Je doet iets met analyse of je doet het niet… Ik heb me afgelopen weekend even uitgeleefd op de cijfers die wij hebben over de artikelen, reacties en de auteurs. In totaal zijn er in 2009 180 artikelen door 33 verschillende auteurs geplaatst. De artikelen werden gelezen door een som van 90.645 unieke webpagina lezers over alle artikelen. Dezelfde artikelen behaalden 113.248 item views via RSS achtige readers (waarin het hele artikel ook te lezen is). Dit komt redelijk overeen met de uitgaande kliks in artikelen die 50/50 verdeeld zijn over herkomst webanalisten.nl en andere herkomsten.
Het gemiddelde bereik van een artikel ligt daardoor naar verwachting iets boven de 1000 unieke personen. Bij deze artikelen werd afgelopen jaar door in totaal 374 verschillende unieke personen 1335 reacties geplaatst. Tot slot werd er over deze artikelen volgens topsy.com 889 maal getwitterd.
Welke toplijsten en hoe is de score tot stand gekomen?
Op basis van de cijfers per artikel en auteur heb ik de volgende toplijsten gemaakt:
- Top 15 beste artikelen van 2009
- Top 10 beste auteurs van 2009
Wat heb ik nu gedaan om uiteindelijk een sortering te maken?
- De volgende data heb ik opgevraagd:
- Per artikel uit 2009
- Aantal unieke vertoningen in 2009 (via Google Analytics)
- Aantal rss views in 2009 (via Feedburner)
- Aantal reacties in 2009 (via de WordPress database (CMS van deze website))
- Aantal tweets in 2009 (via de API’s van Topsy, Tweetmeme en Backtype)
- Per auteur
- Aantal artikelen geschreven in 2009 (via de WordPress database)
- Aantal reacties geschreven in 2009 (via de WordPress database)
- Gemiddeld aantal unieke vertoningen per geschreven artikel in 2009 (via Google Analytics)
- Gemiddeld aantal rss views per geschreven artikel in 2009 (via Feedburner)
- Gemiddeld aantal reacties per geschreven artikel in 2009 (via de WordPress database)
- Gemiddeld aantal tweets per geschreven artikel in 2009 (via de API’s van Topsy, Tweetmeme en Backtype)
- Voor elke score per artikel of auteur heb ik toen berekend wat het aandeel was in het totaal (van de som van alle comments, artikelen, unieke vertoningen etc.).
- Hierna heb ik een aantal wegingen doorgevoerd voor elke aandeelwaarde die ik had bij een score onderdeel van een artikel of een auteur:
- Ik heb berekend wat het gemiddelde was van, bijvoorbeeld, het aantal comments per artikel, om daarna te bekijken wat het gemiddelde is van de comments per artikel van alle artikelen waarbij het aantal comments per artikel hoger of juist lager was dat het normale gemiddelde. Deze 2 waarden heb ik op elkaar gedeeld (hoog/laag). Dit om te zorgen dat aandeelwaarde onderdelen met een grotere spreiding (dat deels door toeval kan ontstaan zijn) minder zwaar meewegen. De reeds berekende score van het vorige punt heb ik gedeeld door deze weging.
- Bij artikelen heb ik rss views en tweets beiden nogmaals door 2 gedeeld. Het effect van veel rss views en veel tweets is namelijk ook meer uniek bezoek. Ik wil voorkomen dat auteurs die goede koppen schrijven of een groot tweetbereik hebben dubbel worden beloond.
- Bij auteurs is om deze zelfde reden de score van het gemiddeld aantal tweets en rss views per artikel gehalveerd. Tevens is de score voor het aantal eigen reacties gehalveerd (deze heeft namelijk ook effect op het totaal aantal reacties).
- Tot slot heb ik de data gefilterd:
- artikelen: alle artikelen met als inhoud een verloting zijn verwijderd uit de toplijst (onnatuurlijk hoog aantal reacties en/of tweets).
- auteurs: alle auteurs die maar 1 artikel hebben geschreven in 2009 zijn niet meegenomen in de lijst, anders worden zij te hoog beoordeeld voor maar 1 heel geslaagd artikel! Ook zijn de gezamenlijke accounts “gastauteur” en “abnamro optimalisatie” verwijderd uit deze lijst.
De reden waarom ik heb gewerkt met 3 verschillende api’s om de tweet totalen te berekenen is vanwege het feit dat zij alle 3 niet volledig zijn in hun weergave van aantallen tweets. Enerzijds onthouden ze niet alle historische data, anderzijds mist 1 van de 3 wel eens wat tweets door verschillend (short) URL gebruik. Als oplossing heb ik er voor gekozen om de 3 verschillende aantallen bij elkaar op te tellen en als totaal per artikel (en auteur) mee te nemen.
Top 15 beste artikelen
| titel auteur |
comments | unique views | rss views | tweets | score | |
|
|
||||||
| 1. | 6 schrijftips voor een onweerstaanbare website Aartjan van Erkel – De verwoording |
16 | 2038 | 706 | 26 | 2,95 |
|
|
||||||
| 2. | ´2 kleine aanpassingen en de conversie schiet omhoog´ Ton Wesseling – Online Dialogue |
20 | 1980 | 731 | 8 | 2,92 |
|
|
||||||
| 3. | De 9 redenen om de volle winkelwagen niet af te rekenen Ton Wesseling – Online Dialogue |
14 | 1760 | 862 | 42 | 2,83 |
|
|
||||||
| 4. | Ontsla je contentmanager Aartjan van Erkel – De verwoording |
25 | 1021 | 765 | 112 | 2,79 |
|
|
||||||
| 5. | SEO-copywriting kost conversie Aartjan van Erkel – De verwoording |
41 | 1215 | 650 | 6 | 2,73 |
|
|
||||||
| 6. | Optimalisatie abnamro.nl: reisverzekeringen abnamro.nl optimalisatie |
40 | 868 | 734 | 40 | 2,63 |
|
|
||||||
| 7. | De 6 geheimen van verleiding Aartjan van Erkel – De verwoording |
16 | 1818 | 550 | 4 | 2,51 |
|
|
||||||
| 8. | 8 grote verbeteringen in Google Analytics aangekondigd Daniel Markus – Clickvalue |
20 | 859 | 802 | 33 | 2,06 |
|
|
||||||
| 9. | Formulieren in banners leveren 5 maal meer conversie Ton Wesseling – Online Dialogue |
9 | 1374 | 618 | 13 | 2 |
|
|
||||||
| 10. | Verschillen in web analytics systemen (TNO rapport) Ton Wesseling – Online Dialogue |
22 | 867 | 610 | 3 | 1,83 |
|
|
||||||
| 11. | De plek van de webanalist Xaviera Ringeling – Contentgirls |
31 | 560 | 550 | 3 | 1,76 |
|
|
||||||
| 12. | Optimaliseer URL´s voor Google Xavier Maurits – Web Lodge |
20 | 657 | 789 | 9 | 1,73 |
|
|
||||||
| 13. | Optimalisatie abnamro.nl: credit card sales & service abnamro.nl optimalisatie |
21 | 587 | 604 | 34 | 1,72 |
|
|
||||||
| 14. | Behavioral Targeting: Hoe ver mag je gaan? Reinout Wolfert – SNS Bank |
18 | 834 | 603 | 7 | 1,71 |
|
|
||||||
| 15. | Tabs in productpagina´s voor meer conversies Martijn van Vreeden – Traffic Builders |
11 | 880 | 773 | 13 | 1,7 |
|
|
||||||
Top 10 beste auteurs
| auteur | artikelen | comments | unieke views per artikel | rss views per artikel | comments per artikel | tweets per artikel | score | |
|
|
||||||||
| 1. | Aartjan van Erkel – De verwoording | 5 | 47 | 1352 | 665 | 22,4 | 30,8 | 3,45 |
|
|
||||||||
| 2. | Ton Wesseling – Online Dialogue | 51 | 125 | 510 | 634 | 7 | 8,1 | 2,8 |
|
|
||||||||
| 3. | Xaviera Ringeling – Contentgirls | 2 | 13 | 724 | 685 | 18 | 19 | 2,3 |
|
|
||||||||
| 4. | Reinout Wolfert – SNS Bank | 30 | 127 | 471 | 612 | 6,6 | 5,2 | 2,26 |
|
|
||||||||
| 5. | Andre Scholten – Traffic4u | 2 | 33 | 772 | 700 | 6,5 | 6,5 | 1,83 |
|
|
||||||||
| 6. | Vincent van Scherpenseel – E-mark | 5 | 27 | 381 | 597 | 9,4 | 26,2 | 1,64 |
|
|
||||||||
| 7. | Daniel Schrijver – Oracle | 4 | 7 | 442 | 663 | 8,3 | 22,3 | 1,6 |
|
|
||||||||
| 8. | Marcel Dumont – Global Top Media | 4 | 7 | 527 | 624 | 8 | 12,5 | 1,58 |
|
|
||||||||
| 9. | Daniel Markus – Clickvalue | 5 | 16 | 469 | 615 | 8,2 | 11,4 | 1,55 |
|
|
||||||||
| 10. | Egan van Doorn – OrangeValley | 12 | 11 | 422 | 628 | 5,9 | 4,8 | 1,49 |
|
|
||||||||
Felicitaties aan Aartjan, maar natuurlijk ook heel veel dank aan alle andere bloggers en reageerders. Happy new year en veel kennis en plezier met webanalisten.nl in 2010!
Reacties (4)