Für die Medienbranche ist die Zeit zwischen März und Mai die "Go-Time". Im Rahmen der zahlreichen Vorabveranstaltungen, die sich über die gesamte Medienlandschaft erstrecken und nicht mehr an einzelne Plattformen und Technologien gebunden sind, bietet der expandierende Marktplatz für Inhalte sowohl eine Fülle von Möglichkeiten als auch eine Fülle von Informationen für Werbeeinkäufer und -verkäufer, die es zu navigieren gilt, insbesondere vor dem Hintergrund der zunehmenden Gespräche über Big Data zur Messung.
For advertisers, numbers are critical this time of year. And as TV consumption fragments amid rising digital engagement, they take on even greater importance. How important? An Ampere Analysis study found that total spend on content in 2021 totaled about $220 billion, led by streaming powerhouse Netflix. And advertisers, knowing that Americans streamed almost 15 million years’ worth of video last year, are rallying, as worldwide digital ad spend surged more than 29% in 2021 to eclipse $491 billion.
What’s more, consumers have no plans of changing the trajectory of the streaming industry, as 93% of streaming subscribers say they plan to increase their usage over the next year. That doesn’t mean, however, that traditional TV content is out of the picture. Quite the opposite, as the average adult spends more than twice as much time per day with live TV than they do with connected TV (CTV) content.
Die zunehmende Fülle an Inhalten bietet den Verbrauchern eine immer größere Auswahl, aber die unzähligen Plattformen, Geräte und Dienste können für Werbetreibende eine Herausforderung bei der Messung darstellen. Darüber hinaus hat die explosionsartige Zunahme der Auswahl weder zu mehr Zeit für die Beschäftigung mit Inhalten noch zu mehr Menschen geführt. Doch Big Data, einschließlich der Daten von Smart-TVs (ACR) und Kabelboxen (RPD), lassen das Gegenteil vermuten. Die Daten von Kabelboxen und Smart-TVs geben auch wenig Aufschluss über die Streaming-Aktivität: Kabelboxen liefern per definitionem herkömmliche TV-Daten, und ACR schaltet sich oft ab, wenn die Zuschauer native Apps, einschließlich Netflix, nutzen.
Big Data ist nicht nur nicht zur Messung gedacht, sondern spiegelt auch nicht die tatsächlichen Menschen wider. Der Wert von RPD und ACR ist unbestreitbar, da sie die Messung skalieren, aber Big Data spiegelt Geräte wider, nicht tatsächliche Menschen. Die Daten allein sagen nichts darüber aus, wer zuschaut und wer nicht - was für Werbetreibende ein grundlegender Bedarf ist. Und wenn die Menschen aus der Gleichung herausgenommen werden, gehen die Zahlen einfach nicht auf.
Nehmen Sie zum Beispiel ACR-Daten, die die Bilder auf den Bildschirmen von Smart-TVs identifizieren. Diese Daten können für die Messung der Einschaltquoten sehr nützlich sein, aber sie sagen nichts anderes aus, als was auf einem Bildschirm zu sehen ist. RPD-Daten sind ähnlich, aber sie können nicht einmal überprüfen, ob ein Fernseher eingeschaltet ist. Deshalb stammen ein Viertel aller Set-Top-Boxen-Eindrücke von Fernsehgeräten, die gar nicht eingeschaltet sind.
Abgesehen davon, dass man nicht weiß, wer ein Gerät oder einen Bildschirm benutzt, sind Big Data von Natur aus verzerrt, und die Verzerrung hängt von der Art der Daten ab. Damit Big Data die US-Bevölkerung wirklich repräsentieren kann, müsste jeder Fernsehhaushalt genau dasselbe TV-Gerät haben und über genau denselben Datenstrom auf das Programm zugreifen. Aus diesem Grund müssen alle Big-Data-Sätze mit personenbasierten panels , die die Vielfalt der US-Bevölkerung widerspiegeln, auf gleicher Ebene kalibriert werden.
Importantly, the World Federation of Advertisers, the Association of National Advertisers and the comparable organizations in over 30 other nations have unanimously stated that the future audience measurement system for screen media must be a combination of quality panel and big data.
Ohne panel können die Messungen die Vielfalt nicht erfassen. Wir wissen nicht nur, dass niemals alle TV-Haushalte auf die gleichen Inhalte über die gleichen Geräte zugreifen werden, sondern auch, dass die Zusammensetzung der Haushalte so unterschiedlich ist wie die Struktur des Landes, in dem die TV-Haushalte leben. Das ist der Punkt, an dem die Big-Data-Messung ihr Ziel verfehlt - und zwar ganz erheblich.
Beispielsweise machen die Hispanics knapp 20 % der US-Bevölkerung aus, aber Big Data erfasst diese und viele andere Zielgruppen deutlich zu wenig. Aber wenn die Messung allein auf RPD basiert, haben Nielsen-Analysen ergeben, dass hispanische Haushalte um 30 % unterrepräsentiert sind. Um dies in die richtige Perspektive zu rücken, bedenken Sie Folgendes: Bei der Volkszählung 2020 wurde festgestellt, dass die hispanische Bevölkerung knapp über 62 Millionen beträgt. Wenn die Hälfte dieser Bevölkerung zu einem bestimmten Zeitpunkt fernsieht und die Werbetreibenden die RPD-Daten für die Messung nutzen, könnten die Werbetreibenden 9 Millionen Menschen mehr erreichen, als ihnen bewusst ist.
Wichtig ist, dass die Unterrepräsentation von 30 % ein Durchschnittswert ist. Auf Programmebene können Big Data die allgemeine Bevölkerung und die verschiedenen Zielgruppen um ein Vielfaches unter- oder überrepräsentieren. Eine Nielsen-Studie zu den Abweichungen zwischen der Big-Data-Messung und dem Goldstandard der panel Messung ergab beispielsweise, dass die RPD-Messung die Gesamtzahl der US-Eindrücke für eine Primetime-Sendung um 69 % überzeichnete. Bei der ACR-Messung wurde die Gesamtzahl dagegen um 12 % unterschätzt. Bei einem Sportereignis unterschätzte die RPD-Messung die hispanische Zielgruppe um 47 %, während die ACR-Daten die gleiche Zielgruppe um 12 % überschätzten.
Für Werbetreibende können diese Messabweichungen kostspielig sein. Das wachsende Angebot an neuen Datenquellen macht die Messung jedoch komplexer, vor allem, wenn sie nicht mit echten Menschen in Verbindung gebracht werden. Verleger und Werbetreibende werden immer die größtmögliche Reichweite anstreben, aber sicherlich nicht ohne die analytische Strenge, die für ihre Validierung erforderlich ist.
Im Zuge der Konvergenz von linearen und digitalen Daten sind große Datenquellen ein wichtiger Input für Messungen. Aber sie sind als Messquellen allein nicht vertrauenswürdig. Da die Verbraucher immer mehr Geräte und Kanäle nutzen, wird es leicht sein, auf Daten zu verweisen, die ein potenziell überhöhtes Engagement behaupten. Werbetreibende würden die von vielen alternativen Zielgruppen vorgeschlagenen Zielgruppengrößen sicherlich begrüßen, aber wenn sie ihre Werbeeinkäufe auf diese Zahlen abstimmen, zahlen sie letztlich für Zahlen, die nicht die realen Menschen widerspiegeln.
