Zunächst unterscheiden West.andrew.g und Milowent in ihrem Bericht zwischen einer kurzzeitigen und einer langfristigen Beliebtheit, d.h. zwischen Artikeln, die nur zu einem bestimmten Zeitpunkt extrem hohe Zugriffszahlen aufweisen, und Artikeln, die im gesamten Untersuchungszeitraum (2010 bis 2012) besonders häufig aufgerufen wurden. Für die punktuellen Traffic-Peaks der ersten Gruppe sind vor allem folgende Gründe verantwortlich:

• Wichtige kulturelle Veranstaltungen und Todesfälle bekannter Persönlichkeiten – Am 12.02.2012, dem Todestag von Whitney Houston, wurde der Wikipedia-Artikel der Sängerin durchschnittlich 425-mal pro Sekunde aufgerufen. Sehr hohe Zugriffe hatten aber z.B. auch Artikel rund um den Super Bowl, die Olympischen Spiele oder etwa die Verleihung der Golden Globes.
• Google Doodles – Die themenbasierten Logos von Google führen beim Anklicken eine Suche aus, in deren Ergebnis an erster Stelle meistens ein Wikipedia-Artikel steht.
• Second-Screen-Effekt – Die Wikipedia-Nutzung ist stark vom Fernsehprogramm geprägt. Dazu habe ich bereits vor einigen Monaten einen Beitrag in diesem Blog geschrieben.

Artikel, die nicht nur punktuell, sondern immer wieder sehr oft zwischen 2010 und 2012 aufgerufen wurden, waren unter anderem Facebook, Google, YouTube und natürlich Justin Bieber. Einerseits spiegelt diese Statistik einen kulturellen Zeitgeist wider, andererseits – so vermuten die Verfasser – wollen viele Nutzer stark frequentierte Websites wie z.B. Facebook aufrufen und geben den Begriff eher ungewollt in einen Wikipedia-Suchschlitz ein, entweder auf der Wikipedia-Seite selbst oder im Browser.

Hier noch einmal der Link zu dem lesenswerten Signpost-Report:

Examining the popularity of Wikipedia articles: catalysts, trends, and applications

Weitere Link-Empfehlungen:

• http://wikipedia.trending.eu – Diese Seite habe ich aufgebaut, um aktuelle Themen-Trends der unterschiedlichen Wikipedia-Sprachversionen auf Stundenbasis darzustellen.
• http://toolserver.org/~johang/wikitrends – Dieses schöne Toolserver-Projekt von Johan Gunnarsson stellt Wikipedia-Trends auf Tages-, Wochen- und Monatsbasis dar.
• Daten-Fund: Die Wikipedia-Zugriffszahlen – Ein Beitrag in diesem Blog über die Rohdaten, mit denen die o.g. Tools arbeiten und auf deren Grundlage die hier zusammengefasste Untersuchung entstand.

Wo sind die Daten abrufbar?

Die Daten können auf dem Wikimedia-Server abgerufen werden. Hier der Link für 2012:

http://dumps.wikimedia.org/other/pagecounts-raw/2012

Was beinhaltet der Datensatz?

Der Datensatz enthält die Zugriffszahlen von zahlreichen Wikimedia-Projekten. Dazu zählen z.B. Wiktionary und Wikinews, vor allem aber auch alle Wikipedia-Portale in den unterschiedlichen Sprachversionen. Für jede einzelne Seite wird pro Stunde die Anzahl der Aufrufe angegeben. So kann z.B. festgestellt werden, wie oft der deutschsprachige Wikipedia-Artikel zu Barack Obama am 20.12.2012 zwischen 14:00 und 14:59 Uhr aufgerufen wurde.

Wieso sind die Daten interessant?

Wikipedia ist das beliebteste Internetportal in Deutschland. Laut der ARD/ZDF-Onlinestudie nutzen 72 Prozent der Befragten die Seite gelegentlich, die gelegentliche Nutzung von Twitter z.B. liegt dagegen bei nur vier Prozent. Außerdem ist Wikipedia sehr gut bei Google gerankt. Für viele Begriffe wird weit oben unter den ersten Suchergebnissen ein Link zu Wikipedia angeboten. Somit ist die Wahrscheinlichkeit hoch, dass jemand, der sich über ein Thema informieren will, auf dem Mainstream-Portal landet. Die Statistiken spiegeln deshalb das Interesse von vielen Internetnutzern wider und können eingesetzt werden, um aktuelle und historische Trends sichtbar zu machen. Außerdem lassen die Zugriffszahlen Rückschlüsse auf ein breites Nutzerverhalten zu (siehe dazu mein Blog-Beitrag zur Second-Screen-Nutzung). Da der Datensatz nicht nur die Zugriffszahlen der deutschen Wikipedia, sondern auch aller anderen Sprachversionen enthält, sind Ländervergleiche möglich.

Welcher Zeitraum wird erfasst?

Die ersten Daten liegen für Dezember 2007 vor und werden bis heute stündlich aktualisiert. Die Updates erfolgen immer nach ca. 20 bis 30 Minuten für die letzte volle Stunde.

Wie sind die Daten aufgebaut?

Die Daten werden als Textdateien im zip-Format abgelegt. Gepackt beträgt die Größe einer Datei ca. 70 bis 170 MB. Für jede volle Stunde wird eine eigene Datei generiert. Anhand des Dateinamens lassen sich Datum und Uhrzeit ablesen. Zum Beispiel enthält die Datei pagecounts-20121209-140000.gz alle Zugriffsdaten für den 9. Dezember 2012 zwischen 14:00:00 und 14:59:59 Uhr.

Für jede Seite, die in diesem Zeitraum aufgerufen wurde, wird innerhalb der Datei eine Zeile angelegt, die nach folgendem Muster aufgebaut ist:

projekt seitenname anzahl_zugriffe größe_der_seite

Hier ein konkretes Beispiel:

de Bauwerke_in_Hamburg 2 36518

Dabei steht de für die deutsche Wikipedia, Bauwerke_in_Hamburg ist der Name der Seite, 2 steht für die Anzahl der Aufrufe, 36518 gibt die Größe der Seite an.

Sonderzeichen in den Seitennamen sind als Escape-Sequenzen kodiert. Die Seite Baumkängurus sieht in den Daten also so aus: Baumk%C3%A4ngurus, die URL zum entsprechenden Wikipedia-Artikel setzt sich folgendermaßen zusammen:

http://de.wikipedia.org/wiki/Baumk%C3%A4ngurus

Neben diesen Artikelseiten enthalten die Daten aber auch alle anderen Seiten der Wikipedia, z.B. Benutzerseiten oder Hilfeseiten (etwa: Hilfe:Archivieren). Diese Einträge stören, wenn man an Themen-Trends interessiert ist, und müssen ggf. bei der Auswertung herausgefiltert werden.

Weitere Informationen zum Aufbau der Daten gibt es auf dieser Seite.

Woher stammen die Daten und wie verlässlich sind sie?

Die Daten werden durch ein von Domas Mituzas erstelltes System zur Verfügung gestellt. Der Entwickler hatte von Anfang an auch die Bedeutung der Zahlen für das Darstellen von Trends im Sinn, wie er in diesem Mailinglist-Beitrag von 2007 schreibt, in dem er den Service erstmals vorstellt. Bei den Daten handelt es sich um Auswertungen von Logfiles eines von Wikipedia eingesetzten Proxyservers (Squid). Die Daten sind also stark manipulationsanfällig. Durch häufige Aufrufe könnten bestimmte Seiten in den Statistiken leicht nach oben gebracht werden. Da diese Daten jedoch derzeit kaum bekannt sind und keine wichtigen Anwendungen darauf beruhen, dürften sie im Großen und Ganzen ein verlässliches Bild der Wikipedia-Nutzung wiedergeben.

Welche Anwendungen gibt es bereits auf Basis dieser Daten?

• Johan Gunnarsson stellt die Trends von Wikipedia-Artikeln auf Tages-, Wochen- und Monatsbasis dar. Angezeigt werden die zehn Artikel mit den meisten Besucherzuwächsen und die zehn mit den größten Besucherverlusten. Verfügbar sind die Trend-Listen für 25 Sprachversionen.
• Einen umfangreichen Dienst bietet die Seite http://stats.grok.se an. Dort können für jeden Artikel und jede Sprachversion die Zugriffszahlen in einem festgelegten Zeitraum auf Tagesbasis grafisch dargestellt werden. Die abgerufenen Daten stehen auch im JSON-Format zur Verfügung und können so für eigene Analysen benutzt werden. Übrigens ist diese Seite in jedem deutschsprachigen Wikipedia-Artikel verlinkt – allerdings recht unscheinbar ganz unten als “Abrufstatistik”.
• In einem Beitrag in diesem Blog habe ich versucht herauszufinden, wie sich das Second-Screen-Nutzerverhalten in den Wikipedia-Zahlen widerspiegelt.
• Da ich bis jetzt keinen Dienst gefunden habe, der die Daten aktuell auf stundenbasis darstellt, habe ich diese Seite gebastelt, die ich nach und nach weiter ausbauen werde. Ziel dabei ist, nahezu in Echtzeit Themen-Trends darzustellen.
• Wenn jemand weitere Anwendung oder Auswertung dieser Daten kennt, bitte über die Kommentarfunktion mitteilen. Die Liste wird dann zeitnah ergänzt.

Bei der diesjährigen Internationalen Funkausstellung IFA in Berlin kam das Thema ganz groß raus: Second Screen, d.h. die parallele Nutzung des Internets und Fernsehens, gewinnt – so das große Medienecho – immer stärker an Bedeutung. Es gibt in Deutschland mittlerweile mehrere Studien, die diesen Trend aufzeigen, unter anderem die zur IFA vorgestellte Untersuchung zur Zukunft der Consumer Electronics von BITKOM und Deloitte, die ergeben hat, dass 77 Prozent der Internetnutzer in Deutschland surfen, während der Fernseher läuft.

Die interessante Frage ist dabei: Hat die Internetnutzung während des Fernsehens Bezug zur gerade ausgestrahlten Sendung oder werden nebenbei z.B. Mails gecheckt oder Seiten angesurft, die nichts mit dem Programm zu tun haben? Im Rahmen der o.g. Untersuchung haben 23 Prozent der Befragten angegeben, dass sie sich online über das laufende Programm informieren oder mit anderen in sozialen Netzwerken über die aktuelle Sendung sprechen.

Alle mir bekannten Studien zum Thema Second Screen basieren auf Nutzer-Befragungen, interessant wäre jedoch in diesem Zusammenhang auch eine Auswertung von Nutzerdaten, die möglichst repräsentativ sind. Bei Twitter offenbart sich die Second-Screen-Nutzung bekanntermaßen ganz stark beim #Tatort mit zig Tweets pro Minute. Doch ist Twitter in Deutschland nicht gerade Mainstream, lt. der ARD/ZDF-Onlinestudie 2012 nutzen nur 4 Prozent Twitter (gelegentlich). Anders verhält es sich da schon mit Wikipedia. Das Portal zählt zu den meistbesuchten Internetseiten in Deutschland (72 Prozent gelegentliche Nutzung) und ist bei allen Altersgruppen beliebt. Deshalb habe ich mir die auf dem Wikimedia-Server verfügbaren Zugriffsstatistiken der deutschen Wikipedia angeschaut und versucht, dort Spuren der Second-Screen-Nutzung zu finden. Was mir – hier schon mal vorweggenommen – nicht wirklich schwer fiel …

Folgende Tabelle zeigt die 50 am häufigsten aufgerufenen Beiträge der deutschsprachigen Wikipedia zwischen Samstag, 3. November 2012, 18 Uhr und Sonntag, 4. November 2012, 3 Uhr.

Bei den meisten Top-50-Artikeln ließ sich ein direkter Programmbezug herstellen. Die Wikipedia-Nutzer informierten sich über die Gäste von Wetten dass, über Serien und Spielfilme sowie deren Schauspieler, über Boxer während der Kampfübertragung und Protagonisten von Dokumentationen. Zugute kommt Wikipedia hierbei sicherlich das hervorragende Ranking bei Google. Für viele Begriffe aus der Tabelle bietet Google im Suchergebnis Wikipedia als ersten oder zweiten Link an. Das heißt: Wenn jemand nach Informationen zum aktuellen TV-Programm mit Hilfe von Google sucht, ist es nicht gerade unwahrscheinlich, dass er dem hoch gerankten Wikipedia-Link folgt.

Auch an Wochentagen finden sich immer wieder programmbezogene Beiträge unter den am meisten geklickten Wikipedia-Artikeln. Allen voran beliebte Fernsehserien wie How I Met Your Mother, Two and a Half Men oder Big Bang Theory. Interessant ist, dass die sendungsbezogenen Seiten tatsächlich vor allem dann sehr stark frequentiert werden, wenn die Sendung gerade läuft, danach nimmt die Nutzung schnell wieder ab. Dies veranschaulicht beispielhaft folgender Chart. Er stellt die täglichen Zugriffszahlen des Wikipedia-Artikels The Big Bang Theory zwischen dem 7.9.2012 und dem 3.11.2012 dar. Deutliche Ausschläge nach oben entstehen alle sieben Tage, immer dienstags, wenn die Serie bei Pro 7 ausgestrahlt wird.

Ein Blick in den Tag (30.10.12) hinein zeigt, dass die Aufrufe vor allem während der Sendezeiten stattfinden, von 10.40 Uhr bis 11.35 Uhr laufen bei Pro 7 zwei Folgen, ebenso von 15.10 Uhr bis 16.05 Uhr – und dann vor allem zwischen 21.45 Uhr und 23.10 Uhr.

Häufig lassen sich programmbezogene Aufrufe bei Wikipedia beispielsweise auch während der Ausstrahlung von Wer wird Millionär? auf RTL finden. Da halten viele wohl die Spannung nicht aus und nutzen die Werbepause, um nach der Lösung für die gerade gestellte Frage zu suchen. Nachfolgende Tabelle zeigt die Top-30-Artikel am 12.11.2012 von 20 bis 20:59 Uhr.

Mit Abstand die meisten Zugriffe hatte der Artikel über Andreas Voßkuhle. Günther Jauch wollte von seinem Kandidaten wissen, welcher wissenschaftlichen Disziplin der Präsident des Bundesverfassungsgerichts es zu verdanken habe, dass er heute eines der wichtigsten Ämter der Bundesrepublik bekleiden könne. Aber auch die Artikel Kylie Minogue, Madonna_(Künstlerin), Take_That, Phil_Collins, Zeroide und Zebresel beziehen sich auf Antworten bzw. Antwortmöglichkeiten zu Fragen, die in der Sendung gestellt wurden.

Zusammenfassend können auf Grund dieser kurzen Analyse der Wikipedia-Artikelaufrufe zwei Dinge festgestellt werden: Erstens ist die Nutzung von Wikipedia deutlich vom TV-Programm geprägt. Vor allem am Samstagabend, punktuell aber auch an Werktagen finden sich unter den meistgeklickten Wikipedia-Beiträgen sehr viele programmbezogene Artikel. Und zweitens findet der Aufruf dieser programmbezogenen Artikel vor allem dann statt, wenn die jeweilige Sendung im Fernsehen läuft. Beides zusammengenommen spiegelt den bereits durch die eingangs genannte Studie aufgezeigten Trend der Second-Screen-Nutzung mit direktem Programmbezug wider.

Die o.g. Wikipedia-Zugriffsdaten liegen als reine Textdateien auf dem Wikimedia-Server. Um sie besser auswerten zu können, habe ich ein Perl-Skript geschrieben, das die Daten aufräumt und in einer MySQL-Datenbank speichert. Dazu folgt bald ein eigener Blog-Eintrag. Bis dahin hier schon mal der Link auf eine (schnell gebastelte…) Seite, auf der – stündlich aktualisiert – die 50 am häufigsten aufgerufenen Artikel der deutschen Wikipedia aufgelistet sind.

Update 9.12.12: Mittlerweile habe ich einen Blog-Eintrag geschrieben, der die Wikipedia-Daten etwas genauer beschreibt.