Truth and trust. That’s what a great business and a great business ecosystem need to survive and thrive in today’s fast-moving, data-hungry world. But data has its own vagaries—too much can be confusing. It can be dirty, and therefore unusable. It can live in a silo and not relate to anything around it. And the big one: it can be misused. Every day, consumers add more and more data points into this equation. All of this data, clean or dirty, can get in the way of making swift, impactful business decisions.
마케팅 생태계에서 미디어 구매자들은 한 가지 분명한 것은 투명성을 원한다는 것입니다. 그들은 자신의 노력이 얼마나 효과적인지, 그리고 이를 개선할 수 있는 방법을 마침내 이해하기를 원합니다. 투명성이 높아진다는 것은 궁극적으로 자신이 지불한 만큼의 효과를 얻고 있다는 신뢰가 높아진다는 것을 의미합니다.
모든 클릭, 모든 좋아요, 모든 거래 등 이러한 데이터를 제공하는 소비자도 자신이 어떤 구매 행동을 할 때 보호받고 있다는 사실을 알고 싶어 합니다. 사실, 역사상 그 어느 때보다 소비자들이 자신에 관한 데이터가 어떻게 수집되고 사용되는지에 대해 더 많이 알고, 호기심을 갖고, 우려하고 있습니다.
데이터에는 책임이 따릅니다. 소비자를 보호해야 할 책임. 마케팅 생태계를 보호해야 할 책임과 이 모든 것을 정직하고 투명하게 관리해야 할 책임이 있습니다.
So, why Nielsen? Nielsen has many advantages built into its model—it uses truly representative panels to scrub big, unwieldy data sets and make them useful and manageable. An essential cornerstone to our strategy is Nielsen’s investment in consumer panels. These are panels in both the media and fast-moving consumer goods sides of our business where people allow us into their homes to enable first-hand measurement on an ongoing basis. And they do this all over the world. In my mind, this proximity to the consumer, enabled by the trust they have in our brand, is priceless.
이러한 패널을 통해 누가, 언제, 왜, 어디서, 얼마나 많이 거래하는지를 정확하게 파악할 수 있습니다. 비디오 및 오디오 시청자의 중복을 제거할 수 있으므로 고객은 한 명의 몰아보기 시청자와 거실에 모여 좋아하는 프로그램을 시청하는 열성적인 가족 간의 차이를 알 수 있습니다. 누가 특정 시간에 특정 제품을 구매했는지, 어떤 방식으로 구매를 결정했는지 파악할 수 있는 도구는 매우 중요합니다.
패널의 또 다른 중요한 측면은 소비자 개인정보 보호의 올바른 편에 서 있다는 점입니다. 모든 사람이 자신에 대한 모든 것이 알려지기를 원하는 것은 아니며, 브랜드는 실수로 경계를 넘지 않고 올바른 결정을 내려야 한다는 것을 잘 알고 있습니다. 개인정보 보호에 대한 더 엄격한 제한은 닐슨에게 옳은 일입니다. 닐슨은 항상 패널에 참여한 소비자들의 명시적인 동의를 얻기 위해 노력해 왔습니다.
모든 유형과 규모의 기업은 데이터를 보유하고 있습니다. 이러한 스트림은 계속 확장되고 있으며 서로 소통하는 경우는 거의 없습니다. 이는 사실입니다. 그러나 또 다른 현실은 이 모든 빅데이터가 유용한 데이터로 변환될 수 있는 것은 아니라는 것입니다. 닐슨은 유용한 데이터의 핵심 요소가 라벨링이라는 것을 잘 알고 있으며, 미디어와 리테일 분야에서 가장 철저하게 라벨링된 데이터를 보유하고 있습니다. 또한 상세하고 검증된 라벨링은 데이터를 머신러닝과 인공 지능에 더 쉽게 적용할 수 있음을 의미합니다. 마지막으로, 데이터를 사용하는 방법, 데이터를 정리하는 방법, 다른 데이터 세트와 병합하는 방법, 뛰어난 데이터 과학을 극대화하는 방법을 이해하고 있습니다.
과학적 근거를 바탕으로 한 고품질 데이터에 대한 닐슨의 노력은 마켓플레이스에 필수적인 서비스입니다. 구매자나 판매자에 대한 편견 없이 유용한 데이터를 제공하는 능력은 마켓플레이스에서 더욱 중요해질 것입니다.
이러한 표준 소비자 패널 데이터를 추적 및 행동 데이터와 기타 다양한 컨텍스트 구축 데이터 세트에 결합한 다음, 실제 데이터 과학자 및 알고리즘을 통해 인간과 기계의 고유한 분석 조합을 적용하면 진정한 마법이 시작됩니다. 인공지능과 머신러닝은 크리테오와 고객을 위해 더 많은 가치를 창출할 것입니다.
저는 닐슨으로의 이직을 고려하기 훨씬 전부터 닐슨의 고객이자 파트너였습니다. 그때도 닐슨의 업무 방식과 독립성, 무결성, 소비자 중심이라는 핵심 원칙이 시장에 신뢰를 준다는 사실을 분명히 알 수 있었습니다.
닐슨에서는 기술, 과학, 데이터가 인간적인 요소와 결합합니다. 아직 실현할 수 있는 잠재력이 무궁무진하며, 우리 팀은 매일 더 많은 잠재력을 실현하기 위해 열심히 노력하고 있습니다. 닐슨의 최고의 시기는 앞으로 다가올 것입니다.
This article was originally published by David Kenny on LinkedIn.
