning, og her får I indblik i et uddrag af resultaterne. På den måde får I en smagsprøve af, hvad der kan lade sig gøre indenfor avanceret brugeranalyse via nettet og web-statistik.


Værdien af at sammenkæde data
Undersøgelsen på K-forum blev gennemført ved hjælp af en teknologi, der kan sammenkæde brugernes adfærd på et website med deres besvarelser på et online spørgeskema. Når man sammenkæder data på denne måde, bliver det muligt at analysere forholdet mellem det, brugerne faktisk gør på websitet, hvem de er, og hvad de oplever eller synes. Vi får altså indblik i hvilke typer brugere, der gør hvad, hvornår og hvordan.

Forholdet mellem adfærd, demografi og holdninger har længe interesseret sociologer, medieforskere og marketingfolk. De tre typer data komplementerer nemlig hinanden på bedste vis, idet de tilsammen danner et holistisk billede af folks profiler. Sociologer ved for eksempel, at livsstil ikke blot er noget man gør, men også noget man er og tænker i en bestemt situation. Den franske sociolog Pierre Bourdieu talte ligefrem om, at mennesket udvikler en habitus (dvs. en speciel væremåde eller orientering) indenfor et bestemt felt. Denne habitus udvikles dels udfra personens objektive levevilkår, dels udfra den position han/hun oparbejder i feltet gennem konkrete handlinger.

Det samme kan siges om brugerne på et website. Kun ved at kombinere forskellige lag af data er det muligt at nå frem til en fuld forståelse af deres profiler. Læg mærke til, at selvom en fuld forståelse forudsætter forskellige data, er dette sjældent nok i sig selv. Hvis man vil udnytte sine data optimalt, er man også nødt til at analysere dem ved hjælp af statistiske teknikker, der kan skabe overblik og afdække latente sammenhænge i materialet. Det er netop dette, vi skal se i eksemplet nedenfor.


Kortlægning af K-forums brugere
Nedenfor ses resultatet af en analysemetode, der i praksis går under navnet Webmap-ping. Metoden baserer sig på avancerede matematiske algoritmer, der ligner dem som ligger til grund for storstilede livsstilsundersøgelser såsom RISC og Minerva. En væsentlig forskel er dog, at Webmapping er specialudviklet til at håndtere meget store datamængder indsamlet via internettet.

Webmapping frasorterer først al irrelevant information fra datamaterialet, således at kun de væsentligste statistiske sammenhænge er tilbage. Derefter visualiseres sammenhængene, så man undgår at se på abstrakte talstørrelser. I stedet kan man nøjes med at aflæse afstande mellem punkter i et kort.

Jo tættere to punkter er på hinanden i kortet, desto stærkere er sammenhængen. For eksempel ligger ”Studerende” tæt på ”Specialer” i kortet nedenfor. Dermed kan man konkludere, at studerende mere end nogen anden gruppe interesserer sig for at læse om andre studerendes opgaver eller afhandlinger.

































(klik på figuren for at gøre den større)

Læg mærke til, at de blå punkter stammer fra besvarelserne på det digitale spørgeskema, der for nylig blev lanceret på K-forum. For overskuelighedens skyld er kun et enkelt spørgsmål kortlagt – nemlig spørgsmålet ”I hvilken egenskab besøgte du K-forum?” Imidlertid kan man sagtens, som vi skal se senere, lægge flere spørgsmål ind i samme kort.

De røde punkter stammer fra adfærdsovervågningen i samme periode. Punktet ”Specialer” henfører således til de brugere, der har været inde på siden med denne titel på K-forum. Med andre ord kan man ikke blot se, hvem brugerne er, men også hvad de faktisk foretog sig på websitet.

For eksempel kan man se, at ”Konsulenter” og ”Kommunikationschefer i det offentlige” har en speciel tendens til at læse artikler såsom ”Storytelling på glatis” og ”Historien om Google”, idet disse punkter ligger tæt på hinanden i kortets øverste højre kva-drant. Derimod interesserer ”Studerende” og ”Forskere” sig mere for ”Specialer” og ”Dahls hjørne”; disse punkter samler sig i kortets nederste højre kvadrant.


Fortolkning af kortets akser
Det er muligt at forsimple billedet yderligere ved at fortolke og navngive kortets akser. Som udgangspunkt er akserne ”anonyme”, idet de blot angiver statistisk varians. Men det er muligt bagefter at navngive dem ved at se på det, som er fælles for de punkter, der samler sig omkring polerne. En sådan navngivning fremkalder de vigtigste modsætninger mellem brugerne på websitet og er værdifuld i forbindelse med segmentering.


















For eksempel kan man se, at brugerne i den venstre side af kortet tydeligvis er jobsøgende, mens brugerne i den højre side er læsere. Det skyldes dels, at alle de røde punkter i den venstre side af kortet alle tilhører sektionen ”Jobmarked”, og dels at brugerne i denne side direkte siger, at de er ”Jobsøgende” (markeret ved det blå punkt tæt på den venstre pol). Fælles for de røde punkter i den højre side af kortet er derimod, at de alle er artikler, der tager forholdsvis lang tid at læse. Dette gælder uanset, om man ser på den øvre eller nedre del af kortets højre side.

Den største modsætning til de jobsøgende er altså de brugere, som besøger websitet med det formål at læse artikler. Når man besøger K-forum, er man med andre ord i et af to humør: enten ønsker man at checke jobmarkedet for nye stillingsopslag, eller også går man ind for at fordybe sig i artikler. Man gør typisk ikke begge dele på én gang. Det er bl.a. denne modsætning, som K-forum bør balancere imellem.

Hvis man derefter vender blikket mod den lodrette akse, vil man opdage en anden interessant modsætning. Alle de blå punkter i den øvre del af kortet er brugere, der arbejder med kommunikation i praksis – dvs. ”Kommunikationschefer i det offentlige”, ”Konsulenter”, ”Kommunikationschefer i det private” osv. Omvendt finder man i den nedre del af kortet udelukkende teoretisk interesserede brugere – nemlig ”Studerende” og ”Forskere”.


Uddybende fortolkning af profilerne
Når kortets akser er navngivet på denne måde, bør man gå videre til at fortolke profilerne i dybden – evt. ved at supplere med kvalitative metoder. Denne proces kan sammenlignes med at lægge et puslespil, hvor nogle af brikkerne mangler. Man kan kun færdiggøre puslespillet ved at ”gætte” sig frem til, hvordan de manglende brikker ser ud. Man bør selvfølgelig altid forsøge at kvalificere gætteriet ved at trække på generel erfaring, almenmenneskelig indlevelsesevne, intuition osv. – på samme måde som i forbindelse med fokusgrupper og dybdeinterviews.

I mine øjne ser det for eksempel ud som om, praktikerne interesserer sig mere for overfladisk indhold end teoretikerne. Det kan bl.a. begrundes med, at punktet ”Folk der rykker” ligger tæt på praktikernes pol øverst i kortet. Brugere af K-forum vil vide, at ”Folk der rykker” er en sladderspalte, hvor man kan holde øje med, hvem der får hvilke nye jobs i kommunikationsbranchen. Teoretikerne er tydeligvis ikke interesserede i denne spalte, men foretrækker i stedet ”Specialer” og ”Dahls hjørne”, som måske indeholder mere videnskabeligt eller filosoferende stof.

Omvendt ser det ud som om ”Storytelling” er et forholdsvist overfladisk eller populi-stisk emne, der tiltrækker praktikernes interesse. Dette skal ses i lyset af den opbakning, emnet har fået indenfor forretningsverdenen af Rolf Jensen og Institut for Fremtidsforskning. Den konkrete artikel ”Storytelling på glatis”, som figurerer i kortet, er ganske vist en kritik af begrebet/metoden, men måske netop derfor provokerer den praktikerne til at læse og kommentere den.

Man skal selvfølgelig passe på ikke at gå for langt i sine fortolkninger, ligesom man altid bør være opmærksom på skellet mellem sikker viden og gætterier. En væsntlig pointe er derfor, at hårdkogt statistik og matematik har brug for de humanistiske videnskaber, hvis de statistiske resultater skal omsættes til praksis. Det vil derfor ofte være relevant at trække på discipliner såsom semantik, semiologi og hermeneutik i de afsluttende fortolkninger af kortlægningen. Der er altså slet ikke så stor modsætning mellem de kvantitative og kvalitative analysemetoder, som nogen måske vil påstå.


Hvem kan finde hvad?
Inden jeg afslutter denne case, skal vi se endnu et eksempel på nyttigheden af Web-mapping metoden. Indtil videre har jeg udelukkende vist sammenhængen mellem et enkelt spørgsmål og den underliggende adfærd på K-forum. I spørgeskemaet indgik imidlertid mange andre spørgsmål, og det er derfor muligt at projicere supplerende information ind i kortet som en hjælp i den uddybende fortolkning af profilerne.

Nedenfor ses det samme kort, som blev gennemgået ovenfor, men med den forskel at spørgsmålet ”Fandt du det du ledte efter?” nu indgår på lige fod med de andre punkter. Det interessante ved denne supplerende information er, at man kan se, hvor i kortet brugerne får en god oplevelse, og hvor de får en dårlig oplevelse (jf. de grønne punkter).































(klik på figuren for at gøre den større)

Det vigtigste ved billedet er nok den forskel, som fremtræder mellem praktikerne og teoretikerne. Mens praktikerne for det meste siger, at de fandt alle de oplysninger, de ledte efter, har teoretikerne større tendens til at sige at de kun fandt nogle af dem. Vi kan således konkludere, at K-forum fungerer bedst i praktikeres øjne. Hvis man skal gøre sig håb om at tiltrække eller fastholde flere teoretikere, så kunne en mulighed være at publicere mere dybsindige artikler, der kan opveje de sektioner, der bærer præg af branchesladder og populærvidenskab.

Det er naturligvis muligt at projicere endnu flere spørgsmål/punkter ind i kortet og på den måde skabe sig en stadig dybere indsigt i brugernes adfærd, oplevelser og problemer. Webmapping-metoden udmærker sig netop ved, at den ikke sætter grænser for, hvor mange variable, man anvender i sin analyse. Faktisk kan man sige, at styrken ved Webmapping – eller anden form for multivariabel statistik – stiger forholdsmæssigt, jo flere forskelligartede data man har at arbejde med.