Läste här i julledigheterna en artikel om internetanvändning i Vietnam som Maciej Zaremba publicerat i DN under titeln: “Proletariatets diktatur får konkurrens“. Intressant, även om Zaremba långt ifrån hör till mina favoritjournalister, men det jag reagerar på är att han liksom allt fler journalister hänvisar till statistik från Alexa. Ett utdrag:

“Enligt Alexas ranking är VN-Express den 82:a mest besökta sajten i världen. Störst av alla är Yahoo”.

Jag har tidigare skrivit om tveksamheterna kring statistiken från Alexa här på Internebrus eftersom den baseras på användningen av Alexa toolbar. Läs: “Greg Linden om webbstatistiken från Alexa” och “Går det att lita på webbstatistiken från Alexa?”

Alexas statistik finns fritt på Internet och i brist på annat greppar journalisterna tag i det på samma sätt som man mer och mer slentrianmässigt hänvisar till Wikipedia som källa. Gratis är gott, eller?

Det jag menar är att man som journalist åtminstone bör lägga in en kortare förklaring till bristerna i Alexas statistik och hur den samlas in. Någon kanske säger att det finns ingen helt pålitlig statistik eftersom man kan vända och vrida på statistik, ofta så att det passar ens egna syften. Jag hävdar dock att det finns bättre och sämre insamlad statistik och Alexa hör absolut till de sämre varianterna.

Som ni läsare och Mark Twain vet är ju statistik förbannad lögn. Undra om Mark Twain även syftade på webbstatistik också? Jag gjorde en liten test på Alexas grafiska tjänst och jämförde antal sidvisningar ett år bakåt i tiden på Nikkes Index, Internetbrus, MyMarkup och Uppkopplat. Nikke drog längsta strået (sidvisningar senaste året):

Men till förlorarnas tröst kan jag påminna de om att Alexas sätt att samla webbstatistik via sin toolbar är som jag tidigare påpekat högst tveksam.

Enligt en undersökning initierad av Online Publishers Association (OPA), utförd i samarbete med Nielsen/NetRatings, besöker internetanvändare innehållsrelaterade webbplatser (t.ex. cnn.com) hälften av sin tid online i jämförelse med kommunikationsrelaterade (webbtjänster med syfte att underlätta utbyte av tankar, meddelanden eller information direkt mellan individer eller grupper, t.ex. Yahoo mail), sökrelaterade (webbtjänster som spindlar webben för att visa rankade träfflistor utifrån användarens sökord, t.ex. Google) och shoppingrelaterade sidor (webbtjänster med syfte att underlätta handlade via nätet, t.ex. Amazon).

Summering av en fyraårig uppföljning av internetanvändning utförd av OPA:

Innehåll
34%(2003) 47%(2007)

Sök
3%(2003) 5%(2007)

Shopping
16%(2003) 15%(2007)

Kommunikation
46%(2003) 33%(2007)

Innehållsrelaterad internetanvändning (med syfte på den totala tiden användaren är online) har ökat de senaste fyra åren med 37% och sökrelaterad med 35% och komminkationsrelaterad minskat med hela 28%.

Men statistik är ju alltid statistik och detta är bara en enskild studie. Om man tittar mer på metoderna för undersökningen Internet Activity Index (IAI) kan man läsa hur urvalet gjorts:

“The IAI is derived from a categorization of Web properties accounting for more than 90%, on average, of active Web users and approximately 55% of total usage time*. For Web properties that cross over into multiple categories, various site segments are classified individually. (For example, Yahoo! Mail is classified under Communications, while Yahoo! Sports is classified under Content.) The total amount of time spent by consumers in each category is then captured by Nielsen/NetRatings and reported monthly by the OPA”.

Asterisken (*) syftar på att .gov och .edu-sajter och prorrnografiska sajter inte ingår i beräkningen. Frågan är om den metod Pew Internet använder, där man tar ett begränsat urval användare (tyvärr alltid geografiskt baserat till USA) och med mjukvara bevakar deras användande, kan ge en mer nyanserad och bredare uppfattning om användningen. Man undrar verkligen i denna web 2.0-värld om kommunikationsrelaterad internetanvändning ska ha tappat så mycket i betydelse i jämförelse med dessa andra aktiviteter. Ev. skulle skillnaderna vara större om man tittade på olika åldrar och kön särskilt med tanke på studien “Social Networking Websites and Teens” från Pew Internet.

Å andra sidan kan nyhetsläsandet på nätet (och eventuellt bloggandet) var den stora faktorn i innehållets ökade betydelse.

Längst ned på sidan som visar IAI-metoderna kan man också se olika typer av statistik: share of time, total time, pages per person, unique visitors, page views och reach. Det fina i kråksången är ju att vana användare ofta öppnar sidor (företrädevis flera sidor i olika webbläsarfönster eller -flikar) och lämnar dessa öppna för att avbrytas av telefonsamtal, fika, läsa andra sidor, använda andra program på datorn osv. Att mäta tiden som man har en sida öppen kan bli väldigt missvisande med andra ord eftersom den inte mäter tiden du aktivt tar del av sidans innehåll och tjänster. Kanske är då statistik om sidvisningar (page views) eller unika besökare (unique visitors) åtminstone viktiga för ge en bättre helhetsbild.

Intervjustudier om internetanvändning borde också finnas med som ett komplement, men vi vet ju att det kan vara svårt att uppskatta hur mycket vi använder ditt och datt på internet om vi skulle bli tillfrågade.

Enligt comScore Networks qSearch analysis så hade Google 43,1% av alla webbsökningar i USA under april 2006, Yahoo 28% och MSN 12,9%. Detta att jämföra med april 2005 då resultatet var 36.5% för Google, 30,7% för Yahoo och 16,1 % för MSN. 6,6 miljarder sökningar gjordes i USA (hemma, på jobbet, på universiteten) under april 2006.

Hitwise statistik visar dock när man tittar på enskilda specialiserade söktjänster och andra tjänster att resultatet blir annars.

Populäraste e-posttjänst:
1. Yahoo Mail 42,4%
2. MSN Hotmail 22,9%
3. MySpace 19,5%
4. Gmail 2,54%

(I en jämförelse från CNET 17 maj 2006 mellan Hotmail, Yahoo Mail och Gmail fick Gmail bäst betyg.)

Populäraste karttjänst:
1.Mapquest 56,3%
2.Yahoo maps 20,5%
3.Google maps 7,5%

Populäraste ekonomiportal:
1. Yahoo Finance 34,9%
2. MSN Money Central 13,4 %
ca 40. Google Finance 0,29%

Jag skrev i mars om den webbstatistik Alexa sammanställer och ifrågasatte om det över huvud taget var användbart eftersom det enbart bygger på statistik från användare av Alexa toolbar. Nu har Greg Linden från Findory ifrågasatt Alexa:

The data is only for Alexa toolbar users, a small and heavily biased sample of Web users.

Han konstaterar:

Clearly, Alexa traffic charts should be used only with careful caveats. Only for large sites, over 10M page views per day, would I consider the data reliable. Otherwise, the tiny, biased sample easily can be manipulated.

Alexa heter en tjänst som ägs av Amazon och mäter besöksstatistik på webbplatser. Eftersom de inte har tillgång till webbplatsernas egen statistik baserar de statistiken på användningen av Alexa Toolbar. Vilket de bekräftar i ett brev till mig:

”Alexa bases all ranking information on the web usage of Alexa Toolbar
users. We do not have access to any web site’s private usage logs”.

Men min fråga är hur många använder Alexa Toolbar? När jag frågar Alexa själva svara de i samma brev att de inte publicerar den informationen:

“Alexa does not currently publish information on its Toolbar user numbers
or demographics”.

Jaha, varför är det så hemligt? Kan det vara så att användningen är så låg att det är pinsamt att basera statistik på detta? Nej, för Alexa skriver i samma andetag att man har flera miljoner användare:

“Alexa’s data comes from a large sample of several million Alexa Toolbar users…”

Eftersom det via Alexa finns statistik om Internetbrus innebär det att någon av våra 4000 unika besökare varje månad använder, till min stora förvåning, Alexa Toolbar. Som Alexa skriver:

“You will see that while there is the aforementioned swinging pattern in
the Reach, there is a history of Alexa Toolbar users visiting your site”.

Snälla besökare, om du är en av miljoner andra användare av Alexa Toolbar på Internet som besöker Internetbrus kan du väl meddela detta till oss så kanske jag kan avsluta mina konspirationsteorier här?
Varför då göra så stor sak av detta om teorierna skulle stämma? Vem bryr sig om Alexas statistik? Jo, webometrics kallas ett sätt att mäta värdet av forskning i olika länder och vid olika institutioner genom att använda webbstatistik och länkanalysmetoder. Bakom webometrics står en spansk forskargrupp:

“Laboratorio de Internet is a research group of the CINDOC - CSIC that acts as an observatory of the academic and scientific research activities and publication on the Web. Every January and July this site will offer a ranking of universities and research centres worldwide according to the webometric indicators of their institutional web domains. This is a contribution to Cybermetrics intended to provide not only an overview of the science and technology published on the Web but also a tool for evaluation of the research and scholarly communication. Our approach takes into account the wide range of scientific activities represented in the academic websites, frequently overlooked by the bibliometric indicators”.

Så här beskriver man webometrics:

“The ranking is based on a combined indicator that takes into consideration the volume of the published material on the web, and the visibility and impact of these webpages measured by the sitations (site citations) or links they received (inlinks). It is derived from the Web Impact Factor, build on the same idea as the bibliographic databases based Impact Factor of the Journal Citation Reports published by the Institute of Scientific Information, now Thomson Scientific.”

Det fina i kråksången är att man hämtar statistik bl.a. från Alexa:

” The data for popularity (number of visits) was extracted from the Alexa database”.

Ni förstår kanske varför jag gärna vill göra denna lilla “enkät” och veta om Internetbrus besökare verkligen använder Alexa Toolbar.

Det finns fler kritiska analyser av webometrics som borde göras. Förutom statistik från Alexa baserar webometrics sina analyser på en så kallad Web Impact Factor lanserad av Peter Ingwersen och Tomas Almind. Här tittar man på samma saker som sökmotrernas algoritmer gör vid länkanalys, nämligen en beräkning av inkommande och utgående länkar. Man kan undra hur de exakt använder sig av Google och andra sökmotorer vid beräkningen av t ex inkommande länkar (eng. inlinks).

Här är artikeln från Ingwersen et al som beskriver Web Impact Factor:

Infometric analysis on the World Wide Web: A methodological approach to “webometrics”.
Tomas C. Almind and Peter Ingwersen.
In: Journal of Documentation, 53(4), 1997, pp. 404-426.