Pinterest: Update des Recherche-Algorithmus

Im folgendem Szenarium werden die beiden Interessensebenen „Wohnzimmer“ & „Schlafzimmer“ miteinander verglichen. Die Grundfrage besteht darin, welche tiefergehenden Interessen rund um beide Wohnbereiche im Medium „Pinterest“ sichtbar werden.

Das Schlafzimmer ● Im ersten Schritt werden mit Hilfe des Algorithmus die Rohdaten zum Thema Schlafzimmer ausgelesen. Diese Daten habe ich als Interessensmatrix bereitgestellt. Um diese Rohdaten in ein vergleichsfähiges Format zu übertragen, zählt der Algorithmus die ausgelesenen Interessen zusammen.

Das Wohnzimmer ● Auch hier werden wieder die Rohdaten in Form einer Interessensmatrix ausgelesen und als Interpretationshilfe zusammengefasst.

Die Filterprozedur lässt sich dahingehend anpassen, dass eine Mindestanzahl an ausgelesenen Interessen definierbar ist. Im Vergleich der beiden Bereiche Wohn- und Schlafzimmer ist keine Mindesthäufung vorgegeben.

Vergleich: Wohnzimmer vs. Schlafzimmer ● Durch die Zusammenzählung der Interessen aus den Rohdaten je Beobachtungsobjekt bzw. Metaebene haben wir nun die Möglichkeit geschaffen, beides miteinander vergleichen zu können. (Download).

Es bieten sich hier nun folgende Interpretationsmöglichkeiten:

a) Vergleiche
1. Zeile „Ikea“ (1)
Die Häufung bei der Spalte „Wohnzimmer“ (31) und der Spalte „Schlafzimmer“ (37) zeigt, dass potentielle InteressentInnen ein relativ deckungsgleiches Interesse an Ikeaprodukten in den Räumen haben können.

2. Zeile „Vintage“ (3)
Die Häufung bei der Spalte „Wohnzimmer“ (14) und der Spalte „Schlafzimmer“ (17) deutet darauf hin, dass potentielle InteressentInnen ein relativ deckungsgleiches Interesse am Vintagestil in den Räumen haben können.

b) Häufungen
1. Hohe Häufungen deuten auf aktuelle Vorlieben.
2. Hohe Häufungen der Interessen geben Aufschluss über die inhaltliche Gestaltung der Pinwände auf Pinterest.
3. Hohe Interessenshäufungen deuten auf eine eventuell globale und plattformübergreifende (Social Media) Vorliebe hin, die sich auch für weitere Aktivitäten im Bereich Online-Marketing nutzen lässt.
4. Es lassen sich inhaltliche und logische Querverbindungen zwischen den ausgelesenen und gefilterten Interessen bilden (Wohnzimmer: Vintage => Shabby).

Aktivitäten auf Pinterest: Eine erste Bilanz

Die konsequente Anwendung des Systems „Interessensmatrix“ auf den Themenkomplex „Wohnen und Einrichten“ ergab die folgende Entwicklung:

Auszug aus der Besucherstatistik
Lesehinweis für die folgende Zahlenreihe: Datum, Useraktivität, Besuche
Unter „Useraktivität“ verstehen wir hier die Zusammenzählung von „Klick“, „Like“ und „Repin“. Die „Besuche“ zeigen das Besucheraufkommen.

2015-02-15,134,13959 (Start: Pinwandoptimierung nach Interessensmatrix)
2015-02-16,149,14851
2015-02-17,159,15736
2015-02-18,165,16446
2015-02-19,174,17134
2015-02-20,186,18011
2015-02-21,198,18955
2015-02-22,217,20561
2015-02-23,258,22429
2015-02-24,278,23235
2015-02-25,297,24054
2015-02-26,316,24785
2015-02-27,323,25410
2015-02-28,325,25718

Ausgehend von diesen Zahlen führen wir nun ab sofort die ConversionRate-Berechnung in dieser Formel:
CR=(Besucheraktivität*100)/Besuche
ein.
Für den 15.02.2015 ergibt sich hier die CR 0,96 und für den 28.02.2015 die CR 1,26.

Besucherzusammensetzung nach Geschlecht
Female: 19191
Male: 3681
Unspecified: 2080

Interessant ist hier der enorm hohe Anteil von Besucherinnen. Man kann sicherlich unterstellen, dass in der Geschlechterauswertung eine Fehlerquote zu finden ist (Fake-Accounts, Spaß-Account, andere Geschlechtsidentität etc.). Analog zu diesen Zahlen ergibt sich dennoch die Notwendigkeit, die „Zielgruppe Frau“ hinsichtlich der Bedürfnisse und Rechercheverhalten stärker zu berücksichtigen (und dabei bitte auf sexistische Stereotypen zu verzichten).

Besucherzusammensetzung nach Sprache
German: 16433
English: 6125
Spanish: 730
Dutch: 502
French: 472

Besucherzusammensetzung nach Herkunft
Deutschland: 15751
Vereinigte Staaten: 3022
Österreich: 786
Schweiz: 622
Niederlande: 401

In den Metriken Sprache und Herkunft kann man einen deutlichen Hinweis darauf sehen, dass in Pinterest ein deutschsprachiger Markt existiert.

[Notiz] Pinterest-API

Auslesen der letzten Pins zu einer bekannten Domain

https://api.pinterest.com/v3/domains/[domain.com]/pins/recent/?access_token=[deintoken]

Auslesen von Pins nach einer thematischen Suche

https://api.pinterest.com/v3/search/pins/?join=[suchraum]&page_size=50&query=[suchwort]&access_token=[deintoken]

Auslesen von Userdaten

https://api.pinterest.com/v3/users/[username]/?access_token=[deintoken]

Suchen von Pins aus einem bekannten Domainraum

https://api.pinterest.com/v3/domains/[domain.com]/search/pins/?query=[suchwort]&access_token=[deintoken]

Pinterest: Interne Recherche & Trends auslesen (Update)

Pinterest bietet mehrere Möglichkeiten der Analyse und Trendrecherche.

✔ https://de.pinterest.com/explore/[suchwort]/

Die „Explore“-Funktion beschreibt im Wesentlichen die interne Suche auf dem Medium „Pinterest“. Zwecks Trend- und Interessensprüfung analysiert man die Begriffe, welche unterhalb des Suchschlitzes stehen. Diese zeigen die Querverbindungen zwischen den „Interessen“ und „Themen“.

✔ https://de.pinterest.com/source/[domain]/

Die „Source“-Funktion zeigt alle Pins, welche aus einer Domain stammen. Hier lässt sich nachprüfen, wie stark oder wie gut abgefragt bestimmte Angebote (=> Produkte, Dienstleistungen) eines Projektes im Bereich von Pinterest sind. Hierbei ist natürlich zu analysieren, welche weitere Indikatoren für eine besondere „Werthaltigkeit“ sprechen, Diese sind:
– Repins (https://de.pinterest.com/pin/[pinnummer]/repins/)
– Likes (https://de.pinterest.com/pin/[pinnummer]/likes/)

Eine weitere interessante Möglichkeit der Recherche nach Trends oder „Interessensgebiete“ liefern die Suchvorschläge. Automatisiert abgefragt ergeben sich die folgenden Ergebnisse:

[Metaebene „Urlaub“] Download urlaub.xlsx
[Metaebene „Schlafzimmer“] Download schlafzimmer.xlsx
[Metaebene „Badezimmer“] Download badezimmer.xlsx

Der technische Vorgang der Datenrecherche geht von dem hauptsächlichen zu optimierenden / zu vermarktenden Gebiet (Kategorie, Branche etc.) aus und prüft per Suchabfrage die „unten stehenden“ Vorschläge gegen. Diese findet man in den Tabellen jeweils in der zweiten Spalte (B). Die entsprechenden Ergebnisse lassen sich nun in Beziehung zur „Metaebene“ stellen (siehe erste Zeile) und mit Hilfe der Suchfunktion weiter analysieren (Spalte 3 bis X).

Pinterest: Analytics

Eine geeignete API basierte Zugangsmöglichkeit zu den Statistiken von „Pinterest“ ist mir derzeit nicht bekannt und ich verweise hier auf https://analytics.pinterest.com/. Der Zugang zu diesem Service erfordert einen geschäftlichen Account, sofern dieser nicht vorhanden ist wird man durch eine entsprechende Konvertierungsprozedur durchgeleitet. Das Backend erinnert stark an das Layout von Piwik oder G-Analytics und hier lassen sich die folgenden Metriken auslesen:

– Einblendungen, Repins, Likes, Clicks je Pin
– Einblendungen, Repins, Likes, Clicks je Pinwand

Zur Erklärung // Informationen innerhalb der Analytics
https://analytics.pinterest.com/audience/
Dieses Features schlüsselt die Einblendungen, die Herkunftsländer und das Geschlecht der Besucher (Fans, Follower) auf.

Weitere Informationen findet man hier.

Pinterest – Recherche und die Analyse der „Werthaltigkeiten“

Analog zu den aktuellen Experimenten ergibt sich ein interessanter Ansatz zur Begutachtung von Trends und Werthaltigkeiten.

Ausgehend von den Datenquellen „interne Suche“ oder Quercheck auf die Statistik-API lassen sich die konkreten Deeplinks der jeweiligen Pins identifizieren. Diese haben die Form: http://www.pinterest.com/pin/[nummer]/. Hierüber lassen sich durch die Erweiterung auf
http://www.pinterest.com/pin/[nummer]/repins
http://www.pinterest.com/pin/[nummer]/likes
die Fanstrukturen und konkrete Trends ablesen.

Erste Gedanken aus dem aktuell aktiven Pinterest-Experiment

Durch die Platzierung einiger Pins aus dem Bereich der „Inneneinrichtung“ (Schwerpunkte: Möbel, Sofas, Lampen und Leuchten, Textiles) konnte ich zwei interessante Effekte beobachten:

a) Positionierungsschub auf Ebene des Produktnamens von N/A auf Seite 1-3 (schwankend)
b) sehr hoch konvertierender Traffic über das Medium Pinterest => Pins (mittlere vierstelliger Betrag vor Storno)

Hieraus abgeleitet empfehle ich derzeit:
a) Hashtags verwenden und hier analytisch vorgehen. Hashtags so verwenden, dass Diese das Objekt (=>Produkt) mit den Eigenschaften beschreiben und ggf. einen Kaufimpuls hinzufügen
b) Auf exzellente Fotoqualität achten

Eine Berechnungsprozedur für den Zusammenhang Hashtag <> Trend <> Zielgruppe liegt bei mir im Moment nicht vor, daher suche ich die Inspiration in der Zusammenfassung aller relevanten Hashtags aus den Medien „Gplus“ und „Twitter“. Ich unterstelle hier quasi, dass sich die Bedürfnisse und die Schreibgewohnheiten nicht ändern und diese Annahme wird im aktuellen Beobachtungszeitraum analysiert.

Wie kann ich …

bei Pinterest Informationen via RSS-Feed „abholen“.

http://www.pinterest.com/[name-urheber]/feed.rss
http://pinterest.com/[name-urheber]/[boardname].rss

Soweit ich derzeit belesen bin, ist ein „abholen“ der Informationen via Feed ausgehend von Suchabfragen auf das Medium nicht möglich. Um hier also tiefergehende Trendrechechen durchführen zu können, muss man im Vorfeld die „Trendsetter“ zu den jeweiligen Themen identifizieren und die Inhalte der Feeds über geeignete Algorithmen auswerten.