Websites herunterladen, die Tumblr nutzen

Über Tumblr

Taucht eine soziale Plattform im Markup einer Website auf, kann das zwei völlig verschiedene Dinge bedeuten, und wer diese Daten ernsthaft nutzt, muss sie als Erstes auseinanderhalten.

Im ersten Fall ist die Plattform die Website. Eine eigene Domain, die auf einen gehosteten Blog zeigt, bedeutet: kein Server, auf dem man sich anmelden könnte, kein CMS zum Erweitern, kein Plugin zum Installieren und keine Datenbank, die irgendjemandem gehört. Im zweiten Fall ist die Plattform nur ein Fragment: ein Teilen-Button, ein eingebetteter Feed, ein Follow-Widget auf einer Website, die ansonsten ganz konventionell gebaut und anderswo gehostet wird. Beide Fälle ergeben eine Erkennung von Tumblr, doch die beiden Bestände haben kommerziell fast nichts gemeinsam.

Welcher der beiden Fälle vorliegt, verändert den Wert der Zeile vollständig. Eine Domain, die komplett auf der Plattform gehostet wird, ist ein hartes Qualifizierungsmerkmal für alle, die Migration, E-Commerce-Tools, Hosting oder irgendetwas mit Serverzugriff verkaufen, denn die Antwort lautet kategorisch Nein, bis der Inhaber umzieht. Eine Domain, die lediglich ein Widget einbindet, ist dagegen ein Marketingsignal, ein Beleg dafür, dass eine Marke dort ein Publikum pflegt und die Plattform als Kanal betrachtet, auf den sich ein Link von der Hauptwebsite lohnt.

Für die Auswertung der Daten ist auch die Geschichte der Plattform selbst wichtig. 2007 gestartet und in Ruby geschrieben, ging sie durch die Hände mehrerer Eigentümer, bevor sie beim Unternehmen Automattic landete, und sie läuft nach wie vor unter der Lizenz Proprietary. Asset-Hosts und Embed-Endpunkte haben sich im Lauf der Zeit geändert, was bedeutet, dass Fingerprints aus verschiedenen Crawl-Phasen nicht vollständig vergleichbar sind, und eine Website mit einem alten Embed verweist möglicherweise auf etwas, das auf keiner der beiden Seiten mehr gepflegt wird.

Die geografische Verteilung spiegelt das Publikum wider, nicht irgendeine technische Einschränkung. 10.077 der erkannten Domains verorten wir in den USA, und bei den Endungen liegt .com vorn, was zu einer Plattform passt, deren Kreativ- und Fandom-Communitys sich schon immer auf einen Markt konzentriert haben und deren Nutzer Domains unter generischen Endungen registrieren.

Genau dazu dient ein vollständiger Export: Er löst diese Mehrdeutigkeit auf. Enthält eine Zeile die Plattform und praktisch nichts anderes, oder nur die eigenen Asset-Hosts der Plattform, wird die Website sehr wahrscheinlich vollständig dort gehostet. Enthält dieselbe Zeile zusätzlich ein CMS, ein Analytics-Tag, einen Zahlungsanbieter und einen Mail-Host, ist die Plattform ein Widget auf der Website eines anderen. Für diese Entscheidung braucht man alle Fingerprints einer Domain in einer Zeile, und die liefert eine Abfrage pro Domain jeweils für einen Hostnamen, ein herunterladbarer Bestand dagegen für alle auf einmal.

Eine Grenze bleibt: Wir melden, was geladen wird, nicht, was beabsichtigt ist. Ein Teilen-Button, der vor Jahren in einem Template stehen geblieben ist, sieht genauso aus wie ein aktiv gepflegter Kanal, und allein anhand des Markups können wir Ihnen nicht sagen, welcher Fall vorliegt. Sagen können wir Ihnen, welche kommerziellen Domains insgesamt noch einen Teil ihres Frontends über die Plattform laufen lassen. Das ist der Bestand, den es zu untersuchen lohnt, und der Rest der Zeile zeigt Ihnen dann, wo Sie anfangen.