Schrijven vanuit datafeedback 

Omroep Flevoland gaat vanaf september anders werken. Men gaat data verzamelen van lezers. Wat lezen mensen graag? Waarop haken ze af? Cijfers wijzen uit dat 70 procent van de berichten die men plaatst slechts 7 procent van de lezers bereikt. Het programma Smartocto laat dat zien voor nieuwszenders op diverse plaatsen. Er is geen reden aan te nemen dat het bij Omroep Flevoland anders ligt. Als je dus goede verhalen wilt maken, moet je sturen op de feedback die je krijgt van de data. Daar waar het publiek afhaakt, moet je verhalen bijstellen.

Dmitry Shishkin is een jaar of vijf geleden voor de BBC begonnen een model uit te werken waarin data van nieuwsberichten worden geanalyseerd. Veel nieuws is al bekend bij de consument als je als omroep er mee komt. Dus moet je zoeken naar invalshoeken die opnieuw de aandacht trekken en tot de verbeelding spreken. Natuurlijk er zijn ook berichten die je als medium als eerste brengt. Shishkin noemt dat de categorie ‘update me’. Voor een gemiddeld medium bestaat niet meer dan tien procent uit dat soort berichten. Dus – zo stelt Shishkin – moet je ook andere categorieën zoeken, zoals ‘verras me’, ‘inspireer me’, ‘raak en verbind me’, ‘help me verder’, ‘help me mijn mening te vormen’, ‘leer me iets nieuws’.

Omroep Flevoland gaat in die lijn werken met categorieën die journalisten al meegeven aan een verhaal. Vervolgens volgen de digitale media of het verhaal inderdaad op zo’n manier wordt ontvangen? Geven mensen een bericht door op sociale media? Lezen mensen een verhaal uit? Waar haken mensen af? Door op allerlei thema’s het nieuws te volgen, - er zijn in totaal 65 categorieën waarop de computer analyseert - kan een digitaal programma op maat feedback geven aan de schrijver. De computer kan zelfs concrete adviezen geven in de trant van: gebruik niet die ene kop, maar neem de andere; probeer hetzelfde artikel tegen de middag nog een keer te posten, op een derde van het verhaal haken de mensen af; probeer daar een andere overgang te maken.

Een dergelijk systeem zal niet zonder slag of stoot worden ingevoerd. Het kost tijd om mensen te laten aanvoelen welke tech ze moeten meegeven aan een artikel, zodat de analyse goed verloopt. En het kost tijd om met de feedback te werken en follow-ups te maken die als lezenswaardige verhalen worden beoordeeld. Bij sommige mensen zit ook wel wat emotionele achterdocht tegen deze vorm van kunstmatige intelligentie. Maar de voordelen zijn evident: je krijgt artikelen die door meer mensen worden gelezen en die worden herkend als meer lezenswaardig.

Voor de journalistiek is deze benadering van een verhaal relatief nieuw. Veel artikelen zijn opgebouwd vanuit een nieuwsbericht met de beantwoording van de klassieke vijf W’s aan het begin van een artikel: wie, wat, waar, wanneer, waarom. Door AI toe te passen krijg je meer variatie in verhalen en andere toonzettingen.

De journalistiek is relatief laat met het inzetten van kunstmatige intelligentie. Veel bedrijven en overheden gebruiken data-analyse om het beleid bij te stellen of om producten beter te verkopen. Om die reden kan je ook ethische vragen stellen. Is het dan zo dat de grootste gemene deler altijd de beste resultaten levert? Moet je slaaf worden van wat een computer aan feedback geeft? Het moge duidelijk zijn dat er talloze berichten blijven en artikelen die vanuit intuïtie worden opgesteld, maar het systeem van Shishkin kan helpen om een verdere professionaliseringsslag te maken.

Voor kerken is het gebruik van deze feedback niet helemaal vreemd. Verschillende kerken gebruiken voor de feedback op hun webpagina’s zoiets als Google Analytics, waardoor ze weten welk genre berichten het beste wordt gelezen. Predikanten die zich bekwamen in preekkunde leren al verhalen op te zetten. Als je een recent boek als dat van Kees van Ekris pakt, zie je hoofdstukindelingen die enigszins doen denken aan de criteria van Shiskhin. Het gaat om zaken als: de uitlegger, de mysticus, de ordenaar, de menselijke kant, de conflicterende kant, de uitdaging, de zegen. De homeletiek gebruikt andere woorden, maar het idee is vergelijkbaar: Je kiest invalshoeken die mensen meenemen en die mensen verleiden om verder te luisteren. Een programma als Smartocto maakt het echter mogelijk te systematiseren en getallen als feedback te ontvangen. Dat maakt het eenduidiger en dwingender. Want als je alleen op sensitiviteit feedback ontvangt, ben je geneigd al gauw excuses op te voeren voor minder geslaagde communicatie.