Bizimle iletişime geçin

Haberler

Spotify, podcast kontrol paneline “tüketim saatleri” verilerini ekledi

Spotify podcast kontrol paneline “tüketim saati” verilerini ekledi. Bu veri, dinleyicilerinizin Spotify’daki her bir bölümle ne kadar süre geçirdiğini gösterecek ve programınızın ne kadar iyi gittiğini anlamanıza yardımcı olacak hayati bir ölçüt.

Yayınlanma tarihi

on

Podcast yayıncılarının ölçebileceği pek çok şey arasında Dinleme Süresi en önemlisi olabilir.

Dinleme Süresi, dinleyicilerinizin bölümlerinizle geçirdiği ve her podcast platformunda toplanan toplam süredir.

Fikir basit: Dinleyiciler zamanları ve dikkatleriyle oy verirler. Podcast yayıncıları buna dikkat etmelidir.

Bazı podcast platformları Dinleme Süresi verilerine erişimi (ve bunları bir araya getirmeyi) kolaylaştırıyor. Örneğin, Apple Podcasts Connect “dinlenen toplam süreyi” bulmayı kolaylaştırıyor. YouTube Studio ise gösterge panelinde “izlenme süresini” belirgin bir şekilde gösteriyor.

Ancak Spotify’dan bu sayıya ulaşmak her zaman kolay olmadı. Programınız Megaphone gibi Spotify’ın sahip olduğu bir barındırma sağlayıcısı tarafından barındırılmadığı sürece, Spotify’dan kullanılabilir Dinleme Süresi verilerini almak, bölüm tutma oranına göre manuel olarak bir tahmin hesaplamak anlamına geliyordu. Hiç eğlenceli değil.

Ancak son zamanlarda her şey değişti. Spotify, fazla tantana yapmadan, bölümlere genel bakış sayfalarına yeni bir sayı ekledi: Tüm zamanların “tüketim saatleri”.

Spotify’a göre, bu sayı “insanların bölümünüzü dinlemek veya izlemek için harcadıkları toplam saat sayısını” temsil ediyor.

Spotify’ın “tüketim saatlerini” eklemesi podcast yayıncıları için büyük bir nimet ve podcast ölçüm dünyasında önemli bir kilometre taşını temsil ediyor.

Bu önemli çünkü – kime sorduğunuza bağlı olarak – Spotify ya 1. ya da 2. en popüler podcast tüketim platformu. Spotify artık “tüketim saatleri” sunduğundan, podcast yayıncıları YouTube, Spotify ve Apple Podcasts’ten Dinleme Süresi verilerine erişebiliyor. Birçok program için bu üç platform, doğrulanmış podcast tüketiminin büyük çoğunluğunu temsil ediyor.

Spotify’ın yeni “tüketim saati” rakamlarını kullanıma sunulduğundan beri araştırıyorum. İşte öğrendiklerim…

Tüketim saatleri bölüm başına bir sayıdır

Spotify for Podcasters’da “tüketim saatlerinin” gösterildiğini gördüğüm tek yer bölüm seviyesi. Her ikisi de program/çalma listesi düzeyinde Dinleme Süresi verileri sunan Apple Podcasts Connect ve YouTube Studio’nun aksine, Spotify program düzeyinde tüketim saatlerini rapor etmiyor gibi görünüyor.

Spotify’dan program düzeyinde Dinleme Süresi verileri almak istiyorsanız, tek tek bölümleri bir araya getirmeniz gerekir.

Tüketim saatleri tüm zamanların en yüksek rakamı

Yine, her ikisi de Dinleme Süresi verilerini günlük çözünürlükle sunan Apple Podcasts Connect ve YouTube Studio’nun aksine, Spotify’ın “tüketim saatleri” bölüm düzeyinde tüm zamanların kümülatif sayısı olarak sunuluyor.

Anladığım kadarıyla Spotify’ın gösterge tablosu “İnsanlar geçen Çarşamba bölümümle kaç saat geçirdi?” gibi sorulara doğrudan yanıt vermiyor.

Neyse ki bunun geçici bir çözümü var. Ama önce bir uyarı…

“Tüm zamanlar” her zaman tüm zamanlar demek değildir

Spotify for Podcasters “tüketim saatlerini” “tüm zamanlar” ölçütü olarak etiketliyor. Ancak 2024’ten önce yayınlanan herhangi bir bölümün tüketim saatlerine bakarsanız, araç ipucunda bir uyarı göreceksiniz: “1 Ocak 2024’ten beri[.]”

Bu metriği kullanarak eski bölümleri yeni bölümlerle karşılaştırırken çok dikkatli olun. Bu 1 Ocak 2024 “sıfır gününü” hesaba katmadığınız sürece, 2024 öncesi bölümlerin daha yeni bölümlere kıyasla çok daha düşük performans gösterdiği görülebilir.

Tüketim saatleri diğer türetilmiş önlemleri hesaplamak için kullanılabilir

Spotify’ın “tüketim saati” metriğinin bölüm başına tek bir “tüm zamanların” sayısı olması, bu birincil metriği diğer son derece yararlı türetilmiş metrikleri hesaplamak için kullanamayacağımız anlamına gelmez.

Örneğin, 1 Ocak 2024’ten sonra yayınlanan bölümler için “tüketim saatlerini” Spotify’a özgü diğer ölçümlerle birleştirerek aşağıdaki gibi hesaplamalar yapabiliriz:

  • Doğrulanmış dinleyici başına ortalama tüketim saati (AKA “ortalama Dinleme Süresi”)
  • Başlangıç başına ortalama tüketim saati
  • Akış başına ortalama tüketim saati

Türetilen bu metrikler, “tüketim saatlerinin” bölüm başına tüm zamanların tek bir sayısı olması sınırlamasını aşmamıza yardımcı olabilir.

Hayır, Spotify günlük epizodik Dinleme Süresi sunmuyor. Ancak günlük epizodik başlangıçlar ve akışlar sunuyor. Dolayısıyla, örneğin, günlük epizodik Dinleme Süresini tahmin etmek için günlük çözünürlüklü akış verilerini “akış başına ortalama tüketim saati” ile birleştirebiliriz.

Spotify’ın bir gün gösterge tablosunda daha ayrıntılı Dinleme Süresi verileri sunacağını umuyorum. Ancak bu arada, bu türetilmiş ölçümler, Dinleme Süresini tahmin etmek için kullandığımız önceki yönteme göre önemli bir gelişmedir.

Söz açılmışken…

Tüketim saatleri tahmini Dinleme Süresi ile yakından uyumludur

2023’ün başlarında Bumper’ın Dinleme Süresini nasıl hesapladığını ve Spotify Dinleme Süresini tahmin etmek için kullandığımız oldukça karmaşık süreci anlatmıştım.

Spotify “tüketim saati” rakamlarını açıklar açıklamaz, Bumper’ın tahminlerinin “resmi” Spotify rakamlarıyla nasıl karşılaştırılacağını merak ettim. Birkaç yüz bölüm üzerinde bir kontrol gerçekleştirdim ve Bumper’ın tahminlerinin Spotify’ın gerçek rakamlarına çok yakın olduğunu görmekten memnuniyet duydum.

Tüm bunları söylemek gerekirse: Spotify Dinleme Süresini tahmin etmek için Bumper’ın yöntemini kullanıyorsanız, Podcast Yayıncıları için Spotify’a giriş yaptığınızda ve “tüketim saati” sayılarınıza baktığınızda şaşıracağınızı sanmıyorum.

Neden Dinleme Zamanı?

Bumper’da, podcast başarısını ölçmenin bir yolu olarak Dinleme Süresi’nin büyük savunucularıyız. Neden mi? Çünkü birçok podcast yayıncısının aslında istediği şeyi ölçüyor: önemsedikleri kitlelerin zamanını ve dikkatini.

İndirmeler tüketimi ölçmez. Takipçiler tüketimi ölçmez. Ancak Dinleme Süresi tüketimi ölçer.

Programınızın sağlıklı olup olmadığını nasıl anlarsınız? Ne kadar zaman ve ilgi kazandığınıza bakın. İlgili izleyicilere sahip harika programlar büyük miktarda Dinleme Süresi yaratır. Etkileşimsiz kitlelere sahip vasat programlar ise genellikle anlamlı Dinleme Süresi elde etmekte zorlanır.

Spotify’ın gösterge tablosuna “tüketim saatlerini” eklemesi, podcast ölçüm ortamına çok hoş bir katkıdır.

Kaynak: Dan Misener / Bumper

Haberler

SEO çöküşü: Podcast yayıncılarının şu anda yapması gerekenler

Podcast yayıncıları için arama motoru optimizasyonu (yani Google’da en üstte görünme) konusunda işler değişiyor. Steve Goldstein, Cevap Motoru Optimizasyonu (AEO – Answer Engine Optimization) ve Google’da en üstte görünmeye devam etmenin yolları hakkında yazdı.

Yayınlanma tarihi

=>

Arama sadece gelişmiyor. Tamamen ortadan kaldırılıyor. Trafiğiniz yeniden yönlendiriliyor ve bu şu anda gerçekleşiyor.

Podcast yayıncısıysanız, keşfedilebilirliğiniz tehlike altında.

Bu kozmetik bir değişiklik değil. Bu, Google’ın büyük sıfırlaması.

Google’a bir sorgu yazıp 10 mavi bağlantıdan oluşan temiz bir liste aldığınız tanıdık deneyimi biliyorsunuz, değil mi? Bu, hızla ortadan kalkıyor.

Bunun yerine, kullanıcıları içeriğinize yönlendirmeden soruları yanıtlayan AI tarafından oluşturulan yanıtlar, yüzen özetler, sesli sonuçlar ve sıfır tıklama arayüzleri alıyoruz. Artık garantili bağlantılar yok. Artık ücretsiz tıklamalar yok. Artık otomatik keşif yok.

Podcast bölüm sayfalarınız eskisi kadar ilgi görmüyor veya blog yayınlarınız eskisi kadar trafik çekmiyorsa, bu sadece sizinle ilgili bir sorun değil. Bu düşüş, geleneksel SEO’nun temellerini sarsan yapısal bir değişimden kaynaklanıyor. Keşfedilmeye çalışan podcast yayıncıları için bu değişim her şeyi değiştiriyor.

Gerçekte Neler Oluyor?

Arama, bildiğimiz haliyle değişiyor. Google’da üst sıralarda yer almak, anahtar kelime sonuçlarında görünmek ve web sitenize tıklamaları yönlendirmek gibi geleneksel yöntemler, yapay zeka tarafından oluşturulan özetler ve ses tabanlı cevaplarla yerini değiştiriyor. Birçoğunda orijinal kaynağa küçük bağlantılar var ya da hiç bağlantı yok.

Buna Cevap Motoru Optimizasyonu (AEO – Answer Engine Optimization) deniyor ve içeriğin ortaya çıkışını ve tüketimini değiştiriyor.

İşte çarpıcı bir istatistik: SimilarWeb’e göre, ABD’deki Google aramalarının %69’u artık tıklama yapılmadan sona eriyor. Bu, bir yılda 13 puanlık bir artış anlamına geliyor.

Teknoloji analisti Shelly Palmer, kısa süre önce SEO’dan AEO’ya geçiş hakkında bir yazı kaleme aldı. Arama motorları konusunda en akıllı seslerden biri olan Neil Patel de bu konuda uyarıda bulunuyor. Buradan çıkarılacak en önemli sonuç, artık arama motorları için optimizasyon yapmadığımızdır. Cevap motorları için optimizasyon yapıyoruz.

AEO Podcast Yayıncıları İçin Ne Anlama Geliyor?

Çoğu insan, bir web sitesine girip oynat düğmesine basarak podcast’leri keşfetmez. Yeni programları arkadaşları, sosyal medya, algoritmalar ve giderek artan bir şekilde, bağlantılar sunmak yerine soruları yanıtlayan yapay zeka araçları aracılığıyla bulurlar.

Bu, programınızın görünürlüğünün akıllı SEO hilelerinden çok, içeriğinizin ne kadar yanıtlanabilir olduğuna bağlı olduğu anlamına gelir.

Program notlarınız sonradan eklenmişse veya daha da kötüsü, transkriptleri atlıyorsanız, sadece erişilebilirlik fırsatlarını kaçırmakla kalmıyorsunuz. Bir sonraki keşif dalgasından da mahrum kalıyorsunuz.

İyi haber şu: AI, netlik, yapı ve niyeti tercih eder. Ve podcast yayıncıları, çoğu kişiden daha fazla, harika bir hikaye anlatmayı bilir.

Şimdi önemli olan, AI’nın bu hikayeyi anlayıp yükseltebilmesi için onu biçimlendirmektir.

İçeriğiniz yapılandırılmış, özetlenmiş ve AI tarafından okunabilirse, rakiplerinizin önündesiniz demektir. Değilse, uyum sağlama zamanı gelmiştir.

Transkriptiniz Artık En Değerli Varlığınız

Transkriptler, podcast’inizin yeni giriş kapısıdır.

İçeriğinizin AI destekli aramalarda görünmesini istiyorsanız, transkriptinizin aşağıdaki özelliklere sahip olması gerekir:

  • Mevcut olması (evet, birçok podcast hala bunu atlıyor)
  • Net ve kolay taranabilir olması
  • AI’nın anlayabileceği şekilde biçimlendirilmiş olması

AI araçları (henüz) bölümünüzü dinleyip anlamını tam olarak kavrayamaz. Ancak transkripti okuyabilirler. Konuşmacıların açıkça belirtildiği, mantıklı bölümlere ayrılmış ve önemli noktaların vurgulandığı bir transkript:

  • AI tarafından indekslenebilir
  • Alıntı yapmaya değer
  • Yeni yollarla keşfedilebilir

Akıllı Pod Yayıncılarının Hemen Yapması Gereken 5 Şey

İşte cevap motorları çağında nasıl görünür kalacağınız.

  1. Programınızı Amacınıza Uygun Şekilde Yapılandırın
    Bölüm planlama ve uygulamada, güçlü bir soru veya cesur bir görüşle başlayın. Önemli noktayı gizlemeyin. AI araçları, alıntılanması kolay, net ve cevaplanabilir içeriğe öncelik verir.
  2. Net Bir Transkript Yayınlayın
    Okunması kolay hale getirin. Konuşmacı etiketleri kullanın ve okunabilir parçalara ayırın. Transkriptinizi bir blog yazısı gibi ele alın.
  3. Madde İşaretli Özetler ve SSS’ler Ekleyin
    TL;DR (too long; didn’t read – çok uzun; okumadım) bölümü veya önemli noktalar bölümü ekleyin. Bu, AI’nın bölümünüzün değerini anında kavramasına yardımcı olur. Bonus: insanlar da bunları sever.
  4. Bölümleri Kullanın ve Videonuzu Segmentlere Ayırın
    Video podcast’ler yayınlıyorsanız, YouTube ikinci ön kapınızdır. Net başlıklara sahip bölümler ekleyin ve önemli anları TikTok, Reels veya YouTube Shorts için yeniden düzenleyin.
  5. RSS, Meta Verileri ve Başlıklarınızı Optimize Edin
    AI ve arama motorları yapılandırılmış, net meta verilere güvenir. Etiketler artık eskisi kadar önemli değil, ancak bölüm başlıkları ve açıklamaları her zamankinden daha fazla önem taşıyor. Bunları açıklayıcı ve spesifik hale getirin. Genel başlıklardan kaçının. Bunlar ezilip geçilecektir.

Artık en üst sıralarda yer almak için mücadele etmiyorsunuz. Cevap olmak için mücadele ediyorsunuz.

SEO’nun çöküşü sadece başka bir teknoloji döngüsü değildir. Dijital keşfedilebilirliğin kurallarının yeniden yazılmasıdır.

Hedef kitle dinliyor ve izliyor. Makineler okuyor. Her ikisinin de sizi nerede bulacağını bildiğinden emin olalım.

Kaynak: Steven Goldstein / Amplifi Media

Okumaya devam et

Haberler

Saspod, içerik üreticileri ve kayıt stüdyoları için küresel bir ortaklık programı başlattı

İngiltere merkezli önde gelen podcast üretim ve barındırma hizmeti Saspod, dünya çapındaki içerik oluşturucular, serbest çalışanlar ve kayıt stüdyolarının izleyici yönlendirmeleri yoluyla sürekli gelir elde etmelerini amaçlayan yeni ortaklık programını duyurdu.

Yayınlanma tarihi

=>

İngiltere merkezli önde gelen podcast üretim ve barındırma hizmeti Saspod, dünya çapındaki içerik oluşturucular, serbest çalışanlar ve kayıt stüdyolarının izleyici yönlendirmeleri yoluyla sürekli gelir elde etmelerini amaçlayan yeni ortaklık programını duyurdu.

Birçok içerik oluşturucu ve kayıt stüdyosunun, podcasting’i keşfetmek isteyen ancak genellikle nereden başlayacaklarını bilmeyen müşterileri ve izleyicileri var. Saspod’un Ortaklık Programı, basit ve kazançlı bir yol sunuyor:

  • Tekrarlayan Komisyon Yapısı: Yönlendirilen müşteri tarafından verilen her sipariş için %15 tekrarlayan komisyon
  • Yüksek Ortalama Yönlendirme Değeri: Her müşteriyi sadece bir kez kaydettirin, ardından programın ömrü boyunca aylık kazanç elde edin
  • Özel Ortaklık Panosu: Yönlendirmelerinizin ne kadar harcadığını ve ne kadar kazandığınızı tam olarak görün
  • Özel Yönlendirme Bağlantısı: Özel pano ve izleme bağlantısı, yönlendirme ve kazançlarda şeffaflık sağlar

Saspod CEO’su Bogdan Bratis (https://saspod.com/founder-bogdan-bratis), “Programımız, gelirlerini çeşitlendirmek isteyen içerik üreticiler, serbest çalışanlar ve kayıt stüdyoları için kazançlı bir fırsat yaratıyor. Bu çok basit: izleyicilerinizin ve müşterilerinizin zaten istediği hizmetleri önererek ek gelir elde edebilirsiniz” dedi.

Programa katılım ücretsiz ve şu anda açık. Başvurmak için, ortaklık sayfasına (http://saspod.com/affiliates-program) gidebilir veya daha fazla bilgi için affiliates@saspod.com adresine e-posta gönderebilirsiniz.

Kaynak: PodNews

Okumaya devam et

Araştırma

PodGPT: Yapay zeka modeli, bilim podcast’lerinden öğrenerek soruları daha iyi yanıtlayabiliyor

Üretken yapay zekanın (AI), özellikle de büyük dil modellerinin (LLM’ler) yükselişi, veri analizi, yorumlama ve içerik üretiminde dönüştürücü bir değişime işaret ediyor. Kapsamlı metinsel veri kümeleri üzerinde eğitilen bu modeller, OpenAI’nin GPT-4’ü gibi modellerin dikkate değer bir yetenek gösterdiği bilim ve tıp gibi alanlar için derin etkileri olan, bağlamsal olarak doğru ve dilsel olarak zengin çıktılar üretme yeteneğini gösterdi.

Yayınlanma tarihi

=>

Üretken yapay zekanın (AI), özellikle de büyük dil modellerinin (LLM’ler) yükselişi, veri analizi, yorumlama ve içerik üretiminde dönüştürücü bir değişime işaret ediyor. Kapsamlı metinsel veri kümeleri üzerinde eğitilen bu modeller, OpenAI’nin GPT-4’ü gibi modellerin dikkate değer bir yetenek gösterdiği bilim ve tıp gibi alanlar için derin etkileri olan, bağlamsal olarak doğru ve dilsel olarak zengin çıktılar üretme yeteneğini gösterdi.

Ancak, bilim, teknoloji, mühendislik, matematik ve tıp (STEMM) alanlarında LLM’lerin tam potansiyeli, özellikle ses içeriği gibi geleneksel olmayan veri türlerinin entegrasyonu konusunda hala yeterince araştırılmış durumda değil.

Boston Üniversitesi’nden araştırmacılar, bilim ve tıp podcast’lerinden öğrenerek bilimsel soruları daha akıllıca anlama ve yanıtlama becerisini geliştiren PodGPT adlı yeni bir bilgisayar programı geliştirdiklerini yeni bir çalışmada duyurdu. Bu çalışma npj Biomedical Innovations dergisinde yayınlandı.

Boston Üniversitesi Chobanian & Avedisian Tıp Fakültesi tıp ve bilgisayar bilimi doçenti ve makalenin baş yazarı Vijaya B. Kolachalama, “Konuşma içeriğini entegre ederek, modelimizin konuşma dilini daha iyi anlamasını ve uygulamasını STEMM disiplinleri içindeki daha özel bağlamlara genişletmeyi amaçlıyoruz” diye açıkladı.

Kolachalama, “Bu, sadece yazılı materyaller yerine uzman röportajları ve konuşmaları gibi gerçek konuşmaları kullandığı için özeldir ve insanların gerçek hayatta bilim hakkında nasıl konuştuğunu daha iyi anlamasına yardımcı oluyor” dedi.

Kolachalama ve meslektaşları, halka açık bilim ve tıp podcast’lerinden 3.700 saatten fazla kayıt topladı ve gelişmiş yazılımlar kullanarak konuşmaları metne dönüştürdü. Ardından, bu bilgilerden öğrenmesi için bir bilgisayar modeli eğitti.

Bunun ardından, modelin performansını görmek için biyoloji, matematik ve tıp gibi konularda farklı dillerde sorular da dahil olmak üzere çeşitli testler yaptılar. Sonuçlar, STEMM sesli podcast verilerinin dahil edilmesinin, modelin doğru ve kapsamlı bilgileri anlama ve üretme yeteneğini geliştirdiğini gösterdi.

Araştırmacılara göre, bu çalışma podcast gibi ses tabanlı içeriklerin yapay zeka araçlarını eğitmek için kullanılabileceğini gösteriyor. Kolachalama, Boston Üniversitesi Bilgisayar ve Veri Bilimleri Fakültesi’nin kurucu üyesi ve Boston Üniversitesi Hariri Bilgisayar Enstitüsü’nün bir üyesi.

Kolachalama, “Bu, dersler veya röportajlar gibi her türlü ses kaydını kullanarak daha akıllı ve insan benzeri teknolojiler geliştirmek için kapı açıyor. Ayrıca, bilimi birçok dilde daha erişilebilir hale getirerek, dünyanın dört bir yanındaki insanların öğrenmesine ve bilgilenmesine yardımcı olma konusunda da umut vaat ediyor” dedi.

Araştırmacılar, bu teknolojinin bilimsel ve tıbbi bilgilere erişimi kolaylaştıracağına inanmakla kalmıyor, aynı zamanda alanlarında uzman kişilerin konuşmalarını dinlemenin, insanların sağlık ve eğitim konusunda daha bilinçli kararlar almasına yardımcı olacağına da inanıyor.

Kolachalama, “Bu, Alzheimer hastalığı, kardiyovasküler hastalıklar, bulaşıcı hastalıklar, kanser ve ruh sağlığı gibi birçok sağlık durumunun anlaşılması ve teşhis edilmesinde yardımcı olabilir. Ayrıca halk sağlığı ve gezegen sağlığı gibi alanlarda öğrenmeyi de destekleyebilir” dedi.

Kaynak: Phys.org

Okumaya devam et

En son