Thereโs been a lot of energy and excitement in media circles of late about the future of measurement and the promise of big data. At Nielsen, weโve long understood the value of big data, in fact just last month we announced additional details around how we are adding it to our national TV measurement service.
Wir wissen auch, dass kein panel perfekt ist, wie die letzten Monate gezeigt haben.
Aber wenn unsere Teams von Datenwissenschaftlern einige der groรen, breit gefรคcherten Behauptungen รผber Big Data hรถren, die den Tag retten und alle vermeintlichen Herausforderungen in der Branche lรถsen sollen, ist es schwer, nicht skeptisch zu sein.
Thatโs because, for all itโs value and amazing potential, the big data sets that the industry currently has access to have very real limitations.
Ein aktuelles Beispiel
Nachdem Comscore den Zugang zu den Portable People Meters von Nielsen verloren hat, berichtet das Unternehmen, dass es nun Datensรคtze von Experian's ConsumerView verwenden wird, um einzelne Zuschauer fรผr Messzwecke zu identifizieren. Die Ankรผndigung wurde in der Fachpresse als Fortschritt dargestellt - denn wenn Big Data die Zukunft ist, muss jede Verรคnderung in diese Richtung eine gute Sache sein.
Zum Leidwesen ihrer Kunden und der Verbraucher ist dies jedoch nicht der Fall.
Es gibt eine Handvoll Drittanbieter von Identitรคtsdaten, die in der Lage sind, Datensรคtze auf der Grundlage personenbezogener Daten abzugleichen und demografische Merkmale bereitzustellen, die sowohl direkt erhoben als auch modelliert wurden.
Bei Nielsen รผberprรผfen wir diese Daten regelmรครig. Wir tun dies, indem wir Informationen aus unseren robusten panels direkt messen, um zu validieren, wie genau diese Datensรคtze 1) einem Haushalt korrekt zugeordnet sind und 2) demografische Daten und Merkmale korrekt wiedergeben.
Was wir in der Regel finden, sollte Werbetreibenden zu denken geben.
Die meisten der heute verfรผgbaren Datensรคtze basieren auf Rechnungsdaten oder der Erfassung des Online-Verhaltens, nicht auf demografischen Profilen. Sie verfรผgen nicht รผber die umfangreichen Details darรผber, wer genau die Personen auf ihren Listen sind - vom Alter รผber das Einkommen bis hin zu Ethnie und Volkszugehรถrigkeit - wie dies bei einem robusten panel Fall ist. Da diese Datensรคtze durch รbertragungen von Maschine zu Maschine erstellt werden, erhรถhen sie auch die Mรถglichkeit von Verschwendung und Betrug.
Aus diesem Grund kรถnnen sie nur bedingt Auskunft darรผber geben, wer tatsรคchlich in einem bestimmten Haushalt lebt. Und sie kรถnnen nicht sagen, wer in einem bestimmten Haushalt ein bestimmtes Programm zu einer bestimmten Zeit sieht.
Selbst wenn Sie diese Daten mit anderen Quellen abgleichen, sind massive Lรผcken und Fehler in Ihren Schรคtzungen fast garantiert. Das mag akzeptabel sein, wenn der Anwendungsfall die Zielgruppenansprache ist, aber diese Daten allein bieten nicht die Genauigkeit, Objektivitรคt und Transparenz, die fรผr eine Messung erforderlich sind.
Warum das wichtig ist
Was bedeutet das nun praktisch? Nun, es hat ein paar Auswirkungen.
Im Falle von Comscores Abkehr von unseren Personal People Meters, die tatsรคchlich Mikrofone an ~100.000 realen, verifizierten Menschen anbringen und genau verfolgen, was sie sich ansehen,
zu einem Modell, das anhand von Abrechnungsdaten Schรคtzungen darรผber anstellt, wer in einer Wohnung ein bestimmtes Programm zu einem bestimmten Zeitpunkt sieht, wird das Ergebnis eine weniger genaue Anzeige darรผber sein, wer was sieht.
Die mรถglicherweise grรถรere Auswirkung ist jedoch, dass diese Verschiebung die Branche noch weiter davon entfernt, ein wahres Bild des Landes zu zeichnen.
Wir wissen, dass viele dieser Arten von Datensรคtzen besser geeignet sind, Daten รผber Haushalte zu liefern, wenn die dort lebenden Menschen ihr eigenes Haus besitzen und schon lange dort leben. Und das ist nur logisch. Das Problem dabei ist, dass Menschen, die seit langem ein Eigenheim besitzen, in der Regel weiรer, wohlhabender und deutlich รคlter sind als die Bevรถlkerung insgesamt. In diesen Datensรคtzen werden Schwarze und Braune, Menschen mit geringerem Einkommen und jรผngere Menschen unterreprรคsentiert, und das zu einer Zeit, in der alle diese Gruppen wachsen und nicht schrumpfen.
Das Gleiche gilt fรผr Datensรคtze, die auf der Grundlage von Set-Top-Box-Daten erstellt werden, die dazu neigen, wohlhabendere Verbraucher, die bereit sind, mehr fรผr Kabelpakete zu zahlen, zu รผberbewerten, und somit einkommensschwรคchere Verbraucher, die fรผr viele Vermarkter wichtige Zielgruppen darstellen, unverhรคltnismรครig stark ausschlieรen.
Die Medienbranche hat zu Recht die genaue Darstellung der schwarzen und braunen Gemeinschaften zu einer zentralen Prioritรคt gemacht. Bei Nielsen war unsere jahrzehntelange Erfolgsbilanz in dieser Hinsicht nicht perfekt, aber heute haben wir den genauesten und fortschrittlichsten Blick auf die Nation, wie sie wirklich ist.
Von Big Data abgeleitete Messinstrumente, die nicht durch ein reprรคsentatives, validiertes und geprรผftes panel gestรผtzt werden, kรถnnen diesen Anspruch nicht erheben. panels kรถnnen viele demografische Gruppen innerhalb der Volkszรคhlung mit einer Variabilitรคt von 1 % erfassen, aber die auf Big Data basierenden Optionen kommen nicht einmal annรคhernd daran heran. Die Branche muss offen und ehrlich mit sich selbst sein, wenn es um die Herausforderungen geht, die Big Data in Bezug auf die Reprรคsentation mit sich bringt.
Ein grรถรeres Problem
Um es klar zu sagen: Das ist nicht nur ein Problem von Comscore. Dies ist ein Problem mit allen groรen Datensรคtzen, die es derzeit gibt.
In August of 2020 the ANA, in partnership with the MRC and Sequent Partners, used Nielsen data as a benchmark in a study designed to understand the degree to which the multicultural audiences were being accurately represented in media targeting. The study looked at an aggregated collection of high-quality marketing and media data and sought to understand how accurately it was targeting Black, Brown and Asian audiences. The findings were troubling, but not at all surprising to us.
Die Studie ergab, dass die groรen Datensรคtze, auf die sich die Branche verlรคsst, der Aufgabe nicht gewachsen sind, diese kritischen Gemeinschaften genau anzusprechen. Zum Teil deshalb, weil die Datensรคtze nicht darauf ausgelegt waren, umfassende Daten darรผber zu erfassen, wer diese Verbraucher wirklich sind, wie es bei robusten panels der Fall ist, kam es zu einer weit verbreiteten Falschdarstellung und Unterreprรคsentation in den Daten.
Now contrast that with Nielsen’s robust panels, which provide a wealth of directly collected information from real-life people, representative of the entire U.S. population. Who lives in the home? How old are they? What race and ethnicity do they identify as? Who is watching the television at a given point in time? Nielsen’s panel answers these questions.
Auch hier gilt, dass panels fรผr sich genommen nicht perfekt sind, aber es gibt einen Grund, warum andere Branchen, insbesondere die Pharmaindustrie, bei der Zulassung von Arzneimitteln รคhnliche Ansรคtze wie panels verwenden. Denn wenn viel auf dem Spiel steht, gibt es keinen Ersatz fรผr echte, verifizierte Menschen.
Wir wissen, dass viele Akteure der Branche von den Mรถglichkeiten von Big Data begeistert sind, und wir sind es auch. Aber als Branche mรผssen wir ehrlich darรผber sein, was Big Data leisten kann und was nicht. Und auch wir wissen, dass die Zukunft der Medienmessung in einem Ansatz liegt, der die Reichweite von Big Data mit den verifizierten persรถnlichen Daten robuster panels kombiniert.
This article originally appeared on Next TV.
