perjantai 8. toukokuuta 2015

Nuijamaan rajamiehillä oli todella hyvä pito

Julkaisimme Yle Uutisten sivuilla 6.5. jutun "He valvovat rajojamme", joka kertoo rajavartioiden työstä Nuijamaalla. Juttu on erikoistaitettu, jossa on annettu suuri tila kuville ja videoille. Materiaalia jutussa on paljon eli juttu on siis pitkä lukupaketti. Jutussa edettiin vierittämällä alaspäin kuten netissä on luontevaa. (Kuva 1)

Juttu Nuijamaan rajavartioista julkaistiin keskiviikkona kello 11 jälkeen. (Kuva 1)
Juttu keräsi noin 20 000 klikkausta.

Juttu jakautui kuvien, videoiden ja grafiikoiden myötä 15:sta kokonaisuuteen. Seurasimme miten pitkälle lukijat vierittivät sivua. Tallensimme tiedon kun käyttäjä saavutti kokonaisuuden alun.

Ensimmäisen kokonaisuuden alkuun vieritti noin 18 000 käyttäjää. Heti alussa menetettiin siis noin 10 % kävijöistä. Tämän jälkeen pito oli todella hyvä. Loppuun asti jutun vieritti 11 600 käyttäjää eli noin 60 %:a kävijöistä. Tämä on todella suuri osuus, koska aikaisemmin olemme nähneet lähempänä 10–20 % olevia lukuja. Toki edelleen ymmärryksemme lukujen takana perustuu pieneen otantaan. Emme ole vielä tarpeeksi usein mitanneet kuinka kuinka pitkälle tämänkaltaisia pidempiä juttuja vieritetään.

Jotain perusteluja hyvälle pidolle voidaan kuitenkin etsiä julkaisuajasta. Juttu julkaistiin selkeästi päivällä – kello 11 jälkeen – jolloin ihmiset ovat työpaikoillaan tietokoneiden ääressä. Yleinen sääntö meillä julkaisulle on, että paras julkaisuaika on heti aamulla, mutta tästä ehkä opimme, että tämänkaltaisten erikoistaitettujen juttujen kohdalla viisautta voidaan hakea myös muunlaisesta julkaisuajankohdasta.

Tilastonikkareille


Luvut ovat Google Analyticsin yksilöidyt tapahtumat -lukuja.

Jutun lukijamäärä: 20 028
  1. osion alkuun: 18 176
  2. osion alkuun: 17 340
  3. osion alkuun: 16 240
  4. osion alkuun: 15 318
  5. osion alkuun: 14 981
  6. osion alkuun: 14 512
  7. osion alkuun: 13 774
  8. osion alkuun: 13 579
  9. osion alkuun: 13 142
  10. osion alkuun: 13 074
  11. osion alkuun: 12 516
  12. osion alkuun: 12 451
  13. osion alkuun: 11 928
  14. osion alkuun: 11 702
  15. osion alkuun: 11 432

maanantai 27. huhtikuuta 2015

Yli 2 miljoonaa "swaippausta", Kandideitti oli menestys

Julkaisimme vaalien alla Kandideitti-nimisen sovelluksen, joka tunnettiin myöhemmin myös Vaalitinder-nimellä.

Kandideitti oli eräänlainen minivaalikone, jonka avulla sopivaa ehdokas etsittiin viiden asiakysymyksen kautta perustuen pelkästään ehdokkaiden kasvokuvaan, ikään ja etunimeen. Idea oli lainattu suositusta treffipalvelu Tinderistä.

Ehdokkaat saattoi joko hyväksyä tai hylätä annettujen tietojen perusteella. (Kuva 1)

Kandideitin tarkoitus oli lisätä erityisesti sellaisten ihmisten kiinnostusta vaaleihin, jotka eivät tavallisesti vaaleista innostu. Miten tämä tavoite täytty lukujen valossa?

Google Analytics -lukujen mukaan Kandideitillä oli noin 50 000 yksilöityä käyttäjää. Nämä käyttäjät hylkäsivät ja hyväksyivät ehdokkaita 2 150 000 kertaa. Eli reilut kaksi miljoonaa kertaa. Sovelluksen käyttäjät olivat siis erittäin ahkeria. Keskimäärin yksittäinen käyttäjä kävi läpi yli 40 ehdokasta, joka on todella suuri luku.

Tämä kertoo, että Kandideitti löysi erittäin aktiivisen käyttäjäryhmän, joka koki sovelluksen siinä määrin erittäin hyödylliseksi, että sen parissa viettiin paljon aikaa. Vaikeampi kysymys on arvioida ovatko nämä käyttäjät olleet etenkin sellaisia, jotka eivät muuten kiinnostu vaaleista. Ja vielä vaikeampi kysymys on saiko Kandideitti nämä ihmiset äänestämään tai vaikuttiko Kandideitti heidän äänestyspäätökseensä.

Kuten odottaa saattoi oli hylkääminen (1 800 000) erittäin paljon hyväksymistä (350 000) yleisempää. Löytöjä syntyi noin 57 %:ssa hyväksymisistä, joka on käytännössä sama kuin löydölle asetettu raja-arvo (3/5 asiakysymyksestä tuli olla samaa mieltä).

Kävijämäärä oli lopulta pienoinen pettymys. Odotimme jutulle yli 100 000 klikkausta, mutta jäimme tavoitteesta. Jutulla on tällä hetkellä ComScoren mukaan noin 79 000 klikkiä. Mutta ehkä näissä luvuissa näkyy juuri se, että Kandideitti oli kuitenkin lopulta pienemmän kohderyhmän niche-palvelu verrattuna Ylen muihin vaalituotteisiin (Vaalikone ja Vaaligalleria).

sunnuntai 19. huhtikuuta 2015

KML to GeoJSON to TopoJSON on Mac OS X

These introductions help you to convert a KML file to TopoJSON which allows you to reduce filesize.

Converting KML to TopoJSON


# Get KML (File -> Download -> KML)
https://www.google.com/fusiontables/DataSource?docid=153JjwSASwB6C4r1o0itwZr7imkDfuedEGIjk4LHr#map:id=3

# Install node via ports or brew (if not yet available)
port install npm
brew install node.js

# Install ogr2ogr (might need admin privilidges)
npm install -g ogr2ogr

# Rename file to data.kml
cd Downloads
mv Kuntarajat\ 2015.kml data.kml

# Convert KML to GeoJson with ogr2ogr
ogr2ogr -f GeoJSON data.json data.kml

# Install topojson (might need admin privilidges)
npm install -g topojson

# Convert GeoJson to TopoJson
topojson data.json -o data.tjson -p Name

# Simplify if needed
topojson data.json -o data.tjson --simplify-proportion=0.5 -p Name

# Use tools to determinate appropriate simplify value
http://www.mapshaper.org/
http://shancarter.github.io/distillery/



Implementation guidelines


# Get TopoJSON library
https://github.com/mbostock/topojson

# In your implementation define a map
var map = new google.maps.Map($('.map_container')[0], {
    center:new google.maps.LatLng(60.25, 24.87),
    mapTypeControl:false,
    mapTypeId:google.maps.MapTypeId.ROADMAP,
    minZoom:9,
    overviewMapControl:true,
    panControl:true,
    scaleControl:false,
    streetViewControl:false,
    zoom:yleApp.zoom,
    styles:styler,
    zoomControl:true
});

# Attach polygons to the map
$.getJSON('data.tjson', function (data) {
    yleApp.map.data.addGeoJson(topojson.feature(data, data.objects.data));
});

# Define polygon styles
yleApp.map.data.setStyle(function (feature) {
  return {
    cursor:'pointer',
    fillColor:'#f00',
    fillOpacity:0.6,
    strokeColor:'#666',
    strokeWeight:0.5
  }
});

# Attach listeners
map.data.addListener('mouseover', function (event) {
  yleApp.map.data.overrideStyle(event.feature, {
    fillOpacity:0.8,
    strokeWeight:1
  });
});

map.data.addListener('mouseout', function (event) {
  map.data.revertStyle();
});

maanantai 9. helmikuuta 2015

Ohjeilla on väliä ja reagointi kannattaa

Julkaisimme tänään 9.2.2015 jutun jossa käsittelimme pääkaupunkiseudun ikääntymistä. Juttuun olimme tehneet kartan josta ikääntymistä oli mahdollista tarkastella alueittain. (Kuva 1)

Uutissovelluksella pystyi tarkastelemaan ilmiötä monista eri näkökulmista. (Kuva 1)
Uutissovellusta oli mahdollista käyttää monella tavalla. Ilmiötä saattoi tarkastella pitkällä aikajaksolla koko pääkaupunkiseudun tasolla tai ottaa tarkasteluun vain yksittäisen alueen.

Aamulla kello 8–9 välillä tarkkailimme miten eri toiminnallisuuksia sovelluksessa käytettiin ja havaitsimme, että yksittäinen alue valittiin tarkasteluun yllättävän harvoin. Uutissovelluksessa saattoi siis valita tarkasteluun yksittäisen alueen tiedot. (Kuva 2)

Klikkaamalla aluetta sai nähtäväkseen valitun alueen tiedot viivadiagrammina. (Kuva 2)
Oletuksemme oli, etteivät ihmiset tajua, että karttaa on myös mahdollista klikata. Mietimme Plus-tiimimme kanssa miten voisimme tukea tämän toiminnallisuuden löytymistä.

Päätimme lyhyiden keskustelujen pohjalta yksinkertaisesti lisätä osoittaessa avautuvaan tietoikkunaan lisätekstin, että klikkaamalla saat lisätietoa. (Kuva 3)

Lisäsimme toteutukseen ohjeen jossa kehotettiin osoittamisen lisäksi myös klikkaamaan aluetta. (Kuva 3)
Mitä tapahtui? Alueen valitsemisen suosio alkoi välittömästi nousta ja siitä tuli sovelluksen käytetyin ominaisuus.

Toki myös muilla tekijöillä on vaikutusta tähän kuten, että yhdeksän jälkeen ihmisten työpöytäkäyttö kasvattaa suosiotaan suhteessa mobiilikäyttöön.

Summasummarun reaaliaikaisen käytön seurannan avulla pystymme reakoimaan nopeasti ja parantamaan uutissovellusten toimintaa.

maanantai 2. helmikuuta 2015

NODA15 – Päällimmäiset tuntemukset

Viime viikonloppuna Norjan Ålensundissa pidettiin järjestyksessään toinen pohjoismainen datajournalismikonferenssi. Viime vuonna tapahtuma järjestettiin Ruotsissa Tukholmassa, missä olin myös paikalla. Tässä päällimmäiset ajatukseni tämän vuoden meiningeistä. (Kuva 1)

Ålesundissa tapahtuma ei ainakaan jäänyt maisemista kiinni. (Kuva 1)

1. Suomalaisedustuksen kapeus

Verrattuna muihin pohjoismaihin ja etenkin Norjaan ja Ruotsiin suomalaisten edustus oli konferenssissa hävyttömän kapea. Suomalaisista mediayhtiöistä olivat paikalla HS ja Yle kun muut pohjoismaat edustivat valtamedioiden lisäksi myös maakuntatasolla. Tästä kertoo jo sekin, että konferenssi järjestettiin 40 000 asukkaan Ålesundissa. 

Tietenkään tekemisen tasoa ei voida pelkästään mitata konfferenssiosallistumisilla, mutta mielestäni tämä on hälyttävä merkki kun sama tilanne oli myös viime vuonna Ruotsissa.

2. Ei palkintoja Suomeen

Konferenssissa jaettiin pohjoismaiset datajournalismipalkinnot viime vuoden tapaan. Viime vuonna Suomesta ehdolla oli töitä Yleltä ja Helsingin Sanomilta ja voittokin yhdessä kategoriassa tuli HS:lle. Tänä vuonna ehdolle pääsi enää Helsingin Sanomat, mutta palkinnot kiersivät Suomen mennen Norjaan, Tanskaan ja Ruotsiin.

Pelkästään tästäkään ei dramaattisia johtopäätöksiä kannata vetää, mutta fiilis on, että viime vuoteen verrattuna myös tekemisen tasossa olemme jääneet pohjoismaisia kumppaneitamme jälkeen. Näkemykseni on, että Ruotsissa Suomi nähtiin vielä pohjoismaisella tasolla datajournalismin edelläkävijänä. Enää tästä ei ollut pelkoa.

3. Melkein 400 osallistujaa

Datajournalismista ei voida puhua pienen porukan puuhasteluna. Konfenressiin oli ilmoittautunut melkein 400 henkilöä siitäkin huolimatta, että tapahtuma järjetettiin kaikella kunnioituksella hieman vaikeiden kulkuyhteyksien päässä. Paikalla oli hyvin arvovaltainen puhujajoukko sekä akateeminen puoli. (Kuva 2)

Ja miksi puhuttaisiinkaan. NY Timesin viime vuoden top 20:sta luetuimmasta jutusta puolet oli datajuttuja. Sama trendi on nähtävissä Ylellä. Vuonna 2013 top 5:sta luetuimmasta kolme oli PlusDeskin tuotantoa. Vuonna 2014 sama lukema oli kaksi. Datajournalistiselle tekemiselle on tilausta.

Illallisella ei tyhjiä paikkoja ollut. (Kuva 2)

4.  Haasteet ovat yheiset

Suurista pieniin toimijoihin kaikilla tuntui olevan samat asiat mielessä. Miten voimme analysoida lukijoitamme paremmin? Miten käännämme huomiomme lukijamääristä vaikuttavuuteen? Mobiilikäytön kasvu ja sen vaikutukset verkon tekemiseen sekä datajournalismiin? Verkkovideon muoto? Mitä normaalin toimittajan pitäisi opiskella? Miten ottaa sosiaalinen media huomioon? Mikä tulee olemaan vanhan median rooli?

Kovin selkeitä vastauksia näihin kysymyksiin ei saatu, mutta on jotenkin lohduttavaa, että The Guardian kaikkine resursseineenkaan ei ole juurikaan pidemmällä esimerkiksi uutissovellusten sisäisessä analytiikassa.

5. NODA16 Helsingissä

Vuoden 2016 Nordic Datajournalism Conference järjestetään huhtikuun lopulla Helsingissä. Silloin viimeistään on suomalaisen median aika herätä muutokseen.

maanantai 26. tammikuuta 2015

Puolet kävijöistä klikkaa yli kolme kertaa

Julkaisimme Yle Uutisten sivuilla perjantaina 23.1.2015 jutun "Omistusasuminen saattaa lisätä työttömyyttä – katso kuinka paljon omalla alueellasi on vuokra-asumista". Juttu keräsi viikonlopun aikana n. 46 000 yksilöityä sivun katselua (Google Analytics).

Jutun oheen olimme toteuttaneet uutissovelluksen, jonka avulla lukija pystyi tarkastelemaan postinumeroittain kuinka monta vuokra- ja omistustaloutta alueella on. Aineisto esiteltiin graafisesti sekä numeerisesti. Lisäksi sovellus kertoi postinumeroalueella asuvien ihmisten ammattiaseman jakautumisen. (Kuva 1)

Laskurista pystyi katsomaan minkälaisessa omistussuhteessa taloudet asuvat valitulla postinumeroalueella. (Kuva 1)

Aineistot hankittiin Tilastokeskuksen Paavo-palvelusta, josta ne saa ladattua tiedostoina tai rajapinnan kautta. Postinumerokohtaiset aineistot ovat olleet avointa dataa 14.1.2015 lähtien. Ruututietokanta on edelleen Tilastokeskuksen maksullinen palvelu.

Mittasimme kuinka paljon jutussa ollutta uutissovellusta käytettiin. Google-raportin mukaan postinumero valittiin n. 25 000 yksilöidyn käyttäjän toimesta. Eli n. 55 % jutun lukijoista käytti konetta vähintään kerran. Yhteensä postinumero valittiin koneella 84 000 kertaa eli keskimäärin yksittäinen käyttäjä valitsi postinumeroalueen n. 1,8 kertaa. Kuitenkin kun 45 % ei käyttänyt konetta ollenkaan on luku konetta ylipäänsä käyttäneiden osalta huomattavasti suurempi eli noin n. 3,3 kertaa.

Luvut ovat hieman parempia kuin osasin odottaa. Meillä ei kuitenkaan ole vielä tarpeeksi vertailuaineistoa, että voisimme yksikäsitteisesti numeroihin perustuen sanoa, että uutissovellus toimi hyvin ja että sitä osattiin ja haluttiin käyttää. Se, että keskimäärin konetta käyttänyt henkilö tarkasteli sen avulla yli kolmea postinumeroaluetta kertoo siitä, että aineisto on koettu hyödylliseksi ja kone on toiminut. Hypoteettisesti tämän luvun voisi olettaa olevan lähempänä kahta (edellinen ja nykyinen asuinpaikka).

Suosituimmat postinumeroalueet löytyivät Helsingistä ja muista suurista kaupungeista. Suurten aineistojen kohdalla kun valittavissa on esimerkiksi yli 3 000 postinumeroaluetta kannattaa meidän jatkossa miettiä onko järkevää tukea näiden suosituimpien alueiden löytymistä. Nyt postinumeroalueet olivat valittavissa kunnittain aakkosjärjestyksessä. Toisaalta suosituimpienkin aineistojen suosio oli kaikista valinnoista vain prosentin luokkaa. (Kuva 2)

Suosituimmat postinumeroalueet löytyivät Helsingistä ja muista suurimmista kaupungeista. (Kuva 2)

Se minkä keräämämme aineisto myös kertoo on, että koneella onnistuttiin hakemaan mobiilikäyttöliittymässä, jossa valinta tehtiin kirjoittamalla ei valitse, myös paljon alueita, joita ei ole olemassa. Tähän täytyy myös jatkossa kiinnittää huomiota.

Kooditeknisesti tämänkaltaisen käyttötiedon keräämisen implementointi on hyvin yksinkertaista. Tässä esimerkki tästä toteutuksesta ja postinumeroalueen valinnan käytön seurannasta. (Kuva 3)

Käytännössä yhdellä koodirivillä pystyy Google-analyticsiin lisäämään tapahtumien seurannan. (Kuva 3)

Lisää tapahtumien seurannasta voit lukea Google Analytics -dokumentaatiosta.

maanantai 13. lokakuuta 2014

Asuntojen myyntitietokonetta käytettiin kolmessa päivässä yli 250 000 kertaa

Perjantaina 10.10.2014 julkaisimme Yle Uutisten sivuilla jutun, joka käsitteli osakehuoneistojen arvojen kehitystä pitkällä aikavälillä, vuosina 1987–2013. Jutun yhteyteen oli rakennettu kone, josta hintojen kehitystä oli mahdollista tarkastella postinumeroalueen tarkkuudella. (Kuva 1)

Asuntokoneesta pystyi esimerkiksi tarkastelemaan Hervannan neliöhintojen kehitystä vuosittain. (Kuva 1)

Keräsimme koneen käytöstä numeerista dataa. Keräsimme:
  • sivun latausmäärä (174 000)
  • talotyypin valinta (139 000)
  • postinumeroalueen valinta (256 000)
  • vertailualueen valinta (5 700)
  • vuoden valinta (84 000)
Luvut ovat aikajaksolta 10.–12.10.2014 eli viime perjantaista sunnuntaihin.

Sivun latausmäärä


Sivun latausmäärän keräsimme normaaliin tapaan ComScore-ohjelmalla. Ylen mittakaavalla 174 000 sivulatausta on selkeästi viikkotason hitti. Vertailukohdaksi vuoden 2014 luetuin juttu on kerännyt yli 600 000 sivulatausta eli aivan sillä tasolla ei liikuta, mutta aina kun juttu on viikon luetuin voidaan olla tyytyväisiä.

Potentiaalia suurempiinkin lukijamääriin olisi tietysti ollut, koska useimmilla meistä on koti vaikka se omistusasunto ei olisikaan.

Talotyypin valinta


Jotta konetta pystyi käyttämään täytyi ensiksi valita halusiko tutkia aineistoa koskien kerrostaloja vai pari/rivitaloja. (Kuva 2)

Aluksi koneessa täyty valita halusiko tarkastella kerrostalohuoneistoja vai pari/rivitalohuoneistoja. (Kuva 2)

Talotyyppi valittiin 139 000 kertaa. Raa'asti yksinkertaistamalla siis 35 000 sivulataajaa tai 20 %:a sivulataajista ei käyttänyt konetta ollenkaan. Näin suoraviivaisesti lukuja ei tietenkään voi tulkita, koska yksittäinen sivun lataaja on voinut valita talotyypin useaan kertaan. Toisaalta taas yksittäinen henkilö on voinut palata uutiseen jo käytettyään konetta.

Mutta jos oletetaan karkeasti, että 80 %:a jutun lukijoista on ymmärtänyt käyttää jutusta löytyvää toiminnallisuutta – joka poikkeaa siitä mitä Ylen uutisjutusta normaalisti voi odottaa – voidaan tätä lukemaa pitää hyvänä.

Syitä näin korkeaan osuuteen voidaan löytää esimerkiksi siitä, että käyttöliittymä on ollut tarpeeksi yksinkertainen, jotta se on ollut ymmärrettävä ja siitä että sisältö on tarjoiltu niin mielenkiintoisesti, että lukija on kokenut sen riittävän kiinnostavaksi.

Olisi mielenkiintoista saada jatkossa statistiikkaa siitä miten tämä 80 % esimerkiksi vertautuu siihen kuinka moni lukee normaalin uutisjutun loppuun asti. Olemme tällä hetkellä kehittelemässä tähän liittyviä työkaluja.

Jatkotoimenpiteinä pyrimme myös jatkossa mahdollisimman selkeisiin ja yksinkertaisiin käyttöliittymiin. Uutissisällöissä on tärkeää, että lukija pääsee mahdollisimman nopeasti kiinnostavan sisällön äärelle.

Kerrostalot (71 000 valintaa) olivat muuten minimaalisesti pari/rivitaloja (68 000 valintaa) kiinnostavampia.

Postinumeroalueen valinta


Teknisesti postinumeroalueen valinnan toteuttaminen oli haastavaa, koska postinumeroita on yli 3 000. Etenkin mobiililaitteilla näin laajan aineiston hakeminen ja suodattaminen käy laitteelle raskaaksi.

Lopulta päädyimme ratkaisuun, jossa mobiililaitteilla ja työpöytäkäytössä postinumeroalueen valitseminen toimii hieman eri tavalla. Työpöytäkäytössä postinumeroalueita on mahdollista selata sekä hakea, mutta mobiililaitteilla mahdollisuus selaamiseen jätettiin pois.

Julkaisuhetkellä mobiili toimi samalla tavalla kuin työpöytä, mutta saadun palautteen pohjalta kehitimme konetta lennosta. Muutokset olivat käytössä ennen puoltapäivää kun juttu julkaistiin aamulla puoli seitsemän aikaan.

Työpöytäkäytössä hyödynsimme Chosen-nimistä kirjastoa, joka muuntaa HTML-muotoiset <select>-listat haettaviksi (Kuva 3). Mobiilikäytössä käytimme jQuery UI:n autocomplete -toiminnallisuutta (Kuva 4).
Työpöydäkäytössä postinumeroalueita pystyi selaamaan ja hakemaan. (Kuva 3)
Mobiilikäytössä postinueroita pystyi vain hakemaan. (Kuva 4)

Valitsemamme toteutustapa osoittautui ainakin käyttötilastojen valossa toimivaksi. Yksittäinen postinumeroalue valittiin koneen avulla 256 000 kertaa. Tämä tarkoittaa karkeasti, että yksittäinen lukija käytti konetta postinumeroalueen datan tarkistamiseen keskimäärin kaksi kertaa.

Tämä kertoo, että aineisto on kiinnostanut ja käyttöliittymä sen tarkasteltuun on ollut toimiva. Käytännössä tietysti käyttäjistä löytyy tehokäyttäjiä, jotka ovat valinneet mahdollisesti useita kymmeniä alueita ja sitten on käyttäjiä, jotka ovat valinneet vain yhden alueen.

Huomion arvoista on myös, että asuntokoneen käyttäjistä 38 % tuli mobiililaitteista (puhelin ja tabletti). Aamulla ennen tekemiämme mobiilikäyttöön liittyneitä parannuksia osuus oli lähempänä 20 %:a. Eli tehdyt parannukset olivat tarpeen.

Suosituimpia hakuja olivat Helsinkin eri alueet sekä suurten kaupunkien keskustat:
  1. 00100 Helsinki Keskusta / Helsingfors centrum (2 138 valintaa)
  2. 20100 Turku Keskus / Åbo centrum (1 597)
  3. 00530 Kallio / Berghäll (1 574)
  4. 37800 Toijala keskus / Toijala centrum (1 420)
  5. 33100 Tampere Keskus / Tammerfors centrum (1 383
  6. 00200 Lauttasaari / Drumsö (1 361)
  7. 40100 Jyväskylä Keskus / Jyväskylä centrum (1 132)
  8. 90100 Oulu Keskus / Uleåborg centrum (1 126)
  9. 00500 Sörnäinen / Sörnäs (983)
  10. 00320 Etelä-Haaga / Södra Haga (981)
Toijalan keskustan nouseminen listalle selittyy sillä, että se oli pudotusvalikon ensimmäinen valinta, koska alue kuuluu nykyään Akaaseen, joka on aakkosjärjestyksessä Suomen ensimmäinen kunta.

Huomionarvoista on, ettei suosituinkaan alue kerännyt kuin noin prosentin valinnoista. Aineistoa tarkasteltiin siis hyvin laajasti. Eri aluevalintoja tehtiin yhteensä vajaa 2 000 kappaletta.

Jatkossakin kannattaa siis panostaa siihen, että erilaiset valinnat ovat mahdollisimman hyvin käytettävissä eri laitteilla. Etenkin jos ne ovat keskeisiä sovellusten käytön kannalta. Se, että aineistoa on tutkittu laajasti kertoo myös siitä, että tämänkaltaiset koneet jotka palvelevat kaikkia ovat toimivia. Meillä kaikilla on omat alueelliset kiinnostuksen kohteemme ja se on oma napa joka kiinnostaa.

Vertailualueen valinta


Perjantaina iltapäivällä julkaisun jälkeen toteutin koneeseen vielä lisätoiminnallisuuden, jonka avulla oli mahdollista vertailla yhtä aikaa grafiikassa kahta aluetta. (Kuva 5, Kuva 6)

Vertailualueiksi pystyi ottamaan esimerkiksi Hervannan ja Tampereen Keskuksen. (Kuva 5)
Grafiikassa valittujen alueiden hintakehityksen pystyi näkemään yhtä aikaan, joka helpotti vertailua. (Kuva 6)

Mahdollisuus vertailualueen valintaan ei ollut siis mukana jutun julkaisusta lähtien vaan se lisättiin vasta myöhemmin iltapäivällä. Tästä huolimatta voisaan sanoa, että toiminnallisuuden käyttö jäi hyvin pieneksi. Vertailualue valittiin vain 5 700 kertaa kun siis yksittäinen postinumeroalue valittiin näkyville 50 kertaa useammin.

Syitä miksi vertailualuetoiminnallisuutta ei käytetty voidaan hakea monista näkökulmista. Toisaalta toiminnallisuus oli käyttöliittymällisesti esillä melko huomaamattomasti. Se löytyi postinumeroaluevalinnan alta oikealta puolelta linkkinä. Tämä poikkesi muusta koneen käyttöliittymästä ja voi olla, että yksinkertaisesti toiminnallisuutta ei löydetty. Voi myös olla, että lukijoille riitti, että he pystyivät katsomaan heitä kiinnostavia alueita. Vertailu tällä tavalla muihin alueisiin ei ollut sisällöllisesti kiinnostavaa.

Tämä on kuitenkin hyvä tutkiskelun paikka, että tämänkaltaisissa toteutuksissa kannattaa keskittyä pääasiallisiin toiminnallisuuksiin ja siihen, että niistä tehdään mahdollisimman toimivia. Erilaiset lisätoiminnallisuudet ja sellaiset "olisi kiva jos tässä voisi tehdä vielä vaikka tätä ja tuota" -pyynnöt ja niiden arvo kannattaa miettiä tarkasti. Onko niistä todellista hyötyä vai ovatko ne vain aineistoon tutustuneen toimittajan ja koodarin päässä kiinnostavia.

Hyvä nyrkkisääntö moniin visualisointeihin ja datan esittämiseen on "Quick overview, details on demand". Yksityiskohdat (details) voidaan myös tarjota esimerkiksi mahdollisuutena ladata aineisto Excel-tiedostona.

Ostovuoden valinta


Koneessa oli myös mahdollista syöttää lisävalintana ostovuosi. Ostovuoden syöttäminen oli lisävalinta. Syöttämällä asuntotyypin ja postinumeroalueen lukija sai oikeastaan jo oleellisimman informaation näkyville, mutta jos hän syötti edelleen asunnon ostovuoden kerrottiin hänelle yksityiskohtaisempaa tietoa asunnon arvon kehityksestä valitusta ostovuodesta vuoteen 2013. (Kuva 7)

Valitsemalla ostovuoden lukija sai tietoa millä tavalla valitulla alueella asuntojen hinnat ovat kehittyneet ostovuodesta vuoteen 2013. (Kuva 7)

Ostovuosi valittiin 84 000 kertaa, jota pidän yllätyksellisen korkeana arvona ottaen huomioon, että suuri osa lukijoista ei edes omista omaa asuntoa. Toisaalta ostovuoden valinta jäi käyttöliittymällisesti hieman taka-alalle, koska hinnan kehitystä kuvaava grafiikka piirrettiin heti postinumeroalueen valinnan jälkeen. Visuaalinen grafiikka oletettavasti vangitsee ilmestyessään katseen itseensä. Oma näkökulmani olikin ensin, ettei tätä ostovuoden valintaa kannata toteuttaa koneeseen ollenkaan.

Ostovuoden valinta kuitenkin koettiin hyödylliseksi, koska jälleen karkeasti voidaan sanoa, että 60 %:a koneen käyttäjistä löysi tämän toiminnallisuuden ja hyödynsi sitä. On siis nähtävä, että tämänkaltaiset toiminnallisuudet ja lisävalinnat, jotka tuovat suoraa lisäarvoa lukijalle ja antavat perspektiiviä aineistoon hänen omasta näkökulmastaan ovat hyödyllisiä.

Suosituimmat vuosivalinnat olivat:
  1. 1987 (9 866 valintaa)
  2. 2013 (8 425)
  3. 2010 (5 267)
  4. 2012 (5 103)
  5. 2011 (4 674)
  6. 2000 (4 262)
  7. 2008 (3 625)
  8. 2009 (3 585)
  9. 2007 (3 573)
  10. 2005 (3 472)
Vuoden 1987 suosio selittyy sillä, että se oli aineiston ensimmäinen vuosi ja samalla pudotusvalikon ensimmäinen valinta. Vuotta 2000 taas selittää, että jutussa käsiteltiin yhtenä näkökulmana hintojen kehitystä vuosina 2000–2013. Lukijoita siis kiinnosti verrata jutussa tehtyä havaintoja omaan alueensa kehitykseen.

Muuten nähdään, että ihmiset ovat olleet kiinnostuneita suhteellisen tuoreesta kehityksestä. Voidaan tehdä myös sellainen hypoteesi, että, koska koneessa valittiin useimmin esimerkiksi Helsingin keskustan alueita, joissa on paljon pieniä asuntoja ovat koneen käyttäjät myös tämänkaltaisten asuntojen ostajia ja pienissä asunnoissa usein asutaan isompia lyhyempi aika.



Yhteenvetona voitaneen todeta, että tämänkaltainen uutissisältöjen tarkempi käyttöanalytiikka tuottaa erittäin arvokasta ja mielenkiintoista dataa. Pystymme todentamaan ja kumoamaan oletuksiamme, jonka myötä toivottavasti jatkossa kehitämme aina vain parempia ja helppokäyttöisempiä uutissovelluksia.

Olemme jo nyt vieneet keräämäämme dataa osaksi päätöksentekoa, joka on tietysti olennaista, että emme vain kerää dataa, koska se on mahdollista.