Bagi industri media, periode antara Maret dan Mei adalah waktu yang tepat. Di tengah banyaknya peristiwa yang terjadi di lanskap media, yang tidak lagi terikat pada platform dan teknologi tertentu, pasar konten yang semakin berkembang menghadirkan banyak peluang dan informasi yang luas bagi para pembeli dan penjual iklan untuk dinavigasi, terutama di tengah meningkatnya percakapan tentang big data untuk pengukuran.
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.
Meningkatnya kelimpahan konten menghadirkan semakin banyak pilihan bagi konsumen, tetapi berbagai platform, perangkat, dan layanan dapat menghadirkan tantangan pengukuran bagi para pengiklan. Selain itu, ledakan pilihan tidak menciptakan lebih banyak waktu untuk terlibat dengan konten, dan juga tidak menciptakan lebih banyak orang. Tetapi data besar, termasuk yang berasal dari smart TV (ACR) dan kotak kabel (RPD), memiliki cara untuk menunjukkan hal yang sebaliknya. Data dari dekoder dan TV pintar juga memberikan sedikit wawasan tentang aktivitas streaming: Kotak kabel, menurut definisinya, menyediakan data TV tradisional, dan ACR sering kali mati ketika penonton menggunakan aplikasi asli, termasuk Netflix.
Selain tidak pernah dimaksudkan untuk digunakan untuk pengukuran, big data tidak mencerminkan orang yang sebenarnya. Tidak salah lagi bahwa nilai RPD dan ACR, karena keduanya memberikan skala untuk pengukuran, tetapi big data mencerminkan perangkat, bukan orang yang sebenarnya. Data itu sendiri tidak dapat memberi tahu Anda siapa yang menonton dan siapa yang tidak-yang merupakan kebutuhan mendasar bagi para pengiklan. Dan ketika orang dihilangkan dari persamaan, angkanya tidak akan bertambah.
Ambil data ACR, misalnya, yang mengidentifikasi gambar pada layar TV pintar. Data ini bisa sangat berguna dalam pengukuran audiens, tetapi dengan sendirinya, data ini tidak lebih dari sekadar mengidentifikasi apa yang ada di layar. Data RPD juga serupa, namun tidak memiliki kemampuan untuk memverifikasi bahwa pesawat TV menyala. Itulah mengapa seperempat dari semua tayangan dekoder berasal dari TV yang bahkan tidak menyala.
Selain tidak mengetahui siapa yang menggunakan perangkat atau layar, big data pada dasarnya bias, dan biasnya tergantung pada jenis data. Agar big data benar-benar mewakili populasi AS, setiap rumah tangga TV harus memiliki perangkat TV yang sama persis dan mengakses program melalui aliran data yang sama persis. Itulah mengapa semua kumpulan data besar harus disetel pada tingkat yang sama-dikalibrasi-dengan panel berbasis orang yang mencerminkan keragaman populasi AS.
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.
Tanpa data panel, pengukuran tidak dapat menangkap keragaman. Kita tidak hanya tahu bahwa semua rumah tangga TV tidak akan pernah mengakses konten yang sama di perangkat yang sama, kita juga tahu bahwa susunan rumah tangga sama beragamnya dengan susunan negara yang memiliki rumah tangga TV. Di situlah pengukuran berbasis data besar meleset secara signifikan.
Sebagai contoh, Hispanik hanya mewakili kurang dari 20% dari populasi AS, tetapi big data secara signifikan kurang menghitung audiens ini, bersama dengan banyak audiens lainnya. Namun, ketika pengukuran didasarkan pada RPD saja, analisis Nielsen menemukan bahwa RPD kurang merepresentasikan rumah-rumah Hispanik sebesar 30%. Untuk menempatkan hal tersebut ke dalam perspektif, pertimbangkan hal ini: Sensus AS tahun 2020 menetapkan bahwa populasi Hispanik lebih dari 62 juta jiwa. Jika setengah dari populasi tersebut menonton TV pada waktu tertentu dan pengiklan memanfaatkan data RPD untuk pengukuran, pengiklan dapat menjangkau 9 juta orang lebih banyak daripada yang mereka sadari.
Yang penting, 30% kekurangan representasi tersebut adalah rata-rata. Pada tingkat program, big data dapat memberikan representasi yang kurang dan lebih dengan margin yang jauh lebih besar, baik untuk populasi umum maupun audiens yang beragam. Sebagai contoh, sebuah studi Nielsen mengenai perbedaan antara pengukuran big data dan pengukuran berbasis panel standar emas menemukan bahwa pengukuran RPD melebih-lebihkan total tayangan di Amerika Serikat untuk sebuah program primetime sebesar 69%. Sebagai perbandingan, pengukuran ACR menyatakan total tayangan yang lebih rendah sebesar 12%. Untuk acara olahraga, pengukuran RPD menyatakan jumlah penonton Hispanik yang kurang dari 47%, sementara data ACR menyatakan jumlah penonton yang sama secara berlebihan sebesar 12%.
Bagi pengiklan, perbedaan pengukuran ini bisa menjadi mahal. Meningkatnya pasokan sumber data baru, bagaimanapun juga, menambah kompleksitas pengukuran, terutama ketika data tersebut mungkin tidak terhubung dengan orang yang sebenarnya. Penerbit dan pengiklan akan selalu menginginkan jangkauan sebesar mungkin, tetapi tentu saja bukan tanpa ketelitian analitis yang diperlukan untuk memvalidasinya.
Seiring dengan konvergensi linier dan digital, sumber data besar merupakan input penting untuk pengukuran. Namun, data tersebut tidak dapat dipercaya sebagai sumber pengukuran dengan sendirinya. Ketika konsumen terlibat dengan lebih banyak perangkat dan lebih banyak saluran, akan mudah untuk menunjukkan data yang mengklaim keterlibatan yang berpotensi terlalu tinggi. Pengiklan tentu akan menyambut baik ukuran audiens yang disarankan oleh banyak audiens alternatif, tetapi jika mereka menempatkan pembelian iklan mereka berdasarkan angka-angka tersebut, mereka pada akhirnya akan membayar untuk angka yang tidak mencerminkan orang yang sebenarnya.
